
大數據背景下的公共性價值建構如何完成
在信息無所不在的大數據時代,我們每一個人都是公共領域和媒介空間中的一員,唯有做到共建共享,協商合作,互利互助,才能在“善治”和堅守中維系好我們共有的公共家園。
美國學者阿爾文托夫勒很早就在《再造新文明》一書中預言:世界正迎來第三次浪潮的沖擊。今天,隨著移動通訊技術、物聯網、云計算、智能搜索引擎等技術的融合與創(chuàng)新,我們正迎來一個信息消費的大數據時代。
當前,網絡化生活催生的信息消費習慣,正將個體的私域與公域無縫鏈接。從時政資訊到娛樂科技,從商業(yè)消費到政治參與,我們正按照自己的信息消費習慣、內容偏好和行動邏輯,在定制和消費大量文字、圖片、視頻、多媒體等信息數據的同時,正不斷制造和推衍出一個個“數據王國”。實踐表明,越是當我們頻繁借助手機移動終端、社會化軟件抑或是自媒體通訊工具,進行信息的瀏覽獲取、信息的交互共享以及電子商務平臺的資源整合應用等,我們越是在無形之中共同編繪起一張張“信息圖譜”和“數據網絡”。正因如此,大數據時代的預言家維克托邁爾-舍恩伯格在《大數據時代:生活、工作與思維的大變革》一書中指出:“大數據開啟了一次重大的時代轉型。就像望遠鏡讓我們能夠感受宇宙,顯微鏡讓我們能夠觀測微生物一樣,大數據正在改變我們的生活以及理解世界的方式,成為新發(fā)明和新服務的源泉,而更多的改變正蓄勢待發(fā)?!?
面對“萬物皆聯網、無處不計算”的大數據時代,我們似乎正從被動式的web2.0的“推時代”快速過渡到主動而為的web3.0的“拉時代”。我們知道,傳統(tǒng)意義上的“推時代”,注重的是個體借助某個媒介訊息平臺,以附屬的參與性角色推動著信息的交互共享和頻繁更迭。相反,進入“拉時代”的最顯著特征在于,每個人都是信息的生產與再生產的關鍵中心,個體已從附屬的參與性角色轉化為主動而為的信息生產性角色。
隨著個體信息中心的生成,每個人都可以借助手中的自媒體平臺和社會化軟件,自由開啟手中信息的“核按鈕”,成為信息的策源地和信息發(fā)射終端。于是,大數據時代我們總會看到這樣的情形發(fā)生:一方面是大數據時代開啟的自助式信息服務平臺,快捷、海量、多樣性、前沿性的信息資料滲透到我們生活的方方面面,為我們的知識獲取、資源整合、現實轉化與應用等帶來極大的便利和效益;另一方面是面對碎片化、歧義化、復雜化、多元化的信息資料和數據流,各式各樣的信息終端和發(fā)聲管道,讓我們很難辨識信息的真?zhèn)魏吞搶?,各種謠言和人為故意扭曲的“小道消息”,充斥著虛擬公共領域和媒介網絡,這些多點面、多中心、多渠道的不同信息“版本”和信息源,極有可能在瞬間顛覆公共秩序、挑戰(zhàn)社會的倫理底線,進而引發(fā)連鎖反應的公共危機。
以最近牽動著全球億萬顆心的馬航MH370航班搜救事件為例,人們在為飛機上來自13個國家的239人的生命安全祈福接力的同時,也以善意的持續(xù)關注,搖身一變成為“福爾摩斯”,爭先恐后地傳遞和報道著失聯飛機的最新進展。有人說飛機已經安全著陸,也有人說飛機不幸墜海失事,還有的說飛機遭到“自殺式”恐怖襲擊,各種渠道的流言和“小道消息”滿天飛。面對即時的信息播報和數據傳遞,各種花樣翻新的傳聞和謠言一次次挑戰(zhàn)人們的敏感神經和承受能力。有人慨嘆,在科技和資訊如此發(fā)達的時代,縱使全球多個國家以史無前例的規(guī)模和力度參與到搜救行列中來,卻依舊難以確定飛機的最終下落。
然而,當我們在為生命的脆弱感慨和焦慮的同時,似乎更應該理性地停下來思考:在這個高科技催生的四通八達的大數據時代,我們在享受快捷便利的信息和數據之余,是否更應該為在無意之中成為謠言的“二傳手”而心生自責,抑或是“個體自發(fā)式”生成的隨意數據表達和信息傳遞,是否也在無形之中給人類自身帶來無盡的麻煩和災難。很顯然,馬航搜救事件中信息混亂和謠言滿天飛的局面,在給失聯飛機上的乘客家屬帶來心靈傷害的同時,也給搜救行動帶來了無形的麻煩和困擾。
“破窗效應”理論早就告訴我們:如果一棟建筑物上的一扇窗戶的玻璃被人打碎了,但又沒有及時得到修復,于是那些看到“破窗”的人們便可能在無形之中受到心理暗示和縱容,去繼續(xù)打碎更多的窗戶玻璃。長此以往,“破窗”的誘導性或暗示性影響,會給人們造成一種雜亂無章、無規(guī)則底線的心理錯覺,從而誘發(fā)各種非理性的群體極端化行為,使社會秩序和倫理底線遭到徹底的破壞和挑戰(zhàn)。同樣的道理,大數據時代,個體自發(fā)式的、隨意性的、非理性的媒介訊息傳播行為習慣,如果得不到及時的規(guī)避和管控,那么,人們自娛自樂式的謠言編造、情緒宣泄、數據歪曲傳遞等,只會日益加劇虛擬公共領域的信任裂痕,那些突破常規(guī)和道義底線的恣意傳播行為,只會更加加劇公共空間的戾氣和不安,并最終導致“破窗效應”的連鎖反應,從而危害到我們每個人的切身利益。
由此可見,大數據時代,確立共有的公共規(guī)則和行為底線,倡導理性化輿論公共空間和虛擬公共新秩序成為現實邏輯使然。正如維克托邁爾-舍恩伯格給予我們的忠告:“盡管大數據的力量是那么耀眼,但我們必須避免被它的光芒誘惑,并善于發(fā)現它固有的瑕疵?!苯裉?,面對來勢洶洶的大數據時代,為了每一個社會共同體成員能夠共同享有大數據帶給我們的快捷與便利、知識與財富,我們就必須大力倡導公共性價值建構,以促進公共領域的善為責任擔當,以維系公共媒介空間的公共秩序為己任,以期在公共現實生活實踐中養(yǎng)成公共理性的行為習慣。一方面,要強化公共精神的培育和形塑,通過知識教育和心智模式重構,以引導人們超越狹隘的個體私域和自我利益,通過規(guī)則意識、底線意識、獨立人格意識和公德意識的培育和熏陶,從而提高人們利他的思想境界和公民素養(yǎng)。另一方面,要建立和完善理性成熟的溝通對話和協商機制,通過打造反應靈敏、快捷高效、價值中立的多中心公共治理協商機構,以便第一時間對不合理的行為現象予以糾偏,以最大化地整合和凝聚社會共識。此外,還要強化“在場意識”,無論是個體、媒介運營商抑或是公共信息媒介平臺,都要強化公共責任意識,以在場的行為意識和專業(yè)、敬業(yè)的精神強化信息的整合與分析,在最大化考量信息用戶最直接利益關聯的情形下,強化信息和數據的權威發(fā)布。
數據分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓練與驗證損失驟升:機器學習訓練中的異常診斷與解決方案 在機器學習模型訓練過程中,“損失曲線” 是反映模型學習狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數據生態(tài)中兩類核心工具的差異與協同 在數字化轉型加速的今天,企業(yè)對數據的需求已從 “存儲” 轉向 “ ...
2025-09-19CDA 數據分析師:讓統(tǒng)計基本概念成為業(yè)務決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數據分析的 “基礎語言”—— 從描述數據分布的 “均 ...
2025-09-19CDA 數據分析師:表結構數據 “獲取 - 加工 - 使用” 全流程的賦能者 表結構數據(如數據庫表、Excel 表、CSV 文件)是企業(yè)數字 ...
2025-09-19SQL Server 中 CONVERT 函數的日期轉換:從基礎用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數據處理中,日期格式轉換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關聯查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數據庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數據分析師:解鎖表結構數據特征價值的專業(yè)核心 表結構數據(以 “行 - 列” 規(guī)范存儲的結構化數據,如數據庫表、Excel 表、 ...
2025-09-17Excel 導入數據含缺失值?詳解 dropna 函數的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數據時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數據分析與統(tǒng)計學領域,假設檢驗是驗證研究假設、判斷數據差異是否 “ ...
2025-09-16CDA 數據分析師:掌控表格結構數據全功能周期的專業(yè)操盤手 表格結構數據(以 “行 - 列” 存儲的結構化數據,如 Excel 表、數據 ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數據分析師:激活表格結構數據價值的核心操盤手 表格結構數據(如 Excel 表格、數據庫表)是企業(yè)最基礎、最核心的數據形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調用、數據爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數據的科學計數法問題 為幫助 Python 數據從業(yè)者解決pd.read_csv讀取長浮點數據時的科學計數法問題 ...
2025-09-12CDA 數據分析師:業(yè)務數據分析步驟的落地者與價值優(yōu)化者 業(yè)務數據分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數據把關的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數據驅動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11