财新传媒
位置:博客 > NGOCN > 夕岸:新媒体如何“妨碍”社会行动

夕岸:新媒体如何“妨碍”社会行动

关注NGOCN,公益视野大不同作者:夕岸

“Papi酱很火;川普粉遍布美国;中产都支持政府;年轻人不关心政治。”观点的表达有两个维度,一种是个人态度的表达,另一种是对群体态度的总结与预测。人们对一种观点在人群中的支持度,有一个基本的事前判断。

从沉默的螺旋到第三人效应,从门槛理论到关键多数,从从众效应到级联效应,政治社会学研究关注以上的社会信息(Social Information)与集体行动机制已经有几十年。不同的概念包含的是相似的思路,个人的集体参与行为不仅仅由内部动机所决定,更大程度上取决于对周围情境,特别是其他人观点和行为的判断。然而,尽管相关假设层出不穷,要证明人们真实地受到社会信息的波及并非易事。

社会信息与集体行动

算法社会的降临对普通用户来说是一场噩梦,对部分研究者来说则是观察社会信息的绝佳机遇。不断变化的平台功能和算法,裹足不前的网络立法,加上不断寡头化的电子空间,让互联网越发成为一个天然的实验室,从前的数字劳工,慢慢转化为免费的数字被试。

过去的三年间,牛津大学互联网研究中心的团队用一系列在线自然实验和准实验设计,证明了社会信息对个体在线行动所造成的巨大影响。

2012年初,英国政府开办的请愿网站对主页进行了调整,将六个最流行的项目链接放置在了首页,相当于开设了推特等社交媒体的Trending功能。对比功能调整前后的网站数据,研究者发现首页的六个链接流量在功能加入当天就实现了大幅增长。而同时,其它项目的关注度则会相应减少,整个社区项目之间的基尼系数变得更不平等。引进的新功能,提供的正是之前所不具备的“社会信息”,它告诉用户哪些话题是受到多数人关注的。

研究者紧接着用在线对照实验来更精确地估计社会信息的影响。当被试被告知其他人也通过网站给议员写信后,他们也更倾向于采取行动。在另一个搭建的虚拟请愿平台上,研究者挑选了六个跨国的政治话题,并随机给几百个实验对象附上关于这组话题的公众支持度信息。支持度的信息由研究者设计,分成高中低三类支持度。同样一个话题,如果被加上了高支持度的社会信息,比没有信息和仅有低支持度的信息更能激发用户的参与热情。

牛津团队的实验研究给社会信息与集体行动提供了一定的因果解释。之前的研究认为,有效的动员需要特定的网络结构,周围朋友的参与才可以激励个体投入运动。然而,仅仅提供与个体并无直接关系的社会信息,就足以对集体行动造成影响。

社会信息与去动员

一个话题的关注度,一场运动的参与度,同时反向暗示了它们的不受欢迎程度。当议题存在争议,社会信息可能同时成为动员与去动员(Demobilization)的基础。一个议题的倡导者在感知到普遍的社会无知和反对下,其行动可能受到抑制。一个议题的流行,还会挤占掉其他议题的传播空间,这也被上述研究所证实。

囿于研究情境,既有的实验所选择的动员话题,清一色都是民主社会政治正确的模范议题:反对歧视,抵制战争,保护人权,支持环保,最低的公众支持度也高达七成以上。话题的非对抗性,让研究者可以简单忽略反对意见的存在,也意味着研究无法去测量存在社会争议时的大众动员与去动员机制。

利用社会信息来瓦解动员并不需要说服人改变立场,它只需要证明自己普遍存在,且声势浩大,哪怕其内容并没有逻辑。网络水军,黑客攻击,社交站点上活跃的各种机器人(Bots),都遵循这样的运营思路。它改变的是人们对于网络生态的原初信任感。

去动员依赖于制造一种不对称的可见性(Visibility):对于行动者来说,其他人是可见的,对于其他人来说,行动者却是不可见的。在社交平台上,行动者很容易就可以看到政权所鼓励欢迎的内容被阅读了上百万次,这类社会信息,很容易对行动者的话语造成抑制和威慑。全世界信息控制的逻辑都是相似的:将行动者吸引和收编进高度垄断的平台,并逼迫所有用户遵循相似的游戏规则。行动者越是希望适应规则,越被不公平的规则所打败。

算法社会与失望政治

很多人想到算法社会,脑海里浮现的第一个后果是过滤器效应。由于算法的操纵,个人信息来源愈发封闭。然而过滤器效应的威胁始终是被夸大的(见本人另外的博文)。现代社会的一大特征即是交叉认同的上升,人们可以隶属于多个性质与边界不同的社会团体。因此,虽然人们都倾向于与观点类似的人互动,交叉认同在一定程度上抵消了过滤器效应。过往研究之所以并未发现网络显著强化了选择性接受信息,也可以用交叉认同的现象来解释:对于互联网用户来说,尽管社交算法越发精确地预测了他们的喜好,完全将自己封闭在一个小世界里,依然是几乎不可能实现的。我们总会在一些偶然的场合,发现自己所秉持的价值,是别人眼中的异端。

算法社会更深远的后果,在于对算法本身的感知可以抑制最清醒的行动者。正如个体对社会信息的反应存在差异,用户对算法社会的认识程度(Algorithm awareness)也有高低先后。2015年的研究数据显示,七成的用户知道脸书社交算法的存在,而一成的用户完全不知情。对于互联网的事实论述如此支离破碎,以至于用户对算法的日常体验都可以成为学术研究的对象。

无知者反而无畏,最先清醒的人也最脆弱。相比那些还在过滤器泡沫里打滚而不自知的人们,信息习惯更好的知识型用户,比其他用户更早嗅到网络空间分裂的社会信息,也更容易感受到“他者”力量的威胁。他者既可以是一种弥漫性的大众,没有确定的指向,也可以是更具体的小粉红,川普粉,既可以是实名的极端分子,也可以是匿名教会微软机器人种族主义的网络巨魔(Internet troll)。也许牛津大学的团队已经意识到了这一点,所以他们也并未用真实的社交网站数据做实验。

从选举政治,到社会运动,再到隐私保护,在传媒勾勒的世界图景中,“他者”的力量从未变的如此清晰可辨。按照政治人类学的说法,如今的世界已经遭遇到普遍的失望政治(Politics of disappoinment),传染性的焦灼无力感也许会笼罩不止一代人。

这一切对于现实的情绪性讨论,学理性解构,带来了对算法社会更透彻的洞察。当所有人都过于清醒的时候,也是最为糟糕的时候。

延伸阅读:Davenport, C. (2014). How Social Movements Die: Repression and Demobilization of the Republic of New Africa. New York: Cambridge University Press.Rader, E., & Gray, R. (2015). Understanding User Beliefs About Algorithmic Curation in the Facebook News Feed. In Proceedings of the 33rd Annual ACM Conference on Human Factors in Computing Systems (pp. 173–182). New York, NY, USA: ACM. http://doi.org/10.1145/2702123.2702174Margetts, H., John, P., Hale, S., & Yasseri, T. (2015). Political Turbulence: How Social Media Shape Collective Action. Princeton, NJ: Princeton University Press.Bucher, T. (2016). The algorithmic imaginary: exploring the ordinary affects of Facebook algorithms. Information, Communication & Society, 0(0), 1–15. http://doi.org/10.1080/1369118X.2016.1154086

※ 本文为NGOCN原创,作者:夕岸。如需转载,请后台联系。媒体合作请联系yanggc@ngocn.net

推荐 2