数字有什么新功能？
编者注：
本文为一项关于量化研究在社会学与其他相关学科领域的综述。为了专注于关键内容，本篇摘要省略了一些具体案例及部分引用文献，对于那些寻求更为详细内容的读者，请参考原始文献。
摘要：
在现代社会中，计算与量化是关键特征，它们与科学、市场及行政管理紧密相关。近三十年来，量化的速度、目标及范围显著扩大，相关研究亦随之增加。本文评估了行政管理、民主治理、经济学及个人生活四大领域内广泛散布的量化文献，旨在促进更多跨学科的讨论与交流。我们不支持对量化采取统一解释，而是强调追踪不同领域中量化的重要性，以更准确地理解其本质的模糊性，进而对不同量化体系间的相互作用进行更有系统的探索。
AndreaMennicken，伦敦政经大学会计系
WyNelsonEspeland，美国西北大学社会学系
Mennicken,Andrea,andWyNelsonEspeland.“What’sNewwithNumbers?SociologicalApproachestotheStudyofQuantification.”AnnualReviewofSociology45,(July30,2019):223–45..
译者：
雪梨
本文作者：AndreaMennicken,WyNelsonEspeland
引言
2018年，软件开发者MarkKoester完成了33个项目的2,137个任务，平均每小时查看电子邮件9次，累计跑步2,941公里，每日观看电视或电影54分钟，阅读了62本书共21,687页，其中9月阅读量最高。这些数据仅是他测量的18个变量中的一部分。Mark是量化自我（quantifiedself）或自我跟踪（self-tracking）运动的一员。此项运动聚集了一群为了娱乐或自我提升而收集和分析有关自己的数据的人。
计算与量化是现代社会的关键特征，与科学、市场和行政管理密切相关。过去三十年间，量化的速度、目的和范围大幅扩展，绩效指标、成本效益分析、风险计算、评级和排名等越来越多地应用于行政管理、日常管理及生活琐事中。专有算法常用于跟踪我们的购物行为、网络活动和政治倾向，形塑我们的日常生活。随之，相关研究也显著增加，涉及数字治理、绩效指标、社会学及相关学科中的价值评估与量化等领域。本文评估了这些领域内的量化文献，探讨了过去二十年内个人生活、组织和市场的变化及其对社会学的意义。量化促进了从规则治理到“数字治理”的转变，算法越来越多地成为权威的表达形式，引发了有关政治秩序、公民身份和民主本质的重要讨论。
本文强调了探讨量化（quantification，即根据共同标准比较不同实体）与等值化（commensuration）多方面特征的重要性，并追踪其在权力模式及治理风格转变中的作用。同时，呼吁对分类（classification）、测量（measurement）和汇总（aggregation）之间的变化关系和动态进行更系统的调查。测量是通过应用标准单位的仪器来确定大小或数量的过程，该过程基于分类，并且协商的惯例决定了对被测量对象的共识。同时，测量可以产生新的分类，例如种族或不平等。通过统计和数学操作，将数字（量化的质量）汇总成指数、比率、评级或排名。这种类型的测量经常脱离其原始背景并被广泛传播。
文章还强调了理解量化的多样性（包括不同程度的数学和统计的形式性、抽象、汇总和政治工作）以及追踪指标在不同场所流通的重要性。自我监测产生的数据可以被汇集并用于精算风险评估，从而不仅改变了监测者自身的生活方式，还可能改变健康保险的政治和管理方式。作为社会学研究者，我们需理解不同量化系统之间的互动及其对社会与政治秩序的建构或重构的更广泛含义。
量化的学术知识传统
同时，许多学者具有科学史和科学哲学背景，与北美或德国学界有所关联，从大致相同的时期开始研究统计数据的生成和影响。1982年，一个国际小组在比勒费尔德发起了一系列关于概率和统计的重要研究，包括Krüger、Hacking、Daston、Porter和Gigerenzer等人的工作。与法国同行一样，这一学派强调了概率和统计在行政管理、公共卫生、保险、政治、法律和经济等领域的应用及其实际后果，并探讨了产生统计数据所需的资源、分类和协调工作，以及量化如何改变人们对世界的理解。
批判性会计研究（criticalaccountingstudies）成为量化学术研究的另一个重要领域。会计在资本主义发展中扮演基础性和复杂的角色，对于理解资本主义的认知基础架构至关重要，包括创建用于评估和定价的标准化方法。从1970年代开始，以AnthonyHopwood为首的一群英国会计学者强调理解会计技术的创造和使用以及会计实践的社会学、组织学和社会心理学维度的重要性。这些学术研究深受社会理论影响，特别是福柯的影响，但也包括行动者网络理论、新制度主义和政治经济学，形成了对美国主导的会计学术研究的狭隘专业化和实证主义的一种替代。
早期具有影响力的工作包括MillerO’Leary（1987）对标准化成本作为二十世纪初劳动控制机制的分析，以及HoskinMacve（1986）对会计和教育考试之间历史相互关系的研究。1997年，MichaelPower发表了其开创性著作《审计社会：验证的仪式》（AuditSociety:RitualsofVerification）。这些以及后来的作品揭示了量化如何处于经济实体、公司、市场以及其中居住的人们构建过程的核心位置。批判性会计学术研究与金融社会学紧密相连，后者强调量化在金融市场中的表现力，并追踪金融模型的实施方式。
在社会学领域，EspelandStevens（1998）对等值化的检查为后续关于度量力量的工作提供了基础。量化允许根据一个共同的度量标准比较不同实体（如排名或评级），这对我们如何分类和理解世界具有重要意义。最近的学术研究转向了跨国治理中的量化和等值化，以及一些人称之为算法社会，探索算法和大数据计算分析、数据驱动的决策制定、数据挖掘和机器学习如何重新排序我们的选择、生活和机构。
随着新的度量标准和技术的出现，量化学术研究也在增长。我们专注于四个领域（行政管理、民主治理、经济学、个人生活），在这些领域内，量化及其学术研究在过去几年中迅速扩张。我们并不寻求提供一个理论综合。尽管累积性的理论建构的缺乏令人遗憾，我们认为量化研究的多样性表明需要认真对待量化的多元性。
量化与行政管理
在行政管理范围内，计算可以帮助回答三大类问题：数量、价值、未来趋势。人口普查可以告诉当权者有关人口数量以及他们拥有什么财产。成本效益分析和决策树显示哪些计划最有效。会计技术帮助追踪资源并估计未来趋势。人口统计学和精算技术则帮助预测人们的发病率和死亡率。
量化与行政之间的联系是一个古老的概念。长期以来，治理包括了与生产、税收和征兵相关的公共数字的计算。十七世纪是一个重大的转折点，因为创建社会政策的系统性社会数字科学在那时出现。在英国，这被WilliamPetty称为“政治算术”，他主张量化知识的优越性对于英格兰努力殖民爱尔兰和公共财政至关重要。JohnGaunt通过分析每周死亡统计数据以评估伦敦的人口并创建生命表，估计每个年龄段的生存概率。两人都相信，国家的发展取决于其人口的规模、健康和分布，而这些可以通过数字来了解，并且殖民统治、税收和公共卫生是创建量化知识的动机。他们的工作开始融合了之前一直保持分离的两种权威：科学权威和国家权威。
直到十九世纪，“统计”一词才按照今天的理解使用：作为一种基于数学概率的独特技术，用于研究广泛的主题，其中人们不需要了解特定个体就能计算出有关集体的广泛规律。我们也注意到了德国官僚主义在十八世纪和十九世纪早期所发挥的重要作用。十九世纪产生了大量关于人口、健康、犯罪、自杀、贸易、劳动以及其他资源的公开印刷数字。这些统计数据不仅在行政和政治上有用，也使得将概率数学应用于大量和多样的社会数据成为可能。
通过比较意大利、英国和美国的人口普查，Emigh等人（2016）展现了国家与社会如何以复杂方式互动，影响人口普查的生成时间与方式以及信息的使用。他们挑战了将人口普查视为国家形成和控制的自上而下行为的主流视角，相反地，他们认为社会行动者和利益集团塑造了人口普查，人口普查提供的公共信息用于经济和政治斗争，以此塑造社会结构。这一模式随历史和环境而异。例如，在20世纪初，精英游说团体在推进其利益和专业知识的分类与枚举方面扮演了重要角色。之后，更多的民粹社会团体在这一过程中发挥了较大影响。
审视统计知识与殖民权力之间的关系构成了另一重要研究方向。自1980年代起，人类学家Cohn通过探讨人口普查在南亚种姓认知与实体化中的作用，为这一领域奠定了基础。随后的研究进一步揭示了统计和枚举如何促成了对“部落”等殖民类别的理解，以及其他表征差异的方式。对清朝人口普查、南非草屋税及二战后日本使用统计知识的研究，展示了对“现代性”的观念及其与分类、枚举和统计之间的关系，如何影响国家建设、种族隔离和殖民权力的形成。
此外，学者们也分析了量化在国际组织治理中的作用。世界银行、联合国和欧盟等全球机构，受到启发而创立了多种指标，以促进问责、经济发展或诋毁政权，使得这些指标和排名成为全球治理的重要工具。然而，在全球层面，尚未形成单一的统计知识中心。
值得注意的是，计算并非总是受到公共行政和治理的驱动。McCormick（2013）描述了在启蒙时期英格兰人口计算是如何被用于用于论战中的。历史学家Deringer（2018）指出，1688年光荣革命之后，量化在英国迅速发展，成为公共话语的核心特征。推动18世纪量化发展的，不仅仅是国家对控制的追求或普遍的不信任，而更多是其在政治辩论中作为一种工具的使用。Deringer认为，那些计算投资的权威看重的正是计算与政治的联系，而他们的投资促成了一种独特的公民认知模式，进一步扩展了量化的可能性。
人口普查展现了分类、测量和聚合之间复杂的相互作用，为理解身份、公民身份、种族以及更近期的性别定义等方面提供了重要视角。在美国，这些分类政治及其与可见性和政治权力之间的联系，标志着人口普查在社会结构中的核心作用。人口普查通过创造新的标准化地理测量单位—即人口普查区域—来聚合个人和家庭数据，进而生成大量可用于社会科学研究、商业战略和政策制定的统计数据和指标。
量化与民主治理
在民主治理的语境下，量化的重要性日益凸显，其不仅是出于对责任追究、抵抗专制和武断的追求，也是为了使社会和经济的不平等变得可见。数字已经成为实现和证明特定民主治理机制不可或缺的一部分，政治与数字之间存在着互为构成的关系。Rose（1991）指出，数字所需测量的政治判断是先决条件，我们对政治生活的理解和图像被数字所塑造。Cohen（1982）通过对早期美国的分析，展示了计数能力作为构建民主政体的关键元素。统计学被视为减轻对无限制权力恐惧的手段，合法的治理基于（可量化的）事实而非意见和偏见。如此，数字化带来了政治的“去政治化”效应，即通过量化的手段使政治决策显得更为客观和中立。
尽管数字化过程似乎使政治决策和治理的过程“去政治化”，但数字也能被重新政治化，成为组织政治活动、社会运动和抗议的有力工具。活动人士将数字作为谴责和批评的武器，利用它们来对抗气候变化、华尔街的金融实践以及更广泛的新自由主义政策。数字化不仅有助于构建人群，如Igo（2008）所述，它们还促进了新的统计社群的形成和可见性。例如，阿尔弗雷德·金赛等人（1948）关于美国白人男性性行为的开创性调查发现，37%的男性自青春期以来至少经历过一次达到性高潮的同性恋行为，而有10%的男性在16至55岁期间，至少有三年时间里，或多或少地主要维持同性恋关系。这些统计数据为现代同性恋权利运动的兴起提供了重要基础，使得同性恋身份作为一个可以进行政治组织的社群变得可见。各种团体运用统计数据以多种方式吸引注意力和抵抗国家及经济权力，显示了可见性既是权力的产物，也是对权力进行干预和纠正的策略。
最近的统计行动主义研究进一步阐释了政治活动人士如何运用统计数据，强调了统计在描述和批判现实中的双重作用。这些研究探讨了活动人士如何将统计数据作为集体组织抵抗的解放工具，用于批评和影响警察行为、挑战国家价格指数、或抗议性别不平等等问题。
然而，批判性的量化研究学者警告说，这些指标背后的多层聚合可能导致过度简化和同质化的问题。因为它们提供了一种轻松比较和排名国家、组织等的方式，如果没有基于质性的、本地化的知识生产系统，就可能引发误导。数字及其假定的透明度既揭示又隐藏了权力关系，数据的可用性和丰富性有可能使来自基层的警惕性监视成为可能。然而，增强能力的数据是如何产生的，往往是不可见的，令人们只能猜测哪些信息被忽略或故意排除。
为了深化对量化与民主化关系的理解，提出以下研究方向：一、纳入意见（voice）于数字之中：研究公众参与和本地知识如何在设计（不确定的）指标中发挥作用的条件、可能性及其限制。二、量化的多元化：发展替代性度量，如统计行动主义所强调的“反量化”策略，以挑战和颠覆现有的量化体系。三、量化与公共辩论的关系：探讨数字在形成和框定公共讨论以及对公共物品（如高等教育、贫困、可持续性、移民、监禁和健康）的审议中扮演的角色。
量化与经济化
新自由主义下量化的显著特征之一是其与市场和投资理念的紧密联系。通过绩效测量、基准、排名和评级，市场模型被传播到经济和非经济活动领域，重新构建人类、组织和国家作为市场行为者的身份。这并不意味着新自由主义和量化实践真正将所有领域市场化，而是指在可比较的绩效指标的辅助下，医院、监狱或大学等组织实体以及国家被按照市场的形象重新塑造。
量化与经济化的关系在过去几十年内得到了显著的发展和深化。比如，Newfield（2016）揭示了美国高等教育在其企业化过程中遭受的损害。在法国，通过展示国际大学排名和国家绩效指标的结合，Musselin（2017）分析了这种结合如何促进了倾向于平等和统一化的政治话语的解散，并建立了旨在增强垂直差异化和竞争力的新话语。在健康、社会护理以及惩教服务等其他公共服务领域，也可以观察到类似的市场导向绩效指标、排名和评级的应用。这些排名和评级通过市场压力调节公共物品的提供，激发竞争和绩效，实现市场协调。这种市场导向的量化助长了新的主体性的创造。公民、病人、学生、囚犯以及其他公共服务的用户被转化为（可量化的）消费者，他们的需求需要得到满足并被争取。法国社会学家Chiapello（2015）认为，社会和政治生活的新自由主义经济化与支撑量化的传统变化交织在一起，她特别强调了金融化传统的逐步扩散。
量化与不确定性之间相互作用的变化及其对可见性、权力和政治关系的影响带来了深远的后果。在“新自由主义的弧线”下，不确定性被视为应该积极拥抱和应对的，而非避免。量化（如通过排名和评级）旨在帮助使不确定性变得可计算和可管理，并促进在不透明市场（如高等教育或医疗市场）中的选择和投资。排名和评级使个体、组织或国家的竞争定位变得可见，它们通过指明哪些是重要的并应被最大化来解决目标的不确定性。同时，这种以竞争为导向的新可见性引入了新的不确定性和压力。
新自由主义下的量化改变了权力关系和政治行动的可能性。它影响了代理人、组织及其相互联系的能力，并促成了新的行动方式，从而影响个体行为。新形式的专业知识和专家，尤其是金融管理专家和知识，掌握了社会和政治关系。
最后，政治领域本身也经历了变化。新自由主义下的量化支持了政治、市场和商业词汇的融合。因此，共享统治的民主承诺被转变为企业和投资组合管理的承诺。这种变化揭示了新自由主义量化不仅仅是技术手段的应用，而是深刻影响了社会结构和政治治理方式的根本性转变。然而，我们也应警惕不要简单将量化与经济化等同起来。
个人生活的量化
自我追踪（self-tracking）并非新概念，如同日记和浴室秤的历史所示。然而，计算机化的量化和数字化为自我追踪带来了新的特征和可能性。数字化和自动化大大便利了对个体的身体状态和日常生活的更加详尽和加速的实时监控。这为数据的流通提供了新的可能，因为数据可以被智能手表、手环和手机等数字追踪设备的开发者访问，且可流向社交媒体站点、自我追踪平台或云存储。因此，隐私概念面临着挑战和变革，同时也催生了新的监控和商业开发的可能性。
Pasquale（2015）提出了“黑匣子社会”的概念，强调了数字化自我追踪及他人对个体的追踪在新的可见性政治中的作用。数字化自我追踪创造了一种新的可见性，而我们生活中的数据基础设施和数据分析变得日益隐匿。这种情况为新的分类、定位、画像（如将个人标记为犯罪者或潜在犯罪者）、经济化和商业开发（如将个人视为消费者）提供了可能。在大多数情况下，人们并不知晓他们帮助产生了哪些数据、他们的数据存储在何处，或他们的数据如何被第三方使用。
NeffNafus（2016）则聚焦于这类数据在生物医学化中的融合性，他们将生物医学化描述为数字化自我追踪的一个突出特征，认为这是一种将医学作为解释事物状态最直接手段的心理模型和思维习惯。生物医学化促使人们密切测量自己的身体，将身体实践与生命本身的测量和治理相交织。福柯早已指出，在数字化自我追踪成为可能之前，生物测量学和生物政治就在生命治理中扮演了关键角色。然而，随着对数字化的热情和新型数据基础设施的发展，身体测量的范围和深度被显著扩展和加强。
量化自我追踪在提供自我反省和控制的同时，承诺在一个不确定性增加的现代化时代中发挥作用。它可以作为一种赋予权力的策略，通过使贡献可见来挑战他人所进行的审计。Rettberg（2014）展示了卡车司机如何利用自我追踪数据来挑战对完成某些任务所需时间的估算。Hammarfelt等（2016）则展示了学者如何可能利用自我追踪数据来削弱其所在组织内部审计制度的影响。
Moore和Robinson（2016）的研究指出，在工作场所引入量化自我追踪技术后，竞争加剧、不稳定性和焦虑感均有所增加。尽管自我追踪看似强调个体化和主体性，实则受到更广泛的权力、安全与不安全、生活治理问题的影响。通过引用福柯的理论，学者们强调了自我追踪的政治和生物政治维度，揭示了企业家自我、自我优化、经济化以及新自由主义下的竞争理想是如何深度交织在一起的。
数字化自我量化的文献表明，这一现象对我们关于数据与测量、分类与聚合，以及人的构建之间关系的理解产生了重大影响。日常生活的数据化为量化提供了新的可能性，同时加速并加强了数字技术在我们生活中的作用。与此同时，分类与测量之间的关系发生了颠倒。至少在某种程度上，数据化消解了分类在测量中的重要性，使得分类不再是测量的先行者，而是其结果，这与Desrosières（1998）二十年前的观点形成了鲜明对比。
数据化的量化帮助以新的方式构建了人的认知。信息，如购物习惯、用户偏好、银行账号、投票偏好和位置信息，被从个体分离、重新组合并以新的方式量化，往往超出了个人的控制范围。这种信息的数据化产生了新的共量化、分类和分层形式，通过追踪购物者和系统用户的聚集欲望，找到他们类似鸟群般的聚集行为模式。这种聚集数据的重新组合用于创建新的用户、顾客、选民或犯罪档案。通过智能手机、智能手表等进行的数字化自我追踪，导致了新的、往往高度不透明的个性化定价技术，使得消费者更难以识别自己，或被他人识别为一个被认可的群体的一部分。
结论
在本文中，我们探讨了四种在学术研究中量化兴盛的机构背景。一个明显的趋势是量化正不断扩展至各个领域，甚至渗透到人们的个人生活中。我们进一步论证，为了深入理解量化技术的影响，除了仔细考虑背景和偶然性外，还必须评估这些技术产生的动机、它们如何被合理化、它们对权力关系的影响，以及它们是如何塑造可见性和不可见性条件的。
量化的长期动机——包括治理、盈利、评估、政治和预测——继续推动其发展和应用。当然，实现这些目标的手段在不断演进。例如，人口普查已经从间歇性的秘密计数行动转变为持续、详细的调查活动，为政治、政策和商业决策提供信息支持。社会条件强烈影响了政权或国家的计数方式，尽管有时候其动机可能是多种多样的。
研究量化的学者面临的一个挑战是跟上技术变化的步伐，特别是在数据设计、建模、人工智能和新金融工具开发方面。科学研究学者已经表明，理解新技术形式是如何产生的，以及它们是如何吸引利益相关者使用这些技术达到各种意想不到的目的，这一点非常重要。另外两个研究领域的成熟——可视化的美学的作用以及数字技术如何调节情感——也为我们提供了丰富的洞察。
这一观察揭示了一个重要的观点：关于量化的研究文献横跨多个领域。关于量化是否已成为一个独立子领域的讨论在学术界中持续进行。一方面，有学者认为这是一个新兴领域；另一方面，一些人则期望形成更加全面的理论框架。我们认为，关于量化，可以得出一些一般性的结论。广义上讲，量化始终是一种干预手段，要准确理解其干预的程度，需要深入的专业知识。
量化的另一个普遍特点是，要在大规模上准确进行计数或计算，往往需要大量资源、专业培训、规训以及特别是在分类上的标准化。我们也了解到，量化的动机多种多样，但通常都可以归结为旨在解决不确定性、施加控制、克服不信任或改善实体之间或个人的通信与协调的手段。此外，一旦数字被创建，它们就会被不同的用户所采纳并转化，并以一种可能难以更改或放弃的方式被机构内化。
一个普遍的模式是我们倾向于忽略那些可能重要但难以量化的因素，或者对于那些不存在现有数据的事物视而不见。量化的另一个特征是，人们对其持有矛盾的态度，这通常体现为我们一方面希望相信计算的客观性和精确性，另一方面又清楚地知道存在假设、偏见，并且统计数据和词语可能会被用来误导。关于计算的一个区别在于，我们验证其准确性的能力通常是有限的，甚至根本不存在，这需要相应的培训、技能和访问权限。
尽管我们可以识别出一些关于量化的广泛模式，但我们认为，声称量化已经成为社会学的一个子领域还为时过早，而且我们也不认为这是不利的情况。学术研究的广泛性凸显了我们应对量化的内在运作和影响进行一元化解读的必要性。我们强调在不同场域中跟踪数字的重要性，旨在揭示测量、分类与聚合之间的变化动态，并更为系统地探究不同量化体系间的互动。鉴于量化的生成、使用和表现的复杂性，这一过程需要专业知识，正如我们依赖训练有素的会计师来解读审计和依靠计算机科学家来揭露机器学习中的偏见一样。然而，研究量化的学者之间的挑战仍然存在，这需要广泛的阅读和可能的跨学科合作。
