大数据算法时代的“公共领域”的理论困境(共7页).doc

《大数据算法时代的“公共领域”的理论困境(共7页).doc》由会员分享，可在线阅读，更多相关《大数据算法时代的“公共领域”的理论困境(共7页).doc（8页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、精选优质文档-倾情为你奉上大数据算法时代的“公共领域”的理论困境 摘 要：哈贝马斯的“公共领域”理论主要内容是资产阶级诞生并认识到公共权力对资本主义社会有着直接作用以后，在传统大众传媒支撑下形成的独立公众政治空间，它与公共权力相互对立，并在这种对立中影响国家事物议程。在今日大数据算法时代之下，媒体的形式产生了巨大变化，这一理论也应当与时俱进地在新时代的语境下得以研究解读。 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。 关键词： 大数据算法；公共领域；群体极化；消费循环；合理化剥夺 按照哈贝马斯的“公共领域

2、”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

3、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

4、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

5、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

6、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

7、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物。 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、刺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”。 而媒体消费者的自我信息过滤使得自身个

8、人化程度加深，使自己的认识愈加狭窄，这一行为实质上也是在媒体信息接收大众的消费主权意识下做出的。人们由于兴趣做出的选择自然是更加偏向于博取眼球的、不具备批判性的、更加短平快的新媒体信息内容。尽管媒体的消费化在传统大众媒体时代早已凸显，但由于新媒体有着极快的传播速度，这也使得消费加速循环，新媒体所支撑的公共领域当中舆论批判性几乎消失殆尽。 三、合理化剥夺 除此以外，大数据时代下信息的飞速流动当中也暗含有“隐形的言论自由剥夺”的问题。由于接收大众在对内容进行筛选时，是被动的内容提供者，甚至在UGC（User Generated Content， 用户原创内容）在大数据时代下只是作为平台提供者而存在

9、，并没有给内容消费者们提供高于其认知水平、或是异于其固有意见的内容。与“消费循环加速”这一困境一样，由于消费主权意识的作用，新媒体的消费主体们也无法意识到自身对这些内容的需求，盲目地出于兴趣完成了对内容的选择，公众们不自知地完成了对异己的意见与舆论屏蔽、镇压，又即“合理化剥夺”。 随着大数据时代的来临，“合理化剥夺”不再仅限于异见的隔离，“自主选择”的权力也被无意识地从新媒体内容的消费主体身上剥离。现今的媒体信息接收者在对内容进行筛选时，各内容提供者会通过大数据的机器算法学习接收者的偏好，从而在主体发起下一次内容选择行为之前，进行内容的“预过滤”。例如，地理位置、搜索历史、使用软硬件不同的两个

10、人，对同一名词进行搜索，搜索引擎所返回的结果会有巨大的差异。这一现象被称作“过滤气泡（filtering bubble）”。大数据时代的新媒体接收者好似置身于一个封闭的气泡当中，机器算法就好像气泡壁上的孔隙，将运算后得出的符合接收主体偏好的内容放入气泡内，而异己意见甚至是潜在的异己意见都被隔离在气泡之外。算法会学习我们的兴趣，给我们呈现“我们想看的”，而非“我们需要看的”。抛开社会因素仅就个人而言，“在未?硭?渴望成为的自我（future aspirational selves）”与“处于当下冲动性的自我（impulsive present selves）”就已产生不可调和的矛盾。网络新媒体兴

11、起的初期，传统大众传媒当中作为内容“守门人”的编辑被“自主选择”所取代。而今主体在筛选内容的过程当中，算法则慢慢替代了“自主选择”的地位，进一步加深了“隐形的言论自由被剥夺”的危机。 综上所述，大数据算法时代下的新媒体接收者对内容拥有“自主选择”的能力，带来“群体极化”、“消费循环加速”以及“隐形的言论自由被剥夺”三个主要理论困境。就公共领域而言，公众实际上对信息内容的自我管控，将最终导致舆论的非理性化、消费化，舆论自由被剥夺，以及公共领域在实际上的萎缩解体。 参考文献： 1刘孟卓. （2008）.对受皮亚杰影响的认知建构理论的简要分析浅谈奥苏伯尔的认知同化论J. 法制与社会（25）. 2展江

12、.（2002）.哈贝马斯的“公共领域”理论与传媒J.中国青年政治学院学报（2）. 3 Aronson E. （2010）. Social Psychology. Upper Saddle RiverM. New Jersey： Prentice Hall： 4Myers D. （1975）. The Polarizing Effect of Group Discussion J. American Scientist（3）. 5Pariser E. （2011）. The Filter Bubble： What the Internet is Hiding from YouM. London： Penguin UK. 6Robert Schiller. （1995）. Conversation， Information and Herd Behavior J. Rhetoric and Economic Behavior（3）. 7 Sunstein C. （2001）. RM. New Jersey： Princeton University Press. 8TV Genius. （2012）. An Integrated Approach to TV & VOD RecommendationsR. TV Genius Ltd.专心-专注-专业