|
任何趣味都不是自然的、纯粹的，都是习性、资本和场域互相作用的产物。而隐匿于个性（品味）背后的算法推荐赋予了阶级区分天然的合理性。
品味：一把精细、隐匿的社会等级标尺
你怎样穿戴。看什么电视节目，或者看不看电视，你吃什么饭，或者什么时间吃饭...这些都是你所属社会等级的指示计！ 你属于哪个阶层？
到底有多少社会等级？ 人们的常识认为只有两种：富人和穷人，或者统治阶级和被统治阶级。随着生活水准的普遍提高，这一简单划分显然不再适用。社会学家倾向于五种阶层的划分：上层、上中产阶级、中产阶级、下中产阶级、下层。 保罗 福赛尔通过研究和观察后认为，美国社会阶层可以分为九种：看不见的顶层、上层阶级、中上层阶级（此三种为上层）、中产阶级、上层贫民、中层贫民、下层贫民（此四种为中层）、赤贫阶级、以及看不见的底层（此两种为下层） 消费者的社会等级与社会所认可的艺术等级相符，并在每种艺术内部，与社会认可的题材、流派或时代的等级相符。这就使趣味作为“等级”的特别标志起作用。
个性推荐：不平等的信息分发
个性推荐系统建立在大数据与云计算等技术支撑之上，目前推荐系统中常用到的算法包括用户偏好算法、协同过滤算法（item_base，user_base）、关联规则算法、聚类算法、内容相似性算法（content_base）以及一些其它的补充算法。 指导技术运作的逻辑基于三个简单的过滤机制：找出他们是谁，他们喜欢什么；提供你适合的内容与服务；适合的才是最好的。 实际上，无论是基于社交网络推荐，还是基于动作特征：点击、停留、滑动、评论、分享或是基于环境特征（场景）：wi-fi 还是3G环境；GPS定位，是在常住地还是处于旅行的状态；是白天还是夜晚等等；还是社交特征：朋友的身份地位，圈子的共同特征。无非都是资本、习性和场域互相作用的产物。归根结底就是基于兴趣的区分。
我们以为按照“个性”“兴趣”“品味”这类带有自然属性的标尺去分发信息应该可以创造出一个高效、民主、自由的信息共享平台，但是，很明显，品味天然带有阶级区隔与不平等的标记，因此，换言之，个性推荐是一种不平等的推荐，是带有阶级区隔的“猜你喜欢”。 信息社会所带来的“茧房”效应从某种程度上讲使上层阶级摆脱了垃圾信息，而对于下层阶级来讲却是囿于低级的“个人日报”。
布尔迪厄指出，科学考察反对将合法文化方面的趣味看作是天赋的超凡魅力观念。 调查证实，所有文化实践：去博物馆、音乐会、展览会 阅读等等，（这里可以将其替换为在互联网时代个性化推荐下的文化实践：诸如新闻资讯的获取；豆瓣上阅读与观影的行为；网易公开课中关注的信息资源；网易云音乐的个性推荐）以及文学、绘画和音乐方面的偏好，都与（依学历或学习年限衡量的）教育水平密切相关，其次与社会出生相关。而教育水平本身又与社会资本高度相符。 因此，把趣味当作客观的，纯粹先天自然的观点是有误的，而把误解的主体当做判断力衡量的标准，企图施与人们平等的信息环境无疑是有待考证的。隐匿于个性背后的算法推荐赋予了阶级区分天然的合理性。
现在，人们审慎算法逻辑，审慎算法推荐，但人们将太多的注意力放在科技对人性冲击的集体恐慌中，他们担心基于人的身份特性推荐信息最终演变为客体塑造主体，就像麦克卢汉所说的一样，（We shape our tools, and thereafter our tools shape us.）。但是，科技形塑人类始终是基于人类的意志，我们现在应该审慎的是一些人如何用科技征服（蒙昧）另一些人。否则，正如奥威尔所说“这个世界上，人人生而平等，但有些人比另一些人更加平等”
本文为北大新媒体原创，转载请注明出处 北大新媒体 微信号：beidaxinmeiti 微博：@北大新媒体 |
|
|
