數據化與小數據

國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

本研究不擬在「無所不在」的特性多著墨，而希望觀察 Gilmore 如何從此概念引出

「各處穿戴」的概念。隨著技術物發展、無所不在運算和日常生活的「數據化」出 現，Gilmore 認為，我們可以藉由「各處穿戴」的技術物，在自我追蹤實踐中帶來新 的自我狀態。這個狀態是一種拴上身體（tethered to bodies）與技術物的量化自我狀 態，我們可將行走轉化為具體的步數，總是可以藉由「伴隨」（being with）的行動裝 置，一直連線（always on）將身體活動數據化（ibid, p.2525）。

自我追蹤實踐，不啻是個人使用技術的過程，該實踐有其社會與文化層面。

Gilmore 認為，我們會關注於行走步數是受到特定文化、社會秩序和慣習形成（habit formation）所規範和框限。舉例而言，因為美國當代社會的肥胖問題嚴懲，伴隨著減 重、塑身和健康身體的關注。政府機關或健康團體皆推動人們多運動、多走路和規律 訓練，瞭解自身的身體和改善健康狀況。在此脈絡之下，自我追蹤者可以透過「各處 穿戴」提供的數據或數字，連結至數據網絡與演算法分析系統，將身體與數據流動耦 合在一起形成「肉身演算法」（corporealgRrithmic）。這些過程不僅建構一種藉由數 據或數據，理解身體與自我的的社會文化，亦影響身體的物質性（Rich & Miah, 2017, p.88）。不過經由上述的各個經驗分析，我們得以理解自我追蹤實踐過程，正在影響 著個人與社會與文化以後，我們下一個提問即是究竟自我追蹤的數據具體指向什麼？

下一節我會進一步說明數據化的意涵。

（三）、數據化實踐的基本概念

1. 數據化與小數據

傳播與技術研究如何看待數據（data）？此詞在拉丁文是「datum」的複數詞，

其原意是「既定的」，亦有記錄、分析和重組事物的意涵。依據Merriam-Webster 辭典 中對「data」的解釋，此詞包含事實資訊、數位形式資訊，以及感應器或裝置產出資 訊的意涵（Merriam-Webster，2018）。在當代的資訊傳播科技時代，數據不僅指電子 設備、網際網路、數位傳感器和社交媒體生產的數位資訊，亦包括技術物和鑲嵌在資 訊社會系統的文化物體（cultural objects）， 有其特定的邏輯、規則和功能（Cheney-Lippold, 2011, p.167）。Rob Kitchin（2014, p.20）認為，數據無法預先分析，或不是完 全客觀和獨立的因素，而數據是社會建構的，不會以固定的形式存在的因素。人們從 各種硬體或軟體，蒐集數字、字符、符號、圖像、傳感器信息和聲音等，持續解釋和 使用個人數據。以本研究關切的自我追蹤為例，人們透過附有數位感應器的技術物，

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

除了將人類的身體功能與個人行為「電子化」（digitization），即將物理世界的人們行 為和身體功能轉化為數位格式，更重要的是「數據化」（datafication）過程，產出的 結果為數位個人數據。不過，「電子化」不等同於「數據化」，兩者有必要加以區分。

Mayer-Schönberger 與 Cukier（2013）的界定中，「電子化」是將類比資訊轉換 為 0 與 1 的位元模式，讓電腦或機器運算處理數據內容。「數據化」則指的是，將類 比資訊轉成機器可讀的模式，對「電子化」的拓展，展開批量組合與運用資料，並且 使用統計表格或圖表等呈現分析結果。以谷歌數位圖書館計畫為例，谷歌於 2004 年將 密歇根、哈佛和紐約公共圖書館的藏書「電子化」，每個頁面轉成高解析度的影像檔，

儲存在谷歌的雲端伺服器。然而紙本書籍轉成數位副本，卻無法使讀者在眾多書籍中 搜索特定的 詞彙或內 容。因此 ，谷歌 使用 光學 文字辨 識軟體 （Optical Character Recognition Software），試圖辨識數位文本的字詞彙、句子和段落，實現「數據化」

之目的。從此數位文本不僅供人閱覽，亦可以使用數位工具或演算法處理和分析文本。

「數據化」的用途，不只是將靜態的文本或書籍，轉化為可用於電腦運算分析 的動態資訊流（Information flow），Mayer-Schönberger 與 Cukier 認為，我們的人際關 係、生活體驗和心情，如今亦可「數據化」為數值或資料，免回現實社會的面貌。例 如，臉書的社交圖譜（social graph）之中，人際關係「數據化」為數位資料，方便搜 索與演算分析，社交活動亦轉化為「按攢」與「加好友」等演算關係；推特則提供人 們記錄與分享一瞬而逝的想法，將態度、情緒或想法「數據化」為可分析的形式與內 容；LinkedIn 將「專業經驗」數據化，藉此尋找工作或尋求其他專業人士的合作。基 於數位工具、技術物、軟體和演算法等因素，使得我們可以蒐集和擁有更多數據，從

「數據化」與分析過程挖掘其價值。藉由數據化的過程，社交媒體上出現的按讚、點 擊與轉帖成為「匯率」（currency），以數字或數據具體顯現作為社群互動的基礎

（Mennicken & Espeland, 2019, p.24-13）。

數位媒介研究者 Luci Pangrazio 與 Neil Selwyn （2018）提出三種數據化生產過 程。其一，由使用者將自我追蹤資訊、社交媒體數據和電子郵件等個人數據，提供予 行動裝置和系統。其次，使用者非自願情境提供數據，如政府或安全機構監視用途，

或是網路機構和數據探勘機構以再現與儲存之意，蒐集各種數據。其三，個人數據處 理成具社會意義的「數據實體」，提供關於人、地點和機構相關的資訊。Pangrazio 與

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

Selwyn 主張從理解、反思、使用以及策略等角度，理解什麼是個人數據、如何生產個 人數據、如何使用與管理個人數據，以及使用數據的個人與社會目的等問題。

近十年來，電腦運算轉（computational turn）和數據導向（data-driven）興起，

使得我們得以運用大量（high volume）、高度（high elocity）與多樣性（high varitey）

的巨量資料與「大」數據。作為新型的社會技術現象，資訊科技研究學者 danah boyd 與 Kate Crawford（2012）強調，大數據並非理解個人與社會行為與規律的最佳依據，

因為「大」數據。面對去脈絡、解讀數據的方法限制和採集資料的倫理等問題。因而 晚近的數據批判研究（critical data studies) 、數據社會學（sociology of data）或者量化 社會學（sociology of quantification）從「小」數據或「厚」數據，檢視當代的技術社 會如何生產、測量、計算與應用數據與數字，這些數據導向的觀點又如何鑲嵌於社會、

政治與文化之中，產生使用者對於「數字的熱忱」（enthusiasm for numbers）依賴於數 據與統計數字（Beer, 2016, p.71）。

相較於「大」數據研究，Lupton（2016b）主張，研究者應該探究使用者日常生 活中如何使用「小」數據。，了解個人選擇與目的。「小」數據，意指人們透過人工 記錄，或數位媒介、軟體或平台的中介所產生的個人化（personalised）數據。「大」

數據則是大規模的數位數據的集結，即人們的「小」數據透過傳播科技的技術上傳至 雲端技術平台，以小積多方式成為「大」數據，並且鑲嵌在演算法和數位匯流架構之 中。這些「小」數據足以影響人們日常生活秩序，或個人的信念與行為，例如在自我 追蹤之中所生產的數據足以影響人們對於身體與自我的認知，改變生活形態。

究竟「小」數據有多小？我們該如何理解自我追蹤實踐的「小」數據？我認為 可以參考 Kevin Kelly (2016) 提出的自我實驗「n=1」的觀點。不同於以往的醫學實驗 或醫療實踐，擴大測試人數，提高藥物或醫療效度。如今研究者可以使用自我追蹤數 據，量身打造「n=1」的實驗，聚焦在個人身上的研究，測試個別變數在不同脈絡下的 變化情況。同時使用者無需依賴專業知識，亦可以使用有關數據。換言之，在自我追 蹤實踐之中，「小」數據的規模可以集中在一個人範疇。就如 Lupton（2016b） 籍由 QS 社群理念：「你就是你的數據」（you are your data），進一步闡述自我追蹤的「小」

數據是個人目的和可辨識的數據，用於建構認識自我或身體的知識。然而，單靠「小」

數據，使用者是無法解讀數字意涵，需要藉由當代社會的意義建或社會化的的過程，

理解數據承載的意義。因此我們不能理所當然認為「數據能為本身說話」（Data will

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

speak for itself），因為沒有純粹或原始數據（raw data）之存在，所以在不同使用者、

不同社群與不同的情境脈絡之下，可能會有不一樣的詮釋數據的過程。下文我將闡述

「原始數據」的概念，進一步從數據化和據主義的批判角度，理解當代的數位世界。

2.「原始」數據與「煮著」數據

在「大」數據與巨量資料分析成為顯學，資訊科學家聲稱可以使用「原始數據」

（raw data）進行演算法分析。但資訊科技研究學者 Geoffrey C. Bowker（2005）主張

「原始數據」是一個矛盾修飾法（Oxymoron）（ibid，p.184），因為「永遠不會有原 始數據，它是持續煮著狀態」（data are never ‘raw’ but always ‘cooked）。他認為所有 的數據都有其社會元素（Bowker, 2013, p.168）。

循著上述觀點，Lisa Gitelman 與 Virginia Jackson（2013）提醒我們數據不是純 粹在那裡（simply there），或等待我們蒐集、儲存於分析之用，數據是置身於社會、

歷史與環境脈絡下，由人們的想像與創造出數據。所有的數據皆是人們建構的產出物，

因此持續「煮著」的數據是無法單獨存在，亦無法獨自產生意義，而是需要一套知識 建構與社會經濟體系，經由人們解讀與詮釋數據。例如，感應器測量人體溫度，轉換 成為 38.4℃的數值，我們該如何解讀 38.4℃？標準為何？這個解讀過程涉及人為的選 擇與詮釋，在特定脈絡與社會文化建構與框限其理解方式。換言之，任何數據不是理 所當然存在或等待發掘，而是人們為了特定蒐集與使用目的，而建構與形構出數據，

並且需要依賴各種知識、概念、分類方式、蒐集工具、測量方式或社會經濟因素。

以自我追蹤實踐為例，Lupton（2016a，pp.109-113）認為單靠數字無法告訴我 們什麼事（numbers alone tell us nothing）。當身高、體重、心跳等實質與具體的身體 經驗，藉由數據化轉化為數字或數據，這些數據全是以高度抽象（abstract）方式呈現

（劉育成，2018，p.101）。我們理解數據的方式是建立在特定的社會與歷史詮釋脈絡

（劉育成，2018，p.101）。我們理解數據的方式是建立在特定的社會與歷史詮釋脈絡