--- schema_version: "library-reader-v1" source_type: "original_book" title: "数字社会学" author: null edition: null publisher: null year: null isbn: "9787208177284" library_document_id: "dc63b13d-e064-4d2f-83fb-aa8d3b8c79f8" source_sha256: "c800b65078178004d165ce0edf2a14bb942ad1c443ba76b946c119f8f9df300f" pdf_physical_page_count: 298 pdf_physical_page_index_base: 0 range_start: 90 range_count: 10 html_url: "https://workshop.closeclaw.top/api/ai/read/dc63b13d-e064-4d2f-83fb-aa8d3b8c79f8?start=90&limit=10" markdown_url: "https://workshop.closeclaw.top/api/ai/read/dc63b13d-e064-4d2f-83fb-aa8d3b8c79f8.md?start=90&limit=10" previous_url: "https://workshop.closeclaw.top/api/ai/read/dc63b13d-e064-4d2f-83fb-aa8d3b8c79f8.md?start=80&limit=10" next_url: "https://workshop.closeclaw.top/api/ai/read/dc63b13d-e064-4d2f-83fb-aa8d3b8c79f8.md?start=100&limit=10" --- # 数字社会学 > 页码规则：PDF_PHYSICAL_PAGE_INDEX 是从 0 开始的权威文件物理页索引；PRINTED_PAGE 是页面中识别出的印刷页码，可能为空，二者不得混用。 ## PDF_PHYSICAL_PAGE_INDEX=90 | PRINTED_PAGE=70 数字数据分析的局限 数字社会研究提供了许多可能性。然而，对于热衷于使用大型数字数据集、在线数据收集和分析工具的社会研究者来说，数字社会研究也有显著的局限性，其中一些已经在本章中涉及。并不是每个人都有访问大型数字数据集的同等机会。我在本章的前面提到大多数社会学家缺乏计算机技能，这限制了他们超越开源分析工具、超越简单分析的机会。在访问和使用大数据的方式上，研究者之间的差距越来越大。转向开放源数据倡议以及提供获取和分析这些数据的工具，使得某些数字数据更便于进行分析。这些工具使任何感兴趣的人都能从事社会研究，而无需任何研究方法上的培训。然而，尽管一些数字数据是对所有人公开的，但是随着商业互联网公司所收集的大数据集变得更具价值，他们的数据访问权限逐渐被封锁。 数字社会学 60 70 ## PDF_PHYSICAL_PAGE_INDEX=91 | PRINTED_PAGE=71 诸如脸书、YouTube、Flickr和推特等社交媒体平台，最初只是提供在线交流、分享图像和搭建网络的手段，但随着它们的受欢迎程度和影响力不断增加，它们已经变得商业化，继而成为广告平台和提供可挖掘、可售卖的数据的工具。虽然这些平台提供的内容对社会研究者来说，似乎是一个透明而丰富的数据来源，但平台对数据所有权的重视限制了研究者抓取数据的权限。如今，用户访问网站来抓取数据的次数通常受到“条款和条件”的限制。推特和脸书等平台已经针对数据挖掘，制定了只能使用自己的应用程序接口（APIs）的制度性规则。现在，平台可能运行着两层系统，在一部分接口中，所有人都可以自由获取数据；但在另一部分接口中，更为详细的数据仅提供给那些付费的人(Bruns，2012，2013；Burgess and Bruns，2012；Langois and Elmer，2013)。随后，曼诺维奇（Manovich，2012：470）认为，在数字数据的背景下，我们能够区分三类行动者（或者用他的话来说是“数据阶层”)：第一类包括那些有意或无意创建数据的人(任何使用数字技术或被数字技术监视的人），第二类包括有方法归档数据的个体或组织（人数便少了许多)，第三个更小的类别包括那些能够访问和分析这些档案中的数据的个人或组织。 通过平台的应用程序接口来免费获得的数据，只占该平台收集和存储的所有数据中的极小部分。这就对所分析数据的代表性(representativeness)提出了质疑（boyd and Crawford，2012；Bruns，2012; Burgess and Bruns, 2012; Edwards et al., 2013; Vis, 2013).其他批评者也提出了数据代表性的问题，他们指出研究者通常只是选择那些获取便捷的数据，而不考虑抽样代表性的问题。例如，推特或脸书的用户来自某些特定的社会群体，一般难以代表普通大众。缺乏代表性的问题也存在于其他使用在线工具获取的数据形式中。 第三章 数字时代研究的再概念化 71 ## PDF_PHYSICAL_PAGE_INDEX=92 | PRINTED_PAGE=72 比如，在线调查可能会吸引并不能代表普通大众的受访者。以2013年英国阶层调查(Great British Class Survey）为例(Savage et al.,2013)，该调查是由社会学家与BBC联合进行的。尽管大量的受访者完成了在线调查，但是他们大多数人是典型的BBC受众阶层：受过良好教育并在专业、职业中享有经济特权的人。随后，研究人员被迫进行了第二次调查，与一家能够吸引社会多元群体的社会研究公司合作，采用了标准的配额抽样程序，并开展面对面访谈。 除了这些对社交媒体分析感兴趣的学术研究者所面临的困难之外，布伦斯（Bruns，2013）还提出了其他许多问题。他指出，研究者面临的数字数据量十分庞大，这意味着他们必须不断选择如何筛选特定数据进行分析。例如，他们根本无法分析关于某一具体主题或来自特定社交媒体平台的所有数据。对在线材料感兴趣的研究人员在决策时，必须考虑数据存储容量等技术问题。布伦斯还警告说，学术研究者对开源或商业社交媒体分析工具盲目信任，不假思索便接受了所有提供给他们的数据，而不会对它们的信度和效度提出质疑。另外，直接复制其他研究者的结论也变得非常困难，因为所使用的工具和数据集往往具有不稳定性，社交媒体平台也通常不允许研究者公开共享他们的数据集。 使用原生数字数据的社会研究实践引发了更广泛的关注。正如我在本书第五章中详细阐述的那样，数字数据和其他任何形式的数据（定量数据或定性数据）一样，在生成和分析的任何阶段都会受到不准确、偏差、失真和误差的影响。尽管数字数据（因由计算机技术产生的、通常数量巨大）具有客观性和科学中立性的光环，但是它们和任何其他形式的数据一样都是人类决策的产物。随着时间的推移，在线材料的内容可能会发生变化，因为它会被修改，甚至从互联网上完全删除。大多数大数据分析只能提供极为片面的信息，总是会缺乏背景特征，如数据提供者的性别、年龄、民族、地理位置、社会阶层和教育水平(boyd and Crawford，2012；Edwards et al.,2013; Mahrt and Scharkow, 2013)。 数字社会学 62 72 ## PDF_PHYSICAL_PAGE_INDEX=93 | PRINTED_PAGE=73 判断数据效度的另一个困难是一些数据贡献者试图戏弄系统或作恶作剧，发布不准确的信息或篡改的图像来呈现事实(Procter etal.，2013)。作为数据来源，他们以个体的目的和手段来操纵数据，比如选择上传特定图像，在社交网络中分享或转发精心挑选的、能代表个体角色形象的素材给好友或粉丝。搜索引擎结果或推特主题趋势，也可以被那些寻求商业或政治利益的人所操纵(Lazer et al.2014)。同样，诸如“点赞”“分享”“粉丝”这样的数字数据，也可以很容易地进行操纵（例如通过购买或使用自动化程序，参见Baym, 2013)。 一些批评者指出，不论大数据的效度如何，即便大数据包含众多数字数据客体，大规模数据集的解释力仍是有限的。大数据基本上能够提供不同变量之间的相关性和联系性的统计和证据，但除此之外，它们并不具有洞察力。大数据几乎无法阐释其生产背景(Andrejevic，2013；Uprichard，2012，2013)。数据的意义也可能会丢失或被误解，因为数字化资料中可能不包含其他意义指标原始文本产生时的社会和文化背景，或者关键词或文本之间的相关性。例如，社交媒体数据中的“情感”解释，是由自然语言处理算法进行的。由于这些是根据计算机代码生成的，而不是由人类解释的，这种分析很容易忽略意义的细微差别和模糊性。文化文本中的词汇和其他元素，仅被简化为计算机数据(Beer and Taylor，2013;Gooding，2013)。如果没有详细地了解上下文，当用户在社交媒体上评论时，我们通常很难判断内容的主旨，比如他们是认真的还是讽刺的。 第三章 数字时代研究的再概念化 73 ## PDF_PHYSICAL_PAGE_INDEX=94 | PRINTED_PAGE=74 对于日益数字化的材料，人们也表达了谨慎的态度。例如，古丁（Gooding，2013：1）将数字化资料的档案称为“我们文化遗产的虚拟垃圾场”。他写道，人文学科内部已经对资料数字化表达了几个主要担忧。一方面，量化和信息将会超越对文化资料的传统的、更深入的和更具解释性的校阅式分析；另一个令人担忧的问题是，除了作量化之用以外，很少有关于文化资料的大规模数字档案之使用的出版物。此外，与那些在高度人为干预下开发的、以确保高标准的小型数字化藏品相比，大规模数字化资料可能质量堪忧。那些依赖于大规模自动扫描技术的数字化成果，通常会导致元数据不佳或者在数字化过程中产生错误，从而丢失重要的信息。因此，对于研究者来说，这些数据的价值可能大打折扣。 一些批评者针对研究在线社区和论坛数据的现象，提出了道德伦理问题。这些问题促使人们思考：这些社区是公共空间还是私人空间，或者当研究者研究在线社区的互动时是否需要让在线社区的人们知情。一些研究人员认为，如果用户将自己的信息发布在公共网站和平台上，无论这些人是否知道他们的内容被用于研究，这些数据都不应该被视为私人的或机密的信息，而应该向研究人员开放使用。其他人则认为，研究者应该让人们知道他们正在使用其数据，尤其是那些关于私事的信息（Boase，2013；Mahrt and Scharkow，2013；Moreno et al.，2013)。正如我在第五章和第七章中更为详尽讨论的那样，数字公司和政府机构对大数据的使用和商业化引发了许多问题，这涉及人们在多大程度上了解他们的数据被使用的情况，以及他们是否应该拥有访问自己数据的权限。 由于社会学长期的社会研究传统，社会学家对数据生产和使用过程中固有的排序和归类问题的伦理和政治维度非常敏感(Uprichard，2013)。因此，社会学家和其他批判者在持续挑战大数据或数字社会数据的公认事实方面发挥着至关重要的作用。社会学家和其他社会文化学者能够形成独特的见解，正是因为他们强调数字数据的背景性和建构性，包括其政治目的和影响。如果没有解释和语境，数据就没有任何意义，而这些学者进行专业训练便是为了进行解释。基于这些注意事项，大数据分析应该被视为社会行为分析的一小部分。正是在这里，本章前面概述的创新方法为数字技术融入具有创造性和深刻性的社会学研究提供了路径。 数字社会学 64 74 ## PDF_PHYSICAL_PAGE_INDEX=95 | PRINTED_PAGE=75 批判性的自反立场 数字社会学可以在许多重要方面为“沉寂的社会学”的复兴作出贡献。数字技术作为方法论装置和研究主题，为开展社会学研究提供了激动人心的、创造性和创新性的新方法。数字技术通过贡献新形式的数据，以及将研究的参与者纳入作为研究项目的合作者，为活跃社会学和其他社会研究提供了机会。社会学家为数字社会研究提供了许多重要的视角。他们不仅能够以广度和深度来研究人们对数字技术的使用，而且能够将其置于社会、文化和政治背景中。他们能够质疑自己作为研究者的地位，并从批判的角度质疑研究方法的本质。所有这些观点都潜移默化地推进构建一种丰富而重要的社会学，即实践者反思他们自己作为研究者的地位，并将他们的路径置于一种理论视角中，这种视角承认社会研究实践记录和创造社会生活的方式。 对研究数字媒体领域的社会学家采取批判性的自反社会学观点，能够提出以下问题：当社会学家试图分析数字媒体时，他们在做什么？他们在多大程度上只是利用数字媒体分析工具来获取数据，他们在多大程度上挑战了这些工具的有用性，抑或聚焦于作为研究对象的工具（以及数字平台和数字数据）本身？社会学家可以对数字设备、软件和数据进行不同层面的分析，每一种分析的认识论和本体论视角均不同。我们可以像任何数字用户一样，简单地把诸如谷歌图书词频统计器、谷歌趋势、谷歌搜索和搜索自动补全等功能和工具作为搜索工具，但是我们还可以将它们定位为研究工具，来探索和揭示社会和文化的习俗、规范和话语体系。与此同时，作为自反性的数字社会学家，我们需要将这些工具视为非常粗糙的工具，并在使用时注意到自己需要对数据生产的信度和效度问题投入精力。此外，作为数字范畴的批判性分析者，我们可以反思这些工具如何将我们定位为研究者，并从普遍意义上来看它们对社会研究的影响。 第三章 数字时代研究的再概念化 75 ## PDF_PHYSICAL_PAGE_INDEX=96 | PRINTED_PAGE=76 因此，作为一名社会学家，当我使用诸如谷歌趋势这样的工具时，我可能会采取很多种方式。我可能会使用该工具，并全盘接收它产生的结果，此时我的主要兴趣是它所产生的数据；我也可能对该工具如何生产并建构数据感兴趣，去挑战其内部运转逻辑的“黑箱”，此时工具本身成为了我分析的对象；我可能还想探索谷歌趋势成为谷歌形塑和建构知识的机构或世界“谷歌化”之一部分的社会和政治含义（Vaidhyanathan，2011）。我可能想同时做所有这些事情，这些都是从社会学角度研究数字世界的有趣方式。 本章从研究方法的角度探讨了数字社会学如何应用的问题。在下一章中，我将更具体地阐述社会学家在职业实践中使用数字技术的情况。在本章中，我在探讨时采取了一种自反性的立场，不仅概述了社会学家（和其他学者）可以采用什么样的策略来“数字化”自己，并分析了采用这些策略可能存在的优点与不足，还审视了学术身份认同及工作概念的更深层的含义。 数字社会学 76 ## PDF_PHYSICAL_PAGE_INDEX=97 | PRINTED_PAGE=77 第四章 数字化学术 在这一章中，我着眼于学者是如何成为数字化知识工作者的，特别是关注社会学家。高等教育的工作场所日益数字化，许多教学资源和学术出版物都在网上传播，学者和大学的绩效也运用数字技术进行监测和衡量。一些社会学家和其他学者也开始使用社交媒体作为他们学术工作的一部分。因此，对于许多高等教育工作者来说，数字技术正在成为建构和实现职业自我的一个重要因素。我不仅研究了数字技术带来的好处和可能性，还分析了走向数字化学术和数字公众参与政治引起的局限性、不足和风险。在这一章中，我将参考我对出于职业目的使用社交媒体的学者的在线调查研究结果（详见本书附录1)。 数字公共社会学 作为社会学家们乐于参与并纳入其社会学敏锐性的持续性自反批判的一部分，社会学家们会定期对他们学科的未来进行审视。其中许多人认为，公共社会学（public sociology）是当代社会学应该努力实现的一个重要方面。“公共社会学”一词本身就经历了长时间的分析和辩论(Burawoy，2005；Holmwood，2007)。有人认为，公共社会学涉及政治行动主义，鼓动社会正义和权利，挑战不平等；还有人认为，它更广泛地涉及当代社会问题的专家评论者向学校以外的受众进行公开演讲，也就是说知识分子要面向公众。 77 ## PDF_PHYSICAL_PAGE_INDEX=98 | PRINTED_PAGE=78 公共社会学最著名的作品之一是《为了公共社会学》(ForPublicSociology，2005)，这是美国社会学家迈克尔·布洛维(MichaelBurawoy）的一篇文章，源于他在2004年美国社会学会年会上的主席就职演讲。在这篇文章中，布洛维（Burawoy，2005：4）将公共社会学的挑战定义为“以多种方式吸引多种公众”。他讨论了社会学对专业外人士可见的重要性，这是其合法性来源和支持的一部分，向人们展示了社会学的重要性和相关性。这些论点表明，社会学家已然退回象牙塔中，只专注于内部辩论和专业进步，而不是直接参与到构成他们研究主题的主体——社会群体中(Holmwood，2007)。然而，许多社会学家认为公众参与是他们专业工作的组成部分，其原因有很多，如在个人层面上认为这种参与应该是社会学家常规实践的个体基础信仰。 布洛维（Burawoy，2005：7）评价公共社会学时，认为它提升了社会学“与公众对话、被理解为参与对话的人”的潜力。显而易见的是，那些从事社会研究的学者的公众参与具有递归本质。社会学本身是对社会过程和制度的审视，社会学学科及其实践者是其组成部分。社会学家研究社会世界，反过来，他们的研究成果可能会对社会关系和社会结构产生影响。此外，社会学家本身是社会的一部分，因此，他们有助于理解和构建他们所属的实体。正如我在下面继续论述的那样，这对于社会学家使用社交媒体和其他数字媒体以呈现职业自我或研究成果有所启示。 数字社会学 67 78 ## PDF_PHYSICAL_PAGE_INDEX=99 | PRINTED_PAGE=79 在布洛维写下这篇关于公共社会学的演讲文章时，社交媒体还没有深入私人和职业领域。在他发表这篇演讲十多年后的现在，引人数字公共社会学（digital public sociology）的概念与使用社交媒体和其他数字工具来进行公共社会学的实践息息相关。在过去的十多年里，数字技术已经深刻地改变了高等教育领域。作为数字化知识经济的参与者，学术界的工作和成果越来越多地呈现在网上。在许多情况下，建构学者“学术形象”(academic personae）的模板格式可能是由他们的高校提供（例如大学网站制作的关于学者的研究、教学和资历的信息网页)，也可能是由学术成果发表的期刊和书籍，诸如亚马逊和谷歌图书这类宣传他们的书籍并邀请读者评论的网站，购买他们书目的图书馆，发表自己课程读物、文章或博客文章的其他学者，或者在评论网站上评论他们作品的读者等勾勒而出。由于这些基于互联网的行动，许多学者在网上比其他众多专业人士有更大的影响力。然而，这种学界表征在很大程度上超出了学者们的控制范围，因为它是由他人构建的，或者至少是由他人塑造的。 机构制度也开始鼓励社会学家和其他学者使自己的研究成果更具可获取性。如今日益出现的开放获取出版的转向包括几个国家的公共研究资助机构，都要求学术机构向公众开放其研究也支持了公共社会学的概念。虽然传统大众媒体（尤其是新闻媒体）为公众评论提供了主要论坛，但新兴数字媒体提供了更多的可行性，它们允许社会学家对他们希望在公共论坛上传播的信息的主旨内容有更多的控制权，因为学者不需要第三方介入便可以自己发布资料。博客、推文、运营脸书网页、编辑维基百科条目，入驻诸如 Academia.edu、ResearchGate 和领英等职业网络网站，制作播客和 68 第四章 数字化学术 79 下一段：[继续读取](https://workshop.closeclaw.top/api/ai/read/dc63b13d-e064-4d2f-83fb-aa8d3b8c79f8.md?start=100&limit=10)