往死里 “坚称”:Twitter 的定指问题

  • 还记得吗?很多年前中文网络有一个似乎是讽刺性的流行语 “鉴定完毕”。我们不知道这句流行语的真实来源,但它所讽刺的现象,也许是一个值得思考的深刻问题。

定指是推特的核心特征之一。但应该如此吗?

您有没发现,通过推特等社交媒体了解到的 “世界” 与真实世界之间可能有着很大的不同?我指的是对某一现象、动态/变故、趋势的非黑即白印象。或者,您有没发现,推特上的 “喷子” 们最擅长仅仅根据最多140字就将您的整个人格定性判断,判定你是 “傻逼” 或 “牛逼”?哪怕您的上一条推文就显示了完全不同的人格侧面 ……

这些状况可能是有原因的。

顺便说,我们认为所有社交媒体基本上都是如此,而不仅仅是推特。

【注】语义学中讨论指称(reference) ,包含有指(referential)和无指(non-referential)两个概念,指称可简单解释为某个词所代表的真实世界的存在,如果某词能指称现实中的某个存在,即为有指(referential),反之为无指。例如: 美国总统(是有指)、超人(是无指,因为现实世界上没有这个人) 。

在此之上有定指(definite) 和不定指(indefinite)的概念。一般来说,如果说话人认为听话人知道这个名词短语的具体所指,该词语即为定指,反之则为不定指。例如 “这本书是我买的” 中这本书就是定指,“你应该帮他请个家教” 中的家教就是不定指。

而在社交媒体中,这是一个非常值得思考的问题。

推特是一个以确定性为基础的游戏,在这里,细微的差别会消亡。带有绝对主义声明的推文往往能得到最多的转发,不管它们与现实的关系有多松散。

由于转发是推特游戏的积分  — — 用于覆盖面、影响力和盈利潜力 (粉丝经济) — — 于是人们倾向于在该平台上尽可能地明确,即使在事实最不确定的情况下!

由于*推特鼓励*人们迅速表明立场,并与部落/圈子的队形保持一致,它鼓励人们分享具有明确框架的新闻,甚至在事件结束之前就虚构出一个框架,并用确定性的的语言去描述它。

而且,这一点也延伸到了新闻之外,也延伸到了人的身上。推特用户经常以绝对主义的方式相互评判,仅仅根据一条推文、一条线程或一段视频,就将原本多维度的人类提炼成平面漫画。

无论对某人的性格或意图判断错误的代价有多大,如果一个人要想在推特口水战中获胜,就必须对这一切表现出绝对的把握。

推特的确定性问题有时会很有趣,比如当该平台每日的2亿活跃用户中的相当一部分成为当天话题的所谓 “专家” 时。虽然确定性本身也不坏,但是,该平台普遍存在的虚假保证损害了我们所有人对周围世界的理解,也损害了我们彼此之间的理解。最终,这是一个设计问题。一个需要修正的问题。

推特上最容易放大虚假和错误信息的功能当然是它的趋势栏,内特·西尔弗最近称之为 “白痴的蝙蝠信号”。【蝙蝠信号是DC Comics出版的美国漫画书中出现的求救信号设备,用于召唤超级英雄蝙蝠侠。】

更加好听点的描述是,Twitter 的趋势是吸引人们对热门话题发表意见的诱饵。趋势本身可能是无害的,但是,很多时候,它们只是邀请你根据几条推文、甚至仅仅一条推文,就对一个人形成明确的意见,不管这个人是多么晦涩难懂。因此,您得到了 “豆爸”、“虾仔” 以及一群为了娱乐而扰乱或破坏现实生活的人物。

有些人希望 Twitter 能够完全消除那个趋势,但这很难想象。推特是关于 “了解当下的事”,所以趋势很重要。但是,要求进行一些监督是否太过分了?也许推特的编辑团队可以问一下一个普通人是否值得被放在趋势中,如果不值得就把他们删除。为什么要让他们承受堆积如山的压力?为什么要鼓励人们为了所谓的参与(只是为监视资本家积累流量利润)而诋毁他们以前从未见过的其他人的言语行为?

当涉及到新闻时,确定性问题就更加复杂了。很多时候,在明显存在大量灰色地带时,新闻机构却过于自信地认为他们 “就是知道”。例如,想想最初对 Covid 的反应不足(被称为是流感)。

新闻媒体追求快节奏的结果就是变成胡说八道的地摊文学,这种现象近年来已经被高度重视,由此催生了慢新闻运动在全球的推行,在这里看 — 包含优质新闻源列表该死的快讯

然而,Twitter 可以放慢其平台的速度,使新闻分享更有思想性。它已经开始这样做了,部分是通过询问用户是否愿意在转发前阅读一篇报道,它说此举导致了40%的链接点击率和较少的转发量。一名Twitter员工最近暗示,更多此类性质的变化正在进行中。现在是时候测试它们,并在成功的地方推出它们了。

人类在看待彼此 — — 以及他们周围的世界 — — 时自然会有细微的差别。在现实生活中,我们学会了欣赏复杂性,学会了质疑非黑即白;而在网上,由于规模的扩大,某些复杂性将不可避免地消失。但这并不意味着您应该满足于生活在一个以虚假的确定性为准则的世界中。⚪️

Twitter’s Certainty Problem

发表评论

此站点使用Akismet来减少垃圾评论。了解我们如何处理您的评论数据