点赞的媒介化过程与数据挂碍的现象学研究*

姚晓鸥 毛家骥

一、点赞键的谱系

媒介研究发现媒介不仅向自我显现着对象世界,而且建构了自我内部状态的显现结构。①现象学也发现人与世界的意义关联是在某种中介化(vermitteln)过程中构成的。②海德格尔(Martin Heidegger)认为现代世界的中介化过程体现为技术的集置作用,而它的统摄(zusammen)就蕴含在人与物的相互归属之中。③换言之,媒介物的形态规定了信息的呈现方式、自我的感受与自我通达他人感受的方式。

关于媒介的现象学构造功能与技术逻辑的问题,媒介化理论提供了一种分析方法,它将抽象媒介逻辑看作一个制度化与物质化(institutionalization and materialization)的过程,媒介运作中行动者的实践机制、媒介的物质特征及其使用中形成的信念与规范的动态过程建构了媒介的互动形式、组织规则和物质可供性。④赫普(Andreas Hepp)提出深度媒介化概念刻画数据平台的媒介化过程必须包括对算法、数据和数字基础设施的分析。⑤在数据平台上,点赞键(like-button)勾连(articulate)了用户行动与数字基础设施前台的界面、后台的算法规则和数据过程,为数据平台的运行方式提供了功能性支持(affordance)。因此,点赞键是数字基础设施的枢纽数据装置。考察数据平台的形成和点赞键的谱系,我们发现,点赞键的功能变迁映射了数据平台的建构过程。

点赞作为一项数据技术,最初产生是为了辅助平台管理员测量信息权重并对信息排序。随着网络信息规模的增长,2000年初,FilePile、HotOrNot、Digg、Vimeo、B3ta等平台开始寻找内容精选方法,由此出现了点赞的各种早期雏形。洛克(Matthew Locke)认为直到2009年Facebook收购FriendFeed之后,应用点赞配合信息推送(newsfeed)的设置搭建了一种全新的媒介场景:一方面新版Facebook改变了信息获取方式,让用户不用访问他人主页便可以在自己页面获取订阅信息和好友动态,仅几年时间就使得平台用户从web2.0时代“人人都是内容贡献者”转变为了移动互联网时代“人人都是内容消费者”；另一方面,他认为点赞技术类似广播评级是一种注意力测量(attention metrics),它将用户行为变为有价值的数据。⑥Facebook对点赞键的应用是点赞键历史演变中的一个断裂点,它革新了这项数据技术的媒介化过程。通过点赞技术获取用户态度与情绪等个人数据,Facebook从社交驱动的平台进化为数据驱动的平台,随后其它平台纷纷转型,2010年YouTube与LinkedIn、2011年Google+、2015年Twitter,甚至电商平台Amazon和运动社区Keep都纷纷推出点赞键。如今,中国互联网也基本都应用了这项数据技术。

事实上,平台方已经注意到了点赞对网络社交的重构。Twitter创始人多西(Jack Dorsey)说:“如果让我重头来,我不会再强调关注与点赞。我甚至根本不会创造点赞,因为它并不能实际推动我们现在认为最重要的事情——对网络和网络对话、参与对话以及在对话中学习提供有益的贡献。”⑦然而,即使点赞是一种基于表态的互动而有碍于基于表达的对话,数据平台也无法取消它,因为它是平台获取用户态度与情绪、模拟和决定用户意图与行动的重要技术装置。如今,点赞已经是网络用户表达态度、情绪与想法的常见方式,也是最常见的互动方式,点赞驱动的数据流已经重塑了社交网络中自我对自身与他人的通达方式。

二、点赞键的深度媒介化:点赞支持的数据过程

(一)界面

赫普强调媒介的物质机制与物质形态(material procedures and formations)对交往产生着一种特定的压力,构造了人类交往的形态与可能性,因此传播研究必须考察媒介技术的多重物质特征(manifold materialized specificity)的变化。⑧数据平台上的一系列媒介技术搭建了一种复杂的物质场景,形成了用户体验的规范性,这些技术装置犹如RPG游戏中的一系列设定(地图设计、解谜步骤、NPC引导、任务流程、装备获取以及怪物等级分布等等),它不仅限制着用户能做什么或不能做什么,而且引导和决定着用户该做什么。因此我们需要揭示平台使用界面的层层设置是如何具体地为用户操作和用户互动提供了一种规范性的使用场景。本文以抖音为研究对象。

首先,抖音应用单列设置和上下流动的内容呈现方式,将全部短视频构成一个只能单一呈现的短视频流,这种信息的液态涡流改变了内容的空间性和时间性。一方面,内容单一呈现取消了传统平台内容的并列呈现,聚集了用户的注意力和兴趣,让用户沉浸在内容之中；另一方面短暂的内容呈现可以让用户注意力和兴趣在消散前立刻进入一个新内容中,上下滑动有利于使旧内容立刻退场,也利于新的注意力与兴趣的形成,抵消了聚焦观看的疲劳感,这种注意力和兴趣的不断制造使短视频流就像一个漩涡,吸引用户沉浸在内容流中。其次,短视频不像直播或长视频处在一段自然时间中,内容的开始与结束分布在时间两端,用户需要划分出特定的观看时间。例如八点档的电视节目播放机制使观众能够清晰地区分出休闲娱乐的特定时段,而抖音则将短视频限制在15秒或1分钟内,这使得用户可以随时随地进入和退出视频流。短视频流的碎片化呈现方式淡化了用户使用平台的时间感受,模糊了日常作息中对线上与线下生活的时间规划。这种媒介化过程使媒介就像液体一样参差地渗入了日常生活,液化了线上短视频世界与线下世界的固定边界。⑨

抖音界面的这种设置是为了增加用户停留在平台上的时间,同时还便利了广告的加载和提升了观看量,因此平台必须知道用户想看什么内容。数据平台通过算法推荐优质内容以保持用户黏度,算法的数据则来源于用户对内容的偏好,而点赞键正是测量和收集用户偏好的首要装置。抖音内容的强制推送、用户必须自行滑动才能退出推送内容,使抖音可以更广泛地收集用户数据,平等地对待用户对不感兴趣内容的态度与反应,此外强制推送也可以强行制造用户没有的兴趣以及利于广告展示,因此视频流的推送方式更大地发挥了点赞键对用户数据的收集功能。因此,抖音界面的操作惯习奠基于点赞技术的功能可供性,在点赞键提供的技术支持之中界面的游戏规则才能全面运转起来。

(二)算法

赫普认为深度媒介化概念不仅指媒介的制度化过程,还指过程中媒介建构了行动者的实践惯习,并且这种惯习也反身性地建构了媒介的物质性。在数据平台中,用户的管理方式、用户信息的组织方式、时间线的组织方式以及点赞与评论的实现方式正是制度化行动的物质化过程。因此,对用户贡献的数据进行运算的后台算法驱动着数据平台的媒介化过程。赫普借助埃利亚斯(Norbert Elias)的过程观将媒介化解释为一个过程,而数字化技术放大了媒介的过程本质,例如智能手机与数据平台的后台都是算法,而用户贡献的数据训练了机器学习算法,自动更新的算法又不断地更新数据平台的物质机制与物质形态,使平台永远保持为测试版。换言之,数据的自动化运算过程已经变成了数据媒介的一部分。

短视频平台基于用户数据,用自动化的算法判断内容的推送来掌握用户的偏好。库尔德里(Nick Couldry)与赫普指出,处理数据的算法是一种区别对待的技术,它一般通过识别、分类与评估三个功能处理数据,因此(用户贡献的)原始数据这个词是一个悖论,任何数据都是在算法中形成的。即使算法会根据数据中涌现的模式进行适应和调整,但只要数据处理过程所基于的底层数据库结构不变,那么这种适应与调整也并非来自于原始数据材料中的用户意愿的驱动,而是被数据库的本体特征规范,因此数据一经进入数据库就脱离了所收集的原始材料。换言之,用户贡献的原始数据材料在整个媒介化过程中对社会实在的建构没有独立的作用,它们始终被限制在后台的数据库的结构上与算法的数据处理过程中。用户数据以点赞为开端,进入后台的数据处理过程,最后推送到用户面前,推送出来的内容又通过点赞量显示了它的热度,引发围观、模仿、评论等互动。而媒介化就是这整个以点赞为开端和热度显示为终端的全过程,媒介化过程最终作用于用户行为,形成了行为与媒介物之间的意义关联。因此,只有澄清后台数据库与算法,我们才能澄清数据平台的媒介化过程,以及数据媒介浪潮中社会实在的建构过程。

综合对多家抖音运营商的分析,抖音的内容推送算法一般被称为“流量分发竞争机制”。它包括不同的数据处理策略:复合数据指标,即根据点赞量、完播率、评论量、转发量、关注量来判定一个内容的质量,它决定了内容在不同等级流量池的分发与推送；多种内容赛道,即将内容根据类型分发在不同赛道中进行数据指标的竞争；多级流量池,即算法根据内容的数据指标将内容分发在不同等级的流量池,不同等级流量池的推送权重不同,一个短视频的传播增长需要在不同等级流量池中进行升级才能叠加获得更高权重的推送；冷启动,即用户首发的短视频开始只被给予初始低权重的推送,在初级推送中根据数据指标的竞争判定叠加的推送；周期性推送,即为了保证用户贡献内容的质量以及平台内容的丰富性,所有内容的推送都会被限定在一个时间段内(例如1天到1周),而后根据用户贡献内容的整体数据再判定是否进行二次推送；此外,抖音平台会综合字节跳动旗下其它平台(例如今日头条)的数据建立用户画像,进行精准内容推送。

受数据机制的影响,用户一般不会删除无意义的评论和灌水,甚至恶意评论,也不会维护评论区的交流环境,这种机制甚至会引导用户追求无意义的互动,例如对评论的点赞以及推出神评系统。此外抖音界面并不显示完播率,推送内容的热度最后以点赞量直观呈现给用户,对用户而言内容热度直接显示为点赞量。并且由于点赞对评论的抑制与影响。因此,点赞键作为核心的数据装置,勾连起了其它数据技术、驱动着后台算法的深度媒介化过程,并由此调节着作为媒介物的平台,以及培养和塑造用户行为惯习。

三、评论行为的媒介化与点赞式评论现象

点赞键驱动的深度媒介化过程中形成的媒介物、数据过程和用户行为的意义关联并非媒介物与行为的因果图示,毋宁说是物与行为之间的递归、持续的交叠或纠缠。这种递归关系最终体现在抖音评论区的评论互动中,因此澄清抖音的媒介化过程需要考察用户的评论互动。首先需要描述抖音平台中用户评论的交往特征；其次需要解释抖音评论的物质机制,点赞驱动的数据过程与抖音评论的关联。具体而言,我们要考察抖音评论的互动形式与表达形式是怎样的？评论的意向是怎样的？评论是否有社交意向？评论能否形成对话与沟通？评论是多元化的还是极化的？评论区是否形成了公共领域？简言之,我们需要弄清楚抖音评论的表达形式与互动形式是否延续了传统话语交往的期待,如果没有,那么它的话语形态又是怎样的,以及抖音评论的话语形态对用户行动的支持。

(一)数据

抖音短视频中新闻性短视频的评论区最能够体现用户评论的交往特征。新冠疫情是抖音出现以来最大的公共性事件,而武汉封城是一个有着明确开始与结束的相对独立事件,因此围绕武汉封城期间的抖音疫情新闻的评论互动是一个代表性强的在线评论研究案例。

本文以武汉封城期间抖音平台疫情相关的73个热评短视频中的730条高赞评论为样本。首先,在2020年1月23日至2020年4月8日之间以一个自然周为单位进行等距采样,其中每个单位内抽取评论量排名前十的短视频,共110个,并进一步筛选出与疫情相关的73个短视频。其次,在这73个短视频中收集每个视频下评论点赞量排序前十的评论,同时删除视频发布者的自评与回评,最后共收集730条高赞评论。此外,同时收录730条评论的子评论与发布者的回评作为内容分析的参考指标。

(二)编码

本文对抖音评论的内容分析参考了在线新闻评论研究的内容分析模型,结合本节提出的问题设计了包含7个变量的4个指标刻画评论样本的互动特征:信息性,互动性,情绪化,同质性。模型见表1。

表1 抖音用户评论交往特征编码表

本研究的数据由4个编码员经过训练进行编码,所得变量信度最低值高于0.9,达到内容分析的信度要求。本文的样本数据主要是定类数据,我们的测量主要是对样本数据的描述与对比,因此分析方法主要使用统计量描述与列联表对比。

(三)分析结果与讨论

根据表2显示的定类变量的直接统计结果:

表2 定类变量直接统计量

根据抖音用户评论互动特征的指标,7个变量的直接统计结果可以归纳为:抖音用户评论信息性差、互动性低、情绪化较高、同质化特别高。

1.表达的消逝

结合预设的问题,我们发现抖音评论区缺乏沟通和对话。首先,720条评论样本中仅有33.29%的评论具有信息价值,81.78%的评论形式简单。大部分评论是在固定格式下的赞美、鼓励、强调、支持或反对。“评论点赞”的设置过滤了丰富的信息,并且手机阅读方式和习惯令用户一般不会深度浏览评论区,因此后续用户的评论往往只能面对信息性缺乏的高赞评论。换言之,正是由于“评论点赞”技术的筛选作用过滤了用户的对话对象,互动对象的屏蔽取消了后续用户表达信息的动机。

其次,我们发现用户间的互动几乎可以忽略不计。仅有的7.67%的用户间评论互动的内容也缺乏社交意义。如表3所示:

表3 子评论类型

730条评论样本中仅有7.67%的评论引起了子评论,并且这56个子评论区根据表3所示的内容类型划分,最后仅有18个对话类子评论区,占比仅有2.47%。并且,在这18个对话类子评论区中还包括官方用户请求点赞与关注的评论互动,大部分评论回复都是“聋子间的对话”,而真正引发了回应与对话、形成交流与沟通的评论回复仅有两个特例(同一个短视频评论区)。

此外,我们发现抖音短视频评论区一般只有高赞评论才会形成子评论,虽然抖音评论区的信息排序仅前三条根据点赞量排序,后续评论基本按照时间顺序排列,但由于短视频的浏览特征,短期大量关注的情况下时间顺序基本无法保证单条评论在评论区顶层的停留时间,因此“评论点赞”基本框定了用户的阅读范围,进而使排序在高赞评论范围之外的评论很难触发互动。

在730条评论样本中,只有很少的评论完全不带情绪性的词语或表情包,直接的统计量显示有40.41%的评论包含情绪强烈的表达方式。我们设置了2个变量来测量单个评论区的同质化,极化反映了用户评论立场与态度的一致性,关键词重叠虽然无法完全确证用户评论内容的一致性,但表达中核心词汇的重叠反映了表达的主题和对象的一致,反映了各种评论处在同样的议题框架之中,议题框架中的表达可能性是有限的,因此也能够间接反映评论区的同质化。直接的统计量显示评论极化程度高达87.26%,同时70.55%的评论使用了相同的关键词。但是,因为评论样本并非来自同一个事件,而是来自疫情相关的各种主题的短视频,因此总体样本中相同的极化态度并不意味着真实的态度重叠。我们将730个评论样本回溯到了73个评论区中,若每个评论区中极化态度占比超过50%则该极化态度(1或5)为优势态度,若某个评论与极化的优势态度重叠则被计为重叠态度,在这个条件下我们获得了真实重叠的极化态度的数据,同时与关键词重叠的变量进行合取,根据这两个条件的合取变量Y对730条评论进行过滤,由此获得了480条真实的同质性变量Y的评论数据,百分比数据为65.75%。情绪化的直接统计量和同质性的二阶统计量均显示了抖音评论区的非理性程度较高,用户评论呈现为态度与情绪的表态。

变量4的直接统计量显示用户与短视频内容的信息性互动仅有21.37%,大部分用户评论既没有与他人形成对话,也没有与内容形成对话,大部分用户评论没有叙述个人经验、补充信息、澄清观点、平衡讨论、指出错误、进行价值观的说服。换言之,大部分用户评论都是没有互动性和信息性的独白。这类评论的本质是一种语词化的点赞或“手动点赞”,评论的动机不包含沟通的意向,只是一种表态而非表达。

2.抵消沟通

统计量描述反映了抖音评论的现状,却无法反映抖音评论的动力机制。由于我们的分析模型是定类量表,无法刻画相关项的定比关系,因此采取列联表对比数据的方法以间接反映定类变量间的关联。首先,将信息价值变量1与用户—内容互动变量4进行合取获得反映信息性与互动性的新变量X,根据合取条件X过滤得到138条评论数据。其次,结合反映真实同质性的变量Y与X变量组合形成列联表4。最后,对表4中X在Y上的差异进行检验,其中没有单元格期望计数少于5,且最小期望计数为47.26,因此采用Pearson卡方检验数据。根据检验结果(χ2=20.519,df=1,p=0.000<0.001),可知X的选择在Y上存在显著差异。

表4 互动信息变量与真实同质化变量列联表

(χ2=20.519,df=1,p=0.000<0.001)

如表4所示,抖音用户评论的信息互动性与同质性这两个属性存在相关性。此外可见,虽然列联表的频率显示具有信息与互动的评论中内容的同质性比例较“点赞式评论”低20%,但是在总体样本中占比仍比较低(19.2%),并且在X+的138条评论数据中仍然有近一半的同质性内容(49.3%)。多明戈(David Domingo)团队研究发现,对在线新闻进行感受性表达与同质化表达占优势的评论社区,缺乏多元意见间文明的讨论和辩论,因此这类评论社区无法形成公共领域；并且受文化与意识形态、政治制度以及在线新闻评论区管理方式等因素的影响,大部分的评论社区仍是一个用户情绪化表态与霸权话语完成自身再复制的空间。另外,坎加斯蓬塔(Veera Kangaspunta)发现在线新闻评论区用户之间结构松散,聚类系数低,用户评论并没有形成意见组织,大部分用户只是受获取信息动机的驱动而更喜欢和新闻直接互动,相反评论区的结构化往往是由一些潜在活跃用户或潜在公众(potential public)推动的,这些偏好与他人进行互动的用户则受获取社会机会动机的驱动；沟通和交流不是公共领域形成的原因,而是在潜在公众的作用下推动大部分用户的公众化、形成公共讨论所产生的结果。换言之,具有信息性与互动性的评论并非社交的原因,而是个别积极用户推动的结果。在我们的调查中,占总样本量9.6%的70条具有信息性与互动性且不具有同质性的用户评论已经是积极公众化的结果,并不能被认作改变“点赞式评论”的原因。亦即,占总样本量9.6%的70条评论作为结果反映了抖音评论区潜在公众的“失败”,作为潜在公众的积极用户评论对沟通与对话的动机引发被大量的同质化评论抵消了。

对X变量与Y变量的卡方检验反映了信息性、互动性与同质化之间存在相关性,但描述性分析无法呈现抖音用户评论交往特征形成的原因。齐格勒(Marc Ziegele)、布海纳(Timo Breiner)与蒯林(Oliver Quiring)在调查用户评论动机的定性访谈中发现,争议性与个性化的评论内容更易引发反馈,但是用户能够自觉区分争议性评论(controversial statement)与攻击性评论(aggressive behavior),而这些不文明的、态度极端的、攻击性的评论以及同质化评论则会抵消争议性与个性化评论的动机。综合本文的描述性分析,表4数据显示的情绪化、极化与同质化评论的大量存在解释了具有潜在公众因素的抖音评论为什么没有形成对话与交流的组织结构和公共领域。

3.点赞式评论

根据本节对抖音评论的内容分析,从信息性、互动性、情绪性与同质化四个维度看,大部分的抖音评论是一种类似于点赞的话语行为。网友常将这种行为比喻为“手动点赞”,它是通过一系列话语构成点赞态度的表达,传达的是一种情绪、态度与偏好,其中缺乏信息表达,指向的是被点赞的视频,而非其它评论,因此一般没有沟通的意向,它更倾向于一种独白而无法形成互动,往往能够形成一种极端和重复的表态运动。

从数量上看,短视频的评论量一般都远低于百万数量级的视频点赞量,评论点赞的总量一般都大于评论的数量,可见大多数抖音用户都选择了点赞的表达方式。此外,有限的评论又主要是点赞式评论,因此可见点赞这一平台技术不仅影响了抖音平台的物质性设置,而且直接影响了用户在平台场景中的话语行为。从内容上看,点赞是一种轻度参与,点赞键的设置降低了用户参与互动的标准与难度,使得大量浅互动与信息性低的评论内容充斥评论区,而这些信息性与互动性低的评论内容数量庞大且彼此认同,因此极大地稀释了信息性与互动性高的评论,降低了后者的曝光度。

如前所示,评论样本中仅有两个高赞评论引发了持续对话,并且73个视频评论区中低赞评论都没有子评论,而且评论区的对话都集中于高赞评论的子评论中,这使得对话内容和议题集中于评论点赞的框架中,这与按时间序列评论的话题发展规律不同,评论的点赞装置限制了其它对话内容和议题的发展。格拉斯(Geoffrey D.B.Glass)发现这种评论点赞机制在论坛评论中不常见,大部分存在于在线新闻的评论区,他认为高赞评论凝聚了读者的注意力,降低了其它评论的阅读量,甚至评论点赞可能会导致新闻读者为争夺点赞量而出现不文明现象与分裂现象。并且,社交网站中的评论点赞,与在线新闻评论区对某个评论内容的点赞不同,它不是对被点赞内容的受喜爱程度的反映,而是反映了社交价值,因此在社交网站中它与其说是对被点赞内容的支持倒不如说是对被点赞者的支持。格拉斯对评论点赞侧重内容偏好与侧重个人支持的区分,在中国网络社会中更复杂,即公共性评论的点赞也存在大量个人支持的评论行为,而这加深了评论读者对内容的喜恶,进一步强化了汇聚认同、过滤反对意见和情绪与态度的极化。

四、深度媒介化中的生存与互动

(一)媒介化的层级与生存挂碍

点赞键是一种现身在用户操作中的数据技术,但它驱动的深度媒介化过程则是不可见的。海德格尔用“周围世界”(umwelt)概念描述这种不可见性,它形成了日常生活处境的背景,并指引着在生存遭遇的“挂碍”(Angehende),生成个体切近他者的意义关联,周围世界中形成的这种生存挂碍最终散见在形形色色的操作与互动中。海德格尔描述的这种现象学构造可以为反思不可见的数据流建构数据化生存境遇的媒介化过程提供一种参考。

海德格尔说:“传达活动从来不是把某些体验从这一主体内部输送到那一主体内部这类事情。共在本质上已经在共同现身和共同理解中公开了。在话语中,共在以形诸言词的方式被分享着,也就是说,共在已经存在,只不过原先没有作为被把握、被占有的共在得到了分享罢了。”共在概念揭示了比交往行为更源始的某种体验,据此媒介化过程可以分为两个层级。前客体化的生存经验:周围世界的现身情态(befindlichkeit)与前理解(vorverständnis)；客体化行为:日常生活中我与他人和他物打交道的交往行为。前者是后者中形成的媒介物与行为的意义关联的发生基础。

所谓现身情态,海德格尔又将之称为基础情绪(grund stimmung),德雷福斯(Hubert L.Dreyfus)指出它类似于我们日常见面问候——最近过的如何(How are you doing?)——所问及的那个事情：首先,现身情态是一种共享的情绪而非内心感受,现身情态是生存的一个维度——情绪不在我之中,而是我存在于情绪之中,基础情绪具有主体间性；其次,现身情态对我是一种亲熟与可靠的存在,但我平常意识不到它的存在,它不是我经验的对象或内容,而是经验的背景。据此,德雷福斯认为现身情态概念类似于文化情绪或社会情绪。换言之,现身情态是我与他者打交道所处的一种背景情景,它具有感发性(angänglichkeit),即我在与他者打交道中被动地受共享的情绪感触而自行生发出生存的“挂碍”。

所谓前理解,海德格尔首先指出它不是一种认知,并且它和现身情态是一体两面的,前理解带有情绪,而情绪中已经有某种挂念与理解了。德雷福斯认为前理解是指一种实践智慧,它不是关于对象是什么(what is)的认知(empfinden oder anstarren),而是与挂碍如何相处(how to)的寻伺(umsichtig):现身情态将他者对我呈现为可怕的、焦虑的、不安的、有趣的、有关紧要的等等,形成了日常生活中的挂碍。而前理解则把某些行动对我呈现为可行的或不可能的、有意义的或无意义的,形成了我如何与挂碍相处、适当应对挂碍的各种可能方式。此外,前理解与现身情态一样,是“百姓日用而不知”的存在,亲熟且可靠,处在生活的背景中,决定了生活的遭遇。

参考海德格尔现象学,将媒介化过程延伸到源始经验的反思中,除了要分析数据媒介与人类交往的意义关联,还必须描述深度媒介化构成的底层挂碍。综合本文对抖音互动的分析,我们发现其中均蕴藏着一种对数据的挂碍,用户发布渴望成为热门,平台的运转以数据流为指标,甚至用户评论也追求热评、神评,数据流成为了一切行动背景中的挂碍。早期互联网敞开了一个交流的境遇,用户贡献数据获得了参与感。随着海量数据的形成、点赞等数据技术驱动数据平台崛起,数据平台环境中仅有少数满足条件——点赞量等数据流指标——的数据才能获得显示、具有存在感,用户贡献行为虽然仍是参与,但参与感则消逝,网络社会的存在感与参与感的底层挂碍变化了,数据流成了全部行动的“有关紧要之事”。

(二)点赞与不可通达性互动

深度媒介化过程中形成的数据挂碍形成了数据平台与用户行为的意义关联,抖音平台的内容推送、发布、观看、评论等一系列有意义行为受到数据挂碍的感发牵引。数据技术建构了一个由热门视频、热门人物、网络热评与热梗等热门对象构成的社会世界。用户要么意在成为热点而得到显示和关注,要么意在参与热点而得到存在感,否则其就会成为不可见之物和非存在。

网络热点制造是数据平台的引擎,而热点起源于点赞。围观与模仿建构了群体的同质化,而这在技术上更依赖于点赞获取的意图与偏好。因此网络热点制造与社群同质化是一种点赞的永恒轮回。韩炳哲指出:“没有痛苦,没有他者的负面性,沉溺于过度的正面性之中是没有任何经验可言的。这就好像,人们经过了千山万水,却无法形成任何经验。人们没完没了地数数(挂念数据流量),却不能完成任何叙述。人们感知所有的事物,却不能形成任何认识。痛苦,即因为他者而存在的阈值感,是精神的媒介。精神即痛苦。黑格尔的《精神现象学》描述了一条苦伤道。与此相反,数字现象学中是不存在精神的辨证痛苦的,它是一种‘点赞现象学’(Phänomenologie des Gefällt-mir)。”即精神只有与异己的他者遭遇才能觉醒,而点赞等数据技术建构的同质化社会删除了自我与他人之间的距离与差异。我们的调查印证了韩炳哲的洞见:评论区的沟通被高赞评论和大量点赞式评论瓦解；点赞技术降低了参与和互动的门槛,制造的大量软垃圾(语言垃圾、符号垃圾与交流垃圾)降低了有效评论的曝光度；过度互动形成的过度亲近消除了与他者交流的痛苦。点赞不仅从结构上,而且从体验上改变了人类交往,韩炳哲将之称为“感知的角质化”。

交往的现象学本质是意识自身向陌生经验的通达,意识的可通达性使我们能够理解事物与他人。但是点赞键等数据技术搭建的平台以及点赞式评论改变了互动中的参与感,数据过程形成的语境让互动不依赖表达与沟通。而在沟通消逝的评论区却形成了大量的点赞互动、独白、表态与认同,甚至发展成为集体行动与舆论。一方面,朝向主题的同质化互动代替了朝向对象的差异化交流,另一方面表态中去语境化的主题与态度代替了交流的具体对象与观点。

这种缺乏可通达性的互动只是一种单纯的同一性。在深度媒介化过程中,点赞技术建构了数据化生存的底层挂碍,形成了一种不具有可通达性的互动关系。算法让用户贡献数据的社会处在数据自动化的监督与配置之下,我们不能只看到权力结构的变化,也要关注到社会行动背景中存在感受的变化。

注释:

① [美]沃尔特·翁:《口语文化与书面文化》,何道宽译,北京大学出版社2008年版,第27-37页。

② Edmund Husserl.DingundRaum.Martinus Nijhoff.1973.S.104;[美]托马斯·希恩:《理解海德格尔》,邓定译,译林出版社2022年版,第136页。

③ [德]马丁·海德格尔:《同一与差异》,孙周兴等译,商务印书馆2014年版,第40页。

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.