評論|夕岸:新媒體如何「妨礙」集體行動

對互聯網算法的感知,讓我們更無力參與政治──越是清醒,越是難以行動
2016年2月23日,西班牙巴塞隆那,參與全球通訊會議的參加者在會場內用電話。

「Papi醬很火;川普粉遍布美國;中產都支持政府;年輕人不關心政治。」這些觀點表達都具有兩個維度,一是個人態度的表達,二是對群體態度的總結與預測。人們對某種觀點在人群中的支持度,會有基本的事前判斷。

政治社會學關注「社會信息」(social information)與「集體行動」之間的關聯機制,已經有幾十年:「沉默螺旋」解釋多數派聲音如何在傳播中壓過少數派;「第三人效應」指出我們如何低估媒體對自己的影響力;我們有「門檻理論」和「關鍵多數」研究群體事件如何爆發;我們可以藉助「從眾效應」與「級聯效應」,分析觀點如何在社會網絡中傳遞。

這些不同的概念,包含的是相似思路──個人參與集體行為,不僅僅由個人內在動機所決定,更大程度上取決於對周圍情境,特別是對其他人觀點和行為的判斷。

儘管相關假設層出不窮,但要證明人們真實地受到社會信息的波及,卻非易事。

網絡上的從眾效應

網絡空間分布著各式各樣的「算法」(algorithm,台灣稱演算法),讓用戶只看到特定的內容,或是呈現一個扭曲的社會現實。原本象徵平等的互聯網空間,也進化成了充滿偏見的「算法社會」(algorithm society)。

算法社會的降臨,對普通用戶是一場噩夢;而對部分研究者來說,則是觀察社會信息的絕佳機遇。不斷變化的平台功能和算法,裹足不前的網絡立法,加上不斷寡頭化的電子空間,讓互聯網越發成為一個天然的實驗室。用戶不僅僅是為商業社交網絡免費提供內容的「數字勞工」,更慢慢轉化為,免費提供實驗數據的「數字被試者」。

過去三年間,牛津大學網絡研究中心團隊用一系列實驗設計,證明了社會信息對個體在線行動造成的巨大影響。2012年初,英國政府的請願網站對主頁進行了調整,他們將六個最熱門的連署案鏈接放在首頁,相當於 twitter、Facebook 等社交媒體常用的趨勢篩選(trending filter)功能。研究者對比功能調整前後的網站數據,發現在新功能加入當天,首頁的六個鏈接流量就出現大幅增長,同時其它項目的關注度則相應減少;不同項目間的流量變得更不平等。引進的新功能,提供的正是之前欠缺的「社會信息」──這種信息告訴用戶:哪些話題受到多數人關注。

緊接着,研究者用在線對照實驗,更精確地估計社會信息的影響。在某個實驗中,當受試者得知其他人會通過網站給議員寫信後,他們也更傾向於採取行動。在另一個實驗中,研究者搭了一個虛擬請願平台,挑選了六個跨國政治話題,隨機給幾百個實驗對象,並附上這組話題的「公眾支持度」信息。所謂的「公共支持度」其實由研究者編造,分成高中低三組;他們發現,同樣話題若搭配「高支持度」的社會信息,比「低支持度」更能激發用戶的參與熱情。

這些研究,在社會信息與集體行動間,建立了因果解釋。之前研究認為,有效動員需要特定的網絡結構──周圍朋友參與,才可以激勵個人投入運動。然而牛津團隊的研究發現,僅僅提供「大多數人都這麼認為」這種與個體並無直接關係的社會信息,就足以影響其行動。

社會信息如何「反動員」?

某個話題的關注度,或某場運動的參與度,同時也暗示了它們「不受歡迎」的程度。當議題存在爭議時,社會信息可以用來動員,也可以用來「反動員」(demobilization)。當特定議題的倡導者覺得,社會對其訴求普遍無知或反對時,可能壓抑其行動。同時,某個議題的流行,還會擠佔掉其他議題的傳播空間。

該研究選擇的話題,清一色都是民主社會「政治正確」的議題:例如反歧視、抵制戰爭、保護人權、支持環保等。這些議題,最低的公眾支持度也達七成以上,這讓研究者可以忽略反對意見,簡化實驗。

但這也意味着,本研究無法測量,存在社會爭議時的大眾動員與反動員機制。

利用社會信息來反動員,並不需要說服人改變立場,它只需要證明另一方聲勢浩大──哪怕其內容並沒有邏輯。網絡水軍、黑客攻擊,社交站點上活躍的各種機器人(Bots),都遵循這樣的運作思路。它改變的是人們對於網絡生態的原初信任感。這種原初信任感,來源於對互聯網早期發展的認知。在那時,人們相信網絡結構平等,生態蓬勃。過去的互聯網,雖然存在大公司對流量的統治,但小網站和單個用戶憑藉內容,仍然可以無需依附大平台就能有立足之地,甚至可以攀上注意力經濟的快車道。這樣良性循環的生態,如今已經無跡可尋。

「反動員」依賴於創造一種「能見度」(visibility) 的不對等:其讓行動者(activist,這裏指持有異議而發動運動的人)面對龐大對立聲勢而自覺少數,也讓其他人看不見這些行動者。在社交平台上,行動者很容易發現:政權所鼓勵和歡迎的內容被大量閲讀轉發──這類社會信息,很容易抑制和威懾行動者的話語。

在全世界範圍內,信息控制的邏輯都是相似的:將行動者吸引和收編進高度壟斷,政府易於控制的平台,逼迫所有用戶遵循相似的遊戲規則。行動者越是希望適應規則,越被不公平的規則所打敗。

過濾器效應的誇大

提到算法社會,很多人會想到被傳媒熱炒的概念「過濾器效應」──比如臉書的時間軸(timeline)用算法篩選信息。算法傾向顯示符合特定指標的貼文,於是個人信息來源愈發封閉。這樣一種過濾器效應,從搜索引擎到購物網站,在各大互聯網服務平台都廣泛存在。很多人認為,它助長了互聯網信息的極化。

然而,正如我先前在另外一篇文章指出,過濾器效應的威脅始終是被誇大的。現代社會的一大特徵是所謂「交叉認同」的上升,也就是人們可以隸屬於多個性質與邊界不同的社會團體。雖然人們都傾向於與觀點類似的人互動,但交叉認同在一定程度上,會抵消「過濾器效應」。

網絡是否會強化人們對信息的選擇性接受?過往研究並未發現顯著證據。這個結果也可以用交叉認同來解釋。對於互聯網用戶而言,儘管社交算法越發精確地預測他們的喜好,可是「完全將自己封閉在一個小世界」,依然是幾乎不可能實現的想像。我們總會在一些偶然場合,發現自己秉持的價值,是別人眼中的異端。

算法社會下的失望政治

算法社會最深遠的後果,首先來自於用戶對算法本身的感知,存在巨大的差異。2015年的數據顯示,七成的用戶知道臉書社交算法的存在,但仍有一成用戶完全不知情。我們對於互聯網的事實論述如此支離破碎,用戶對於算法的日常體驗,也截然不同。

無知者反而無畏,最先清醒的人也最脆弱。相比那些還在社交過濾器泡沫(filter bubble)裏打滾而不自知的人們,信息習慣更好的知識型用戶,會比其他用戶更早嗅到「網絡空間分裂」
的社會信息,也更容易感受到「他者」力量的威脅。「他者」可以是瀰漫性的大眾,沒有確定的指向;也可以是更具體的「小粉紅」、川普粉;既可以是實名的極端分子,也可以是匿名教微軟機器人種族主義的網絡巨魔(Internet troll)。長此以往,知識性用戶將不再相信網絡規則的公平性,也不會相信由這種公平性保護的,個人網絡表達的力量。

前述的牛津大學團隊,並未用社交網站數據做實驗,而是採用傳統傳播界面的請願網站;沒有過多的算法操縱,所有人看到相似內容,也相信別人能看到一樣內容,減少了實驗的複雜度。牛津的團隊如願做出自己想要看到的結論;然而,當網絡算法進一步侵入到最細微的社會肌理,當越來越多用戶,不再相信自己能看到全部的事實,這時,這些結論恐怕就要失效了。

從選舉政治到社會運動,再到隱私保護,在傳媒勾勒的世界圖景中,「他人」的力量從未變得如此清晰可辨。按照政治人類學的說法,如今的世界已遭遇到普遍的失望政治(politics
of disappoinment),傳染性的焦灼無力感,也許會籠罩不止一代人。

而這一切對於現實的情緒性討論和學理解構,帶來了對算法社會更透徹的洞察。可是,當所有人都過於清醒的時候,也許是最糟糕的時候。

(夕岸,互聯網政治研究者)

讀者評論 0

會員專屬評論功能升級中,稍後上線。加入會員可閱讀全站內容,享受更多會員福利。
目前沒有評論