大数据算法时代的“公共领域”的理论困境.docxVIP

大数据算法时代的“公共领域”的理论困境 本文从“公共领域”的参与主体出发， 分别以主体自主选择 带来的“群体极化”、 “消费循环加速”以及“合理化剥夺”三 个理论困境进行探讨与解析。 按照哈贝马斯的“公共领域”理论， 公众以及公共权力机关 二者为参与到“公共领域”当中发生联系、 进行公共舆论讨论的 两个主体。大数据时代的新媒体相较传统大众媒体的显著特点之 一，即作为参与主体的公众， 对于信息的筛选以及信息的收发之 具体地位等方面都获取了自由度极高的“自主选择”的权力。 毫 无疑问，在当下，“因为一些团体成员在参与更大团体的讨论中， 往往显得特别安静。让那些原本被忽视、被压抑的议题，有一个 重见天日的机会。 ”这种“自主选择”为重构“公共领域”提供 了重要条件。 一、群体极化 “自主选择”有可能带来的第一个负面影响就是“群体极 化( group polarization )”。“群体极化”意为“当处于一个 群体之中时， 相较于群体成员们个人的最初意愿， 该群体作为一 个整体倾向于做出更加极端的选择与决定。 ”相似地， 由“群 ?w 极化”可以引申出一个被称为“态度极化( attitude polarization )”的概念， 意为“当一个群体就某个特定议题进 行探讨时， 相较于群体成员们个人的最初态度， 该群体作为一个 整体对该议题所表现出来的态度会更加强烈并且偏激。 ”由于人 们在社会心理上往往倾向于在自己已知信息、 或是已有的认知结 构基础之上来产生新的认知， 所以新媒体的参与者在做出自主选 择时，也趋于用以自己现有的思维定式、 偏好习惯等方面对承载 信息进行个性化地做出筛选过滤。同时，由于在年龄分层、取向 偏好、教育程度、 宗教信仰乃至社会阶级等背景相似的人们趋向 于对信息内容做出相近的筛选。 同时， 大量互联网时代新兴媒体 信息来源采取协同过滤( collaborative filtering )的方式， 通过大数据算法进行受众筛选， 利用志趣相投、 享有近似共同经 验的群体的对资讯选择相似这一点， 诱导接收者在消费信息的同 时进入到一种合作的机制当中，给予内容本身一定程度的回应， 如评分、评价等，并由信息提供者予以记载，以便于其他信息接 收大众对媒体信息进行快速筛选。 与此同时， 新媒体本身所具有 的强社交属性，最后会使得筛选结果近似的人群，出于自己的 “自主选择”，坐到一个类似“同好社交圈”的虚拟“公共领 域”当中。由于参与到这样的公共领域的成员实质上也是自我筛 选的，这使得在于新媒体语境下任意一个特定的小规模“公共领 域”的参与成员的意见都会在一定程度上相近。 而在这样的环境 当中进行讨论，意见会进一步被筛选，而由于社会瀑流( social cascades )效应，这一群体当中的异见持有者因为缺少更多的其 他异见持有的同伴将会盲从而被同化， 从而发生“群体极化”以 及“态度极化”的现象。 由此而导致的公共领域中产生的公众的 意见趋于极端， 与公共领域要求参与者理性探讨的原则完全背道 而驰。 “群体极化”所带来的问题不止于公共舆论中的理性原则 被破坏， 更深层次上来说， 其最终可能导致社会这一共同体的最 终崩坏。由于不需要进行激烈的理性辩论、而是通过“自主选 择”性的筛选即可达成统一意见， 随着“群体极化”的进一步推 进，新媒体所承载的成员意见同质化的各个公共领域， 各自内部 探讨的不断深入， 使得这些原本就呈现碎片化形态的公共领域将 会进一步分裂，群体与群体之间所共享的社会共同经验逐渐减 少。这将意味着，对于大数据时代的公众而言，其个人生活当中 的公共因素的必要性消解， 人们自愿地将自己逐渐推向彻底的私 人领域当中。共同经验的减少降低了社会粘性( social glue )。 在一个健康的社会共同体当中， 公共领域当中的经验分享与讨论 能够有效增进社会粘性， 有助于解决不同群体需要共同面对的社 会问题。 在这些社会问题与需求被发现以及解决的过程当中， 社 会粘性增加， 人与人之间相互视作同胞， 不同群体乃至个人对自 身的认同感都得以增强。 反之， 这种社会粘性的减少将会导致异 见群体的分裂，使得社会共同体难以维系。 二、消费循环加速 大数据算法时代充斥的“自主选择”特性隐含的第二个问 题就是，它有导致“消费的循环”被加速的可能。究其根源，大 数据时代的新媒体与传统大众媒体一样，同样是消费导向的产 对于传统大众传媒而言，被资本操控的大众媒体开始无休止 地刊登广告以及娱乐内容， 无止境地刺激着大众的消费欲望。 公 共领域的探讨内容也由不受约束的、 理性的政治性批判，变为受 管制的、朿y激性的盲从性质的消费。公共交往、社交讨论也由此 都发生了转变。此时“阅读公众的批判逐渐让位于消费者’交换 彼此品味与爱好’的交流”