陳家喜　焦嘉欣

［摘要］大數(shù)據(jù)挖掘和存儲(chǔ)技術(shù)的快速發(fā)展，社交媒體的建設(shè)和普及以及政治競(jìng)選的商業(yè)化走向，共同推動(dòng)了大數(shù)據(jù)政治的誕生。大數(shù)據(jù)政治涉及“誰得到、何時(shí)得到以及如何得到”等基本問題。政府公開數(shù)據(jù)、選民信息數(shù)據(jù)、商業(yè)交易數(shù)據(jù)、社交媒體數(shù)據(jù)、科學(xué)調(diào)查研究數(shù)據(jù)、自愿透露數(shù)據(jù)與間接推斷數(shù)據(jù)、潛在數(shù)據(jù)和用戶生成數(shù)據(jù)等多樣化數(shù)據(jù)，構(gòu)成了一個(gè)龐雜的大數(shù)據(jù)政治信息庫。如何獲得更廣泛的數(shù)據(jù)，如何構(gòu)建更高效的數(shù)據(jù)分析模型，如何更精準(zhǔn)地應(yīng)用大數(shù)據(jù)進(jìn)行微觀定位，成為大數(shù)據(jù)時(shí)代爭(zhēng)奪政治市場(chǎng)份額的關(guān)鍵手段。大數(shù)據(jù)的政治屬性體現(xiàn)了“誰得到”數(shù)據(jù)的關(guān)鍵性，也決定了對(duì)于加強(qiáng)大數(shù)據(jù)政治治理的必要性，需要明確大數(shù)據(jù)政治的應(yīng)用導(dǎo)向，規(guī)范政治數(shù)據(jù)的應(yīng)用范圍，強(qiáng)化大數(shù)據(jù)政治應(yīng)用的技術(shù)治理等。

［關(guān)鍵詞］大數(shù)據(jù)政治；模型建構(gòu)；微目標(biāo)定位

［中圖分類號(hào)］? D771.2［文獻(xiàn)標(biāo)識(shí)碼］? A［文章編號(hào)］1003-7608（2023）04-0068-10

大數(shù)據(jù)的政治應(yīng)用日益成為一個(gè)具有時(shí)代特征的流行現(xiàn)象。從英國(guó)脫歐公投到美國(guó)2016年總統(tǒng)大選，從數(shù)據(jù)科學(xué)家在政治競(jìng)選團(tuán)隊(duì)中的崛起到廣泛應(yīng)用的微目標(biāo)定位與計(jì)算宣傳，以及遍布社交媒體上的僵尸程序、社交機(jī)器人制造的虛假新聞等，都在生動(dòng)演繹著大數(shù)據(jù)對(duì)于政治領(lǐng)域的深刻影響。但是，何為大數(shù)據(jù)政治，大數(shù)據(jù)如何與政治結(jié)合，如何進(jìn)行政治應(yīng)用，如何防范大數(shù)據(jù)的政治風(fēng)險(xiǎn)等相關(guān)議題，仍然具有廣泛的探索空間。

從互聯(lián)網(wǎng)、Web1.0到Web2.0和方興未艾的Web3.0，信息通信技術(shù)的迭代革新對(duì)于政治過程的滲透與改造不斷強(qiáng)化。相對(duì)于以往側(cè)重于政治現(xiàn)象、過程、制度等本身的觀察而言，大數(shù)據(jù)提供了分析這些現(xiàn)象、過程和制度的新技術(shù)工具，它不僅開辟了政治學(xué)研究的新領(lǐng)域，也提出了新的挑戰(zhàn)。布雷迪指出，大數(shù)據(jù)的發(fā)展對(duì)于政治學(xué)提出了三大挑戰(zhàn)：一是政治學(xué)者開展研究的新方式，即他們通過掌握收集、管理、分析和歸檔數(shù)據(jù)的新技術(shù)，重新思考做政治學(xué)研究的路徑方法；二是政治學(xué)者提出的新問題，他們?cè)噲D通過概念形成、描述、因果推理、對(duì)未來預(yù)測(cè)來確定如何實(shí)現(xiàn)研究目標(biāo)，提出關(guān)于政治行為的新方法和新見解，并對(duì)政治制度提出新設(shè)計(jì)；三是與政治學(xué)研究有關(guān)的倫理問題，政治學(xué)者必須思考與信息的獲取、使用和發(fā)布有關(guān)的復(fù)雜倫理問題，以及他們的模型和結(jié)果可能被濫用的問題［1］。

在現(xiàn)代信息社會(huì)，數(shù)據(jù)呈現(xiàn)指數(shù)型生長(zhǎng)的特征，其對(duì)于社會(huì)經(jīng)濟(jì)與政治生活的影響也不斷擴(kuò)散。理解大數(shù)據(jù)政治，首先需要解答的是數(shù)據(jù)與政治何以發(fā)生關(guān)聯(lián)，數(shù)據(jù)與政治如何相互影響，數(shù)據(jù)如何轉(zhuǎn)化為現(xiàn)實(shí)政治實(shí)踐等基本問題?；谏鲜稣J(rèn)識(shí)，本文首先解析大數(shù)據(jù)所隱含的政治屬性，區(qū)分大數(shù)據(jù)政治的主要類型及其獲取路徑，而后基于美國(guó)總統(tǒng)選舉案例解構(gòu)大數(shù)據(jù)政治的模型建構(gòu)及微目標(biāo)定位機(jī)制。作為一種新的信息處理與應(yīng)用技術(shù)，大數(shù)據(jù)對(duì)西方政治過程特別是政治選舉有著深刻影響，從選民政治畫像到制定競(jìng)選綱領(lǐng)，從確定競(jìng)選策略到線下政治動(dòng)員，無一不是由數(shù)據(jù)所驅(qū)動(dòng)的。而作為一種政治資源，大數(shù)據(jù)也涉及“誰得到、何時(shí)得到以及如何得到”等核心問題。大數(shù)據(jù)既可以為政治候選人提供精準(zhǔn)捕獲選民的有效工具，也為污損政治對(duì)手提供了黑暗利器；與此同時(shí)，選民也從獨(dú)立的政治權(quán)利主體降格為可計(jì)算可測(cè)量的數(shù)據(jù)單元集合。因此，必須重視大數(shù)據(jù)政治治理機(jī)制的建構(gòu)與應(yīng)用。

一、解碼大數(shù)據(jù)的政治屬性

當(dāng)我們談及大數(shù)據(jù)時(shí)，首先想到的是海量的數(shù)據(jù)，復(fù)雜的算法、專業(yè)化的數(shù)據(jù)公司、精準(zhǔn)的微目標(biāo)定位以及其在社交媒體、商業(yè)營(yíng)銷和政治競(jìng)選中的廣泛應(yīng)用。伴隨著信息技術(shù)的發(fā)展和社交媒體的普及，大數(shù)據(jù)已經(jīng)成為當(dāng)前數(shù)字時(shí)代的重要標(biāo)志。正如科特等人所提出的，從歷史上看，從來沒有哪個(gè)時(shí)代的國(guó)家包括君主國(guó)、王國(guó)、帝國(guó)，以及政府或企業(yè)掌握過如此細(xì)致、即時(shí)、多樣和詳細(xì)的個(gè)人數(shù)據(jù)?，F(xiàn)在幾乎所有設(shè)備都已連接到互聯(lián)網(wǎng)，都會(huì)生成有關(guān)交互、交易和移動(dòng)的大量數(shù)據(jù)。政府和企業(yè)開始通過互聯(lián)網(wǎng)收集、檢索、記錄、存儲(chǔ)、分析以及呈現(xiàn)人們?cè)诨ヂ?lián)網(wǎng)上的數(shù)據(jù)，包括誰與誰溝通、誰去哪里、誰說什么，以及其他數(shù)據(jù)［2］。早在2015年，已有研究發(fā)現(xiàn)，所有數(shù)據(jù)的95％是在過去兩年中創(chuàng)建的；數(shù)據(jù)每?jī)赡攴环?；智能手機(jī)的數(shù)量即將接近世界人口的總數(shù)；五年內(nèi)，將有500億智能連接設(shè)備；目前，只有不到1％的數(shù)據(jù)被分析或使用過［3］。伴隨著社交媒體的普及和應(yīng)用，數(shù)據(jù)的生成數(shù)量爆發(fā)性增長(zhǎng)。而數(shù)據(jù)只有經(jīng)過數(shù)據(jù)化處理之后才會(huì)成為有價(jià)值、可利用的數(shù)據(jù)資源。所謂數(shù)據(jù)化，就是將生活轉(zhuǎn)化為數(shù)據(jù)，然后將這些數(shù)據(jù)重構(gòu)成有價(jià)值和可觀察的節(jié)點(diǎn)的技術(shù)過程，也就是從我們的語言、行為、關(guān)系、位置、身體、基礎(chǔ)設(shè)施和我們生活的自然環(huán)境中獲得數(shù)據(jù)資源的過程。數(shù)據(jù)化的呈現(xiàn)可以了解我們的想法、感受、態(tài)度、去向、做什么、與誰互動(dòng)、聽什么、讀什么、喜歡什么、喜歡誰等［4］。

實(shí)際上，大數(shù)據(jù)不僅僅是存儲(chǔ)于計(jì)算機(jī)、固態(tài)設(shè)備和云端的文檔中，它還具有鮮明的政治屬性?？铺氐热苏J(rèn)為，大數(shù)據(jù)的政治屬性體現(xiàn)在以下三個(gè)層面。其一，大數(shù)據(jù)的政治性就像身份、身體、性別、性取向、種族和民族所具有的政治屬性一樣，是作為有關(guān)生活經(jīng)驗(yàn)的意義、解釋和分類的斗爭(zhēng)場(chǎng)域。其二，大數(shù)據(jù)的政治性就像生產(chǎn)、分配和消費(fèi)循環(huán)所具有的政治屬性一樣，訪問、控制和代理數(shù)據(jù)的場(chǎng)域由于非對(duì)稱權(quán)力關(guān)系（含數(shù)據(jù)生產(chǎn)關(guān)系）而被非均衡地分配。其三，大數(shù)據(jù)的政治性就像競(jìng)選戰(zhàn)略中的數(shù)據(jù)分析以及斯諾登的爆料那樣，大數(shù)據(jù)正在重塑當(dāng)代政治［5］。大數(shù)據(jù)的政治屬性還在于進(jìn)一步提升了對(duì)日常生活監(jiān)測(cè)的準(zhǔn)確客觀性。任何政治計(jì)算都必須同等地考慮到數(shù)據(jù)的重要性，以及指導(dǎo)其過程的邏輯和運(yùn)用這一工具的實(shí)踐。數(shù)據(jù)的政治屬性集中體現(xiàn)在它作為一種政治資源的屬性，相應(yīng)地，它也涉及“誰得到、何時(shí)得到以及如何得到”等核心問題。對(duì)于政黨組織和政治精英而言，獲得政治大數(shù)據(jù)，就意味著獲得了更多的選民政治偏好信息，可以基于這些偏好進(jìn)行更為精準(zhǔn)的政治動(dòng)員，也由此獲得更多的政治競(jìng)爭(zhēng)優(yōu)勢(shì)。

數(shù)據(jù)作為一種政治資源，意味著數(shù)據(jù)的收集、存儲(chǔ)、檢索、分析、呈現(xiàn)、分配和使用都會(huì)涉及主體權(quán)益，進(jìn)而也形成一系列政治實(shí)踐。比戈等人提出，誰擁有、分發(fā)、出售、訪問、使用、挪用、修改和重新定義數(shù)據(jù)，誰就會(huì)成為爭(zhēng)取數(shù)據(jù)權(quán)利的斗爭(zhēng)對(duì)象［6］。這些斗爭(zhēng)表現(xiàn)在許多方面，包括數(shù)據(jù)主體如何通過網(wǎng)絡(luò)表達(dá)行使和主張這種權(quán)利，如何通過與數(shù)字設(shè)備平臺(tái)進(jìn)行通信、參與和共享來實(shí)現(xiàn)權(quán)利主張，如何創(chuàng)新數(shù)據(jù)實(shí)踐來挑戰(zhàn)和顛覆國(guó)家和公司的數(shù)據(jù)權(quán)利，以及如何通過法律和監(jiān)管機(jī)制來為自身權(quán)利而斗爭(zhēng)［7］。上述問題表明，數(shù)據(jù)政治關(guān)注的主要是數(shù)據(jù)收集及其應(yīng)用的政治斗爭(zhēng)，包括國(guó)家、政黨、社交媒體巨頭、數(shù)據(jù)公司以及圍繞公民個(gè)體數(shù)據(jù)的獲取、分析、使用和由此發(fā)生的關(guān)系；數(shù)據(jù)政治還關(guān)注數(shù)據(jù)如何生成新的權(quán)力關(guān)系和政治形式，以及如何將數(shù)據(jù)所表述的對(duì)象和主題變?yōu)楝F(xiàn)實(shí)。比如，由于數(shù)據(jù)收集和分析能力差異所造成政黨之間的選票差距；專業(yè)化的政治數(shù)據(jù)公司通過數(shù)據(jù)挖掘和微目標(biāo)定位，將政治廣告更精準(zhǔn)地投向特定的選民群體，進(jìn)而左右著政治投票的結(jié)果。

作為政治資源的大數(shù)據(jù)幾乎可以覆蓋接入互聯(lián)網(wǎng)的每一個(gè)人，因此重構(gòu)了國(guó)家和公民間的關(guān)系。在大數(shù)據(jù)時(shí)代，社交媒體廣泛應(yīng)用于人們的社會(huì)交往、商業(yè)活動(dòng)和政治參與，由此產(chǎn)生了海量的數(shù)據(jù)。這些數(shù)據(jù)成為辨別用戶政治偏好的重要來源，更好地收集、挖掘和應(yīng)用這些數(shù)據(jù)也是政黨獲得選舉優(yōu)勢(shì)的關(guān)鍵密碼。數(shù)據(jù)應(yīng)用對(duì)于現(xiàn)代民主的影響在美國(guó)大選和英國(guó)公投中得到了充分體現(xiàn)，使用大數(shù)據(jù)制作個(gè)性化政治廣告以影響投票的方式也成為一種現(xiàn)實(shí)手段。例如，美國(guó)億萬富翁羅伯特·默瑟（Robert Mercer）是劍橋分析數(shù)據(jù)公司的股權(quán)持有者之一，而默瑟恰好是英國(guó)獨(dú)立黨前領(lǐng)導(dǎo)人奈杰爾·法拉奇（Nigel Farage）的朋友。該公司使用“心理分析”法，通過算法技術(shù)在Facebook中收集到大量用戶數(shù)據(jù)，分析用戶在社交媒體上的個(gè)人信息和互動(dòng)路徑，以及他們的心理特征和態(tài)度傾向，從而預(yù)測(cè)他們的選舉偏好，并且在其個(gè)人的頁面上推送特定類型的廣告和信息，以影響他們的觀點(diǎn)和行動(dòng)，此類營(yíng)銷活動(dòng)影響了英國(guó)公投和美國(guó)選舉結(jié)果。在這樣的活動(dòng)中，利益集團(tuán)和媒體聯(lián)盟生成引誘信息、虛假信息，利用社交媒體機(jī)器人創(chuàng)建虛假在線賬戶營(yíng)造了政治支持的假象［8］?？梢哉f，數(shù)據(jù)生產(chǎn)不僅是一種社會(huì)行為，也是一種政治行為。數(shù)據(jù)重塑了社會(huì)關(guān)系，也改變了政治民主。

二、大數(shù)據(jù)政治的類型及獲取來源

數(shù)字時(shí)代的政治活動(dòng)越來越依賴于數(shù)據(jù)以及在數(shù)據(jù)基礎(chǔ)上的政治計(jì)算，因此也被稱之為“數(shù)據(jù)驅(qū)動(dòng)”（data-driven）的政治。由于西方國(guó)家的政治運(yùn)行機(jī)制以競(jìng)爭(zhēng)性選舉為核心，能否獲得競(jìng)選勝利決定著政黨和政治精英的政治命運(yùn)，也決定著政治運(yùn)行的基本邏輯。圍繞選舉而進(jìn)行的數(shù)據(jù)收集、分析、處理以及應(yīng)用，成為西方國(guó)家大數(shù)據(jù)政治最為主要的組成部分。競(jìng)選活動(dòng)的開展需要得知關(guān)于公民、志愿者和捐贈(zèng)者的準(zhǔn)確聯(lián)系信息；期望掌握公民參與特定競(jìng)選支持活動(dòng)的準(zhǔn)確數(shù)據(jù)，包括捐款、志愿服務(wù)、參加集會(huì)、簽署請(qǐng)?jiān)笗?，或者在民調(diào)時(shí)表達(dá)對(duì)候選人或議題的支持情況［9］。而這些數(shù)據(jù)從何而來，用于何處，如何獲取，是開展政治活動(dòng)特別是政治競(jìng)選的重要前提。

（一）大數(shù)據(jù)政治的多重來源

數(shù)字時(shí)代的到來，使得大數(shù)據(jù)政治的獲取方式和渠道日趨多元化，不再局限于傳統(tǒng)的選民登記而生成的官方數(shù)據(jù)。社交媒體數(shù)據(jù)、學(xué)術(shù)調(diào)查研究數(shù)據(jù)、商業(yè)交易數(shù)據(jù)等也成為政治數(shù)據(jù)的主要來源。多米特指出，政治數(shù)據(jù)的收集來自以下幾種類型。一是“個(gè)人透露的免費(fèi)數(shù)據(jù)”，指的是通過官方記錄或個(gè)人直接向競(jìng)選活動(dòng)透露的公開性數(shù)據(jù)，包括但不限于由誰登記投票、選民的出生日期、地址和投票記錄的信息等，還有特定選民登記的黨派偏好數(shù)據(jù)。官方競(jìng)選活動(dòng)可以免費(fèi)獲得這些信息，公民通常也會(huì)被法律要求披露這些信息。此外，個(gè)人還會(huì)通過選民拉票、問卷調(diào)查等形式直接向競(jìng)選活動(dòng)透露有關(guān)個(gè)人偏好數(shù)據(jù)。二是“免費(fèi)推斷的數(shù)據(jù)”，這些數(shù)據(jù)是基于免費(fèi)提供的初始信息，但生成于推斷。比如，政黨拉票人經(jīng)常通過推演來獲得關(guān)于種族、年齡、性別和政黨支持程度的數(shù)據(jù)，或是從請(qǐng)?jiān)笗惺占男畔⒂脕硗茢鄠€(gè)人更廣泛的利益和支持偏好。三是付費(fèi)購(gòu)買的政治數(shù)據(jù)，包括“個(gè)人透露的購(gòu)買數(shù)據(jù)”和“購(gòu)買的推斷數(shù)據(jù)”。前者指當(dāng)事人購(gòu)買未直接向外界公開披露但提供給其他行為者的數(shù)據(jù)，這些數(shù)據(jù)包括社交媒體數(shù)據(jù)以及雜志訂閱列表等數(shù)據(jù)。后者通常由營(yíng)利和非營(yíng)利機(jī)構(gòu)使用民調(diào)數(shù)據(jù)、商業(yè)報(bào)告以及通過社交媒體平臺(tái)完成的模型化數(shù)據(jù)，在此基礎(chǔ)上對(duì)個(gè)人偏好進(jìn)行推斷［10］。除此之外，還有潛在數(shù)據(jù)和用戶生成數(shù)據(jù)。潛在數(shù)據(jù)源于人們?cè)谌粘Ｉ钪械男袨橛∮洠热缃鹑诮灰?、訂閱雜志、信用卡消費(fèi)等；用戶生成數(shù)據(jù)是指出于各種目的在網(wǎng)上進(jìn)行的互動(dòng)所留下的痕跡，比如在社交媒體中的聊天記錄、參與線上政治討論等［11］。

（二）大數(shù)據(jù)政治用于何處

從最近幾屆美國(guó)總統(tǒng)大選的大數(shù)據(jù)應(yīng)用情況來看，上述類型的數(shù)據(jù)都得到了參與政治競(jìng)選政黨的高度重視。民主黨全國(guó)委員會(huì)（DNC）和共和黨全國(guó)委員會(huì)（RNC）維護(hù)著全國(guó)選民數(shù)據(jù)庫，其中，民主黨數(shù)據(jù)庫名為Vote Builder；共和黨數(shù)據(jù)庫名為Voter Vault，并且向總統(tǒng)候選人、州政黨和地方候選人提供數(shù)據(jù)庫的使用權(quán)限。雖然政黨和政治候選人可以免費(fèi)獲得登記選民的完整名單及相關(guān)數(shù)據(jù)，但許多政黨除了組建自己的數(shù)據(jù)分析團(tuán)隊(duì)之外，還雇用了專業(yè)數(shù)據(jù)公司。這些專業(yè)數(shù)據(jù)公司從事各種數(shù)據(jù)清理活動(dòng)，識(shí)別重復(fù)的記錄、不正確的地址、已故選民和換了住所的選民；它們還能夠定位人口普查地理位置中的住址，并將選民基本信息、商業(yè)記錄以及其他數(shù)據(jù)來源進(jìn)行匹配，從而提高使用登記數(shù)據(jù)的效率［12］。比如，Catist是一家政治數(shù)據(jù)供應(yīng)商，為工會(huì)、政治候選人、其他組織團(tuán)體和非營(yíng)利性組織提供匯編；維護(hù)全國(guó)范圍內(nèi)的選民注冊(cè)、人口統(tǒng)計(jì)和其他政治數(shù)據(jù)的服務(wù)。他們利用這些數(shù)據(jù)建立預(yù)測(cè)性分?jǐn)?shù)機(jī)制，幫助客戶分析選民，以便更有效地確定選民的活動(dòng)目標(biāo)。Catist客戶就包括2004年克里競(jìng)選團(tuán)隊(duì)和2008年奧巴馬競(jìng)選團(tuán)隊(duì)［13］。

（三）大數(shù)據(jù)政治如何生成

在2012年的美國(guó)大選中，奧巴馬投入了2億美金用于選民數(shù)據(jù)的抓取與分析，并強(qiáng)調(diào)大數(shù)據(jù)是“未來石油”般的存在。奧巴馬的團(tuán)隊(duì)建立了四個(gè)投票數(shù)據(jù)流用于分析來自關(guān)鍵州的選民特征，這個(gè)龐大的數(shù)據(jù)庫不僅記錄了選民的政治態(tài)度和投票歷史，還使用統(tǒng)計(jì)模型對(duì)選民進(jìn)行智能分類和行為預(yù)測(cè)。同時(shí)，這些數(shù)據(jù)還有助于更加精準(zhǔn)地購(gòu)買和投放廣告。其團(tuán)隊(duì)收集各種來自志愿者信息、社交媒體平臺(tái)、門戶網(wǎng)站等非結(jié)構(gòu)化數(shù)據(jù)，并整合了從各種渠道收集的數(shù)據(jù)，以創(chuàng)建一個(gè)綜合的選民數(shù)據(jù)庫。這個(gè)數(shù)據(jù)庫被用于精確定位選民，推廣他們感興趣的議題和營(yíng)銷策略。該數(shù)據(jù)庫對(duì)人群的分類不再是簡(jiǎn)單的人口統(tǒng)計(jì)學(xué)變量如性別，或者社會(huì)學(xué)變量如社會(huì)經(jīng)濟(jì)地位等，而是包含選民的興趣愛好、購(gòu)物記錄、社交活動(dòng)、投票經(jīng)歷、慈善捐贈(zèng)等更加個(gè)性化的信息。

在2016年的大選中，特朗普也采取了類似做法。一方面，特朗普組建專門的數(shù)據(jù)運(yùn)營(yíng)團(tuán)隊(duì)，包括數(shù)據(jù)分析師、數(shù)字營(yíng)銷人員、軟件工程師和網(wǎng)絡(luò)撰稿人以及媒體運(yùn)營(yíng)者等專業(yè)人員。該團(tuán)隊(duì)將采集到的具有“特朗普支持者”特征的人名、電子郵件和電話號(hào)碼上傳到Facebook的后臺(tái)，然后利用Facebook的“客戶列表中的自定義受眾”功能來匹配這些真實(shí)的人與他們的虛擬Facebook個(gè)人資料，再通過Facebook的“受眾群定位選項(xiàng)”功能，根據(jù)用戶在Facebook中的個(gè)人信息、參與或感興趣的活動(dòng)，了解他們的需求、偏好、習(xí)慣和行為，并針對(duì)這些用戶設(shè)計(jì)和執(zhí)行宣傳策略。隨后，利用Facebook“類似受眾”功能擴(kuò)展特朗普的目標(biāo)Facebook用戶群，自動(dòng)搜索平臺(tái)中的其他用戶，將具有“特朗普支持者”潛在特征的人拉攏于旗下。最后，利用Facebook的“品牌提升”調(diào)查功能來衡量廣告的成功與否。另一方面，特朗普的競(jìng)選團(tuán)隊(duì)還建立了專門的數(shù)據(jù)庫——阿拉莫項(xiàng)目（Project Alamo）數(shù)據(jù)庫。該數(shù)據(jù)庫包含美國(guó)2.2億人的身份體征，以及每個(gè)人約有4000至5000個(gè)有關(guān)在線和離線生活的個(gè)人數(shù)據(jù)點(diǎn)。數(shù)據(jù)庫還包括大量的外部數(shù)據(jù)，如選民登記記錄、槍支持有記錄、信用卡消費(fèi)記錄和互聯(lián)網(wǎng)賬戶身份，這些數(shù)據(jù)是從Facebook的營(yíng)銷合作伙伴Experian PLC、Datalogix、Epsilon和Acxiom Corporation等公司購(gòu)買所得［14］。

在以競(jìng)爭(zhēng)性選舉為底色的西方國(guó)家政治過程中，大數(shù)據(jù)政治集中體現(xiàn)為選舉大數(shù)據(jù)，即圍繞政治競(jìng)選而收集的關(guān)于選民與影響選舉的政策偏好數(shù)據(jù)。如果說傳統(tǒng)意義上選舉數(shù)據(jù)的收集主要依賴于選民數(shù)據(jù)庫和民意調(diào)查，那么在社交媒體時(shí)代這一數(shù)據(jù)得到了極大擴(kuò)展。現(xiàn)代政黨和政治候選人通過免費(fèi)獲取或購(gòu)買的形式，大量收集選民日常的商業(yè)消費(fèi)數(shù)據(jù)、個(gè)人愛好數(shù)據(jù)、社交媒體數(shù)據(jù)等，而這些數(shù)據(jù)都被轉(zhuǎn)化成為選舉大數(shù)據(jù)。

三、大數(shù)據(jù)政治的模型建構(gòu)

建立龐大的選民數(shù)據(jù)庫只是將大數(shù)據(jù)應(yīng)用于政治競(jìng)選的第一步，如何分析、處理和使用數(shù)據(jù)才是讓數(shù)據(jù)發(fā)揮作用的關(guān)鍵所在。所謂的模型建構(gòu)就是在基礎(chǔ)數(shù)據(jù)和目標(biāo)信息之間創(chuàng)建計(jì)算關(guān)系，進(jìn)行數(shù)據(jù)分析進(jìn)而推斷新信息的行為。大數(shù)據(jù)技術(shù)的應(yīng)用和社交媒體的建立，生成了大量網(wǎng)絡(luò)用戶制造的數(shù)據(jù)流。這些數(shù)據(jù)與計(jì)算技術(shù)相結(jié)合進(jìn)行建模所獲得的新信息，遠(yuǎn)遠(yuǎn)超過傳統(tǒng)方法所收集的選民信息范圍，從而更為即時(shí)精準(zhǔn)地對(duì)選民進(jìn)行政治畫像，進(jìn)而提高數(shù)據(jù)利用的效率［15］。使用機(jī)器學(xué)習(xí)進(jìn)行數(shù)據(jù)分析是常用的算法技術(shù)，其能通過歷史經(jīng)驗(yàn)自動(dòng)學(xué)習(xí)并改進(jìn)性能，識(shí)別和推斷數(shù)據(jù)應(yīng)用模式，并使用這些模式做出預(yù)測(cè)或決策，這一過程也正是大數(shù)據(jù)政治建模的過程。

（一）初始形態(tài)：簡(jiǎn)單運(yùn)算型

大數(shù)據(jù)在政治選舉中的應(yīng)用始于2008年美國(guó)總統(tǒng)選舉，此時(shí)的模型架構(gòu)更多的是基于采集的初始數(shù)據(jù)進(jìn)行快速、簡(jiǎn)單的整理和篩選。在2008年的美國(guó)總統(tǒng)選舉中，奧巴馬競(jìng)選團(tuán)隊(duì)根據(jù)投票和支持奧巴馬的可能性給每一位選民分配了對(duì)應(yīng)分?jǐn)?shù)。在每一個(gè)關(guān)鍵州，競(jìng)選團(tuán)隊(duì)的呼叫中心每周都會(huì)進(jìn)行5000到1萬次的簡(jiǎn)短采訪以及1000次長(zhǎng)時(shí)段采訪，以便快速評(píng)估選民的投票偏好。為了得出個(gè)人層面的預(yù)測(cè)，算法根據(jù)這些采訪意見和競(jìng)選活動(dòng)所收集到的每位選民數(shù)據(jù)點(diǎn)確定模型。在這一模型中，每個(gè)選民的數(shù)據(jù)點(diǎn)多達(dá)1000個(gè)變量，這些變量來自選民登記記錄、消費(fèi)者數(shù)據(jù)倉(cāng)庫和過去的競(jìng)選聯(lián)系人。隨后，志愿者會(huì)通過登門或電話與特定選民進(jìn)行腳本對(duì)話；這些互動(dòng)產(chǎn)生的數(shù)據(jù)，會(huì)再回流到競(jìng)選團(tuán)隊(duì)的服務(wù)器中以完善模型［16］。

（二）進(jìn)階形態(tài)：復(fù)雜計(jì)算型

隨著數(shù)據(jù)流動(dòng)和互動(dòng)的加速行進(jìn)，在2012年大選期間，奧巴馬的競(jìng)選團(tuán)隊(duì)根據(jù)所掌握的數(shù)據(jù)開發(fā)了復(fù)雜的“投票率”模型，給每個(gè)潛在選民設(shè)置從0（不會(huì)投票）到100（肯定會(huì)投票）的打分排序。這一做法讓競(jìng)選動(dòng)員活動(dòng)更為高效和聚焦，其拉票范圍主要集中于已經(jīng)或有可能是奧巴馬支持者的選民，而不是花費(fèi)大量精力說服最終不會(huì)投票的選民。根據(jù)這一模型，奧巴馬的基層競(jìng)選工作人員在一些關(guān)鍵州，能夠深入共和黨地盤單獨(dú)挑選選民，他們?cè)谄渌埠忘h人居住的郊區(qū)將這些選民塑造為可能的民主黨人，打破了選區(qū)對(duì)選民目標(biāo)的鎖定限制［17］。建模的質(zhì)量高低和功能強(qiáng)弱有賴于所能夠購(gòu)買和處理的數(shù)據(jù)多少。在2012年的美國(guó)總統(tǒng)選舉中，奧巴馬的競(jìng)選團(tuán)隊(duì)針對(duì)政治態(tài)度模糊的選民建立了“說服模型”。他們使用了大量的數(shù)據(jù)來源，包括社交媒體、在線調(diào)查、電話調(diào)查和郵寄調(diào)查等，將這些數(shù)據(jù)與選民檔案和選舉歷史數(shù)據(jù)結(jié)合起來，來預(yù)測(cè)選民的態(tài)度和行為，包括是否會(huì)投票以及可能支持哪個(gè)候選人。奧巴馬的首席數(shù)據(jù)科學(xué)家拉伊德·加尼曾表示：“模型會(huì)告訴我們，我們能為奧巴馬贏得哪些選民，以及我們應(yīng)該避免接觸哪些選民?！保?8］奧巴馬競(jìng)選團(tuán)隊(duì)運(yùn)用這一模型，預(yù)測(cè)了數(shù)百萬搖擺選民的投票意愿情況。

（三）高級(jí)形態(tài)：自主處理型

伴隨社交媒體的興起及其在社會(huì)成員中的普及和滲透，包括個(gè)人信息、好友網(wǎng)絡(luò)、社交平臺(tái)上的閱讀評(píng)論等記錄在內(nèi)的交互數(shù)據(jù)開始大量生成。與此同時(shí)，算法的加入和結(jié)合，使得高精度模擬個(gè)體選民偏好以助推政治競(jìng)選活動(dòng)成為現(xiàn)實(shí)，甚至不需要直接向選民提出任何問題便可以自主生成數(shù)據(jù)。劍橋大學(xué)科辛斯基（Michal Kosinski）等研究者僅僅通過Facebook的“喜歡”就可以準(zhǔn)確預(yù)測(cè)個(gè)人屬性，包括種族、宗教、性取向、政治觀點(diǎn)和智力水平、幸福感水平、成癮物質(zhì)的使用、家庭情況等。其中，通過使用Facebook“喜歡”可以預(yù)測(cè)Facebook用戶是否異性戀的準(zhǔn)確率為88%，種族的準(zhǔn)確率達(dá)到95%，政黨背景的準(zhǔn)確率是85%。換言之，只需訪問一小部分Facebook數(shù)據(jù)，通過計(jì)算模型進(jìn)行處理，就可以大概劃分共和黨和民主黨，而不需要查看選民登記文件、金融交易或組織成員資格等數(shù)據(jù)，并且，這類模型建構(gòu)還允許訪問傳統(tǒng)數(shù)據(jù)庫無法觸及的心理特征，諸如“開放”“內(nèi)向”或是“神經(jīng)質(zhì)”等人格特征。研究人員不需要建立互動(dòng)關(guān)系，就能像心理學(xué)家管理標(biāo)準(zhǔn)化的、經(jīng)過驗(yàn)證的工具一樣精確地模擬心理特征［19］。借助于模型建構(gòu)，社交媒體平臺(tái)上的數(shù)據(jù)可以轉(zhuǎn)化成非常精準(zhǔn)的選民數(shù)據(jù)，進(jìn)而為政黨進(jìn)行選民動(dòng)員提供了重要依據(jù)。

劍橋大學(xué)心理學(xué)教授科根（Aleksandr Kogan）進(jìn)一步拓展了科辛斯基等人通過Facebook數(shù)據(jù)所繪制的“心理圖譜”。科根創(chuàng)立的公司Global Science Research與劍橋分析公司簽署了協(xié)議，以收集美國(guó)選民的Facebook數(shù)據(jù)，并利用它了解人們的性格類型，從而進(jìn)行政治廣告宣傳。2014年，科根在Facebook創(chuàng)建了名為“這就是你的數(shù)字生活”（This is your digital life）的應(yīng)用程序，對(duì)用戶進(jìn)行個(gè)性測(cè)驗(yàn)。在Facebook用戶下載應(yīng)用程序后，該程序便開始收集該用戶的個(gè)人信息，包括個(gè)人資料及Facebook行動(dòng)軌跡（例如，“喜歡”哪些內(nèi)容）。該應(yīng)用程序不僅收集了使用該應(yīng)用程序的用戶數(shù)據(jù)，還收集了這些用戶在Facebook中人際關(guān)系網(wǎng)的數(shù)據(jù)。最初大約有30萬人下載了該應(yīng)用程序，但由于該應(yīng)用還收集了這些用戶的朋友信息，他們的數(shù)據(jù)隱私已設(shè)置為允許該應(yīng)用訪問，所以，實(shí)際收集了多達(dá)8700萬美國(guó)人的Facebook數(shù)據(jù)，并稱其目的為研究使用［20］。但事實(shí)上，科根將上述數(shù)據(jù)提供給劍橋分析公司，該公司使用這些數(shù)據(jù)來確定選民的人格特質(zhì)和行為，以此來達(dá)到商業(yè)目的［21］。

數(shù)據(jù)本身沒有價(jià)值，只有經(jīng)過處理的數(shù)據(jù)方有價(jià)值。正如哈佛大學(xué)政治學(xué)系教授加里·金（Gary King）所指出的，“大數(shù)據(jù)實(shí)際與數(shù)據(jù)無關(guān)，絕大多數(shù)數(shù)據(jù)分析僅涉及相對(duì)較小的數(shù)據(jù)集，或較大數(shù)據(jù)集的小樣本。如果不能增加相應(yīng)的數(shù)據(jù)處理能力，就一味創(chuàng)建無法使用的數(shù)據(jù)是有害的——因?yàn)檫@樣做更昂貴、更耗時(shí)、更分散注意力。創(chuàng)新的統(tǒng)計(jì)方法、新穎的科學(xué)技術(shù)和原創(chuàng)性理論的結(jié)合對(duì)于大數(shù)據(jù)的處理至關(guān)重要”［22］。數(shù)據(jù)分析模型是基于計(jì)算技術(shù)對(duì)于初始數(shù)據(jù)的處理，進(jìn)而便于應(yīng)用的建構(gòu)過程，面對(duì)日趨繁雜的政治大數(shù)據(jù)，提升數(shù)據(jù)分析和處理能力是必然之勢(shì)。

四、微目標(biāo)定位與大數(shù)據(jù)政治應(yīng)用

（一）微目標(biāo)定位：大數(shù)據(jù)政治的應(yīng)用實(shí)踐

政治數(shù)據(jù)經(jīng)過收集分析和建模處理之后即面臨著如何應(yīng)用的問題，政治微目標(biāo)定位（Political micro-targeting）為此提供了選項(xiàng)。其是指使用不同的通信方式（郵件、電話、拉票、直郵和社交媒體廣告等）與潛在選民溝通并建立關(guān)系，通過數(shù)據(jù)分析向選民中的子群體或個(gè)體傳遞量身定做的信息［23］。微目標(biāo)定位原先是一種商業(yè)直銷行為，指的是為目標(biāo)客戶提供活動(dòng)信息并做出戰(zhàn)略決策的過程。算法模型為復(fù)雜活動(dòng)中的決策提供信息，其中，模型建構(gòu)和微觀目標(biāo)定位常常是聯(lián)系在一起的。地理定位是最古老的方法，它根據(jù)對(duì)過去選舉的選區(qū)結(jié)果進(jìn)行分析，以確定和預(yù)測(cè)更有利的選區(qū)。另一種方法是針對(duì)具有共同人口特征的群體，如收入、宗教或職業(yè)，通過一系列基于人口統(tǒng)計(jì)的可靠數(shù)據(jù)來建立算法模型，以區(qū)分目標(biāo)選民群體的個(gè)體偏好。復(fù)雜的目標(biāo)定位方法是基于對(duì)選民的個(gè)人態(tài)度、行為和價(jià)值觀的分析，將其與投票決定進(jìn)行一致性假設(shè)，使用模型建構(gòu)和微目標(biāo)定位來提高有限資源的競(jìng)選活動(dòng)以及與選民溝通的效率［24］。隨著新技術(shù)的介入和生長(zhǎng)，政治微目標(biāo)定位逐漸進(jìn)入網(wǎng)絡(luò)空間。如今，在線政治微觀定位（Online political micro-targeting）已成為美國(guó)競(jìng)選的重要組成部分［25］。其指向的是使用數(shù)字技術(shù)采集、分析大數(shù)據(jù)信息，進(jìn)而在恰當(dāng)?shù)臅r(shí)間和合適的線上渠道投放迎合受眾偏好的政治廣告，它代表了大數(shù)據(jù)時(shí)代政治實(shí)踐活動(dòng)的一種新工具性手段。

（二）微目標(biāo)定位的政治演繹

收集大數(shù)據(jù)政治的最終目的是為了通過加工進(jìn)行更有效的競(jìng)選宣傳，更精準(zhǔn)地動(dòng)員選民投票或者捐款，從而轉(zhuǎn)化為政治競(jìng)選的優(yōu)勢(shì)。在2012年的美國(guó)總統(tǒng)大選中，奧巴馬競(jìng)選團(tuán)隊(duì)建立了獨(dú)角鯨（Narwhal）數(shù)據(jù)庫，以協(xié)助解決候選人及其團(tuán)隊(duì)訪問多個(gè)數(shù)據(jù)庫對(duì)潛在選民進(jìn)行定位。該數(shù)據(jù)庫為使用者設(shè)置了運(yùn)行接口，以訪問數(shù)據(jù)庫并提取有關(guān)選民的相關(guān)數(shù)據(jù)。在獨(dú)角鯨數(shù)據(jù)庫的運(yùn)作下，奧巴馬的競(jìng)選團(tuán)隊(duì)還可以更為精準(zhǔn)地定位電視觀眾。他們根據(jù)觀眾數(shù)據(jù)庫中選民的行為，制定了政治傾向的類別?；跀?shù)據(jù)分析，他們?cè)赥V Land購(gòu)買了廣告空間，重播“我愛露西”（I Love Lucy）以及深夜喜劇節(jié)目和ESPN的節(jié)目來吸引選民［26］。如此，競(jìng)選團(tuán)隊(duì)可以不必購(gòu)買昂貴的廣播電視新聞和有線新聞?lì)l道，而是通過這些廣告來爭(zhēng)取猶豫不決的選民，在減少成本投入的同時(shí)也提升了回報(bào)效益。

獨(dú)角鯨數(shù)據(jù)庫還可以為競(jìng)選活動(dòng)的所有應(yīng)用程序提供單個(gè)共享數(shù)據(jù)存儲(chǔ)接口，從而將現(xiàn)有應(yīng)用程序集成到該系統(tǒng)中，也可以快速開發(fā)新應(yīng)用程序，比如儀表盤（Dashboard）程序。儀表盤是虛擬現(xiàn)場(chǎng)辦公室的應(yīng)用程序，可幫助志愿者與志愿者、志愿者與選民之間進(jìn)行交流和協(xié)作。該程序允許選民將自己指定為團(tuán)隊(duì)的領(lǐng)導(dǎo)者或成員，可以組織會(huì)議，通過Web界面撥打電話，自動(dòng)存儲(chǔ)信用卡信息，與團(tuán)隊(duì)中的其他人進(jìn)行在線討論，為自己和團(tuán)隊(duì)創(chuàng)建目標(biāo)并跟蹤這些目標(biāo)何時(shí)實(shí)現(xiàn)來做出貢獻(xiàn)。儀表盤還提供了“小組”功能，人們可以在不考慮位置的情況下加入與政策領(lǐng)域、種族和族裔、職業(yè)以及其他類別相關(guān)聯(lián)的相似性小組，還有電話銀行工具，以及籌款工具，使人們可以為自己設(shè)定籌款目標(biāo)。用儀表盤的支持者可以主動(dòng)成為組織者，或者讓自己根據(jù)政策利益而參與其他組織的工作［27］。

在2016年美國(guó)總統(tǒng)選舉當(dāng)中，政治微目標(biāo)定位也得到了充分的應(yīng)用。與奧巴馬專注于搖擺選民的數(shù)字策略不同，特朗普競(jìng)選活動(dòng)集中在確定哪些政策最適合分段式的選民群體。特朗普喜歡通過社交媒體向廣大受眾明確表達(dá)自己的觀點(diǎn)，這意味著可以實(shí)時(shí)監(jiān)控民眾對(duì)其觀點(diǎn)的積極或負(fù)面反應(yīng)，并且將社交媒體上對(duì)某些消息反響良好的用戶信息與共和黨數(shù)據(jù)庫中的選民信息相匹配。此外，特朗普競(jìng)選團(tuán)隊(duì)還定向散布虛假消息。研究發(fā)現(xiàn)，支持特朗普的假新聞被分享的頻率是支持希拉里的假新聞的4倍，平均1.2%的美國(guó)人看到了假新聞標(biāo)題。這些虛假新聞來自官方競(jìng)選機(jī)構(gòu)、非官方結(jié)盟的利益集團(tuán)、友好的媒體組織和網(wǎng)站、外國(guó)演員，甚至候選人本人［28］。通過宣傳虛假新聞，使之與諷刺、逐利、陰謀論相重疊，故意利用錯(cuò)誤信息來影響對(duì)某個(gè)問題或?qū)蜻x人的態(tài)度。比如，特朗普競(jìng)選團(tuán)隊(duì)在海地向當(dāng)?shù)鼐用裥麄鳎?010年大地震之后，克林頓基金會(huì)是如何行動(dòng)不力甚至“趁火打劫”的，以此截?cái)嗨麄冎С窒＠锏哪铑^。再如，為了讓希拉里的潛在支持者放棄投票，在正式投票前幾周，F(xiàn)acebook上的“暗帖”（只有符合具體特征的用戶才會(huì)看到）開始泛濫，一些黑人用戶就會(huì)看到這樣的一些視頻：在視頻中，希拉里稱黑人男性為“掠奪者”［29］。特朗普的數(shù)字軍團(tuán)的定向宣傳多數(shù)是投放在社交媒體或數(shù)字電視上的，以有針對(duì)性的方式加以傳播，很少展示在主流媒體上。競(jìng)選期間，特朗普競(jìng)選團(tuán)隊(duì)每天向10萬名目標(biāo)選民發(fā)送量身定制的消息。結(jié)果是，希拉里團(tuán)隊(duì)基于人口統(tǒng)計(jì)學(xué)對(duì)宣傳效果進(jìn)行預(yù)估，誤以為自己占了上風(fēng)。

在劍橋分析公司數(shù)據(jù)基礎(chǔ)之上，特朗普的競(jìng)選團(tuán)隊(duì)將政治微目標(biāo)定位推進(jìn)到一個(gè)新的高度。2016年7月，特朗普的基層競(jìng)選工作者配備了一款評(píng)估應(yīng)用軟件，該應(yīng)用可以收集并分析某戶居民的個(gè)性特征和政治立場(chǎng)，并根據(jù)對(duì)特朗普宣傳的接受程度進(jìn)行評(píng)定，對(duì)于得分較高的居民才會(huì)展開線下拉票。拉票人員配有對(duì)話指南，按照居民的性格類型進(jìn)行有針對(duì)性宣傳，再將反應(yīng)回饋給應(yīng)用程序，這些新數(shù)據(jù)又流回特朗普競(jìng)選團(tuán)隊(duì)的操作界面上［30］。盡管2012年競(jìng)選期間奧巴馬的儀表盤程序也與此相似，但是沒有使用心理測(cè)評(píng)功能。劍橋分析公司將美國(guó)人口分為32種人格類型，并且關(guān)注17個(gè)主要州，向特朗普競(jìng)選團(tuán)隊(duì)展示哪些信息效果最好以及在什么地方的效果最好。該數(shù)據(jù)分析結(jié)果推動(dòng)競(jìng)選團(tuán)隊(duì)在競(jìng)選最后幾周將關(guān)注重點(diǎn)放在密歇根州和威斯康星州。在特朗普與希拉里的第三次總統(tǒng)辯論中，特朗普的競(jìng)選團(tuán)隊(duì)利用大數(shù)據(jù)測(cè)試了175，000種不同的廣告變體，在標(biāo)題、顏色以及照片或視頻等微觀細(xì)節(jié)上作出區(qū)分，以便用最佳的心理分析法確定廣告接收者，目標(biāo)范圍可以具體到村莊、公寓甚至個(gè)人。正是基于上述行動(dòng)的判斷，劍橋分析公司負(fù)責(zé)人亞歷山大·尼克斯指出：“特朗普發(fā)布的幾乎每條消息都是數(shù)據(jù)驅(qū)動(dòng)的?！保?1］

（三）政治微目標(biāo)定位的潛在風(fēng)險(xiǎn)

收集、處理、分析政治數(shù)據(jù)的結(jié)果是為了應(yīng)用。如果說在傳統(tǒng)意義上政黨和政治候選人是通過報(bào)紙發(fā)文、電視辯論和巡回演講來動(dòng)員選民支持，那么在大數(shù)據(jù)時(shí)代，政治數(shù)據(jù)的分析結(jié)果以及在此基礎(chǔ)上的政治微目標(biāo)定位如定制化的社交媒體廣告、虛假的網(wǎng)絡(luò)新聞以及候選人在社交網(wǎng)站上的形象包裝等，可幾乎完全取代上述動(dòng)員行動(dòng)。政治微目標(biāo)定位在精準(zhǔn)預(yù)測(cè)選民偏好和政策優(yōu)勢(shì)的同時(shí)，也為政黨和政治候選人進(jìn)行選舉動(dòng)員提供了可靠的依據(jù)。后者通過這些數(shù)據(jù)制定更有針對(duì)性的競(jìng)選綱領(lǐng)，更聚焦于那些搖擺不定的目標(biāo)選民，也更直接地向競(jìng)爭(zhēng)對(duì)手進(jìn)行政治攻擊。政治大數(shù)據(jù)為政黨和政治候選人賦予了更多的權(quán)力，作為政治權(quán)利主體的選民在其看來不過是可以計(jì)算、影響甚至操縱的數(shù)據(jù)集合單元。

古塔勒夫·勒龐（Gustave Le Bon）在其著作《烏合之眾》中提出，個(gè)體的人是理性的，一旦到了集體里面，就喪失了理性，他們?cè)谌后w中的智力水平被統(tǒng)一抹平，群體變成易受暗示、輕信、偏執(zhí)、極端的“無意識(shí)”個(gè)體［32］。在群體中，個(gè)人意識(shí)會(huì)被擦抹，思想和行為也會(huì)趨同，此時(shí)，如果群體領(lǐng)袖十分了解每個(gè)人的內(nèi)心需求，就可以達(dá)到向個(gè)體灌輸思想以維護(hù)其政治利益的目的。定向廣告正是通過掌握群體心理，針對(duì)特定受眾進(jìn)行廣告投放的一種定制化策略。這種策略可以幫助投放者更精確地定位其目標(biāo)受眾，并提高廣告投放的效果。首先，運(yùn)用數(shù)據(jù)分析和社交媒體監(jiān)測(cè)等手段獲得目標(biāo)受眾的年齡、性別、興趣、消費(fèi)習(xí)慣等信息，接著根據(jù)目標(biāo)受眾的興趣和需求，制定符合其需求的廣告內(nèi)容，并選擇不同的廣告投放方式和渠道，同時(shí)通過Google Analytics等網(wǎng)站分析工具來監(jiān)測(cè)廣告效果，最后根據(jù)數(shù)據(jù)進(jìn)一步優(yōu)化廣告投放策略，以此在潛移默化中影響個(gè)體的政治態(tài)度。從這個(gè)過程來看，個(gè)體處于被動(dòng)位置，群體領(lǐng)袖可以依據(jù)個(gè)人意志影響個(gè)體思維的呈現(xiàn)，導(dǎo)致個(gè)體原本的獨(dú)立判斷和選擇能力被剝奪，也就失去了民主政治的根本價(jià)值導(dǎo)向，即由公眾共同參與政治進(jìn)程和國(guó)家建設(shè)的本質(zhì)要求，很可能出現(xiàn)數(shù)據(jù)獨(dú)裁或?qū)Ｖ啤?/p>

五、結(jié)論與討論：大數(shù)據(jù)政治的反思與治理

信息通信技術(shù)的迭代發(fā)展特別是社交媒體的興起，讓大數(shù)據(jù)成為我們所處時(shí)代最突出的標(biāo)志之一，并隨之帶來數(shù)據(jù)的政治屬性問題，即“誰得到、何時(shí)得到以及如何得到”的問題。當(dāng)前，大數(shù)據(jù)政治的來源非常廣泛，涵蓋政府公開數(shù)據(jù)、選民信息數(shù)據(jù)、商業(yè)交易數(shù)據(jù)、社交媒體數(shù)據(jù)、科學(xué)研究數(shù)據(jù)、自愿透露數(shù)據(jù)與間接推斷數(shù)據(jù)、潛在數(shù)據(jù)和用戶生成數(shù)據(jù)等。新的數(shù)據(jù)計(jì)算方法進(jìn)一步加強(qiáng)了對(duì)上述數(shù)據(jù)的處理能力，能夠處理用戶生成的自然語言輸出中包含的語義非結(jié)構(gòu)化信息，而不單是已經(jīng)結(jié)構(gòu)化的數(shù)據(jù)；新的數(shù)據(jù)包工具可以使用社會(huì)網(wǎng)絡(luò)分析等方法，通過結(jié)構(gòu)鏡頭檢查人類互動(dòng)數(shù)據(jù)；龐大的數(shù)據(jù)規(guī)模已經(jīng)允許我們進(jìn)行曾經(jīng)難以想象的相關(guān)性分析［33］。統(tǒng)計(jì)、分析和計(jì)算等數(shù)據(jù)科學(xué)的出現(xiàn)，并不僅僅是因?yàn)樗鼈儩M足了我們的好奇心，也在于這些數(shù)據(jù)對(duì)于為了公共或私人利益而使用它們的對(duì)象和主體來說是有用的。

大數(shù)據(jù)的出現(xiàn)對(duì)于傳統(tǒng)的政治行為、政治過程甚至政治制度產(chǎn)生了廣泛且深入的影響。其中，最顯著的變化體現(xiàn)在將政黨與政黨之間的競(jìng)爭(zhēng)性選舉，由原先廣播、電視和報(bào)紙上的廣告之爭(zhēng)，轉(zhuǎn)移到了幕后政治數(shù)據(jù)的收集、分析、處理與應(yīng)用的能力之爭(zhēng)。在大數(shù)據(jù)時(shí)代的政治行為者中，誰能夠獲得更多樣的政治大數(shù)據(jù)，誰能夠構(gòu)建更有效的數(shù)據(jù)處理模型，誰能夠?qū)崿F(xiàn)更精準(zhǔn)的定位微目標(biāo)，就意味著在政治競(jìng)爭(zhēng)中占據(jù)著更大的優(yōu)勢(shì)。

大數(shù)據(jù)在政治領(lǐng)域的應(yīng)用已經(jīng)越來越普遍，作為一種新生事物的流變，由其所產(chǎn)生的各類問題會(huì)隨著發(fā)展進(jìn)程而慢慢擴(kuò)散，也可能會(huì)引發(fā)難以預(yù)測(cè)的“次生災(zāi)害”和不可估量的政治危機(jī)。因此，想要確保政治與數(shù)據(jù)的有機(jī)結(jié)合和良性互動(dòng)，就必須加強(qiáng)對(duì)大數(shù)據(jù)政治的治理。

一是明確大數(shù)據(jù)政治應(yīng)用的正確導(dǎo)向。大數(shù)據(jù)政治的應(yīng)用關(guān)涉“誰得到”的重要問題，關(guān)涉數(shù)據(jù)被誰所擁有以及用于做什么。換言之，大數(shù)據(jù)政治的應(yīng)用具有兩個(gè)鮮明的取向：民主取向還是操縱取向？當(dāng)政治數(shù)據(jù)用于更為科學(xué)的公共政策制定和更公平的政治參與時(shí)，我們可以說大數(shù)據(jù)政治具有鮮明的民主取向。當(dāng)選民的數(shù)據(jù)用于為政治候選人獲得競(jìng)選目的時(shí)，選民則從獨(dú)立的政治權(quán)利主體降格為可計(jì)算測(cè)量的數(shù)據(jù)單元集合。在政治候選人眼中，選民是一個(gè)由各種信息匯集起來的“數(shù)據(jù)化個(gè)體”，是可以通過數(shù)據(jù)方法被計(jì)算、測(cè)量和影響的。在美國(guó)總統(tǒng)選舉數(shù)據(jù)庫的建立過程中，專業(yè)人員收集了大量選民信息，包括個(gè)人特征、政治捐款歷史、在線社交活動(dòng)和購(gòu)物習(xí)慣等。數(shù)據(jù)專家對(duì)所有數(shù)據(jù)進(jìn)行整合、清洗和處理，以生成一套全面的選民檔案。接著利用先進(jìn)的計(jì)算模型和數(shù)據(jù)分析技術(shù)，分析和預(yù)測(cè)選民的政治立場(chǎng)、投票可能性、政黨歸屬和特定政策偏好等要素，并對(duì)選民進(jìn)行分類和排名。這使得競(jìng)選政黨能夠制定更具針對(duì)性的政治營(yíng)銷和廣告策略，通過電子郵件、電視和社交媒體等各種渠道來吸引選民的注意。在這一過程中，選民不過被看作是可以被計(jì)算、被測(cè)量和被操縱的“數(shù)字個(gè)體”。因此，必須堅(jiān)持?jǐn)?shù)據(jù)使用的正當(dāng)性、合法性和導(dǎo)向性，維護(hù)價(jià)值理性和工具理性的相對(duì)平衡。

二是加強(qiáng)政治數(shù)據(jù)的管理規(guī)范。大數(shù)據(jù)時(shí)代的個(gè)體數(shù)據(jù)和個(gè)人隱私隨時(shí)存在被侵犯的風(fēng)險(xiǎn)。各政黨所掌握的選民數(shù)據(jù)，已經(jīng)不限于選民的投票記錄、家庭住址、通信方式、政策偏好，還囊括了雜志訂閱、會(huì)員卡使用、采購(gòu)消費(fèi)、駕照、網(wǎng)絡(luò)瀏覽、社交信息等。海量數(shù)據(jù)在聚合、傳輸、分發(fā)的過程中，極有可能被泄露和二次利用。例如，美國(guó)曾在2015年12月發(fā)生了一起關(guān)于1.91億條投票記錄被泄露的丑聞，這些信息包括選民姓名、出生日期、住址、電話號(hào)碼、政治興趣、選民派別等個(gè)人信息，對(duì)民眾造成了巨大影響。因此，必須通過具有前瞻性的數(shù)據(jù)立法形式，規(guī)范哪些公民個(gè)人數(shù)據(jù)可以收集、哪些數(shù)據(jù)不可以收集、個(gè)體數(shù)據(jù)隱私如何保護(hù)等重要性問題。

三是加強(qiáng)大數(shù)據(jù)政治應(yīng)用的技術(shù)治理。數(shù)據(jù)驅(qū)動(dòng)的政治顯然是一項(xiàng)技術(shù)密集型的政治實(shí)踐，所有政治傳播活動(dòng)包括以數(shù)據(jù)為導(dǎo)向的目標(biāo)，都受到部署它們的制度環(huán)境的影響。美國(guó)競(jìng)選活動(dòng)的龐大財(cái)政資源、私營(yíng)政治咨詢部門、專業(yè)化的政治數(shù)據(jù)公司，以及可獲得的選民數(shù)據(jù)信息，讓美國(guó)成為大數(shù)據(jù)政治的前沿區(qū)域，其政治候選人可以使用當(dāng)前最精致的數(shù)據(jù)驅(qū)動(dòng)系統(tǒng)。相比之下，許多歐洲國(guó)家的政黨財(cái)政資源較為有限，選舉登記冊(cè)所包含的有用信息并不多，而按照國(guó)際標(biāo)準(zhǔn)的數(shù)據(jù)保護(hù)法律也很嚴(yán)格。加強(qiáng)大數(shù)據(jù)政治應(yīng)用的技術(shù)治理，就是要在制度設(shè)計(jì)和法律規(guī)范上約束數(shù)據(jù)公司的技術(shù)應(yīng)用范圍，要求其在合法合規(guī)的范圍內(nèi)使用數(shù)據(jù)。

四是推進(jìn)大數(shù)據(jù)政治的合理利用。加快培育大數(shù)據(jù)研究機(jī)構(gòu)和專業(yè)數(shù)據(jù)公司，組建計(jì)算機(jī)科學(xué)、政治學(xué)和新聞傳播學(xué)等跨學(xué)科、跨院校的大數(shù)據(jù)政治研究團(tuán)隊(duì)，實(shí)時(shí)跟蹤大數(shù)據(jù)的技術(shù)前沿和實(shí)踐動(dòng)態(tài)，并結(jié)合國(guó)情開展專題研究。加快構(gòu)建大數(shù)據(jù)政治庫，形成各類專題動(dòng)態(tài)分析模型用于更好決策。由專門部門牽頭，成立整合各類網(wǎng)上信息來源，如微博、微信、短信、門戶網(wǎng)站瀏覽信息、網(wǎng)上發(fā)帖內(nèi)容等，以及商業(yè)信息如購(gòu)物網(wǎng)站信息，并與政府的政務(wù)信息進(jìn)行整合比對(duì)、篩選和清洗，在此基礎(chǔ)上形成區(qū)域、性別、年齡、職業(yè)、階層、民族等各類政治數(shù)據(jù)。此類數(shù)據(jù)庫可以為政府進(jìn)行重要決策，提升應(yīng)急能力和治理效能，提供基礎(chǔ)性的科學(xué)數(shù)據(jù)支撐。

［參考文獻(xiàn)］

［1］Brady H E. The Challenge of Big Data and Data Science［J］.Annual Review of Political Science， 2019，22（1）：297-323.

［2］［4］［5］Coté M，Gerbaudo P， Pybus J. Introduction.Politics of Big Data［J］.Digital Culture & Society，2016，2（2）： 5-16.

［3］Marr，B.Big Data：20 Mind-Boggling Facts Everyone Must Read［EB/OL］.http：//www.forbes.com/sites/bernardmarr/2015/09/30/big-data-20-mind-boggling-facts-everyone-must-read/.

［6］［8］Ruppert E，Isin E，Bigo D.Data Politics［J］.Big Data & Society，2017，4（2）： 1-7.

［7］Bigo D，Isin E，Ruppert E.Data Politics：Worlds， Subjects，Rights［M］.London：Taylor & Francis，2019：5-6.

［9］Nickerson D W，Rogers T.Political Campaigns and Big Data［J］.Journal of Economic Perspectives，2014，28（2）：51-74.

［10］Dommett K.Data-Driven Political Campaigns in Practice：Understanding and Regulating Diverse Data-Driven Campaigns［J］.Internet Policy Review，2019，8（4）：1-18.

［11］［17］［32］［33］Tufekci Z.Engineering the Public：Big Data，Surveillance and Computational Politics［J］.First Monday，2014，19（7）：1-11.

［12］［13］［15］Hersh E D.Hacking the Electorate：How Campaigns Perceive Voters［M］.Cambridge：Cambridge University Press，2015：67、67、67.

［14］Winston，Joel.How the Trump Campaign Built an Identity Data- Base and Used Facebook Ads to Win the Election.Medium： Startup Grind［EB/OL］.https：//medium.com/startup-grind/how-the-trump-campaign-built-an-identity-database-and-used-facebook-ads-to-win-the-election-4ff7d24269ac.

［16］Issenberg，S.How Obamas Team Used Big Data to Rally Voters.MIT Technology Review［EB/OL］.https：//www.technologyreview.com/2012/12/19/114510/how-obamas-team-used-big-data-to-rally-voters/.

［18］信息時(shí)報(bào)編輯部.大數(shù)據(jù)之于政治，水與舟？［N］. 信息時(shí)報(bào)， 2018-04-01.

［19］Kosinski M，Stillwell D，Graepel T.Private Traits and Attributes Are Predictable from Digital Records of Human Behavior［J］.Proceedings of the National Academy of Sciences，2013，110（15）：5802-5805.

［20］Bloomberg.Facebook Cambridge Analytica Scandal：10 Questions Answered［EB/OL］.https：//finance.yahoo.com/news/facebook-cambridge-analytica-scandal-10-183313744.html

［21］Issie Lapowsky.The Man Who Saw the Dangers of Cambridge Analytica Years Ago ［EB/OL］.https：//www.wired.com/story/the-man-who-saw-the-dangers-of-cambridge-analytica/.

［22］King G.Preface： Big Data Is not About the Data［J］.Computational Social Science：Discovery and Prediction，2016：vii-x.

［23］Bodó B，Helberger N，de Vreese C H.Political Micro-Targeting：A Manchurian Candidate or Just a Dark Horse？［J］.Internet Policy Review，2017，6（4）：1-13.

［24］Kruschinski S，Haller A.Restrictions on Data-Driven Political Micro-Targeting in Germany［J］.Internet Policy Review，2017，6（4）：1-23.

［25］Matthes J，Hirsch M，Stubenvoll M，et al.Understanding the Democratic Role of Perceived Online Political Micro-Targeting：Longitudinal Effects on Trust in Democracy and Political Interest［J］.Journal of Information Technology & Politics，2022，19（4）：435-448.

［26］Stromer-Galley J.Presidential Campaigning in the Internet Age［M］.Oxford ： Oxford University Press，2019：163.

［27］Bimber B.Digital Media in the Obama Campaigns of 2008 and 2012：Adaptation to the Personalized Political Communication Environment［J］.Journal of Information Technology & DPolitics，2014，11（2）：130-150.

［28］Persily N.The 2016 US Election：Can Democracy Survive the Internet？［J］.Journal of Democracy，2017，28（2）：63-76.

［29］［30］Hannes Grassegger & Mikael Krogerus.The Data That Turned the World Upside Down［EB/OL］.https：//motherboard.vice.com/en_us/article/big-data-cambridge-analytica-brexit-trump.

［31］Adrianne Jeffries.How Hyper-Targeted Psychometric Data May Have Helped Trump Win［EB/OL］.https：//theoutline.com/post/969/did-trump-win-psychometrics-data-cambridge-analytica？zd=1&zi=vemnysm4.

［32］古斯塔夫·勒龐.烏合之眾：群體心理研究［M］.段鑫星，譯.北京：人民郵電出版社，2007：11-51.

［責(zé)任編輯：薛瑞漢］