點贊的媒介化過程與數據掛礙的現象學研究*

姚曉鷗 毛家驥

一、點贊鍵的譜系

媒介研究發現媒介不僅向自我顯現著對象世界,而且建構了自我內部狀態的顯現結構。①現象學也發現人與世界的意義關聯是在某種中介化(vermitteln)過程中構成的。②海德格爾(Martin Heidegger)認為現代世界的中介化過程體現為技術的集置作用,而它的統攝(zusammen)就蘊含在人與物的相互歸屬之中。③換言之,媒介物的形態規定了信息的呈現方式、自我的感受與自我通達他人感受的方式。

關于媒介的現象學構造功能與技術邏輯的問題,媒介化理論提供了一種分析方法,它將抽象媒介邏輯看作一個制度化與物質化(institutionalization and materialization)的過程,媒介運作中行動者的實踐機制、媒介的物質特征及其使用中形成的信念與規范的動態過程建構了媒介的互動形式、組織規則和物質可供性。④赫普(Andreas Hepp)提出深度媒介化概念刻畫數據平臺的媒介化過程必須包括對算法、數據和數字基礎設施的分析。⑤在數據平臺上,點贊鍵(like-button)勾連(articulate)了用戶行動與數字基礎設施前臺的界面、后臺的算法規則和數據過程,為數據平臺的運行方式提供了功能性支持(affordance)。因此,點贊鍵是數字基礎設施的樞紐數據裝置。考察數據平臺的形成和點贊鍵的譜系,我們發現,點贊鍵的功能變遷映射了數據平臺的建構過程。

點贊作為一項數據技術,最初產生是為了輔助平臺管理員測量信息權重并對信息排序。隨著網絡信息規模的增長,2000年初,FilePile、HotOrNot、Digg、Vimeo、B3ta等平臺開始尋找內容精選方法,由此出現了點贊的各種早期雛形。洛克(Matthew Locke)認為直到2009年Facebook收購FriendFeed之后,應用點贊配合信息推送(newsfeed)的設置搭建了一種全新的媒介場景:一方面新版Facebook改變了信息獲取方式,讓用戶不用訪問他人主頁便可以在自己頁面獲取訂閱信息和好友動態,僅幾年時間就使得平臺用戶從web2.0時代“人人都是內容貢獻者”轉變為了移動互聯網時代“人人都是內容消費者”；另一方面,他認為點贊技術類似廣播評級是一種注意力測量(attention metrics),它將用戶行為變為有價值的數據。⑥Facebook對點贊鍵的應用是點贊鍵歷史演變中的一個斷裂點,它革新了這項數據技術的媒介化過程。通過點贊技術獲取用戶態度與情緒等個人數據,Facebook從社交驅動的平臺進化為數據驅動的平臺,隨后其它平臺紛紛轉型,2010年YouTube與LinkedIn、2011年Google+、2015年Twitter,甚至電商平臺Amazon和運動社區Keep都紛紛推出點贊鍵。如今,中國互聯網也基本都應用了這項數據技術。

事實上,平臺方已經注意到了點贊對網絡社交的重構。Twitter創始人多西(Jack Dorsey)說:“如果讓我重頭來,我不會再強調關注與點贊。我甚至根本不會創造點贊,因為它并不能實際推動我們現在認為最重要的事情——對網絡和網絡對話、參與對話以及在對話中學習提供有益的貢獻。”⑦然而,即使點贊是一種基于表態的互動而有礙于基于表達的對話,數據平臺也無法取消它,因為它是平臺獲取用戶態度與情緒、模擬和決定用戶意圖與行動的重要技術裝置。如今,點贊已經是網絡用戶表達態度、情緒與想法的常見方式,也是最常見的互動方式,點贊驅動的數據流已經重塑了社交網絡中自我對自身與他人的通達方式。

二、點贊鍵的深度媒介化:點贊支持的數據過程

(一)界面

赫普強調媒介的物質機制與物質形態(material procedures and formations)對交往產生著一種特定的壓力,構造了人類交往的形態與可能性,因此傳播研究必須考察媒介技術的多重物質特征(manifold materialized specificity)的變化。⑧數據平臺上的一系列媒介技術搭建了一種復雜的物質場景,形成了用戶體驗的規范性,這些技術裝置猶如RPG游戲中的一系列設定(地圖設計、解謎步驟、NPC引導、任務流程、裝備獲取以及怪物等級分布等等),它不僅限制著用戶能做什么或不能做什么,而且引導和決定著用戶該做什么。因此我們需要揭示平臺使用界面的層層設置是如何具體地為用戶操作和用戶互動提供了一種規范性的使用場景。本文以抖音為研究對象。

首先,抖音應用單列設置和上下流動的內容呈現方式,將全部短視頻構成一個只能單一呈現的短視頻流,這種信息的液態渦流改變了內容的空間性和時間性。一方面,內容單一呈現取消了傳統平臺內容的并列呈現,聚集了用戶的注意力和興趣,讓用戶沉浸在內容之中；另一方面短暫的內容呈現可以讓用戶注意力和興趣在消散前立刻進入一個新內容中,上下滑動有利于使舊內容立刻退場,也利于新的注意力與興趣的形成,抵消了聚焦觀看的疲勞感,這種注意力和興趣的不斷制造使短視頻流就像一個漩渦,吸引用戶沉浸在內容流中。其次,短視頻不像直播或長視頻處在一段自然時間中,內容的開始與結束分布在時間兩端,用戶需要劃分出特定的觀看時間。例如八點檔的電視節目播放機制使觀眾能夠清晰地區分出休閑娛樂的特定時段,而抖音則將短視頻限制在15秒或1分鐘內,這使得用戶可以隨時隨地進入和退出視頻流。短視頻流的碎片化呈現方式淡化了用戶使用平臺的時間感受,模糊了日常作息中對線上與線下生活的時間規劃。這種媒介化過程使媒介就像液體一樣參差地滲入了日常生活,液化了線上短視頻世界與線下世界的固定邊界。⑨

抖音界面的這種設置是為了增加用戶停留在平臺上的時間,同時還便利了廣告的加載和提升了觀看量,因此平臺必須知道用戶想看什么內容。數據平臺通過算法推薦優質內容以保持用戶黏度,算法的數據則來源于用戶對內容的偏好,而點贊鍵正是測量和收集用戶偏好的首要裝置。抖音內容的強制推送、用戶必須自行滑動才能退出推送內容,使抖音可以更廣泛地收集用戶數據,平等地對待用戶對不感興趣內容的態度與反應,此外強制推送也可以強行制造用戶沒有的興趣以及利于廣告展示,因此視頻流的推送方式更大地發揮了點贊鍵對用戶數據的收集功能。因此,抖音界面的操作慣習奠基于點贊技術的功能可供性,在點贊鍵提供的技術支持之中界面的游戲規則才能全面運轉起來。

(二)算法

赫普認為深度媒介化概念不僅指媒介的制度化過程,還指過程中媒介建構了行動者的實踐慣習,并且這種慣習也反身性地建構了媒介的物質性。在數據平臺中,用戶的管理方式、用戶信息的組織方式、時間線的組織方式以及點贊與評論的實現方式正是制度化行動的物質化過程。因此,對用戶貢獻的數據進行運算的后臺算法驅動著數據平臺的媒介化過程。赫普借助埃利亞斯(Norbert Elias)的過程觀將媒介化解釋為一個過程,而數字化技術放大了媒介的過程本質,例如智能手機與數據平臺的后臺都是算法,而用戶貢獻的數據訓練了機器學習算法,自動更新的算法又不斷地更新數據平臺的物質機制與物質形態,使平臺永遠保持為測試版。換言之,數據的自動化運算過程已經變成了數據媒介的一部分。

短視頻平臺基于用戶數據,用自動化的算法判斷內容的推送來掌握用戶的偏好。庫爾德里(Nick Couldry)與赫普指出,處理數據的算法是一種區別對待的技術,它一般通過識別、分類與評估三個功能處理數據,因此(用戶貢獻的)原始數據這個詞是一個悖論,任何數據都是在算法中形成的。即使算法會根據數據中涌現的模式進行適應和調整,但只要數據處理過程所基于的底層數據庫結構不變,那么這種適應與調整也并非來自于原始數據材料中的用戶意愿的驅動,而是被數據庫的本體特征規范,因此數據一經進入數據庫就脫離了所收集的原始材料。換言之,用戶貢獻的原始數據材料在整個媒介化過程中對社會實在的建構沒有獨立的作用,它們始終被限制在后臺的數據庫的結構上與算法的數據處理過程中。用戶數據以點贊為開端,進入后臺的數據處理過程,最后推送到用戶面前,推送出來的內容又通過點贊量顯示了它的熱度,引發圍觀、模仿、評論等互動。而媒介化就是這整個以點贊為開端和熱度顯示為終端的全過程,媒介化過程最終作用于用戶行為,形成了行為與媒介物之間的意義關聯。因此,只有澄清后臺數據庫與算法,我們才能澄清數據平臺的媒介化過程,以及數據媒介浪潮中社會實在的建構過程。

綜合對多家抖音運營商的分析,抖音的內容推送算法一般被稱為“流量分發競爭機制”。它包括不同的數據處理策略:復合數據指標,即根據點贊量、完播率、評論量、轉發量、關注量來判定一個內容的質量,它決定了內容在不同等級流量池的分發與推送；多種內容賽道,即將內容根據類型分發在不同賽道中進行數據指標的競爭；多級流量池,即算法根據內容的數據指標將內容分發在不同等級的流量池,不同等級流量池的推送權重不同,一個短視頻的傳播增長需要在不同等級流量池中進行升級才能疊加獲得更高權重的推送；冷啟動,即用戶首發的短視頻開始只被給予初始低權重的推送,在初級推送中根據數據指標的競爭判定疊加的推送；周期性推送,即為了保證用戶貢獻內容的質量以及平臺內容的豐富性,所有內容的推送都會被限定在一個時間段內(例如1天到1周),而后根據用戶貢獻內容的整體數據再判定是否進行二次推送；此外,抖音平臺會綜合字節跳動旗下其它平臺(例如今日頭條)的數據建立用戶畫像,進行精準內容推送。

受數據機制的影響,用戶一般不會刪除無意義的評論和灌水,甚至惡意評論,也不會維護評論區的交流環境,這種機制甚至會引導用戶追求無意義的互動,例如對評論的點贊以及推出神評系統。此外抖音界面并不顯示完播率,推送內容的熱度最后以點贊量直觀呈現給用戶,對用戶而言內容熱度直接顯示為點贊量。并且由于點贊對評論的抑制與影響。因此,點贊鍵作為核心的數據裝置,勾連起了其它數據技術、驅動著后臺算法的深度媒介化過程,并由此調節著作為媒介物的平臺,以及培養和塑造用戶行為慣習。

三、評論行為的媒介化與點贊式評論現象

點贊鍵驅動的深度媒介化過程中形成的媒介物、數據過程和用戶行為的意義關聯并非媒介物與行為的因果圖示,毋寧說是物與行為之間的遞歸、持續的交疊或糾纏。這種遞歸關系最終體現在抖音評論區的評論互動中,因此澄清抖音的媒介化過程需要考察用戶的評論互動。首先需要描述抖音平臺中用戶評論的交往特征；其次需要解釋抖音評論的物質機制,點贊驅動的數據過程與抖音評論的關聯。具體而言,我們要考察抖音評論的互動形式與表達形式是怎樣的？評論的意向是怎樣的？評論是否有社交意向？評論能否形成對話與溝通？評論是多元化的還是極化的？評論區是否形成了公共領域？簡言之,我們需要弄清楚抖音評論的表達形式與互動形式是否延續了傳統話語交往的期待,如果沒有,那么它的話語形態又是怎樣的,以及抖音評論的話語形態對用戶行動的支持。

(一)數據

抖音短視頻中新聞性短視頻的評論區最能夠體現用戶評論的交往特征。新冠疫情是抖音出現以來最大的公共性事件,而武漢封城是一個有著明確開始與結束的相對獨立事件,因此圍繞武漢封城期間的抖音疫情新聞的評論互動是一個代表性強的在線評論研究案例。

本文以武漢封城期間抖音平臺疫情相關的73個熱評短視頻中的730條高贊評論為樣本。首先,在2020年1月23日至2020年4月8日之間以一個自然周為單位進行等距采樣,其中每個單位內抽取評論量排名前十的短視頻,共110個,并進一步篩選出與疫情相關的73個短視頻。其次,在這73個短視頻中收集每個視頻下評論點贊量排序前十的評論,同時刪除視頻發布者的自評與回評,最后共收集730條高贊評論。此外,同時收錄730條評論的子評論與發布者的回評作為內容分析的參考指標。

(二)編碼

本文對抖音評論的內容分析參考了在線新聞評論研究的內容分析模型,結合本節提出的問題設計了包含7個變量的4個指標刻畫評論樣本的互動特征:信息性,互動性,情緒化,同質性。模型見表1。

表1 抖音用戶評論交往特征編碼表

本研究的數據由4個編碼員經過訓練進行編碼,所得變量信度最低值高于0.9,達到內容分析的信度要求。本文的樣本數據主要是定類數據,我們的測量主要是對樣本數據的描述與對比,因此分析方法主要使用統計量描述與列聯表對比。

(三)分析結果與討論

根據表2顯示的定類變量的直接統計結果:

表2 定類變量直接統計量

根據抖音用戶評論互動特征的指標,7個變量的直接統計結果可以歸納為:抖音用戶評論信息性差、互動性低、情緒化較高、同質化特別高。

1.表達的消逝

結合預設的問題,我們發現抖音評論區缺乏溝通和對話。首先,720條評論樣本中僅有33.29%的評論具有信息價值,81.78%的評論形式簡單。大部分評論是在固定格式下的贊美、鼓勵、強調、支持或反對。“評論點贊”的設置過濾了豐富的信息,并且手機閱讀方式和習慣令用戶一般不會深度瀏覽評論區,因此后續用戶的評論往往只能面對信息性缺乏的高贊評論。換言之,正是由于“評論點贊”技術的篩選作用過濾了用戶的對話對象,互動對象的屏蔽取消了后續用戶表達信息的動機。

其次,我們發現用戶間的互動幾乎可以忽略不計。僅有的7.67%的用戶間評論互動的內容也缺乏社交意義。如表3所示:

表3 子評論類型

730條評論樣本中僅有7.67%的評論引起了子評論,并且這56個子評論區根據表3所示的內容類型劃分,最后僅有18個對話類子評論區,占比僅有2.47%。并且,在這18個對話類子評論區中還包括官方用戶請求點贊與關注的評論互動,大部分評論回復都是“聾子間的對話”,而真正引發了回應與對話、形成交流與溝通的評論回復僅有兩個特例(同一個短視頻評論區)。

此外,我們發現抖音短視頻評論區一般只有高贊評論才會形成子評論,雖然抖音評論區的信息排序僅前三條根據點贊量排序,后續評論基本按照時間順序排列,但由于短視頻的瀏覽特征,短期大量關注的情況下時間順序基本無法保證單條評論在評論區頂層的停留時間,因此“評論點贊”基本框定了用戶的閱讀范圍,進而使排序在高贊評論范圍之外的評論很難觸發互動。

在730條評論樣本中,只有很少的評論完全不帶情緒性的詞語或表情包,直接的統計量顯示有40.41%的評論包含情緒強烈的表達方式。我們設置了2個變量來測量單個評論區的同質化,極化反映了用戶評論立場與態度的一致性,關鍵詞重疊雖然無法完全確證用戶評論內容的一致性,但表達中核心詞匯的重疊反映了表達的主題和對象的一致,反映了各種評論處在同樣的議題框架之中,議題框架中的表達可能性是有限的,因此也能夠間接反映評論區的同質化。直接的統計量顯示評論極化程度高達87.26%,同時70.55%的評論使用了相同的關鍵詞。但是,因為評論樣本并非來自同一個事件,而是來自疫情相關的各種主題的短視頻,因此總體樣本中相同的極化態度并不意味著真實的態度重疊。我們將730個評論樣本回溯到了73個評論區中,若每個評論區中極化態度占比超過50%則該極化態度(1或5)為優勢態度,若某個評論與極化的優勢態度重疊則被計為重疊態度,在這個條件下我們獲得了真實重疊的極化態度的數據,同時與關鍵詞重疊的變量進行合取,根據這兩個條件的合取變量Y對730條評論進行過濾,由此獲得了480條真實的同質性變量Y的評論數據,百分比數據為65.75%。情緒化的直接統計量和同質性的二階統計量均顯示了抖音評論區的非理性程度較高,用戶評論呈現為態度與情緒的表態。

變量4的直接統計量顯示用戶與短視頻內容的信息性互動僅有21.37%,大部分用戶評論既沒有與他人形成對話,也沒有與內容形成對話,大部分用戶評論沒有敘述個人經驗、補充信息、澄清觀點、平衡討論、指出錯誤、進行價值觀的說服。換言之,大部分用戶評論都是沒有互動性和信息性的獨白。這類評論的本質是一種語詞化的點贊或“手動點贊”,評論的動機不包含溝通的意向,只是一種表態而非表達。

2.抵消溝通

統計量描述反映了抖音評論的現狀,卻無法反映抖音評論的動力機制。由于我們的分析模型是定類量表,無法刻畫相關項的定比關系,因此采取列聯表對比數據的方法以間接反映定類變量間的關聯。首先,將信息價值變量1與用戶—內容互動變量4進行合取獲得反映信息性與互動性的新變量X,根據合取條件X過濾得到138條評論數據。其次,結合反映真實同質性的變量Y與X變量組合形成列聯表4。最后,對表4中X在Y上的差異進行檢驗,其中沒有單元格期望計數少于5,且最小期望計數為47.26,因此采用Pearson卡方檢驗數據。根據檢驗結果(χ2=20.519,df=1,p=0.000<0.001),可知X的選擇在Y上存在顯著差異。

表4 互動信息變量與真實同質化變量列聯表

(χ2=20.519,df=1,p=0.000<0.001)

如表4所示,抖音用戶評論的信息互動性與同質性這兩個屬性存在相關性。此外可見,雖然列聯表的頻率顯示具有信息與互動的評論中內容的同質性比例較“點贊式評論”低20%,但是在總體樣本中占比仍比較低(19.2%),并且在X+的138條評論數據中仍然有近一半的同質性內容(49.3%)。多明戈(David Domingo)團隊研究發現,對在線新聞進行感受性表達與同質化表達占優勢的評論社區,缺乏多元意見間文明的討論和辯論,因此這類評論社區無法形成公共領域；并且受文化與意識形態、政治制度以及在線新聞評論區管理方式等因素的影響,大部分的評論社區仍是一個用戶情緒化表態與霸權話語完成自身再復制的空間。另外,坎加斯蓬塔(Veera Kangaspunta)發現在線新聞評論區用戶之間結構松散,聚類系數低,用戶評論并沒有形成意見組織,大部分用戶只是受獲取信息動機的驅動而更喜歡和新聞直接互動,相反評論區的結構化往往是由一些潛在活躍用戶或潛在公眾(potential public)推動的,這些偏好與他人進行互動的用戶則受獲取社會機會動機的驅動；溝通和交流不是公共領域形成的原因,而是在潛在公眾的作用下推動大部分用戶的公眾化、形成公共討論所產生的結果。換言之,具有信息性與互動性的評論并非社交的原因,而是個別積極用戶推動的結果。在我們的調查中,占總樣本量9.6%的70條具有信息性與互動性且不具有同質性的用戶評論已經是積極公眾化的結果,并不能被認作改變“點贊式評論”的原因。亦即,占總樣本量9.6%的70條評論作為結果反映了抖音評論區潛在公眾的“失敗”,作為潛在公眾的積極用戶評論對溝通與對話的動機引發被大量的同質化評論抵消了。

對X變量與Y變量的卡方檢驗反映了信息性、互動性與同質化之間存在相關性,但描述性分析無法呈現抖音用戶評論交往特征形成的原因。齊格勒(Marc Ziegele)、布海納(Timo Breiner)與蒯林(Oliver Quiring)在調查用戶評論動機的定性訪談中發現,爭議性與個性化的評論內容更易引發反饋,但是用戶能夠自覺區分爭議性評論(controversial statement)與攻擊性評論(aggressive behavior),而這些不文明的、態度極端的、攻擊性的評論以及同質化評論則會抵消爭議性與個性化評論的動機。綜合本文的描述性分析,表4數據顯示的情緒化、極化與同質化評論的大量存在解釋了具有潛在公眾因素的抖音評論為什么沒有形成對話與交流的組織結構和公共領域。

3.點贊式評論

根據本節對抖音評論的內容分析,從信息性、互動性、情緒性與同質化四個維度看,大部分的抖音評論是一種類似于點贊的話語行為。網友常將這種行為比喻為“手動點贊”,它是通過一系列話語構成點贊態度的表達,傳達的是一種情緒、態度與偏好,其中缺乏信息表達,指向的是被點贊的視頻,而非其它評論,因此一般沒有溝通的意向,它更傾向于一種獨白而無法形成互動,往往能夠形成一種極端和重復的表態運動。

從數量上看,短視頻的評論量一般都遠低于百萬數量級的視頻點贊量,評論點贊的總量一般都大于評論的數量,可見大多數抖音用戶都選擇了點贊的表達方式。此外,有限的評論又主要是點贊式評論,因此可見點贊這一平臺技術不僅影響了抖音平臺的物質性設置,而且直接影響了用戶在平臺場景中的話語行為。從內容上看,點贊是一種輕度參與,點贊鍵的設置降低了用戶參與互動的標準與難度,使得大量淺互動與信息性低的評論內容充斥評論區,而這些信息性與互動性低的評論內容數量龐大且彼此認同,因此極大地稀釋了信息性與互動性高的評論,降低了后者的曝光度。

如前所示,評論樣本中僅有兩個高贊評論引發了持續對話,并且73個視頻評論區中低贊評論都沒有子評論,而且評論區的對話都集中于高贊評論的子評論中,這使得對話內容和議題集中于評論點贊的框架中,這與按時間序列評論的話題發展規律不同,評論的點贊裝置限制了其它對話內容和議題的發展。格拉斯(Geoffrey D.B.Glass)發現這種評論點贊機制在論壇評論中不常見,大部分存在于在線新聞的評論區,他認為高贊評論凝聚了讀者的注意力,降低了其它評論的閱讀量,甚至評論點贊可能會導致新聞讀者為爭奪點贊量而出現不文明現象與分裂現象。并且,社交網站中的評論點贊,與在線新聞評論區對某個評論內容的點贊不同,它不是對被點贊內容的受喜愛程度的反映,而是反映了社交價值,因此在社交網站中它與其說是對被點贊內容的支持倒不如說是對被點贊者的支持。格拉斯對評論點贊側重內容偏好與側重個人支持的區分,在中國網絡社會中更復雜,即公共性評論的點贊也存在大量個人支持的評論行為,而這加深了評論讀者對內容的喜惡,進一步強化了匯聚認同、過濾反對意見和情緒與態度的極化。

四、深度媒介化中的生存與互動

(一)媒介化的層級與生存掛礙

點贊鍵是一種現身在用戶操作中的數據技術,但它驅動的深度媒介化過程則是不可見的。海德格爾用“周圍世界”(umwelt)概念描述這種不可見性,它形成了日常生活處境的背景,并指引著在生存遭遇的“掛礙”(Angehende),生成個體切近他者的意義關聯,周圍世界中形成的這種生存掛礙最終散見在形形色色的操作與互動中。海德格爾描述的這種現象學構造可以為反思不可見的數據流建構數據化生存境遇的媒介化過程提供一種參考。

海德格爾說:“傳達活動從來不是把某些體驗從這一主體內部輸送到那一主體內部這類事情。共在本質上已經在共同現身和共同理解中公開了。在話語中,共在以形諸言詞的方式被分享著,也就是說,共在已經存在,只不過原先沒有作為被把握、被占有的共在得到了分享罷了。”共在概念揭示了比交往行為更源始的某種體驗,據此媒介化過程可以分為兩個層級。前客體化的生存經驗:周圍世界的現身情態(befindlichkeit)與前理解(vorverst?ndnis)；客體化行為:日常生活中我與他人和他物打交道的交往行為。前者是后者中形成的媒介物與行為的意義關聯的發生基礎。

所謂現身情態,海德格爾又將之稱為基礎情緒(grund stimmung),德雷福斯(Hubert L.Dreyfus)指出它類似于我們日常見面問候——最近過的如何(How are you doing?)——所問及的那個事情：首先,現身情態是一種共享的情緒而非內心感受,現身情態是生存的一個維度——情緒不在我之中,而是我存在于情緒之中,基礎情緒具有主體間性；其次,現身情態對我是一種親熟與可靠的存在,但我平常意識不到它的存在,它不是我經驗的對象或內容,而是經驗的背景。據此,德雷福斯認為現身情態概念類似于文化情緒或社會情緒。換言之,現身情態是我與他者打交道所處的一種背景情景,它具有感發性(ang?nglichkeit),即我在與他者打交道中被動地受共享的情緒感觸而自行生發出生存的“掛礙”。

所謂前理解,海德格爾首先指出它不是一種認知,并且它和現身情態是一體兩面的,前理解帶有情緒,而情緒中已經有某種掛念與理解了。德雷福斯認為前理解是指一種實踐智慧,它不是關于對象是什么(what is)的認知(empfinden oder anstarren),而是與掛礙如何相處(how to)的尋伺(umsichtig):現身情態將他者對我呈現為可怕的、焦慮的、不安的、有趣的、有關緊要的等等,形成了日常生活中的掛礙。而前理解則把某些行動對我呈現為可行的或不可能的、有意義的或無意義的,形成了我如何與掛礙相處、適當應對掛礙的各種可能方式。此外,前理解與現身情態一樣,是“百姓日用而不知”的存在,親熟且可靠,處在生活的背景中,決定了生活的遭遇。

參考海德格爾現象學,將媒介化過程延伸到源始經驗的反思中,除了要分析數據媒介與人類交往的意義關聯,還必須描述深度媒介化構成的底層掛礙。綜合本文對抖音互動的分析,我們發現其中均蘊藏著一種對數據的掛礙,用戶發布渴望成為熱門,平臺的運轉以數據流為指標,甚至用戶評論也追求熱評、神評,數據流成為了一切行動背景中的掛礙。早期互聯網敞開了一個交流的境遇,用戶貢獻數據獲得了參與感。隨著海量數據的形成、點贊等數據技術驅動數據平臺崛起,數據平臺環境中僅有少數滿足條件——點贊量等數據流指標——的數據才能獲得顯示、具有存在感,用戶貢獻行為雖然仍是參與,但參與感則消逝,網絡社會的存在感與參與感的底層掛礙變化了,數據流成了全部行動的“有關緊要之事”。

(二)點贊與不可通達性互動

深度媒介化過程中形成的數據掛礙形成了數據平臺與用戶行為的意義關聯,抖音平臺的內容推送、發布、觀看、評論等一系列有意義行為受到數據掛礙的感發牽引。數據技術建構了一個由熱門視頻、熱門人物、網絡熱評與熱梗等熱門對象構成的社會世界。用戶要么意在成為熱點而得到顯示和關注,要么意在參與熱點而得到存在感,否則其就會成為不可見之物和非存在。

網絡熱點制造是數據平臺的引擎,而熱點起源于點贊。圍觀與模仿建構了群體的同質化,而這在技術上更依賴于點贊獲取的意圖與偏好。因此網絡熱點制造與社群同質化是一種點贊的永恒輪回。韓炳哲指出:“沒有痛苦,沒有他者的負面性,沉溺于過度的正面性之中是沒有任何經驗可言的。這就好像,人們經過了千山萬水,卻無法形成任何經驗。人們沒完沒了地數數(掛念數據流量),卻不能完成任何敘述。人們感知所有的事物,卻不能形成任何認識。痛苦,即因為他者而存在的閾值感,是精神的媒介。精神即痛苦。黑格爾的《精神現象學》描述了一條苦傷道。與此相反,數字現象學中是不存在精神的辨證痛苦的,它是一種‘點贊現象學’(Ph?nomenologie des Gef?llt-mir)。”即精神只有與異己的他者遭遇才能覺醒,而點贊等數據技術建構的同質化社會刪除了自我與他人之間的距離與差異。我們的調查印證了韓炳哲的洞見:評論區的溝通被高贊評論和大量點贊式評論瓦解；點贊技術降低了參與和互動的門檻,制造的大量軟垃圾(語言垃圾、符號垃圾與交流垃圾)降低了有效評論的曝光度；過度互動形成的過度親近消除了與他者交流的痛苦。點贊不僅從結構上,而且從體驗上改變了人類交往,韓炳哲將之稱為“感知的角質化”。

交往的現象學本質是意識自身向陌生經驗的通達,意識的可通達性使我們能夠理解事物與他人。但是點贊鍵等數據技術搭建的平臺以及點贊式評論改變了互動中的參與感,數據過程形成的語境讓互動不依賴表達與溝通。而在溝通消逝的評論區卻形成了大量的點贊互動、獨白、表態與認同,甚至發展成為集體行動與輿論。一方面,朝向主題的同質化互動代替了朝向對象的差異化交流,另一方面表態中去語境化的主題與態度代替了交流的具體對象與觀點。

這種缺乏可通達性的互動只是一種單純的同一性。在深度媒介化過程中,點贊技術建構了數據化生存的底層掛礙,形成了一種不具有可通達性的互動關系。算法讓用戶貢獻數據的社會處在數據自動化的監督與配置之下,我們不能只看到權力結構的變化,也要關注到社會行動背景中存在感受的變化。

注釋:

① [美]沃爾特·翁:《口語文化與書面文化》,何道寬譯,北京大學出版社2008年版,第27-37頁。

② Edmund Husserl.DingundRaum.Martinus Nijhoff.1973.S.104;[美]托馬斯·希恩:《理解海德格爾》,鄧定譯,譯林出版社2022年版,第136頁。

③ [德]馬丁·海德格爾:《同一與差異》,孫周興等譯,商務印書館2014年版,第40頁。

⑥ Matt Locke.HowLikesWentBad.https://medium.com/s/a-brief-history-of-attention/how-likes-went-bad-b094ddd07d4.2018-04-26.

⑦ Jack Dorsey.HowTwitterNeedstoChange.https://www.ted.com/talks/jack_dorsey_how_twitter_needs_to_change?language=en.2019-04.

⑧ Andreas Hepp.Differentiation:MediatizationandCulturalChange.In Knut Lundby ed.Mediatization:Concepts,Changes,Consequences.New York:Peter Lang Publishing.2009.pp.139-140.