大数据知识表征的社会建构

苏玉娟

（中共山西省委党校理论研究室，太原030006）

大数据知识表征的社会建构

苏玉娟

（中共山西省委党校理论研究室，太原030006）

大数据知识资源来源于社会采集，需要我们根据目标的不同，从大数据资源的全样本采集入手，共同建构全样本、共享的大数据资源。大数据知识主要应用于政府治理的公共领域、企业决策的经济领域及民众所需的社会领域。大数据知识的科学、公共、经济、社会等价值在社会领域得到彰显，其实现过程的社会支撑主要包括政府等主体参与、大数据技术发展水平、大数据平台建设、社会法治进程等因素。大数据知识的社会建构体现了知识的客观实在性、知识认知的主体能动性和知识的语境依赖性。

大数据知识；社会建构；社会采集；社会实践；社会价值；社会支撑

表征是指实物不在场的情况下指代这一实物的任何符号或符号集。这里所指的符号或符号集既可以是客观的物理符号，也可以是主观的心理意象，既可以是静态的事物，也可以是动态的机制。知识的表征就是用这些符号或符号集代表知识〔1〕。随着大数据时代的到来，大数据知识被广泛应用于科学、环保、健康、交通和能源等领域，已逐渐成为科学研究、社会治理和企业决策的重要依据。大数据知识经过了从经验世界和网络世界—大数据—知识—实践的表征过程，其生产与应用过程中最显著的特征就是社会建构性。

一、大数据知识资源：社会采集

目前，大数据主要来源于网络、基于传感器的大数据和政府数据等。“通过网络数据，大量的个人的或很小组织的真实行为通过计算机以数据形式被记录下来，这些数据为人类行为研究提供了极其丰富的可靠信息，避免了研究者认知的偏见、感知的误差和框架的歧义”〔2〕。相关研究者需要根据目标的不同，从大数据资源的全样本采集入手，共同建构全样本、共享的大数据资源，以期为大数据转换成知识提供最基础的数据来源。

（一）大数据资源是实现政府治理公共数据资源有效整合的结果

政府作为公共数据资源的拥有者，有权力和义务实现区域内相应大数据资源的有效整合，为大数据转换成知识提供最基础的数据来源。从全国看，不同省份公共数据资源存在分割；从一些省份看，不同地区之间数据存在分割；从不同部门看，部门之间的大数据共享也是非常重要的。实践中，通过顶层设计加强部门之间的协同，是充分发挥大数据知识各项功能的重要途径。

（二）大数据资源是对企业不同来源的数据进行有效整合

对于企业来讲，其通过对网络大数据、消费者反馈大数据、行业大数据等进行有效整合，能够产生大数据知识，这已成为指导企业发展的重要依据。目前，从企业层面看，一些企业数据观念落后，不重视大数据的采集，有些企业虽然具有存储大数据的能力，但是不具备分析和挖掘数据的能力，大数据并不能转换成知识，因而无法为现实决策服务，而一些企业同时具备存储、分析、挖掘大数据的能力，大数据已成为其决策的重要依据之一。因此，在大数据时代，我们要大力发展大数据产业，为一些不具有存储、分析、挖掘大数据能力但又需要大数据知识的企业提供相应的服务。当然，大数据服务企业的资质、人才素质、技术水平等方面的因素也很重要。只有这样，企业所拥有的大数据才能转换成知识，进而服务于企业的决策。

（三）民众产生的大数据资源是大数据知识资源形成的另一主体

大数据时代，没有旁观者。一方面，民众既是大数据的生产者，同时又是大数据知识的使用者。民众的行为轨迹、网上交流痕迹等都成为大数据知识的重要资源。企业可以根据民众的消费方式为企业决策服务，政府可以根据民众交通方式为公共交通治理提供决策服务。另一方面，民众又是大数据知识的使用主体之一。交通大数据知识、健康与安全等大数据知识反过来会指导或影响民众的生活方式。

二、大数据知识应用：社会实践

大数据时代，知识生产的方式发生了变化，大数据隐含的知识能够实现精准治理，已得到各国政府的积极响应。社会实践为大数据知识应用提供了广阔的平台。从大数据知识应用的范围来看，其应用于政府治理的公共领域、企业决策的经济领域和民众所需的社会领域等。

（一）大数据知识成为政府实现公共安全、环保、健康、交通、反腐等方面治理的重要依据

政府拥有公共领域的大数据资源，往往会依托大数据服务公司将大数据资源转换成信息、知识，然后再应用到政府的精准治理过程中。目前，大数据知识已成为数据反腐、指引民众健康生活、控制环境污染、保障民众公共安全的重要支撑。但是，由于数据分割，使大数据知识服务的公共领域具有一定的局限性，即大数据资源的边界、融合程度决定大数据知识应用的边界。实践证明，区域之间和部门之间的大数据融合，是提高大数据知识应用效率的重要保障。

（二）大数据知识成为企业提高经济价值的重要依据

目前，很多企业都建立了自己的大数据仓库，包括行业大数据、企业所拥有的大数据，并能够将大数据资源转换成大数据信息和知识，为企业决策服务。但我们也应注意到，一些企业大数据观念比较淡薄，虽然认识到大数据资源的重要性，但是对大数据技术缺乏了解，因而对大数据知识的应用仅限于观念层面。还有一些企业虽然具有存储、分析和挖掘大数据的能力，但是由于缺乏从大数据到信息和知识提炼的能力，使得大数据只能是碎片化的知识或者信息，不能真正为企业提供服务。为此，大数据时代，企业要应用好大数据知识，就必须依托大数据服务公司，或者自己具有生产大数据知识的能力。当然，并不是所有的企业都适合开发大数据资源，如一些企业规模较小，企业所拥有的多是传统的小数据资源，并不适合进行大数据分析。

（三）大数据知识成为民众提高健康、安全、环保等水平的重要依据

大数据知识取之于民、用之于民，不仅成为政府决策的重要依据，同时也成为影响民众生活方式的重要依据。目前，民众并不拥有大数据，而且也不具备分析大数据的能力，政府公布的大数据知识是民众作出自己选择的重要依据。大数据知识将政府与民众紧紧联系在一起，政府的服务功能在大数据时代更精准、更有时效性。

三、大数据知识价值：社会彰显

大数据时代，大数据知识生产主体从科学共同体扩展到政府、企业和民众。大数据知识的社会实践应用决定了大数据所具有的广泛社会价值。可以说，大数据知识的价值在社会领域得到了广泛的彰显。

（一）大数据知识表征实现了人类从感性认识到理性认识的飞跃，具有认知价值

从传统意义上说，人类认识经验世界来自于观察、经验、实验或理论建构，认识的起点即经验世界，表征为感觉、自我经验、实验数据等。基于大数据的知识表征起点是大数据挖掘后形成的镜像世界，即大数据展现的经验世界的图像。因此，我们对经验世界的认识转化为对相应大数据的认识，也正是在对大数据分析挖掘基础上形成的大数据进行分析，实现了从感性认识到理性认识的飞跃。

（二）大数据知识使社会科学越来越具有自然科学的精确价值

长期以来，有些学者认为社会科学，如政治学、经济学、社会学、法学等学科不具有像自然科学一样的精确性，多是定性分析，因而不是科学。基于大数据技术，公共治理、社会治理、经济领域决策越来越走向精准化，使得社会科学像自然科学一样具有精准性。当前，大数据已成为提高社会科学精准性的重要依托。

（三）大数据知识在公共领域的应用产生了公共价值

目前，大数据被广泛应用于环境保护、公共安全、民众健康、反腐等领域，成为各级政府解决环境问题、公共安全问题、民众健康与腐败问题的重要支撑。政府通过与大数据服务公司的合作，提高了大数据知识的公共价值。首先，随着生态文明建设的推进，解决环境问题已成为政府一项重要的工作任务，其要通过对环境大数据监测、分析、挖掘，形成指导环境改变的大数据知识。其次，相关部门通过对民众健康状况的大数据分析产生的大数据知识，可以为改变民众生活方式提供最直接的数据支撑。再次，数据反腐已成为国际上很多国家采用的反腐败方法之一，体现了大数据知识在提高政府治理能力等方面的创新。另外，政府认知水平决定了大数据知识在公共领域应用的程度。当然，我们也要认识到，大数据知识的可靠性是其应用的前提条件。

（四）大数据知识在企业的应用产生了经济价值

大数据时代，大数据知识为企业提高管理能力提供重要支撑，成为企业实现经济价值的重要利器。时代的发展要求企业必须与时俱进、开拓创新。大数据知识通过精准服务，为企业提供最精准的决策支撑，企业则可以根据自己生产大数据的情况，因地制宜地建设大数据或租用大数据平台，进而生产大数据知识。笔者认为，如果企业规模小，大数据资源非常少，就完全没有必要建设大数据仓库形成大数据知识。

（五）大数据知识在民众中的应用产生了社会价值

民众既是大数据的生产者，也是其应用的最大受益者。民众的出行方式、生活方式都在受大数据知识的作用，民众观念的改变是大数据知识在民众中应用的重要前提。一方面，民众参与到大数据知识的生产中，对提高大数据知识的精准性具有重要的价值；另一方面，民众应用大数据知识的程度反过来会刺激或约束大数据知识生产的过程。影响民众信任大数据知识的因素包括大数据知识本身的可靠性、民众的生活习惯、大数据公共服务平台建设水平和大数据知识应用的示范情况等。因此，大数据时代，我们要提高民众应用大数据知识的水平、彰显大数据的社会价值，就必须改变他们的观念，提高大数据知识的精准度。

四、大数据知识实现：社会支撑

社会支撑是大数据实现其社会价值的重要保障。大数据知识实现的社会支撑因素有很多，既要包括政府、科学共同体、企业和民众等主体，又要包括大数据技术发展水平、大数据平台建设、社会法治进程等。

（一）政府、科学共同体、企业和民众是大数据知识生产与应用的主体

“政府必须在理念层面、技术层面、保障层面积极回应大数据时代提出的新要求”〔3〕。我们只有将不同主体进行协同合作，才能实现大数据知识的价值。目前，由于不同主体对大数据知识的认同度不同，因此产生了不同的应用结果。政府重视战略的提出与落实，企业重视自己生产大数据知识的能力的建设，民众多是大数据知识的实践者。由于认知的分化，不同主体内部、主体之间协同力比较低，从而影响了大数据知识的生产与应用。实践中，为了提高大数据知识的生产与应用水平，我们要协同不同主体，彰显政府的战略指导作用和企业的示范引领作用，引导民众参与到大数据知识的生产与应用中，而不同主体应用大数据知识的能力又会进一步反馈到大数据知识生产环节，进而形成良性互动。

（二）大数据知识来源于大数据存储、分析、挖掘等技术的发展

没有大数据技术，也就没有大数据知识，更谈不上大数据知识的社会建构。正是大数据技术，才产生了基于大数据的知识。因此，大数据技术本身的成熟程度、可靠程度和便捷程度，影响大数据知识的生产与应用。相关研究人员要通过技术创新提高大数据技术的应用程度，以最小的社会成本获得最大的社会效益。

（三）大数据平台建设为大数据知识生产与应用提供了平台支撑

没有大数据平台，所有的大数据知识都无法实现有效的生产和传播，它的社会价值也就无法得到有效的彰显。目前，大数据平台建设虽然得到不同主体的重视，但同时也产生一个新的问题，即由于平台之间的不兼融，使得大数据知识被多种途径所传播和利用。大数据知识被多种途径传播和利用既有好的一方面，但同时也存在着大数据知识被滥用的风险，即知识的碎片化。语境、大数据资源不同，大数据知识往往也会有所不同，而很多传播平台，只传播结果却忽视了这些知识是怎么产生的和它所依靠的语境。也就是说，大数据平台建设既要有融合性，又要具有相对的独立性。

（四）社会法治进程为大数据知识生产与应用提供了环境支持

大数据时代，大数据的来源必须真实可靠。由于民众的认知不同，很多人不愿意将自己所掌握的大数据应用于公共大数据资源中，原因在于担心个人的隐私数据被泄露。但同时，民众又希望依靠大数据知识服务于个体的需求。政府、企业等在利用个体大数据资源过程中也可能会产生伦理问题，如对个体数据的泄露、过度开发等，这样做也容易产生虚假数据。因此，在大数据时代，我们需要通过相关法律、制度等规范政府、企业和民众的行为，了解哪些大数据是可以共享，哪些大数据属于隐私不可以共享，即大数据采集的边界问题等。

五、余论

大数据知识生产与应用的过程都是社会建构的过程，而其本身是反映客观实在的理论体系。大数据知识的社会建构体现了大数据时代知识的客观实在性、知识认知的主体能动性和知识的语境依赖性。

（一）大数据知识反映了经验世界和网络世界的客观运动，具有客观实在性

经验世界包括“自然事实、科学事实和现象学事实，形成日常知识、科学知识和哲学知识”〔4〕。经验世界是人类对自在世界的认识，只有经验世界才能够被人类所认识。传统意义上，我们认为网络世界是虚拟的、不可靠的，而随着大数据技术的发展，网上与网下越来越走向了一体化。因此，经验世界和网络世界中的大数据其客观实在性越来越明显。基于客观实在性的经验世界和网络世界的大数据资源，是大数据知识生产的主要依据，因而具有客观实在性和知识的本质特征。

（二）大数据知识的生产过程离不开政府、科学共同体、企业和民众等主体能动性的发挥

“一个信念之真，是其使持此信念的人能够应付环境的功用问题，而不是其摹写实在本身的存在方式的问题”〔5〕。大数据时代，一些人认为有大数据就可以了，他们持大数据决定论的观点。但是，从社会建构的角度看，大数据资源来源于网络、基于传感器的大数据等。采集哪些大数据、如何采集都是不同主体决策的结果，也是发挥不同主体能动性的过程。从大数据知识生产的过程看，大数据技术只能解决对大数据的存储、分析、挖掘等，并不能形成客观的知识。产生上述问题的原因是基于大数据技术分析和挖掘的结果，而如果只是相关性分析，就不能挖掘出这种相关性产生的原因与未来发展的趋势。这就要求不同主体要发挥主观能动性，从相关性中找出其发生的原因，并概括出理论性的知识体系。从大数据知识的应用看，大数据知识的价值在哪些领域彰显、如何彰显等都是不同主体社会建构的结果。因此，在大数据时代，我们必须理性地分析和应用大数据知识，既要重视技术，也要重视人的因素，特别是人的主观能动性的发挥。

（三）大数据知识生产与应用具有语境依赖性

知识具有普遍适用性，就是说在相同条件下，知识是可以被使用的，而条件如果不同，知识就不一定具有适用性。大数据知识生产的语境依赖性决定其应用的语境依赖性，如脱离相应边界，大数据知识的适用性就不一定起作用。“牛顿运动定律、欧姆定律等具有广泛的适用性，而大数据所发现的规律一般都具有时效性和地域性的特点。沃尔玛发现飓风与蛋挞的关系，仅仅适用于美国”〔6〕。可以说，大数据知识生产与应用具有一定的语境依赖性。新形势下，相关研究者要拓宽大数据知识生产与应用的范围，需要不断扩展大数据仓库，实现更大范围内的大数据融合，进而形成具有更广泛适用范围的大数据知识。

（四）大数据知识生产与应用具有社会实践性

小科学时代，知识论也就是认识论，主要研究知识如何在认知层面被发现的。大科学时代，知识论从认识论走向实践论，知识表征从陈述性知识扩展到程序性知识，知识的实践表征的意义越来越重要。知识如果不能解决理论和实践问题，知识的价值就很难评价了。基于大数据的知识不仅产生了彰显相关特征的陈述性知识，而且产生了能够服务于社会实践的程序性知识，以解决具体的实践问题，如解决社会治理、国家治理、政府治理等方面的问题。大数据知识表征的社会建构就是从社会实践出发，社会采集、社会实践、社会应用和社会支撑构成了社会建构的不同维度。总之，我们要在实践过程中，充分地使用大数据知识，以彰显大数据时代社会实践的大数据化趋势。

〔1〕王建安，叶德营.知识分类与知识表征——评赖尔的知识分类与围绕它的争论〔J〕.自然辩证法通讯，2010（4）：13-18.

〔2〕Watts，D.J.A Twenty-First Century Science〔J〕.Nature，2007（1）：445-489.

〔3〕任志锋，陶立业.论大数据背景下的政府“循数”治理〔J〕.理论探索，2014（6）：82-86.

〔4〕马克斯·舍勒.知识社会学问题〔M〕.艾彦，译.北京：北京联合出版公司，2014：11.

〔5〕理查德·罗蒂.后哲学文化〔M〕.黄勇，译.上海：上海译文出版社，1992：1.

〔6〕汪大白，徐飞.大数据：科学方法的新变革〔J〕.自然辩证法研究，2016（1）：109-114.

责任编辑：芳晔

N03

A

1009-1203（2017）01-0104-04

2016-12-21

国家社会科学基金重点项目（16AZX006）。

苏玉娟（1975-），女，山西稷山人，中共山西省委党校理论研究室副研究员，理学博士，主要研究方向为科技与社会。