数字社会学

算法是新型自我的组成部分：它们创造了“算法身份”(algorithmicidentities)(Cheney-Lippold，2011)。在众人中收集的数字数据，是一个从各种来源中构建特定类型的个体或总体之集合的特定手段。算法将各种数据片段连接在一起。数字数据既来源于个体的行为和互动，也塑造着个体的行为和互动，这要么是由外部能动者利用数字影响或作用于个体，要么是由个体自己利用数据去相应改变自己的行为。因此，数据和行为之间构建出了一个持续的交互循环（Ruppert，2011；Smith，2013)。通过数字数据库，个体、社会群体和全人类能够被呈现为多个聚合，它可以根据关注或搜索的方面，以各种方式进行操纵和更改。人们通过使用测量设备、复杂算法和这些技术提供的呈现机会，来解释和评估行为与配置，从而产生有关个体、群体和全人类的更为详细的信息。来自数字数据库的指标使得那些曾经对个体和群体来说不可感知的层面变得可见，因为它们能够结合不同来源的大量细节。各种组织会使用算法来为用户赋予不同身份（采用诸如性别、种族、位置、收入状况等类别），并在行动中重新定义这些类别的意义（Cheney-Lippold，2011；Ruppert, 2012)。

此外，正如本章前面所述，大数据分析在识别特定行为、活动或结果是否合适或符合“规范”方面发挥着越来越重要的作用。大数据被赋予的修辞力量，意味着它们被视为区分可接受和不可接受的实践和行为的仲裁者，并在实际上塑造了“常态”（normality）的定义。算法权威还具有政治和经济后果。大数据已经开始塑造和定义“危险”“安全”“不健康”“风险”“未实现”“产出”等等概念，从而生产与再生产新型价值形式，通过这些大量的数据集合，规范在大型聚合数据与个体的比较中被构建出来；个体或社会群体被视为常态化过程中的“问题”，而“问题”的解决方案往往是数字设备或技术本身。例如，患者缺乏医疗设施的解决方案是为他们提供数字自我监测和自我护理设备，被视为学业不良的学生将被提供数字学习设备，被认为对社会有风险的个体需要佩戴射频识别设备，以便进行数字化的轨迹追踪。

数字社会学

104

120

算法在生成和获取知识方面都变得越来越重要。正如本书第二章所讨论的，谷歌引人的一个重要元素是定制互联网用户个性化体验。如今，每位用户的使用情况都不同，每个人的搜索和超链接都是基于他们之前搜索的存档和算法操作而个性化定制(customised)的。因此，谷歌搜索引擎的结果是“由搜索引擎和用户共同构建的”，或者说“你得到的结果部分是由你自己构建的”(Rogers，2013：9)。这意味着不同用户搜索同一个关键词，得到的结果可能是不同的，因为搜索引擎根据历史记录的算法，为每位用户决定最佳的搜索结果。通过这些技术运行的算法权威，意味着用户的网络搜索能力和他们搜寻到的信息类型，都由他们与谷歌互动的历史决定。

也有人认为，作为预测分析的结果，数字技术用户可能最终生活在“过滤气泡”或“回音室”中(Lesk，2013)。如果亚马逊持续根据过去的搜索或购买习惯来向人们推荐书籍，如果谷歌搜索为每位查询者定制搜索条件，如果脸书和推特针对用户进行直接营销，或者根据用户的搜索历史、点赞、评论、粉丝或好友圈来推荐好友或粉丝，那么他们只是在强化既定的观点、偏好和看法，而几乎难以挑战它们。谷歌的自动填充功能能够在用户未完全输入搜索词之时就提示搜索词的格式，它依赖于预测算法，后者不仅基于你自己的搜索，还基于其他用户的历史搜索。因此，用户和软件共同组成了一个数字集合，包括内容创作与再创作、共同创作关系和对相关

第五章 大数据批判社会学

121

内容的相互决策(Rogers，2013)。

切尼-利波德（Cheney-Lippold，2011）采用福柯的观点，将算法权威描述为一种“软权力”(soft power)，运行于生物政治和生物权力领域，即与人口控制、监视和管理有关的政治和权力关系。这一理论立场，正如参与式监视观点（第二章）所述，强调了人们对算法权威提供的规训指令之接受的间接性和自愿性。算法提供了各种可能性，邀请用户从中进行选择，以作为“定制化（生活）可能性条件”的一部分（Cheney-Lippold，2011：169)。数字主体通过使用算法生成的各种形式的数字数据以及可用的可能性条件而变得“通俗易懂”。这是一种权力形式，但它基于用户先前和预测的行为、信念和偏好来构建和邀请选择（尽管也在限制所产生的选择）。然而，需要强调的是，算法识别并不总是与软生物权力联系在一起，它也与具有强制性和排斥性的权力模式（“硬生物权力”）联系在一起，比如当预测分析被用来识别和瞄准潜在的罪犯或恐怖分子，或拒绝接受社会服务或保险的特定类别的个体时。这些策略通常涉及一种禁光监视方法，往往识别具有某种风险或威胁的团体或个体，并试图控制他们，或将他们排斥于特定的空间和社会支持之外。

当人们的身份认同概念是通过算法坚不可摧的逻辑和软权力来建构时，对生物权力的传统抵抗形式将难以维持（Cheney-Lippold,2011)。“黑箱”，即组织安排这些技术的软件和代码程序，是用户看不见的。我们不知道算法是如何监视我们的互联网活动或空间移动轨迹的。我们所知道的，只是算法计算的结果：我们被排除在某些选项之外，而这些选项却被提供给其他人。因此，这种权力形式很难识别或抵抗。或许我们不同意算法定义它的方式，但挑战或改变这种定义的机会又很少，尤其是在计算机代码和数据操作被认为是政治中立、权威和永远精准的背景之下。

数字社会学

105

122

大数据焦虑

大数据虽然在许多论坛上受到赞扬，但在一些流行的表述中也存在不安的迹象。描述大数据的方式很大程度上修辞性地揭示了其当代社会和文化意义。托马斯在她的著作《技术生物亲和力：自然与赛博空间》（Thomas，2013)中写道，自计算机技术出现以来，来自自然界的有机体隐喻（organic metaphors）一直被用来描述计算机技术，诸如网络、云、虫（bug，即程序错误）、病毒、根（root，即根用户）、鼠（mouse，即鼠标）和爬虫（spider）等自然术语，都被用于概念化和描述这些技术。它们有时还会组成相当复杂的隐喻，如“网上冲浪”(surfing the web)。托马斯认为，我们对这些技术拥有矛盾心理，我们试图让它们更“自然”，从而减少威胁和疏离感。这种将计算机技术自然化的方法，可能会采纳自然的视角，认为它是滋养性的、有益的。然而，自然并不总是良性的：它有时可能是狂野的、混乱的和威胁性的。这些自然的意义也可能被赋予数字技术。

无论是在流行文化还是学术文献中，这种矛盾在描述大数据的隐喻性方式中都很明显。到目前为止，最常用的大数据隐喻是那些与“水”有关的讨论：字符串流、数据流量、泄漏、河流、海洋、波浪、消防水带，甚至数据泛滥、洪流和海啸等词也在普遍使用。例如，在一篇学术文章中，阿德金斯和卢里（Adkins and Lury，2011：6)用以下这些术语描述数字数据：“数据既不是惰性的，也不是在任何直接意义上被控制或可控制的。数据日渐在信息系统中进行自我反馈，并产生意想不到的结果：它移动、流动、泄漏、溢出和循环，超越了生产它的系统和事件本身。”在一篇关于数据慈善如何运作的博文中，数据过剩和流动性的概念被再次印证：“现在，我们正在数字数据的海洋中遨游，其中的大部分在几年前甚至都还不存在。”(Kirkpatrick，2011)

第五章 大数据批判社会学

123

这些隐喻把大数据生动描述为一个大的、流动的、不可控制的实体，它拥有巨大的物理力量。这强调了数字数据客体运转的高速性、不可预测性及难以控制和遏制的性质。它借鉴了当前社会理论的发展趋势，将社会现象概念化为流动性（liquidities）、流通和流动，并在社会实体内部和之间循环（Sutherland，2013)。例如，在里昂和鲍曼的著作《流动的监视》(Liquid Surveillance，2013）的书名中，这一隐喻便很明显。数字技术领域的作者在讨论数字数据的循环和流动时也通常采用这些概念。这些隐喻建立在古老的隐喻之上，后者将互联网描绘成一条“信息高速公路”，或者描绘成通过一系列管道、隧道和通道在互联网上传递的信息。此处的信息被视为能够通过渠道而便捷迅速地传递的物质（Markham，2013)。事实上，鉴于意义、数据、共同体和身份认同在互联网渠道上的流通，一些评论者认为“赛博文化是流动的文化”。这表明赛博文化、社群和数字信息没有限制或边界，也并不容易控制（Breslow andMousoutzanis, 2012: xii)。

因此，数字数据客体经常被描述和概念化为移动经济和循环经济中的组成部分，而不是作为静态的信息片段。这一论述试图传达这样一种观点：许多类型的数字数据，特别是社交媒体平台和在线新闻媒体生成和收集的数据，不断地在各种论坛间移动，而不是固定在自身的档案库中。在这个过程中，它们可能会因各种再利用方式而突变，从而产生新型社会意义和实践。数字数据客体被描述为是递归的、循环往复的或者先进后退的。事实上，有人认为，数据已经产生了流通的性能，正如点赞量/点击量/转发量已经产生经济性一样。其中的数据价值，是由它们的再利用率、认可率和流通率生产的(Beer，2013a；Beer and Burrows，2013)。因此，数字数据的流动性、可渗透性和可移动性通常被视为其本体论的核心，并作为有价值的现象对其新颖性和潜力作出贡献。

数字社会学

107

124

然而，我认为这种流动性隐喻的基础是对数字技术及其所生产的数据的普遍性和明显不可控性的忧虑。它体现了一种数字数据和监视的经济，在这种经济中，数据是不断收集的，并以不易监测、测量或管理的方式，从一个地点移动到另一个地点。学术界和流行文化对大数据的描述都经常提到从社交媒体网站（如推特）发布的大量数据，以及我们作为互联网用户都被卷人的、有可能“压倒”或“淹没”我们的“数据洪流”或“数据海啸”。这种措辞让人想到，海量数据必须以某种方式进行处理、管理和利用。麦肯锡全球研究院的研究者在大数据潜力报告中指出：“我们正处于数据爆炸的世界。”(Manyika et al.，2011）相较于以往用来表示轻松愉快地进行网站浏览、超越数字信息并拥有随时停止的权利的“网上冲浪”概念，我们必须应对要吞噬我们的信息或数据巨流。数据具有明显的流动性，它所具有的自由流动趋势也可能构成威胁，进而造成混乱和失控。

有些隐喻有时用来描述生成的副产品数据，这些隐喻包括数据轨迹（trails）、面包屑导航（breadcrumbs）、数据废气（exhausts）、数据烟雾信号（smoke signals）和数据阴影（shadows)。所有这些都指向这样一种理念，即数据是被遗留下来的客体，是另一项活动或实体的微小元素（“踪迹”“面包屑”“废气”)，或者是它们所起源的现象的虚幻衍生物（“烟雾信号”“阴影”)。一般而言，数字数据也被称为生物，它们具有一种有机的生命力，能够从一个地点移动到另一个地点，并转换为不同形式，继而拥有一种“社会生命”(Beerand Burrows，2013)。“块茎”(rhizome)隐喻有时也被用来描述数字数据是如何从一个地方转移到另一个地方，或者从一个节点转移到另一个节点的，这再次印证了同一个概念：它们是具有生命的有机体，如植物的组成部分(Breslow and Mousoutzanis，2012)。块茎的隐喻也暗示了具有高度复杂性和由相互连接的通道和节点组成的网络。另一个隐喻将数字数据系统描述为一个生命体，甚至是一个人的身体，这个隐喻指从通过提供信息来支持企业和政府机构的“数字外骨骼”向任何组织固有的“数字神经系统”（digital nervous system）的转变。“数字神经系统”是由杜比尔（Dumbill，2013：2）提出的隐喻，既用来表示数字系统对组织的重要性，还意指数字数据的瞬时性和不可预测性：“就此而言，算法可以回应并影响它们的环境。”

第五章 大数据批判社会学

108

125

数字技术与生物（包括人体）之间的这一隐喻联系早已显而易见。早在20世纪90年代，我就曾写过流行文化中对计算机病毒威胁的表征概况，这些表征将个人电脑描绘成因病毒感染而患病的人类实体。这个隐喻暗示了外来人侵者恶意攻击计算机内部系统，导致计算机出现故障（Lupton，1994)。虽然在数字技术的相关领域，“病毒”一词已被视为理所当然，但此用法支撑着我们将计算机概念化为生命体的趋势。在之前的分析中，我提到计算机病毒的话语表明了我们对计算机技术的矛盾心理：我们希望顺利地将计算机融入日常生活，并消除那种复杂机器的疏远感，但是，我们也意识到，我们对计算机的深刻依赖程度，以及我们中的大多数人无法理解的技术的复杂性。

作为有机实体的病毒没有神经系统、智力或独立生存的能力，只能寄生在它们所栖身的有机生物的体内。作为“数字神经系统”的组成部分时，数字系统及其生产的数据，被赋予了更多的独立能力和权威。这个隐喻给出一种暗示：不知何故，数字数据生成技术因其收集和汇总人们的信息而比人类更要了解人类。当计算机病毒攻击并感染我们的机器时，数字神经系统正悄悄地收集我们的信息。当这些信息变得足够巨大时，它们便形成不断移动的数字数据流或洪流，进而有可能超出我们的控制范围。

数字社会学

126

那些可能阻止数字数据客体循环流动的防火墙和抗病毒软件往往被排除在此类讨论之外(Fuchs and Dyer-Witheford，2013；Lash，2007；Sutherland，2013)。数字技术最有价值的特性之一，就是它的无缝性，即在使用时没有“摩擦”感。然而，许多技术未能实现这一预想。数字技术和其他信息技术背后的政治和权力关系，往往被信息自由流动的意识形态所掩盖，数据自由流动带来的解放话语掩盖了支撑它的新自由主义原则。正如我将在第六章中进一步讨论的那样，数字数据的话语、普及全球的数据访问和分享，掩盖了社会弱势群体和经济资源缺乏者（包括最新数字装置和数据下载设施的缺乏者）无法获取数据的现状(Fuchs and Dyer-Witheford，2013;Sutherland, 2013)。

斯诺登文件让许多人关注个人数字数据会轻易地被政府及其他安全机构获取的事实。他公开的文件显示，应用程序是政府安全组织进行数据收集的多种目标数字技术之一(Ball，2014)。人们才刚刚开始意识到，个人数字数据是如何被这些安全机构、商业企业甚至其他公民本身利用开源工具 [例如脸书图谱搜索(Facebook GraphSearch)]获取和利用的。

一些平台的预测分析法是基于用户先前的互联网使用方式来推荐产品和网站。这让一些人在线上体验中就数字技术“了解”个体的现象感到担忧。新兴的预测应用程序，比如被称为是“智能个人助理”的谷歌即时资讯(Google Now)，能够根据用户过去的行为、搜索习惯、位置数据和Gmail账户中存储的数据进行预测。甚至在用户考虑查询之前，谷歌即时资讯就试图预测用户的需求，并发送相关通知。例如，该应用程序可能会抓取用户的航班信息，并自动发送航班延误通知和目的地的天气状况，并提醒用户最佳的入住酒店。该应用程序还能把用户的位置信息告知其好友或家人（需要用户授权)。一些大众媒体上的评论家认为，谷歌即时资讯的预测功能真是“令人毛骨悚然的”。由于谷歌监视用户的互动情况和日记内容，它太了解用户的状态了。例如，在《福布斯》杂志网站上的一篇博文中有一个夸张的标题，称谷歌即时资讯对用户的“监视”是“可怕的、恐怖的、刺骨的”(Hill，2012)。

第五章 大数据批判社会学

127

大数据傲慢和腐烂数据

“大数据傲慢”(big data hubris)一词被用来描述“大数据具有一种隐含假设，即大数据是传统数据收集分析的替代品，而不是补充物”(Lazer et al.，2014：1203)。我要将这个定义拓展到那些关于大数据的浮夸说法，即大数据真正提供了一种新型的、更好的知识形式。越来越多的批判者开始关注大数据的局限性和伦理维度。有人认为，虽然大数据的确提供了前所未有的海量数据，但是我们也要审视其有效性问题。本书第三章概述了以大数据为研究对象的局限性，包括效度和代表性。正如我在第三章所述，社会学家和其他社会科学家对他们没有处理大型数字数据集的技能或资源表示担忧。但是，即使是数据分析专家也对利用现有数据分析工具的困难性和复杂性留有意见：这些数据分析工具并不是用来处理如此庞大和持续增长的数据集的(Madden，2012)。

数字社会学

110

128

大数据集的整洁有序引人注目，这是其文化力量和共鸣的一部分，但这却也是海市蜃楼。大数据集虽然规模很大，但不一定总是“干净”、有效或可靠的(Lazer et al.，2014)。当数据集特别庞大时，“脏数据”(dirtydata)或者不完整、不正确的数据问题就会变得更加严重。这些数据在被“清理”或调整至可用于分析的形式之前都是无用的(boyd and Crawford，2012；Waterman and Hendler，2013)。为了确保数据“干净”、可用，雇用数据处理专家可能是非常昂贵的。

除了讨论数据的“生”“熟”隐喻(本章前面提到过)，波尔斯托夫（Boellstorff，2013）进一步借鉴了人类学家克洛德·列维-斯特劳斯（Claude Lévi-Strauss）引入的“腐烂”数据概念。这一隐喻强调了数字数据的转换方式，而这些方式可能超出了其创始人的预期或想象。它还承认数据的物质性，承认数据的存储方式可能会导致数据退化或数据丢失。“腐烂”数据概念使人们注意到数据的不洁性，这背离了数字数据的主流概念，即干净、客观和纯粹。数字数据的生产、传输和存储方式并不是万全的，网络链接之间的联系并不总是一向无缝和流动的。如果“网络”或“互联网”的隐喻倾向于暗示线或绳之间的相互连接，那么就会出现“断网”或“阻止站点”等提示语，表明它们之间可能无法相互连接，从而变得混乱、毫无用处。由于网站破坏、长期未更新、链接失效或政府管控等因素，网络可能会在不同点出现“断网”（Rogers，2013：127)。

构建大数据收集和解释的基本假设，也需要强调将此现象放置于批判性分析中。正如贝姆（Baym，2013）所说：在大数据不证自明、掌握真理的时代，我们需要时刻提醒自己，哪些数据是看不见的，哪些数据是无法测量的，这点尤为重要。大数据的相关决策，比如将重要事物、现象最佳分类都转化为数据，有助于解决模糊、矛盾和冲突问题（Baym，2013；boyd and Crawford，2012；Gitelmanand Jackson, 2013; Uprichard, 2013; Verran, 2012; Vis, 2013)。

第五章 大数据批判社会学

129