

沟通可见性理论:CMC研究的新核心• 论文引用信息: Treem, J. W., Leonardi, P. M., & van den Hooff, B. (2020). Computer-mediated communication in the age of communication visibility. Journal of Computer-Mediated Communication, 25(1), 44–59. • 论文的主要问题: 探讨在计算机中介传播(CMC)中,沟通如何以以前难以实现的方式变得“可见”,并指出传统CMC理论不足以解释这种多维的可见性。 • 论文的核心概念: 沟通可见性(Communication Visibility)、根源可供性(Root Affordance)、第三方效应(Third-party Effect)、社会物质性(Sociomateriality)。 • 研究方法(简略): 理论阐释与概念化研究(Gregor的II型理论,旨在解释现象如何及为何发生)。 • 主要结论(详细): 1. 可见性是CMC的“根源可供性”:其他特性(如可编辑性、持久性、关联性)都源于并依赖于可见性。 2. 可见性的三个维度:它是行动者的策略活动、观察者的获取行为以及受技术特征影响的社会物质环境三者交织的结果。 3. 第三方效应的重要性:CMC使得沟通能跨越时空被非直接对话者看到,这显著改变了人们的元知识(知道谁知道什么)和印象管理策略。 4. 理论重构:可见性的提升可能导致个人隐私边界愿望与实际管理能力之间的鸿沟加大,需重新审视隐私管理和授权理论。
可供性的阐释:沟通研究的概念框架. 可供性的阐释:沟通研究的概念框架 • 论文引用信息: Evans, S. K., Pearce, K. E., Vitak, J., & Treem, J. W. (2017). Explicating affordances: A conceptual framework for understanding affordances in communication research. Journal of Computer-Mediated Communication, 22(1), 35–52. • 论文的主要问题: 针对沟通与技术研究中“可供性”术语使用混乱、定义不一的现状进行清理和界定。 • 论文的核心概念: 可供性门槛标准(Threshold Criteria)、功能特性(Features)、结果(Outcomes)、变异性(Variability)。 • 研究方法(简略): 对82篇关于可供性的学术著作进行文献分析。 • 主要结论(详细): 1. 识别三大不一致性:研究者常忽视前人文献、仅列出清单而不定义概念、以及将可供性与技术功能或行为结果混淆。 2. 提出识别可供性的三个门槛标准: ▪ 标准#1:非对象/非特性。可供性不是技术自带的静态属性(如摄像头是特性,录制性才是可供性)。 ▪ 标准#2:非结果。可供性是实现目标的手段,而非目标本身(如建立社区是结果,可见性是实现它的可供性)。 ▪ 标准#3:具有变异性。可供性不是二元的(有或无),而是存在程度上的差异(如可见度的高低)。 3. 关系视角:强调可供性是用户与物体之间的一种多维关系结构,既非完全取决于技术,也非完全取决于人的机构。
想象的可供性:重构沟通理论关键词想象的可供性:重构沟通理论关键词 • 论文引用信息: Nagy, P., & Neff, G. (2015). Imagined affordance: Reconstructing a keyword for communication theory. Social Media + Society, 1–9. • 论文的主要问题: 传统的可供性定义忽略了用户的主观认知、情感以及算法等复杂技术系统对社会性的影响。 • 论文的核心概念: 想象的可供性(Imagined Affordance)、物质性(Materiality)、情感(Affect)、中介化(Mediation)。 • 研究方法(简略): 理论重构与批判性概念分析。 • 主要结论(详细): 1. 定义“想象的可供性”:它产生于用户的认知/预期、技术的物质功能以及设计者的意图三者之间。 2. 打破理性偏见:可供性不仅仅是理性操作的可能性,还包括用户的误解、恐惧和非理性预期(如用户因不懂算法而将信息缺失归因于情感冷淡)。 3. 强调中介化与情感:用户的沟通环境是被中介化的,情感状态(如焦虑)会直接改变用户对环境可供性的感知和利用。 4. 应对黑箱技术:该概念有助于分析算法等对用户而言“不可见”的技术如何通过塑造用户的感知来发挥作用。
情侣app揭示七层技术权力关系通俗可供性:微社交应用中的意义建构 • 论文引用信息: McVeigh-Schultz, J., & Baym, N. K. (2015). Thinking of you: Vernacular affordance in the context of the microsocial relationship app, Couple. Social Media + Society, 1–13. • 论文的主要问题: 普通用户在日常生活中如何理解和建构他们所使用的技术的可供性。 • 论文的核心概念: 通俗可供性(Vernacular Affordance)、意义建构(Sense-making)、微社交媒体(Microsocial Media)、尺度层级(Levels of Scale)。 • 研究方法(简略): 对7对使用“Couple”应用的伴侣进行深度定性访谈,并结合应用操作演示。 • 主要结论(详细): 1. 层级化认知:用户通过实践在不同尺度(基础设施、设备、应用、功能特性、交互模态)上理解可供性,而非将其视为单一单位。 2. 流动的解释策略:用户在解释习惯时会灵活切换层级。例如,将使用某应用解释为“在媒介生态中的主动选择”;或将其解释为“受技术系统(如已读通知)的限制”。 3. 实践中的意义建构:伴侣们会根据应用的物质结构发明独特的沟通习惯(如通过“想念你”按钮进行非言语的联系感维护),这些通俗认知反过来塑造了技术的使用方式。 4. 修辞框架:通俗可供性的谈论往往带有修辞意图,通过强调“选择”或“约束”来在关系中协商个体的机构性。
设计可供性的编码与解码:权力与抗争• 论文引用信息: Shaw, A. (2017). Encoding and decoding affordances: Stuart Hall and interactive media technologies. Media, Culture & Society, 1–11. • 论文的主要问题: 如何将斯图亚特·霍尔的“编码/解码”模型应用于互动媒体,以揭示技术设计中嵌入的意识形态和权力关系。 • 论文的核心概念: 设计的可供性(Designed Affordances)、主导式使用(Dominant Use)、协商式使用(Negotiated Use)、对立式使用(Oppositional Use)。 • 研究方法(简略): 理论评论与模型构建。 • 主要结论(详细): 1. 模型融合:将霍尔的阅读立场与Gaver的可供性分类(可感知的、隐藏的、虚假的)相结合。 2. 三种使用立场的定义: ▪ 主导式使用:用户按设计者预想的“正确”方式使用,即利用“可感知的可供性”。 ▪ 协商式使用:用户虽然“正确”操作,但产生了设计者未完全预见的涌现用法,涉及“隐藏的可供性”。 ▪ 对立式使用:用户以设计者未料到或不希望的方式使用,甚至将“虚假可供性”转化为实际用途。 3. 权力的政治学:强调谁有权定义技术的“正确使用方式”本质上是权力运作,研究者应通过寻找隐藏的可供性来颠覆现有的霸权结构。
社交媒体上的自我披露:披露动机和特征《社交媒体上的自我披露:将功能方法扩展到社交网站上的披露动机和特征》**(Self-Disclosure in Social Media: Extending the Functional Approach to Disclosure Motivations and Characteristics on Social Network Sites)。 该论文的作者是康奈尔大学传播学系的 Natalya N. Bazarova 和 Yoon Hyung Choi。 论文的主要贡献与核心模型 这篇文章的主要目的是检验人们在社交网络平台(SNSs)上进行自我披露(self-disclosure)的原因,以及这些动机如何影响披露内容的亲密程度。 作者提出了一个社交网络平台自我披露的功能模型。该模型整合了自我披露的功能理论和关于受众表征(audience representations)作为激活人际目标的情境线索的研究。根据该模型,人们在 SNSs 上追求战略目标,并根据社交媒体赋能(media affordances)的不同而进行不同方式的披露。具体来说,披露目标在媒体赋能和披露亲密程度之间起到了中介作用。 研究通过对 **Facebook 状态更新(status updates)、留言板帖子(wall posts)和私信(private messaging)**的内容和背后的目标进行分析,揭示了不同媒体赋能(取决于其隐私/公开性和互动导向性)所特有的自我披露目标。 传统自我披露观点的挑战 传统上,自我披露被定义为“向他人揭示个人信息的行为”,通常发生在封闭的、通常是双边(dyadic)的环境中,例如与一个值得信任的接收者分享信息,以此来最小化披露者的脆弱性和信息风险。传统观点认为,当存在不相关的“第三方”或观察者时,由于脆弱性和信息控制损失的增加,披露会减少。 然而,SNSs 上的公开自我披露与传统的理解不符。 • SNSs 上的披露通常是向整个“朋友”或“关注者”网络广播(broadcast),受众庞大、多样化且通常不明确。 • 用户会发布亲密信息(例如性取向、情感状态)以及外围信息(例如餐厅喜好),这与渐进式披露原则(即先分享外围信息,然后才分享更亲密的信息)相悖。 作者认为,SNSs 的赋能放大了人际交流中一直存在的战略关注和动机,而功能理论(Functional Theory of Self-Disclosure)有助于解释这种战略行为。 自我披露的功能理论与目标(Goals) 功能理论认为,披露目标或自我披露的主观原因会激活披露决策过程并塑造其内容。该理论将披露目标分为五大类: 1. 社交验证(Social Validation): 通过寻求社会认可、社会接受和普遍喜爱来验证自我概念和自我价值。 2. 自我表达和解脱(Self-Expression and Relief): 通过发泄负面情绪和披露问题来减轻痛苦。 3. 关系发展(Relational Development): 旨在增加与他人的关系亲密度和亲近感。 4. 身份澄清(Identity Clarification): 传达关于自身身份的信息,并为自己和他人定义自己的立场。 5. 社会控制和资源获取(Social Control and Resource Gain): 战略性地分享有关自身的信息,以控制社会结果和资源(例如信息或社会利益)。 6. 信息分享(Information Sharing): 通过分享信息或个人经历使他人受益(在应用到社交媒体时增加的类别)。 7. 信息存储和娱乐(Information Storage and Entertainment): 个人享受、未来使用(存储)和乐趣(在应用到社交媒体时增加的类别)。 社交媒体赋能与披露目标 SNSs 上的沟通形式,特别是可见性(visibility)和互动导向性(interaction directedness),会影响用户对受众的建构,从而激活不同的披露目标。 • 可见性: 例如,Facebook 状态更新和留言板帖子默认对所有有权限的人可见,而私信则在封闭的一对一互动中进行。高可见性模式的受众很容易超出名义上的目标,导致受众不明确和“不可见”。 • 导向性: 状态更新通常没有特定的指向对象,而私信和留言板帖子则指向特定的接收者。 主要发现(基于 Facebook 数据) 研究发现,在 Facebook 不同的沟通形式中,人们追求不同的战略目标和动机: Facebook 沟通形式 赋能特征 主要披露目标 (N/总体 %) 披露亲密程度 (M) 状态更新(Status Updates) 公开、非导向 (Directed at general others) 社交验证 (51.60%) 和 自我表达/解脱 (20.00%) 最低 (M=3.54) 留言板帖子(Wall Posts) 公开、导向 (Directed at specific target) 关系发展 (50.90%) 较低 (M=3.74) 私信(Private Messages) 私密、导向 (Directed at specific target) 关系发展 (44.98%) 和 社会控制 (20.36%) 最高 (M=4.54) 1. 关系发展目标 (H2): • 指向特定对象的披露(留言板帖子和私信)比指向一般对象的披露(状态更新)更容易出现关系发展目标。 • 留言板帖子的关系目标概率是状态更新的约 11 倍,私信是状态更新的约 9 倍。 2. 社交验证目标 (H3a, H3b): • 社交验证目标在非导向的、公开的状态更新中最突出。这与 Jourard (1971) 所描述的“广播式自我披露”情况最为相似。 • 状态更新的社交验证目标概率比留言板帖子高约 3.87 倍,比私信高约 6 倍。 • 由于留言板帖子的可见性更高,其社交验证目标也比私信更突出(约高 1.5 倍)。 3. 披露亲密程度 (H4): • 私信中的披露比状态更新或留言板帖子更亲密。 • 这支持了传统观点,即当用户无法控制披露对象时(如在可见性更高的 SNS 形式中),他们会通过对披露内容的更高选择性来弥补缺乏目标控制,即分享较少亲密和私人的信息。 4. 目标的中介作用 (H7): • 研究结果支持了披露目标(特别是关系发展和社交验证目标)在 Facebook 沟通形式和披露亲密程度之间发挥中介作用。这意味着媒体赋能影响了人们的目标,而目标随后决定了披露内容的亲密程度。 总而言之,该研究通过实证分析实际的交流行为,证实了人们在社交媒体上进行自我披露是出于战略性动机,并且会根据平台功能(可见性和导向性)塑造的受众感知来调整披露的目标和亲密程度。 我们可以将社交媒体上的自我披露视为一种社交媒体导航系统。用户并非随意地将所有个人信息倾倒在互联网上,而是像驾车者选择不同的道路一样:当他们想与亲密的朋友进行深入的对话(关系发展目标)时,他们会选择私密的“小路”(私信,高亲密性);而当他们只是想寻求认可或宣传自己(社交验证目标)时,他们会选择公开的“高速公路”(状态更新,低亲密性),因为在公开环境中,他们必须更谨慎地控制自己透露的信息。
在线情绪表达的规范:比较 Facebook、Twitter、Instagram 和 WhatsApp《在线情绪表达的规范:比较 Facebook、Twitter、Instagram 和 WhatsApp》(Norms of online expressions of emotion: Comparing Facebook, Twitter, Instagram, and WhatsApp)。该研究由阿姆斯特丹大学的 Sophie F Waterloo、Susanne E Baumgartner、Jochen Peter 和 Patti M Valkenburg 撰写。 该研究的主要目标是检验在社交媒体上表达情绪的规范。具体来说,研究人员调查了表达六种离散情绪(即悲伤、愤怒、失望、担忧、快乐和骄傲)的感知恰当性(即内隐规范,injunctive norms)在这四种不同的社交媒体平台上的情况。 以下是论文的关键内容和发现: 1. 研究背景与目的 社交媒体使用户能够轻松地与他人分享他们的想法和感受。然而,用户必须仔细权衡在不同平台提供的各种社交环境中进行这种分享是否恰当。 • 内隐规范 (Injunctive Norms): 研究关注的是内隐规范,即人们认为某些行为是恰当或不恰当的程度。内隐规范通过“承诺社会奖励或惩罚”来激励行为。由于与内隐规范相关的社会惩罚风险(例如社会排斥、不赞成或负面公众形象),研究内隐规范对于理解自我表达行为尤为重要。 • 积极偏见 (Positivity Bias): 迄今为止的研究表明存在在线“积极偏见”,即大多数发布的内容倾向于积极而非消极的情绪。这可能源于普遍存在的积极性规范。 • 研究目标: 该研究旨在通过调查问卷阐明在社交媒体上表达情绪的规范模式。具体包括:调查披露积极和消极情绪的感知恰当性以描绘潜在的在线情绪表达积极偏见;阐明特定情绪表达的感知内隐规范如何在不同的社交媒体环境中有所不同;以及探讨这些感知内隐规范如何随年龄和性别变化。 2. 研究方法与样本 • 样本: 数据于 2016 年 3 月收集,样本来自 1201 名年轻的荷兰用户(年龄在 15 岁至 25 岁之间)。样本根据年龄(青少年后期 15-18 岁,新兴成人 19-25 岁)和性别(男女各占 50%)预设了配额。 • 平台: 论文比较了四个流行的社交媒体平台:Facebook, Twitter, Instagram, 和 WhatsApp。 • 测量: 参与者被要求就每个平台,对“对我重要的人会同意我发布一些让我感到 X 的内容”这类陈述表示同意程度(使用五点李克特量表),其中 X 代表六种离散情绪(悲伤、愤怒、失望、担忧、快乐、骄傲)。 3. 主要研究结果 A. 积极情绪和消极情绪的总体比较 (H1) • 假设 1 得到支持: 总体而言,积极情绪的表达被认为比消极情绪的表达更恰当(积极情绪的平均恰当性评分为 M=3.91,消极情绪为 M=3.33),差异具有统计学意义。这与离线披露中积极情绪表达比消极情绪表达更恰当的研究结果一致。 B. 平台差异 (H2, H3, H4) 研究发现不同平台之间存在差异。 • WhatsApp 的特殊性 (H4 得到支持): 对于积极和消极情绪的表达,WhatsApp 的感知恰当性评分最高,高于 Facebook、Twitter 和 Instagram。WhatsApp 提供了最高的行为隐私级别,通常用于与亲密朋友直接交流,代表着一个私密的沟通渠道。 • 消极情绪表达 (H2 部分支持): ◦ 表达消极情绪(悲伤、愤怒、失望、担忧)的感知恰当性评级最高的是 WhatsApp,其次是 Facebook 和 Twitter,而 Instagram 的评分最低。 ◦ 尽管假设预测 Facebook 和 Twitter 之间存在显著差异,但结果并未证实这一点。 • 积极情绪表达 (H3 部分支持): ◦ 表达积极情绪(快乐和骄傲)的感知恰当性评级最高的是 WhatsApp,其次是 Instagram 和 Facebook,而 Twitter 的评分最低。 ◦ 结果显示 Instagram 和 Facebook 的感知恰当性均高于 Twitter,但 Instagram 和 Facebook 之间的差异没有达到统计学显著性。 ◦ 研究指出,Instagram 侧重于视觉和美学,可能更鼓励积极和自我宣传的内容,而 Twitter 的短消息特征似乎更易引发负面评论。 C. 年龄和性别差异 (RQ1, RQ2) • 年龄差异 (RQ1): 青少年后期(15-18 岁)和新兴成人(19-25 岁)在感知情绪表达的恰当性方面总体上没有差异。唯一的例外是在 Instagram 上,青少年后期(M=4.00)认为表达快乐比新兴成人(M=3.82)更恰当。 • 性别差异 (RQ2): 发现了一些性别差异。 ◦ 在 Facebook、Twitter 和 Instagram 上,女性对积极情绪表达的恰当性评分高于男性。 ◦ 在 WhatsApp 这个更私密的平台,女性认为所有情绪(包括积极和消极情绪)的表达都比男性更恰当。 ◦ 在 Facebook、Twitter 和 Instagram 上,男性和女性对消极情绪表达的看法基本相同,但表达担忧在 Facebook 上除外(女性评分更高)。 4. 结论与贡献 这些研究结果描绘了不同平台在线情绪表达的普遍内隐规范。 • 社交环境的重要性: 研究显示,用户认为在社交媒体上表达积极和消极情绪都是可以接受的。更私密的空间(如 WhatsApp)允许更宽松的情绪表达规范。 • 平台选择的驱动力: 平台特征似乎会邀请或限制特定类型的情绪表达。如果用户需要表达情绪,他们可能会选择一个他们认为这种表达会被认为恰当的平台。 • 对规范的理解: 总体而言,结果有助于更深入地理解在线情绪表达。该研究通过考虑不同的平台和更细致的情绪类型,为性别差异的理论理解提供了更细致的视角。
社交媒体上的性别可见性:驾驭 Instagram 的真实性困境《社交媒体上的性别可见性:驾驭 Instagram 的真实性困境》(Gendered Visibility on Social Media: Navigating Instagram’s Authenticity Bind)**。 该论文由康奈尔大学的 Brooke Erin Duffy 和宾夕法尼亚大学的 Emily Hund 撰写。 论文的背景、主题和核心论点 这篇研究探讨了在社交媒体上,特别是 Instagram 平台上,**可见性(visibility)**所带来的复杂性质,尤其侧重于对女性内容创作者(即“影响者”或“网红”)的影响。 核心论点: 数字经济中对关注度和可见性的逻辑驱使社交媒体用户“展示自己”,但个体体验数字可见性的方式却极其不平衡。特别是对于女性而言,在线公共交流的性质充满了风险,可能导致嘲笑、仇恨和骚扰。作者认为,Instagram 上这种独特的、带有性别色彩的“真实性困境”(authenticity bind)反映了数字网络空间中对女性和其他边缘化群体的更广泛的监管(policing)。在这些空间中,她们必须小心翼翼地在可见性与脆弱性之间划清界限。 研究方法 作者基于对 25 位有抱负的(aspiring)和专业的(professional)Instagrammers(影响者)进行深度访谈所得出的数据。这些受访者主要集中在时尚、美妆和生活方式领域,并且绝大多数是女性。 关键概念和发现 1. 可见性命令与风险 (The Visibility Mandate and Risks) • 可见性命令: 社交媒体经济的逻辑(关注度和声誉)驱使用户寻求点赞、收藏、评论和转发等可见性标志。对于以社交媒体为生的专业人士(如 YouTube 视频博主、博主和 Instagrammers)来说,这种“展示自己”的“可见性命令”程度更高,他们的职业成功直接取决于数据驱动的指标,例如点赞、关注者和评论数量。 • 数字可见性的不平衡: 虽然可见性被宣传为通往成功和机会的途径,但个体体验数字可见性的方式却“惊人地不平衡”。对于边缘化群体,在公开场合交流充满了风险,包括受到批评、仇恨和骚扰的可能性。 • 性别差异与骚扰: 遭受在线骚扰的经历通常与社会身份(包括性别、性取向、种族、年龄和阶级)相关。根据美国的一项调查,女性遭受基于性别的骚扰的可能性几乎是男性的两倍。针对女性的仇恨和骚扰在 Twitter 等平台上尤为突出,一份 2018 年的报告发现,针对女性公众人物的推文中,有 7.1% 是“辱骂性或有问题的”。 • Instagram 的声誉: Instagram 在大众印象中拥有“最友善的互联网场所”的声誉,侧重于精心策划的图像。然而,这导致该平台上发生的骚扰和批评往往被忽视。 2. 性别化的“真实性困境” (The Gendered Authenticity Bind) 研究发现,受访者的在线活动常常是预测批评和监管的结果。她们试图在两个相互竞争的需求之间保持平衡:既要表现得足够真实(real enough),又要避免被视为过于真实(too real)。 A. 努力表现得“足够真实”(Real Enough) • 避免“虚假”: 内容创作者试图与所谓的“虚假”保持距离,例如,有受访者表示,人们批评“博主不真实”或“博主是假的”。 • 增加亲密和坦诚: 为了被视为“足够真实”,受访者努力融入坦诚和可关联的时刻,例如,分享“个人隐私”(personal stuff)、幕后图片(behind the scenes images),或者展示“凌乱的厨房”以应对文化中对过度美化和过滤内容的反对。 • 数据反馈: 一位受访者 Libby 注意到,分享个人、家庭、生活中的教训或正在经历的考验等内容的帖子,其表现(分析数据)比其他帖子好 50% 左右。 • 平台工具的应用: 内容创作者利用 Instagram 的特定功能来展现“真实性”。例如: ◦ Finstas(假 Instagram 账户): 用于与更亲密的朋友分享不符合个人品牌的内容。 ◦ Stories(快拍): 被认为是一种显示平淡真实性的“好方法”。一位受访者描述了快拍的二分法:你的帖子可能总是“完美的”,而你的快拍则像“真实生活”,让人们看到“没有化妆”或“没有完美发型”的自己。 • 商业合作的真实性: 影响者还试图在品牌合作中保持“足够真实”,以避免被指控“出卖自己”(selling out)。例如,限制赞助内容的比例,确保大多数帖子是“真实、真实、有机的”,以防观众质疑他们是否“真的喜欢”该产品。 B. 避免变得“过于真实”(Too Real) • 避免批评: 尽管展示真实性有经济和社会效益,但受访者也担心被视为“过于真实”。 • 社交媒体自我审查: 为了避免越界,受访者采取了各种形式的自我审查。她们会过滤掉任何可能被家人、朋友或潜在雇主认为不恰当的内容。这包括饮酒、穿着暴露或使用脏话的照片,即使这些是她们生活中的常态。 • 性别规范的限制: 审查行为往往反映了关于恰当行为的性别规范,包括围绕母职、家庭生活和美貌的规范。例如,一位受访者避免发布儿子站在购物车里的照片,以防受到其他父母的批评。 • 通用化和积极化: 过于真实——特别是当它偏离女性美貌理想时——可能会对个人或职业造成损害。因此,用户倾向于以积极的、有时是通用的方式来构建帖子。一位受访者表示,她不得不“审查自己”,分享的内容更“笼统”,而不是她日常的挣扎或更私人的事情,以“保护自己”。 • 损失粉丝的风险: 如果发布的内容不够“高级”和“鼓舞人心/充满抱负”,人们会取消关注,因为他们“想关注漂亮的东西”。 结论 研究总结道,在渴望真实性的文化中,女性内容创作者的活动被规范的性别理想所限制。她们在努力保持“真实”的同时,必须在可见性和脆弱性之间小心翼翼地划清界限。 • 代价: 这种对批评和网络仇恨的预期,促使女性政治博主、记者和学者等专业人士采取战略性的自我保护行为,例如降低姿态、自我审查,这可能会对公共话语产生“寒蝉效应”。 • 可见性与成功: 一位受访者的话概括了这种困境:“直到你被讨厌过,你才算真正成功”。这表明在线批评被视为数字表达方式不可避免的副作用,并使这种不平等结构在更大范围内正常化。 • 平台责任: 这种现象引发了关于如何划分骚扰与仇恨、评论与批评界限的重要问题,并突显了在 Instagram 这种“友善的”(即女性化的)网络上,谁能被认真对待的问题。
虚拟网红如何靠“假”表演“真”* 作者:Do Own (Donna) Kim * 标题:Meta-authenticity and Fake but Real Virtual Influencers: A Framework for Artificial Sociality Analysis and Ethics * 期刊:New Media & Society,2025 年,第 27 卷第 10 期,pp. 5568–5591 * 作者单位:University of Illinois Chicago, Department of Communication * DOI:10.1177/14614448251338272 一、在跟谁对话?(理论光谱) 1. 人工社会性(artificial sociality) * 背景:Natale & Depounti 提出“artificial sociality”——一整类模拟社交与情感的技术,从聊天机器人、虚拟主播到社交机器人。 * Kim 把 虚拟网红(virtual influencers, VIs) 当成一个高度“赛博格”的案例: 既是内容 IP,又是角色,又是多方协作的合成产物。 2. KOL / 网红研究中的真实性 * 跟你熟悉的 Abidin、Hearn & Schoenhoff、Wellman 等对 “influencer authenticity / ethics of authenticity” 的讨论对话: 网红如何通过“自白、日常、脆弱”演出真实; 商业合作如何压缩/扭曲真实。 3. 批判理论谱系:仿真、后人类、行动者网络 * 明确引用了 Baudrillard(拟像)、Barthes(神话学)、Latour & Law(行动者网络)、Haraway(赛博格)、posthuman bodies 等。 * 把虚拟网红放在 “谁是行动者、谁负责” 的伦理政治框架下,而不仅仅是“粉丝有没有被骗”。 二、研究问题 & 核心结论(先用很直白的话说) 1. 研究问题(RQ) 用白话来转: 1. RQ1: 在“人工社会性”的情境里(尤其是虚拟网红),人们是怎样在不停地谈判“人 / 非人”“真 / 假”? 2. RQ2: 虚拟网红是怎么“演”真实性的?这种真实性是谁一起演出来的? 3. RQ3: 在这套不断表演 / 拆穿 / 再表演的过程中,能不能提炼出一种新的“真实性框架”,来帮助我们做伦理评估? 2. 核心结论一句话 虚拟网红的“真实感”不是在假装自己真,而是在玩一种“大家都知道是假的,但又认真演”的元层表演。 作者把这套机制叫做 meta-authenticity(元真实)。 更展开一点: * Meta-authenticity = 一种自指的(self-referential)、可伸缩的、协作的“(不)真实表演过程”: VIs 会自嘲自己是“fake / CGI / robot”, 粉丝一边吐槽“你不是真的”,一边又说“但我真的在乎你”, 背后的创作者团队、品牌、媒体一起参与这场“看穿但参与”的戏。 * 这种元真实的结果: 把“被拆穿”纳入脚本(被拆穿反而是表演的一部分); 模糊责任边界(谁在说话?是角色、创作者、品牌还是算法?); 为人工社会性提供“按需真实”的模式: 需要你当真时,它显得很真; 出事/有争议时,又可以退回“我本来就不是真人”的安全区。 三、方法:现象学民族志是怎么做的? 这篇是现象学民族志(phenomenological ethnography),也是作者博士论文的延伸。 1. 进场与田野范围 * 对象:“类人(humanlike)的虚拟网红”,主要集中在几位代表性角色: 如 Lil Miquela、Imma、Shudu、Seraphine、Reah 等(文中多次出现这些典型案例)。 * 场域: 主要是 Instagram 及其他社交平台上的账号、内容、评论区; 同时跟踪媒体报道、品牌合作案例、幕后创作者公开采访等。 * 研究设计强调“长期浸入 + 体验性阅读”: 研究者像粉丝一样追更、看故事、看评论, 同时保持“元视角”记录自己在观看过程中的感受与困惑。 2. 材料类型 文章本身不打“样本量”的牌,而是强调“厚描”与过程性。大致包括: 1. 社交媒体贴文: VIs 本身的日常贴文、合作内容、故事线剧情; 2. 粉丝互动: 评论区、粉丝自发的讨论和二创; 3. 媒体 / 品牌文本: 关于某个虚拟网红的新闻、专访、Campaign 报道; 4. 研究者田野笔记: 包括自己“被带入剧情”的瞬间,以及突然意识到“我在跟一群人和一堆代码对话”的反差感。 3. 分析步骤:如何从材料抽象出“meta-authenticity” 从文中描述可以大致还原出一个三步走的分析逻辑: (1)情境切片:抓“谈判人性”的场景 * 研究者先挑出一系列关键事件/场景: 粉丝讨论“她到底是不是真的”; 官方账号“自曝自己是代码/机器人”; 媒体揭露背后团队,引发争议; 某个虚拟人出现“翻车”或政治争议时的舆论反应。 * 这些被当作“Humanness negotiation episodes”,逐一做细致描写。 (2)开放式编码:标记表演与反表演 在这些情境切片上做开放编码,重点看: * 谁在说话(角色/粉丝/品牌/设计师/记者)? * 他们在“演什么”——是强化“我也会难过,我也会受伤”,还是强调“其实我并不是真人”? * 对真假问题,是 掩饰、揭露、玩梗、绕开,还是用“元玩笑”把它包进叙事? 这些代码里很典型的类别包括(用我们自己的语言概括): * “假装真”:认真演情绪、创伤、成长; * “承认假”:突然提到“作为 CGI / 代码 / robot”; * “玩假真梗”:粉丝说“我知道你不是真人,但我还是觉得你很暖”; * “退回非人”:争议时强调“just a project / character / story”。 (3)选择性编码 & 理论整合:提出 meta-authenticity 框架 在大量情境与开放编码之后,作者把最有解释力的一条线抽出来: 所有这些看似矛盾的“假/真表演”,其实指向同一种逻辑: 把真假本身变成叙事素材和互动游戏。 于是,meta-authenticity 被定义为: * 一种围绕真实性的 “二阶表演”:角色与粉丝一起玩“我真 / 我假”的游戏; * 过程是 共构的:人类创作者、粉丝、算法推荐、品牌都在其中; * 结果是一种既允许投入情感、又随时可以抽离的“可伸缩亲密关系”。 文中有一张框架图(Figure 2),把 meta-authenticity 画成一个循环: * 从 设计端(如何设定披露/隐瞒)、 * 到 表演端(日常内容与剧情线)、 * 再到 受众端(认知、情感、伦理判断), * 最后回到对下一轮设计与监管的影响。
网络自我表露(2011)Kim, J., & Dindia, K. (2011). Online self-disclosure: A review of research. In K. B. Wright & L. M. Webb (Eds.), Computer-mediated communication in personal relationships (pp. 156-180). New York: Peter Lang Publishing. 是书籍章节(Book Chapter)而非期刊论文 Kim和Dindia于2011年发表的关于在线自我揭露(online self-disclosure)的综述。 通过系统综述和元分析(样本量有点小),揭示了在线自我揭露的复杂性。核心发现是:在线与面对面自我揭露程度相当,文化和性别模式在线下线上保持一致,但在线环境提供了新的揭露形式(如照片)和新的影响因素(如平台设计)。这为理解数字时代的人际沟通提供了重要理论基础。 传统vs在线自我揭露定义 * 传统定义:仅指有意的"言语"自我表达 * 在线扩展定义:包括自拍照片、网页上的收藏链接等非言语形式 研究必要性 随着社交网络和在线约会网站的发展,在线自我揭露已成为人际关系发展的关键因素,但此前缺乏系统性综述。 核心研究问题 1. 在线 vs 面对面自我揭露比较 元分析结果(11项研究,2887名参与者): * 平均效应量 d = -0.07(不显著) * 结论:没有充分证据支持"超个人化沟通"理论(即在线揭露更多) * 更支持社会信息处理理论(SIP):给予足够时间,在线与面对面揭露程度相当 三种理论观点: 1. 早期观点:在线交流因缺乏非言语线索而不够个人化 2. SIP理论:在线交流可以同样个人化,只是需要更多时间 3. 超个人化理论:在线交流可能比面对面更个人化(匿名性、异步性等特征) 2. 性别差异 元分析结果(15项研究,5077名参与者): * 在线环境中无性别差异(d = 0.048) * 与面对面研究一致(Dindia & Allen 1992发现面对面环境中女性略多揭露,d = 0.18,但效应量小) 关键发现: * 性别差异在陌生人之间不明显 * 性别差异在亲密关系中才较明显 * 在线环境并未消除或放大性别差异 3. 文化差异 5项跨文化研究总结: * 美国人 > 东亚人(韩国、日本)在言语自我揭露上 * 韩国人 > 美国人在照片分享上 * 结论:文化规范延伸到在线环境个人主义文化:直接沟通 集体主义文化:间接表达(如更多使用图片而非文字) 4. 其他影响因素 年龄: * 年轻用户倾向于更多在线揭露 * 青少年与成年人的性别差异模式不同 动机: * 人际关系动机:关系发展 > 关系维护时揭露更多 * 自我表达动机:与更多照片和观点分享相关 * 专业发展动机:与更多个人信息揭露相关 网站特征: * 封闭式问题设计影响揭露内容 * 照片上传便利性影响分享行为 三、关键理论贡献 自我揭露 vs 自我呈现 论文澄清了两个概念的关系: * 自我呈现:选择性展示以控制他人印象 * 自我揭露:透露私人信息 * 关键洞察:自我揭露总是涉及自我呈现的成分,两者并非完全独立 揭露的多维度 Wheeless (1976)提出自我揭露的五个维度:意图性、数量、效价(正面/负面)、诚实-准确性、亲密程度 四、对关系发展的影响 "繁荣与萧条"现象 Cooper和Sportolari提出:当人们在线上过早过多揭露时,关系可能快速升温但缺乏支撑性的信任基础而难以维持 担保信息(Warranting Information) * 定义:交流者无法操纵的自我信息 * 例子:Facebook墙上他人的留言 * 重要性:人们更信任担保信息而非自我描述,因为自我描述可能存在欺骗 研究局限 1. 样本量较小(某些元分析仅11项研究) 2. 多数研究依赖自我报告而非内容分析 3. 技术变化快速,研究发现可能很快过时 六、未来研究方向 1. 更多内容分析研究:而非仅依赖自我报告 2. 新兴技术平台:视频会议、音频平台等 3. 文化差异的深入探讨:尤其是图片vs文字的使用 4. 长期关系发展:在线关系如何随时间演变 5. 欺骗检测:如何识别在线环境中的虚假信息
人机协同的悖论:为什么1+1<2* Vaccaro, M., Almaatouq, A., & Malone, T. (2024). When combinations of humans and AI are useful: A systematic review and meta-analysis. Nature Human Behaviour, 8(12), 2293–2303. * DOI:10.1038/s41562-024-02024-1 核心问题一句话: 在什么条件下,“人 + AI”的组合真的比“单独的人”或“单独的 AI”更好? 作者区分了两个关键概念:Nature 1. Human–AI synergy(人机协同增效) 定义:人机组合的表现 优于“人单独”和“AI 单独”里表现最好的一方。 这是大家口头上常说的“1+1>2”的那种理想状态。 2. Human augmentation(人类增强) 定义:人机组合 优于“人单独” 即可,不要求超越“AI 单独”。 在一些不能完全交给 AI(伦理、法律、安全)的场景,这个指标也很重要。 他们的目的是: * 量化评估近几年所有有实验数据的人机协作研究: 平均到底有没有“协同增效”; 哪些因素会调节“有/没有协同”和“增强效果大小”。 * 主要结果:平均没有“协同增效”,只有“人类增强” 1. 总体效应 1. 针对“人机协同增效”指标(对比“人/AI中更好的那一方”): 综合效应量为 g = -0.23(显著小于 0,p = 0.005)。 含义:平均而言,“人+AI”组合的表现 比“人和AI中最好的那个”还要差一点。Nature 2. 针对“人类增强”指标(对比“人单独”): 综合效应量 g = 0.64,中到大的正效应(p ≈ 0)。 含义:整体来看,“人+AI” 显著优于“人单独”。 重要调节效应:什么时候会好,什么时候更糟? 1. 任务类型:决策 vs 创作 * 任务类型显著调节“人机协同增效”:F(1,104)=7.84, p=0.006。Nature 1)决策类任务(classification / diagnosis / forecasting 等) * 协同效应量 g ≈ -0.27(显著负)。 * 解释:当任务是从有限选项中做出正确选择时,把 AI 和人类强行绑一起,平均而言反而会 拉低结果。 2)创作类任务(文本生成、图像/内容创作等) * 协同效应量 g ≈ 0.19,方向是正的,但因为样本量较小(n=34),单独看不显著。 * 但“创作 vs 决策”之间的差值是显著的:创作明显优于决策任务。 2.人 vs AI 基线表现孰优 这是最关键的调节变量之一: * 如果 人类单独 > AI 单独: “人+AI”相对于两者里最好的那一方,协同效应 g ≈ +0.46(中等正效应,显著)。 含义:当人比 AI 强时,把 AI 加进来,可以做到“1+1>2”。 * 如果 AI 单独 > 人类单独: “人+AI”相对于“AI 单独”反而是 g ≈ -0.54(中等负效应,显著)。 含义:当 AI 比人强时,让人参与反而拖后腿。 在人类增强这一指标上:当 AI 本来就比人强时,人+AI 相对于“人单独”的增强效应也会更大(g≈0.74,偏大) 直白一点讲: AI 比人弱 → 人机组合可以进一步放大人的优势; AI 比人强 → 最好别让人乱插手,否则会破坏 AI 的表现。 作者的讨论与未来研究路线 1. 为什么会有“协同损失”? 作者总结了几个问题:Nature * 过度依赖(overreliance): 人把 AI 建议当成权威,不再认真思考,尤其在 AI 不可靠时会放大错误。 * 依赖不足(underreliance): 人不信任 AI,忽略高质量建议,导致表现不如 AI 单独。 * 流程设计粗糙: 大部分实验只是让 AI“给个建议”,最后由人拍板, 很少真的做“任务分解 + 谁擅长哪一部分就分配给谁”。 数据里只有 3 个实验真正在前期设定明确的人机分工子任务,虽然方向上有正面协同,但样本太少。Nature 2. 三条未来路线(作者提出的“roadmap”) 1)更多研究创作类任务 + 生成式 AI * 目前 85% 的效应来自决策任务;创作任务只占约 10%,但后者的协同效应方向是正的。 * 作者认为: 创作任务中,人负责灵感与判断,AI 负责大规模生成、细节填充,这是更容易实现协同的结构。 * 呼吁更多以任务表现为指标的生成式 AI + 人类合作实验,而不是停留在态度/体验访谈。Nature+1 2)设计真正“互补分工”的流程(division of labour) * 协同增效的必要条件: 人在某些子任务上更强, AI 在另一些子任务上更强, 系统整体要能把不同子任务交给最适合的一方。Nature * 这意味着: 不要再只是“AI 全程给建议,人最后拍板”这种粗暴结构; 而是要设计 任务拆解 + 动态/预设分配 的流程。 3)更复杂、更现实的评价指标 * 多数实验只看一个“整体准确率”,但实际场景有: 错误类型成本差异巨大(比如医疗诊断里的漏诊 vs 误诊); 时间成本、金钱成本; 极端错误带来的社会/伦理风险。Nature * 作者建议使用: 非线性、成本加权、复合指标, 以及对“人类增强”更友好的度量方式(如减少严重错误的数量等)。