Ctrl-F-Resist：民间社会组织在线监测极右翼的实践、挑战与技术需求

《Proceedings of the ACM on Human-Computer Interaction》：Ctrl-F-Resist. Practices, Challenges, and Technical Needs of Civil Society Organizations Monitoring the Far-Right Online

　　

摘要
随着极右翼势力日益利用在线平台传播意识形态并动员支持者，公民社会组织（CSOs）在监测网络上的反民主动态方面发挥着关键却常被忽视的作用。与事实核查者或内容审核人员不同，CSOs进行长期的、基于语境的深度分析，往往在资源受限的环境下以及不稳定的工作条件下开展。尽管其具有重大的社会作用，CSOs在采用或共同开发技术解决方案时面临重大障碍，包括法律不确定性、平台访问受限以及长期资金不足。现有研究和工具开发工作大多忽视这些行动者，而更倾向于关注制度嵌入程度更高的利益相关者。

本文通过一项针对来自12个德国公民社会组织、15名从事在线监测工作的从业者的定性研究，弥补了这一空白，将其定位为数字空间治理中关键却常被忽视的利益相关者。我们探讨了他们当前的实践、挑战以及对技术支持的期望。研究发现，由于缺乏定制化工具，监测工作仍以手工操作为主，而增强搜索能力已成为最迫切的技术需求。虽然参与者对AI支持的功能（如媒体处理和内容发现）持开放态度，但许多人仍对自动化分类持怀疑态度，理由是担忧信任问题、法律适用性及专业可信度。

基于这些发现，我们提出了一种概念化的监测工作流程，并描述了其在开源Telegram监测原型中的实现，该原型旨在灵活支持多样化的监测目标。为体现CSOs监测工作所具有的社会技术特性，我们提出了具体的设计建议，以及对政策制定者和学术研究的建议。此外，我们引入了“手工劳动陷阱”这一基于实证的概念，用以解释监测类CSOs为何往往陷入劳动密集且能力有限的状态，并提出发展基于CSCW（计算机支持的协同工作）的协同社会技术规模化理论，以更好地理解协作作为突破碎片化、劳动密集型监测工作的路径所蕴含的机遇与挑战。

人工智能生成摘要（实验性）
本摘要由自动化工具生成，未经论文作者撰写或审阅。其目的是辅助检索、帮助读者评估相关性，并帮助相邻研究领域的读者理解本文内容。本摘要旨在补充作者提供的摘要，后者仍是论文的核心摘要。完整论文为权威版本记录。

1 引言
过去数十年间，网络空间中的反民主行为日益显性化、常态化并呈策略性组织发展态势[2, 54]。极右翼势力发展出较高的媒介素养[27]，战略性地利用讨论论坛[4]、主流平台（如TikTok[25, 106]与Instagram[11, 70]）以及“另类”且基本未经审核的空间（如Telegram[45, 89, 96]）来动员支持者并传播意识形态。这些发展趋势在危机或重大政策变动期间显著加剧，例如新冠疫情期间或选举相关背景下[55]。在此类事件过程中，右翼及阴谋论团体通过网络平台放大其叙事与动员行动[10, 20, 28]，这些平台不仅是协调与动员的空间，也成为表演式自我宣传的场域，包括抗议活动的直播视频流[32]、犯罪行为的视觉记录[61]，或针对个别政治反对者的暴力袭击[42]。监测此类动态对于理解并减轻对个体与社会可能造成的危害至关重要。

计算研究正日益回应实践利益相关者的需求，尤其是通过开发算法方法与工具来检测、分析或缓解在线危害[37, 47, 108]。然而，许多此类研究聚焦于事实核查（FC）与内容审核（CM），无论是在应用场景还是用户研究设计上，而对公民社会组织（CSOs）的具体需求、约束与工作流程仍缺乏充分探索[9]。特别是，针对CSOs监测需求定制技术工具的设计仍是一个待解难题。

为弥补这一空白，本文基于对来自12个德国组织、15名从事在线监测工作的从业者的定性研究，考察CSOs如何监测并分析社交媒体上的反民主动态。我们的贡献包括三个方面：第一，在复杂的组织与政治条件下，对CSO监测实践提供深入的实证描述；第二，推导设计启示并将其整合进正在进行的共创过程，以开发可持续的开源工具；第三，提出“手工劳动陷阱”这一基于实证的概念，并主张发展基于CSCW的协同社会技术规模化理论，以理解协作基础设施如何可能促成替代性规模化路径。

我们的研究受以下三个问题引导：
- RQ1：公民社会组织当前采用哪些实践与工作流程来监测社交媒体中的反民主内容与行动者？
- RQ2：这些组织在监测工作中面临哪些技术、伦理与法律挑战？
- RQ3：他们对技术支持有哪些需求与期望？

研究发现，CSOs的网络监测工作仍以手工操作为主，主要原因是缺乏定制化的技术工具。持续的伦理与监管挑战阻碍了跨组织协作——无论是数据共享还是内容相关工作的协调——这反过来限制了资源高效的协同技术创新的潜力。

被最频繁提及的技术需求是：改进对广泛内容类型与模态（包括音频、图像和视频）的搜索能力。基于AI的自动化被视为对媒体处理任务（如转录或光学字符识别[OCR]）可能有用。然而，参与者对自动化内容分类表达了显著怀疑，凸显了当前研究趋势与CSOs所面临的实践现实之间的差距。信任问题居于核心地位：AI常被视为不仅不可靠，还可能威胁法律有效性、专业可信度以及人类专业知识的价值。

我们提出了一种基于实证发现的概念化监测工作流程，并通过八个新组件在监测软件原型中展示了其实现方式，这些组件旨在灵活支持监测类CSOs多样化的主题兴趣，并可通过轻量级默认设置进行配置，以适应其不同且往往有限的能力。

本研究的贡献在于：将公民社会行动者置于数字空间治理中关键却常被忽视的利益相关者位置，揭示基层监测工作如何在不稳定、对抗性及政治敏感条件下运作，呼应CSCW领域关于隐形工作与调和工作[94, 102]的研究。此外，本研究在公民社会在线监测语境下，为关注以人为本的人工智能[5, 17]的人机交互研究做出贡献。我们的实证与导向设计的洞见明确了构建可持续公民技术所需条件，使其契合在线捍卫民主的前线工作者的价值与工作条件。我们为未来CSCW研究提供了六个方向，以深化对公民社会需求的参与、推动负责任的科技整合，并促进更具包容性的数字治理形式。我们还为政策制定者提出三项建议，为监测工具的设计与开发提出十项建议。最后，我们通过引入基于实证概念的“手工劳动陷阱”，拓展了CSCW领域中关于社会技术基础设施[60, 75, 101]和异质性协作知识生产[1, 103]的学术探讨，并提出发展协同社会技术规模化理论，该理论将协作定位为超越碎片化、劳动密集型工作流程的路径，同时凸显CSOs之间跨组织协作固有的挑战。

2 相关工作
本节将本研究置于公民社会研究与在线监测研究的交汇点，通过将CSOs定位为独特的监测行动者、审视塑造其工作的结构性条件，并总结目前对监测实践与工作流程的已知与未知。

2.1 在线监测中CSOs作为独特行动者
公民社会组织（CSOs）是非国家、非营利实体，追求规范性政治、社会或人权目标，往往在政治敏感条件下运作[22, 80]。在观察网络话语时，他们与学术界、新闻界、事实核查（FC）及内容审核（CM）领域的行动者并行运作，但其角色、实践与约束存在显著差异。

CSOs开展长期监测、证据收集、语境分析、报告撰写以及咨询与教育工作。此外，他们的工作可覆盖地方或农村地区，极右翼动态在此类地区往往更为强烈，却常被全国性媒体报道不足或被学术界忽视[38]。CSOs聚焦于对政治动态的持续、基于语境的观察；他们对地方动态、趋势与行动者的深入了解使其能够充当早期预警机制，提供及时且具语境针对性的回应，同时连接区域与国际CSO网络[53, 80]。随着平台与公共机构以“言论自由”为名收缩监管[15, 62]，这一角色变得尤为突出。在此背景下，CSOs日益成为制度回应的补充与矫正[100]，挑战那些可能轻视右翼活动、忽视暴力行为政治动机，或否认社会中更广泛威权主义或种族主义潜流的官方叙事[16, 53]。

2.2 塑造CSOs工作条件的挑战
现有文献表明，CSO监测实践受到结构、政治与技术挑战的综合影响。然而，这些知识大多源自灰色文献，包括非政府组织自述报告[51, 104]、政策文件[34, 35]及面向从业者的出版物[53]，而非系统性学术研究。

在不同国家背景下，CSOs面临持续的资金不确定性，主要源于对短期项目资金的依赖[51, 52, 88]。这限制了他们在数字基础设施、专项监测工具及专职技术人员方面的投资能力[51, 52, 104]。然而，这些资金结构的影响在CSOs之间分布不均。规模较大、资金更充裕或数字原生型组织更具备开发内部监测工具的优势[23, 56]，这些工具通常针对组织需求与资源定制，且一般不对外公开共享。这反映了“CSO市场”上的 precarious 局面，即组织间竞争极为有限的资金[52, 84, 88]，从而产生强调差异化而非持续协作的激励，即便目标与价值存在重叠。与此同时，CSOs常在政治不稳定环境中运作，面临骚扰、恐吓、法律不确定性，以及来自极端团体、激进个体或国家行为者的定向攻击[34, 35, 100]。

基于调查的研究指出了与隐私安全相关的脆弱性[91]，但也表明通过标准化手段捕捉CSO实践存在困难。在政治关注点、组织结构、术语及区域背景方面的差异表明，这些挑战高度情境化，最适合通过定性、互动及深入的方式进行研究，正如我们所采用的方法。CSCW领域中关于隐形工作的研究，将必要但隐藏且非正式化的劳动概念化[102]。这一视角有助于将公民社会监测定位为机构化设置之外的协作工作，且往往因法律与安全考量而刻意保持不可见。

2.3 CSOs及相邻领域的监测实践与工作流程
尽管CSOs在在线监测中扮演着重要且独特的角色，但关于其实际工作方式的直接实证研究仍显匮乏，B?umler等人[9]的研究与本文最为相关，为处理用户举报事件报告类CSOs所面临的挑战提供了重要洞见。为定位CSOs的监测实践，我们借鉴相邻领域的研究，以形成对其监测工作的概念理解。这些文献将监测工作概念化为“实践管道”[71]，涉及主动搜索、筛选、解释、记录及内容优先级排序[36, 109]。对事实核查者与记者的研究显示，这些管道通常以碎片化流程、依赖临时工具及大量重复手工劳动为特征[12, 58, 71, 77, 78]。此外，工具可及性往往受限，而可用性则被描述为较低[9]。缺乏专用监测工具的状况，常迫使从业者依赖 makeshift 方案，如电子表格、通用平台[12]，或最初为军事与情报目的开发的开源情报（OSINT）工具，因此未必符合CSOs的伦理价值[78]。

这种主动性与调查型工作尤为劳动密集，这在OSINT[30, 36, 43]和事实核查研究[58, 71]中得到强调。与此同时，相较于工作流程的后续阶段（如主张验证[50, 74]或洞见传播[50, 99]），此阶段在研究中仍相对缺乏考察[50]。

## 思路

这是一个**滑动窗口**问题：我们需要找到最短的子串，使其包含整个字符串 `s` 中每种字符各至少 `k` 个。

1. 先统计 `s` 中每个字符需要达到 `k` 个的目标。
2. 用双指针维护一个窗口：右指针扩展直到窗口满足所有目标，然后左指针收缩寻找更短的有效窗口。

时间复杂度：O(n)，空间复杂度：O(1)（字符集固定为 26）。

## 代码

```python
from collections import Counter, defaultdict

def shortest_substring(s, k):
counts = Counter(s)
need = len(counts) # 需要满足的字符种类数
target = {c: k for c in counts} # 每种字符需要的最小出现次数

window = defaultdict(int)
formed = 0 # 已达标字符种类数
left = 0
best = float('inf')

for right, ch in enumerate(s):
window[ch] += 1
# 恰好达到该字符目标时，达标种类数 +1
if window[ch] == target[ch]:
formed += 1

# 窗口有效时，尝试收缩左边界
while formed == need:
best = min(best, right - left + 1)
lch = s[left]
# 收缩前若该字符正好达标，达标种类数 -1
if window[lch] == target[lch]:
formed -= 1
window[lch] -= 1
left += 1

return best if best != float('inf') else -1
```

## 示例

```python
print(shortest_substring("abacbc", 2)) # 6 (整个串，b 和 c 各只有 2 个)
print(shortest_substring("aabbcc", 2)) # 6
print(shortest_substring("ababab", 2)) # 4 (子串 "abab")
```

**说明：**
- 若 `k` 大于某字符在 `s` 中的出现次数，则无解，返回 `-1`。
- 若 `k = 0`，答案为 `0`（空子串已满足条件），可按需在函数开头单独处理。

为了建立对数据和编码方法的共同理解，第一和第二作者独立对两份访谈进行了编码。所得编码显示出高度的一致性，随后通过讨论统一了各自的解释。此后，第一作者对所有剩余访谈进行了编码，并构建了初步的编码树。

在与轴心编码相似的过程中，第一作者将低层级编码归类为更高层级的类别和主题，逐渐形成更具解释性的抽象表达。例如，描述人工监测实践耗时且难以扩展的表述最初以描述性方式编码（如"劳动密集型监测"），后来被归入更广泛的主题，用以概括监测工作的初始状况。这一过程形成了一个包含714个编码、组织在25个主题中的初步主题地图。

主题搜索和审查的过程是迭代且协作的。两位作者共同审查并讨论了主题和子主题，重新考虑其命名，并在必要时重新分配某些编码。这些讨论为第一版主题地图的修订提供了依据，最终形成21个主题和497个编码。

在整个过程中，双方使用了一个共享数字平台来协作组织和可视化编码与主题，有助于识别重叠内容和概念关系。该过程持续进行，直至最终主题被"认为在内部具有连贯性、一致性和独特性" [19]，反映了主题地图的分析深度和清晰度。

最后，将稳定的主题映射到研究问题上，以支持研究结果的结构性报告。部分主题跨越多个聚类，与不止一个研究问题相关。例如，人工监测实践中的劳动投入既与当前工作流程相关，也与对增强技术支持的需求相关，因此涉及多个研究问题。在报告时，此类主题被分配至作者认为最为突出的部分。重要的是，这种映射是在主题结构确立之后进行的，应被理解为研究结果的解析性组织，而非预设的编码方案。

最终，数据分析整合为4个元主题、21个主题、80个子主题和329个编码，并全部翻译为英文。这四个元主题构成了"研究结果"部分的结构骨架：当前实践与工作流程（4.1）、技术、伦理与法律挑战（4.2）、对技术支持的需求与期望（4.3），以及对AI角色与AI-人类协作的视角（4.4）。在呈现研究结果时，我们选择了访谈记录中生动且具有代表性的案例，用以说明所识别的主题和子主题。

3.6 研讨会

除访谈外，我们还组织了两场为期一天的参与式研讨会，以形成性协同设计和探索性评估的方式邀请访谈参与者参加。研讨会的目标是将概念化监测工作流程与实际从业者日常监测实践相结合，并对早期Telegram监测工具原型获取情境化反馈。每场研讨会前，参与者被邀请提交与其日常工作相关的Telegram频道，这些频道被预先集成到系统中，以支持基于真实操作的情境探索。每场研讨会结合了访谈主要发现的阐述、新兴监测工作流程的介绍、以参与者自身议题兴趣为中心的操作工具测试，以及引导式小组讨论。在动手操作环节中，参与者注册了用户账户，测试了关键词搜索和语义搜索，查看了自动生成的音频转录文本，并探索了一个由自动分类器提供的消息级别的"阴谋分数"。我们通过笔记记录整个过程，这些记录为工作流程和原型的迭代优化提供了依据。

4 研究结果

参与者报告称，他们在有限的资金、人员和技术条件下开展工作，这与先前关于公民社会组织的研究一致 [9, 91]。有限的技术专业知识制约了他们对数字工具的使用。与此同时，他们强调在线空间对其工作至关重要，因为反民主行为者日益利用数字平台，线上危害转化为现实后果，这进一步印证了既有研究 [2, 27, 54]。综合各项访谈，这凸显了有效在线监测、改进工作流程以及更易获取工具方面的紧迫性。下文将详细回答研究问题，并将发现置于现有研究框架中加以讨论。我们附上相关图表，展示各部分的主题和子主题。为便于阅读，大部分编码已折叠显示，节点标签标明编码数量。完整的编码列表可通过Zenodo获取。

4.1 当前实践与工作流程（RQ 1）

图1展示了表征公民社会组织监测实践与工作流程的主题和子主题。

图1. 公民社会组织监测实践与工作流程的主题地图部分。主题（蓝色节点）、子主题（浅蓝色节点）及编码数量（因空间限制已折叠）均已展示。白色标签表示未归入子主题的单个编码。该地图基于对15名服务于德语组织公民社会组织的从业者的质性编码分析而创建。

4.1.1 监测作为人工劳动

与B?umler等人 [9] 的研究一致，参与者将在线监测描述为以人工为主的活动，通常例行政进行或在应对线下事件时开展。他们依赖Telegram桌面客户端或移动应用关注频道和搜索内容，并且必须"每次手动触发全文搜索"（P4）。通过Telegram API实现的自动化使用频率很低，文档记录同样以手工方式完成——通常通过截图和笔记进行，使整个过程"非常耗时且效率低下"（P11）。这反映了调查新闻和FC工作流程研究的发现 [12, 29, 58]。

4.1.2 监测洞察的记录

参与者主要依赖低技术手段来记录洞察，最常见的方式包括截图、手动媒体下载和书面笔记。正如P6所述，记录通常"从截图开始——然后，如有必要，我们会单独记录下来"。对于较长的讨论帖，会使用长截图，尽管参与者指出缺乏便捷的桌面工具，尤其是针对Telegram评论线程，"最终你会有上百张照片"（P6）。一些参与者还使用Telegram桌面客户端的导出功能来归档整个频道，这一功能被视为"非常有帮助"，尤其是在按日期或媒体类型进行筛选时（P6）。截图被描述为涉及犯罪内容案件中的必要证据，其中"煽动暴力的内容和账户必须能够被识别"（P9）。这与先前将截图识别为标准OSINT记录实践的研究相符 [9, 69]。值得注意的是，仅有一位参与者提出对证据篡改的担忧。为确保真实性，他们采用加密哈希和独立的网络存档（如通过Internet Archive [57]）来建立"证据链"并"证明事后没有篡改"（P13），这体现了先前的研究中鲜有提及的技术严谨程度。

4.1.3 技术基础设施

参与者报告了不同的数据存储实践，最常见的是依赖本地文件存储截图、链接和文本文件。这些实践往往是临时且不系统的，尤其对于新兴内容格式而言。很少有组织维护数据库，且通常是手工操作的纯文本数据库，仅有两位参与者报告使用内部爬虫脚本。总体而言，这反映出系统数据管理方面缺乏技术基础设施，呼应了新闻研究的发现 [12]，并反映了CSCW所描述的通过持续的本地维护而非稳定系统来维系的关系性基础设施 [101]，以及通过已安装基础不断演进的过程 [75, 101]。

4.1.4 相关平台和服务

参与者识别出主流平台（Instagram、TikTok、Facebook、YouTube、X）以及Telegram最为相关，部分参与者还监测VKontakte、右翼论坛、图片板和媒体机构的评论区。平台相关性随时间推移而变化：正如P7所言，"Facebook [在过去]很相关"，而Telegram"仍然在一定程度上具有相关性，但公开活动已不多"。新平台可能打破既有的工作流程——例如，TikTok缺乏易于归档的频道结构（P8）。参与者还描述了不同平台在各类现象显著性方面的差异：Instagram和TikTok对于年轻群体中的右翼极端主义尤其重要（P11），而"跟踪行为发生在Instagram上，仇恨运动则发生在X上"（P4）。与先前研究 [87] 一致，参与者强调了跨平台分析对于获得"非常复杂的画面"（P4）的重要性。

4.1.5 监测内容的格式与模态

参与者强调，有效监测必须应对有害内容日益多模态化的特点，这与FC和新闻研究的发现一致 [24, 78]。文本仍是主要关注对象，因为它能提供大量见解，且分析起来相对高效可靠（P14）。视觉内容的存储和处理被认为更为耗时耗力，但同样重要：参与者提到了共享图片、示威活动视频以及作为暗号信号的emoji。音频格式的相关性不一：虽然语音消息的重要性有所下降，但播客和长时长直播——通常以视频形式录制——仍然具有重要价值，尤其是在识别行动者和记录活动中的声明方面（P9）。

4.1.6 监测中使用的工具

尽管监测工作以人工为主，但部分参与者使用工具来支持特定任务，通常从商业社交媒体监听或OSINT服务中挪用相关工具。在搜索和发现方面，网络搜索和Google Alerts是常见的选择。网络搜索和OSINT工具反映了FC中观察到的实践 [78]。社交媒体平台API的使用很少见，因为访问受限或已不再可用 [81]。为分析音频内容，参与者依赖现有的播客或YouTube转录文本，或尝试使用开源ASR模型Whisper [3]。对于图像内容，则使用PDF阅读器等免费且易用的工具来搜索基于截图的PDF文件。在记录方面，一些公民社会组织依赖网络存档，这在FC中也有类似实践 [69, 77]。Telegram特有的（付费）功能包括内置翻译、频道推荐、分析服务（如telemetr.io），以及用于关键词提醒的自定义机器人。少数参与者正在使用或计划使用付费的Telegram监测服务或自动仇恨言论检测工具。监测主要以德语进行，翻译需求通过内置工具处理，被视为有用但非必需，与以报告为核心的公民社会组织不同 [9]。这可能反映出以监测为核心的公民社会组织主动选择内容，而以报告为核心的公民社会组织则处理用户提交的内容。综合来看，这些实践体现了一种拼凑式 [21, 59] 特征，即监测工作通过异质工具的临时重组来实现，而非通过集成系统，产生CSCW所描述的关系性基础设施，依靠本地配置和持续维护来维系 [101]。

4.1.7 现有工具的局限性

参与者报告了多项与工具相关的局限性，包括订阅服务的费用以及API限制和错误等技术问题。工作流程往往繁琐，例如需要手动下载音频文件，随后自行编写脚本进行ASR处理。专有工具因透明度和可配置性有限而受到批评，降低了其在研究和调查工作中的价值。参与者还对基于AI的分类中的错误率表示担忧——特别是在威胁评估方面，高召回率至关重要。最后，一些人指出与商业模式相关的偏见，这些模式优先处理容易起诉的案件和特定平台，尤其是Facebook。P4批评此类服务"将赌注押在获胜者身上，结果变得相当单一化"。FC工作流程中也观察到了平台偏见，这些偏见受平台提供的基础设施和资金支持的影响 [12, 14, 77]。

4.2 技术、伦理与法律挑战（RQ 2）

图2. 公民社会组织在监测工作中面临的技术、伦理与法律挑战的主题地图部分。主题（红色节点）、子主题（浅红色节点）及编码数量（因空间限制已折叠）均已展示。白色标签表示未归入子主题的单个编码。该地图基于对15名服务于德语组织公民社会组织的从业者的质性编码分析而创建。

图2总结了从业者在监测工作中面临的主要挑战，以及相关主题和子主题。

4.2.1 数据访问与处理

参与者报告了与平台政策导致数据访问受限相关的主要挑战。虽然Telegram数据被描述为相对容易获取，但访问Instagram或Facebook则"困难得多"（P6）。参与者还指出了Meta和X在API访问方面的变化，指出先前可获取的数据如今要么无法获得，要么对研究来说费用过高（P13, P14）。类似的依赖和中断在各行业中已被广泛记录，因为关键工具和API已被停用或商业化 [9, 12, 48, 50, 58, 78]。

除了访问限制外，参与者还面临数据量问题。社交媒体被描述为"无底洞"（P8），在没有足够的分析工具时，大规模数据收集变得难以管理。一些参与者报告计算资源限制，大数据集使本地资源不堪重负并导致系统崩溃。因此，以监控为重点的公民社会组织（CSOs）面临比FC或CM工作者，或以报告为导向的CSOs更大的约束，后者受益于更成熟的基础设施或经过整理的输入 [9, 14, 50, 58]。

4.2.2 内容的多模态性

另一个主要挑战源于被监控内容的多模态性质。音频和视频被描述为特别耗时，因为它们无法进行关键词搜索，需要完全手动审查："你必须完全看一遍才能找到相关部分"（P2）。虽然这些格式可以提供重要见解，但参与者缺乏时间和工具来分析长达数小时的录音。因此，几乎所有参与者都强调了音频和视频转录工具的价值，这与先前的研究相呼应 [24, 58, 67]。除此之外，参与者指出直播和故事等短暂格式由于可用性有限而构成独特挑战。一些人认为恶意行为者故意使用这些格式，因为这些格式"难以捕获"，因此不太可能被有效监控或存档（P14）。

4.2.3 法律挑战

许多参与者描述他们的监控工作受到大量法律不确定性的影响，特别是因为他们"像记者一样运作，但不是记者"（P15）。这造成了一种困境：他们必须保留证据以支持其公开声明并应对潜在的法律挑战，而数据保护和GDPR限制了他们被允许存储的内容。对于缺乏正式监控授权的报告型CSOs，类似挑战也已被注意到 [9]。从CSCW（计算机支持的协同工作）的角度来看，这将监控定位为非可见工作的一种形式 [102]，其中关键的证据和保护性劳动在制度上缺乏支持，并大部分隐藏在公众视野之外。遵守数据保护法律通常很困难，在某些情况下，导致组织缩减或完全停止监控。其他组织仅限于公共内容。然而，这限制了见解，因为威胁和暴力计划通常出现在非公开空间，先前的研究也讨论了这种矛盾 [26]。最后，版权限制进一步限制了合作，因为收集的材料通常无法在组织之间共享，可能只能间接展示。

4.2.4 安全问题

除了法律挑战外，参与者报告在个人和组织层面都存在重大安全风险。监控极右翼行为者可能会使从业者和其组织成为骚扰或攻击的目标。在个人层面，参与者描述出于个人安全考虑使用一次性或模拟账户进行监控，以便在被曝光时可以放弃资料，这种做法在OSINT研究中也已被注意到 [69]。在采访准备过程中，个人安全顾虑也很明显，一些参与者拒绝录音或强调需要保持身份不可识别。针对研究在线极右翼行为者的学术研究人员，类似风险也已被记录 [26, 68]，尽管很少有研究涉及CSOs的这些议题，它们由于资源有限且频繁成为目标而特别脆弱 [91]。参与者进一步强调监控可能危及整个组织。正如P1所指出的，他们"也在受到攻击"，（P9）通常通过协调行动。一些人报告了对法律手段的策略性滥用，例如呼吁"用GDPR请求淹没像我们这样的项目"，（P15）而另一些人指出"极右翼行为者非常急于起诉"（P3）。这些策略与以报告为重点的CSOs的报告相呼应，后者描述了故意试图使其超负荷运行的行为 [9]。最后，参与者表示担心政治环境的变化可能会加剧法律迫害的风险。在这种情况下，安全数据存储被视为至关重要，因为监控工作可能被当局重新定义为非法数据收集或创建"敌人名单"（P9）。

4.2.5 合作与数据共享

法律限制也阻碍了组织间的合作。正如P2所解释的，组织不能共享直接数据库访问权，"出于数据保护原因"，必须依赖匿名化材料——"大量工作"必须由经过培训的人员手动完成。缺乏标准化和资源有限进一步阻碍了合作；统一文档的国家尝试"经常失败"（P15），因为所需工作量过大。从CSCW的角度来看，这些提议指向了基础设施建设挑战——建立可在组织间维护和治理的共享安排和边界对象 [60, 103]。尽管存在这些障碍，参与者强烈强调合作的价值。成功的伙伴关系——例如与以报告为重点的CSOs——被描述为有效，因为有明确的工作分工。其他人指出合作可以减少重复工作，尽管实施仍有挑战。建议的解决方案包括共享基础设施，如协作数据库，或伙伴关系，其中一个组织"捕获在线背景"（P2），而其他组织提供补充专业知识。这暗示了合作是超越技术工具的关键资产 [58]，同时呼应了先前记录了其挑战的工作 [9]。

4.3 关于技术支持的需求和期望（RQ 3）

图3. 关于技术监控支持的CSOs需求和期望的主题图部分。显示了主题（绿色节点）、子主题（浅绿色节点）和编码计数（为节省空间已折叠）。白色标签表示未分配给子主题的单个编码。

图3. 关于技术监控支持的CSOs需求和期望的主题图部分。显示了主题（绿色节点）、子主题（浅绿色节点）和编码计数（为节省空间已折叠）。白色标签表示未分配给子主题的单个编码。该图基于对15位为德语组织工作的CSOs从业者的定性编码。

图3呈现了参与者的监控技术需求，分为四个领域：搜索、界面和仪表板、分析见解和文档。第五类涉及采用因素，如可用性、数据保护和本地部署。

4.3.1 增强的搜索和发现

大多数参与者将高级搜索功能确定为有效监控的核心要求。关键需求是能够在已知或订阅渠道之外进行搜索。正如P4所解释的，他们需要"全局搜索 [...] 不仅仅是在我们已经知道的群组中查找"，理想情况下包括"整个Telegram的全文本搜索"。参与者设想了类似于Google Alerts的基于警报的系统，可以使用高级搜索技术或"Dorks"进行高度定向的查询（P4）。这种对搜索和发现的强调与对OSINT分析师、调查记者和事实核查者的先前研究一致，对于这些人群，搜索构成核心活动 [12, 58, 69, 73]。参与者进一步强调需要使多模态内容可搜索，特别是音频和视频。访问转录文本被视为至关重要，因为"那里发生很多事情，我们还没有真正纳入视野"（P14）。从技术角度来看，这突出了整合自动语音识别（ASR）和光学字符识别（OCR）作为预处理步骤的相关性。除了扩展可搜索内容外，参与者强调自动化，包括保存的查询和持续监控。P4描述了对"24/7运行的自动搜索 [...] "的需求，而警报被视为实时浮现相关发现的关键，与新闻报道中的类似需求相呼应 [24]。搜索还用于跟踪可能成为攻击目标的已知个人或组织的提及，例如通过跨频道的自动关键词搜索。最后，参与者将搜索的概念扩展到探索性发现，指出"有时候你甚至不知道自己在找什么"（P14）。建议的功能包括基于相似性的搜索，以及随着生态系统随时间推移识别新的和当地相关频道的工具。虽然Telegram现有的"类似频道"功能被认为有限且重复，但参与者对更透明和上下文敏感的频道推荐机制表示兴趣。这些想法提供了新颖的见解，并通过超越关键词驱动的方法，强调在内容发现的同时频道发现的重要性，扩展了在线监控中搜索策略的现有知识。

4.3.2 用户仪表板

参与者提出了以仪表板为中心的界面来查看和交互监控内容。核心要求包括基于信息流的搜索结果展示，带有排序和过滤选项，以及简单、可访问的统计数据，例如基本帖子级指标，以识别频道内浏览量最高的帖子。建议的频道级指标包括频道增长和转发模式，正如P14所指出的，这些可以信号新出现的频道并支持探索性监控。这些动态也与线下事件相关联，因为示威活动通常与粉丝数量的激增同时发生，有助于"在动态中关注粉丝"（P14）。参与者进一步将仪表板设想为文档和协作的工作区。P4描述快速保存相关帖子，"通过点击帖子然后立即存储"，以便稍后审查或报告。专用用户账户可以支持标准化工作流程和协作工作，使用户能够滚动、标记项目和生成报告。

4.3.3 生成见解

与基于搜索和仪表板的工作一起，见解生成占据了主题图的很大一部分。一个核心主题是自动内容分类，参与者认为这对于预过滤和优先级排序大量数据很有用。例如，P12建议区分"不明确"和"明确威胁或犯罪相关"的帖子，实现分级风险排名，结合人工审查可以减少工作量。其他人提出使用多个分类器来检测不同形式的歧视性内容，反映了组织在分类方案上的差异 [9]。参与者还强调了信息提取的价值，例如识别姓名、日期和地点，特别是用于跟踪动员努力。自动检测行动号召，包括在图片中，被认为特别有帮助，因为相关内容很容易在众多群组中被遗漏——"一个告诉你'这是分享图'的工具将大有帮助"。（P8）然而，限制仍然存在，例如在音频转录中识别姓名，这是当前ASR系统中已知的一项挑战 [6]。其他技术如面部识别由于数据保护法规而被认为存在问题。除了内容级别分析外，参与者对用户和网络级别的见解表示兴趣，包括跟踪关键行为者、内容来源和转发模式以揭示协调。虽然这些分析对于理解传播动态很有价值，但也会引发与隐私和监控相关的伦理和法律问题 [26, 68]。较少参与者提到了视频摘要、主题建模和爆发检测等高级分析方法，以支持分诊和早期预警。在这些讨论中，参与者反复强调基于AI的分析的潜力和局限性，强调谨慎的人机协作的必要性——这是我们将在第4.4节中回顾的主题。

4.3.4 输出和文档

参与者强调需要自动保存内容和生成符合法律要求的文档。核心关切是在内容被删除之前捕获它的能力，因为相关帖子，如煽动暴力或邀请参加非法活动的帖子，往往在一段时间后被删除。因此，参与者强调收集间隔应该可配置，从几分钟到更长的定期快照。P14进一步建议将报告创建直接集成到工具中，允许用户标记内容，并针对特定主题"在结束时输出报告"。适当的数字证据处理是另一个关键要求。现有工具被描述为不充分——"你根本不能用它保存视频"（P5）——这促使人们呼吁能够可靠地存档多媒体内容并带有时间戳以供潜在法院使用的解决方案。正如P5所指出的，这很关键，"因为证据是在最初发现时捕获的"。最后，参与者强调简化刑事投诉处理流程的潜力，目前这涉及将信息从电子表格手动转移到报告表格中，这一过程被描述为效率低下。

4.3.5 新工具的接受度

工具接受度取决于可用性、工作量的明显减少以及符合数据保护要求，理想情况下通过认证支持。这些标准与先前提出的要求一致，呼吁使用用户友好的报告技术，满足数据安全和证据标准 [9]。参与者进一步强调了开源、本地部署和可靠数据存储等技术要求，这源于安全和成本两方面的关切。然而，这些需求往往与最先进的AI方法冲突，特别是由于它们的计算需求和对许可的限制。总的来说，参与者强调非技术因素——组织实践、法律要求和信任——强烈塑造了工具的采用。

4.4 关于AI角色和人机协作的观点（RQ 3）

图4. 关于AI角色和人机协作在监控中作用的CSOs观点的主题图部分。显示了主题（紫色节点）、子主题（浅紫色节点）和编码计数（为节省空间已折叠）。

白色标签表示未分配到子主题的独立编码。CSO视角下AI角色及人机协作在监测中的作用的主题图。图中展示了主题（紫色节点）、子主题（浅紫色节点）及编码数量（为节省空间已折叠）。白色标签表示未分配到子主题的独立编码。该主题图基于对15位服务于德语区组织的CSO从业者的定性编码访谈结果创建。访谈中，参与者讨论了AI支持的角色及其局限性以及人机协作。相应的主题和子主题如图4所示。

**4.4.1 AI的潜力**

尽管部分参与者提到组织对AI存在不信任，但参与者们强调了AI在通过预筛选和优先级排序大量数据来支持监测工作方面的潜力。正如P4所指出的："自动化将为我们提供巨大的帮助。"此类应用与先前关于声明检测和案例优先级排序的研究相一致[9, 50]。参与者还看到了生成式AI在辅助分析和报告方面的前景，例如识别文本中的极右翼意识形态特征，或综合多个来源的见解进行摘要，这与新闻和外国干涉研究中的发现相呼应[24, 67, 86, 107]。

**4.4.2 AI的局限性**

然而，参与者也质疑AI的使用，例如引用误分类风险可能导致"稀释后的画面"（P4），并严重怀疑AI能否充分理解有害内容在不同表达形式中微妙且依赖语境的特性。这些担忧与来自开源网络情报（OSINT）、外国干涉和报道类CSO研究的发现相符[9, 50, 58, 73, 99]。此外，现有模型不太适合该领域的语言和语境需求。参与者指出了德语内容以及反犹太主义等现象方面的不足，后者往往"隐藏在字里行间"（P14）。用CSCW（计算机支持协同工作）术语来说，这些担忧反映了异质性知识生产中的挑战，即将植根于本地语境的概念转化为标准化模型[1, 103]。P14进一步强调了训练自定义AI分类器所需的巨大工作量，以及CSO之间缺乏模型共享的问题，因为"自行训练模型的人往往因为投入了大量精力而将其保留自用"。

**4.4.3 极右翼对生成式AI的使用**

参与者对极右翼行为者使用的生成式AI的相关性持混合观点。大多数人认为其主要用于宣传材料，如图片或分享图片，而传统虚假信息策略，如断章取义地使用信息，仍然占主导地位。另一些人则强调了看似AI生成的战争图像的传播，这被视为特别令人担忧，因为其有歪曲公众认知的潜力。

**4.4.4 人类专业知识的重要性**

在访谈中，参与者强调了人类专业知识的核心作用。AI被定位为人机协同的辅助工具，而非替代品，这与已确立的人机协作方法一致[31]。一些人质疑AI是否真的有必要：P15强调，人类专业知识获得客户的信任，且被认为比基于AI的分类更可信："我们做得很好，我认为人们更容易相信我们。"另一些人指出在法律背景下，依赖AI可能会使程序复杂化，因为模型需要在法庭上进行解释。正如P13解释的，"人类专业知识仍然被认为比依赖AI更有价值"，因为如果涉及AI，"你就必须在法庭上解释模型，这会增加复杂性"。这些见解强调了信任在新技术采用中的作用，无论是组织层面还是社会层面。

**4.5 概念性监测工作流程**

基于我们的访谈发现，我们开发了CSO监测的概念性工作流程，如图5所示。该工作流程将从业者的实践描述、约束和需求综合为一个结构化的流程，并实例化了先前研究[71]中讨论的"实践流程"。所得框架既作为原型实施的指南，也作为技术开发与现实监测实践之间的桥梁。工作流程的每个阶段都对应特定的设计原则：

- **数据收集与存储**整合了隐私设计和法律可用性（4.2.3），确保爬取模块以法律稳健的方式捕获元数据，同时尊重数据保护要求[9, 48, 66]。
- **预处理与索引**同时实现了多模态数据预处理（4.2.2）和稳健的信息提取（4.3.3），使多样化内容可被搜索，并将嘈杂的非结构化数据转化为结构化格式[6, 24, 58, 67]。
- **搜索与检索**反映了高级灵活搜索功能的核心地位（4.3.1），通过词汇和语义方法实现多语言和多模态内容发现[12, 58, 73]。
- **仪表板与报告**将可用性和工作流程集成操作化（4.3.2），提供直观界面用于标签标注、保存搜索、协作工作和生成报告[9, 24, 67]。
- **部署与可扩展性**对应低资源部署和可配置性（4.2.1），确保所有模块轻量、开放，并适应多样化的CSO基础设施[9, 48, 51, 52]。

**图5.** CSO监测工作流程的概念性概述，与技术、法律和社会技术要求对齐。展示了所推导流程的不同步骤，以及人机协作、法律和技术约束等背景因素。

基于这些见解，监测原型与合作CSO共同进行了扩展，纳入了表2中所示的功能。

**表2.**

| 组件 | 描述 |
|------|------|
| 数据收集 | 稳健地收集历史和实时Telegram消息，支持可配置的时间范围和可选择附件类型。 |
| 音频转录 | 使用开源Whisper模型（默认中等版本；其他模型大小可配置）自动转录音频消息。 |
| 词汇与语义搜索 | 支持基于关键词和基于嵌入的文本及图像搜索，使用Elasticsearch配合多语言Sentence Transformer和CLIP模型。 |
| 频道推荐 | 基于Telegram内置的"相似频道"功能推荐相关频道，尽管参与者报告了该功能的局限性，仍作为初始实用默认方案使用。 |
| 自动分类 | 微调的基于BERT的分类器，用于阴谋论检测，可在CPU基础设施上部署，集成了用户反馈和数据标注支持。 |
| 交互式仪表板 | 基于Web的界面，支持保存搜索、帖子级统计、手动内容标签标注，且无需高级技术专长即可协作使用。 |
| 可配置系统设置 | 通过环境变量文件配置数据收集和保留策略、模型选择（转录、嵌入、分类）、硬件利用率和存储端点。 |
| 模块化容器化部署 | 基于Docker的模块化架构，实现灵活部署和完整系统自定义，需满足相应的技术设置要求。 |

扩展原型功能的概述。

**4.6 研讨会发现**

研讨会提供了观察概念性工作流程和原型功能如何与从业者的监测实践对齐的机会。参与者围绕各自的主题兴趣广泛探索了搜索功能，并强调了搜索在早期调查中的核心地位。支持保存和组织结果的功能——如标签标注和保存搜索——尤其受到重视。多位参与者还请求增加导出功能，以支持下游分析和报告。

这些会议还暴露了组织和基础设施方面的考量。当多位参与者同时使用系统时，服务器达到了性能极限，揭示了具体的瓶颈和优化需求。除了技术问题外，参与者反复提出数据保护方面的担忧，并就合法合规的监测交换了组织策略，凸显了将法律和伦理考量嵌入工具设计的重要性。

除工具测试外，研讨会还起到了CSO之间交流平台的作用。参与者利用会议讨论调查实践、约束和合作机会。我们将这些研讨会定位为初始的共同设计和形成性参与，而非总结性评估。它们作为相互学习的场所，使监测实践、约束和工具可供性得以共同探索。此外，与两个公民社会项目的长期测试正在进行中，以探索该工具如何整合到现实监测工作中。

**5 讨论与建议**

我们的发现凸显了CSO的 precarious（脆弱）运营条件——有限的资源、受限的平台访问和法律不确定性——如何系统性地塑造并限制其与技术互动的方式。他们缺乏直接的平台访问、定制化工具和持续的技术支持，转而依赖耗人、主要是手动流程从外部识别和收集相关内容。

尽管自动化被认为具有潜在用途，特别是对于扩展音频、图像和视频数据的访问，但参与者对自动分类表达了保留态度，这通常被认为与CSO工作流程不一致。相反，CSO优先考虑支持跨异质内容格式发现、分析和文档记录的工具。这些发现突显了 prevailing（主导的）技术范式与公民社会监测的 situated（情境化的）现实之间的差距。

在贯穿访谈、工作流程概念化和参与式研讨会的迭代过程中，我们将监测实践转化为设计概念和软件原型来应对这一差距。

以下讨论综合了我们的实证发现，并为CSO导向的监测工具推导出设计建议。这些设计建议旨在解决塑造CSO监测实践中可实际使用技术的结构性与基础设施障碍。此外，我们为学术研究和政策制定者概述了特定利益相关者建议。最后，我们引入了"手工劳动陷阱"的概念，作为发展协作性社会技术扩展理论的经验性切入点。

**5.1 设计建议**

我们的发现凸显了监测工具需要在自动化与人类监督之间取得平衡、支持多模态内容、确保法律和伦理合规性，并在低资源环境中保持现实可部署性。表3通过关联CSO实践与挑战、相关工作、核心技术需求和由此得出的设计建议，综合了这些见解。

一个重要的挑战在于隐私要求与取证需求之间的张力。监测工具必须遵守数据保护法规，如数据最小化和安全删除，同时也要保留法医级别、法律可采信的证据。这要求在数据保留和导出方面进行审慎的权衡，并且由于对信任和合规性的担忧而限制外部服务的使用（表3中的第1、2、10行）。碎片化且主要是手动的流程进一步塑造了监测实践，限制了组织内部和跨组织的协作。这凸显了对集成化、用户友好型仪表板的需要，以支持端到端的流程，从数据收集和分析到报告生成（第3行）。实现有效的协作还需要用户管理和与现有工作流程的集成（第4行）。多模态和多语言数据日益增长的重要性与工具供应有限形成对比，凸显了将ASR（自动语音识别）和OCR（光学字符识别）管道集成到搜索和分析组件中的需求（第5行）。同时，在线监测中遇到的大量数据产生了对自动过滤、排序和信息提取的需求（第8行），并暗示了自动内容分类的集成。然而，后者因对可靠性和透明度的担忧而遭到明显质疑，强化了人在回路设计的重要性（第6行）。搜索成为一个核心功能，需要支持词汇和语义方法的多模态和多语言能力（第7行）。最后，资源和法律约束强烈影响设计决策。与隐私、安全、成本和对外部服务信任相关的担忧，强调了安全、成本效益的本地部署模式的重要性（第9、10行）。

**表3.**

实证发现
相关工作
核心技术需求
设计建议
1 数据收集与处理的法律和伦理约束
法律风险与约束 [9, 48, 66]
隐私保护数据处理
采用隐私优先设计架构实现数据最小化与删除
2 对合法可用证据的需求
开源情报工具与数字证据 [9, 24, 69, 99]
所收集内容的证据效力
以取证质量进行采集并记录元数据（时间戳、URL、ID）；以标准化格式（如 PDF/A、WARC）导出，便于法律审查
3 碎片化、手工化的工作流
监测作为手工劳动 [12, 29, 58]
集成化、具备工作流感知能力的界面
提供直观仪表盘，支持内容标记、报告功能
4 组织内部协同监测实践
公民社会组织作为独立主体，工具碎片化 [9, 58, 71]
用户账户管理与无缝集成至现有公民社会组织工作流
通过用户账户实现对私人及共享监测洞察的管控，共享标签与分类，支持以通用格式（如 csv、PDF）导出数据
5 多模态内容搜索与分析困难
缺乏多模态工具 [6, 24, 58, 67]
丰富媒体内容的可搜索表示
集成语音识别（ASR）与光学字符识别（OCR）流水线以预处理多模态数据
6 对自动化的怀疑态度
算法厌恶与人机协同 [9, 50, 58, 73, 99]
具备透明度与可控性的人机协同
向用户透明传达模型局限性与错误（如置信度提示、推理依据、错误报告、反馈机制）
7 搜索在监测工作中的核心地位
主动监测与调查性工作 [12, 58, 73]
跨多语种与多模态数据的高级灵活搜索
利用语言适配的嵌入模型进行跨模态的稳健词汇与语义搜索
8 大量非结构化、含噪的平台数据
自由信息与内容管理中的过滤与排序，开源情报中的信息提取 [9, 50, 73]
自动化提取可操作信息
针对非正式、真实世界内容（如 Telegram）优化的命名实体识别与信息提取模型
9 计算资源与技术基础设施有限
资源约束 [9, 48, 51, 52, 88]
轻量级、可适配、可维护的系统
具备预设默认值的架构；无需 GPU 硬件即可部署的轻量级或蒸馏模型
10 对外部服务的隐私、安全与成本顾虑
法律约束与公民社会组织自主权；信任与采用顾虑 [24, 48, 50, 107]
安全且成本高效的本地部署
尽量减少对第三方 API 的依赖；优先采用可在本地部署的小型模型，兼顾性能、成本与合规性
设计综合：将实证发现映射至核心技术需求与设计建议。

5.2 政策与研究报告建议

我们的研究发现表明，公民社会组织（CSO）的监测工作从根本上说是社会技术性的，并且深嵌于政治语境之中，仅靠工具设计无法解决。因此，我们在表4中提出了基于实证的政策与研究报告建议，以补充我们的设计建议。

表 4

主题
建议

政策
合法性与角色
正式承认并立法规范公民社会组织的在线监测工作，以增强其合法性、信任度及组织间协作。

法律明确性
制定针对公民社会组织监测及相关活动（如归档、咨询）的专门法律指引，由国家或联邦数据保护机构协调推进，以降低法律不确定性及协作障碍。

基础设施与资金
从短期项目资助转向对公民社会组织基础设施、协作及开源工具开发的长期公共支持，将成功的试点项目延续为长期运营资金。

研究
核心流水线
优先发展稳健的预处理流水线（如 ASR、NER），尤其是针对非英语及含噪真实数据，而非（多模态）分类器，以支持可扩展的多模态分析与洞察生成。

发现
支持探索式搜索与信息发现，通过研究公民社会组织的搜索实践并开发面向公民社会组织的工具（如频道推荐器）。

领域模型
开发面向公民社会组织的领域专用模型（如针对威胁、反犹主义、种族主义动员），而非通用的仇恨言论或冒犯性分类器。

界面
探索基于提示的大型语言模型（LLM）界面及灵活配置方案，以支持可适配的、面向公民社会组织的工作流及非专家用户查询。

人机协同
设计轻量级的、任务内嵌的人机反馈机制，将从业者专业知识融入系统的迭代改进中。

组织间协作
加强跨学科与跨领域研究（如法律、政治学、传播学），并考察公民社会组织间的协作与网络。

表4：支持公民社会组织在线监测的政策与研究报告建议。

在政策层面，一个核心挑战是结构性错配：现有的法律框架、资金模式和制度安排并未反映公民社会组织在平台基础设施之外、且脱离公认专业工作流所从事的长期监测工作的本质。我们提出三个方向以应对这一挑战。第一，正式承认公民社会组织在社会中的角色并赋予明确机构授权，有助于增强其合法性、信任度及组织间协作，同时推动标准化、质量保障和能力建设。第二，必须通过针对监测公民社会组织的专门法律指引来降低法律不确定性。鉴于来自反民主行为体的诉讼或策略性信息请求的风险，以及小型组织在获取法律专业知识方面的有限能力，这一点尤为重要。数据保护机构可在制定可及的行业级指导方面发挥协调作用。第三，资金模式应超越一次性项目资助，后者在结构上与监测和协调工作的长期性不相匹配。政府和公共机构应转而投资于可持续的基础设施——包括与公民社会组织共同开发的开源工具——并提供持续的运营资金支持能力逐步建设。

学术研究应更好地将公民社会组织视为数字治理中研究不足的利益相关者，并解决当前研究重点（如仇恨言论分类）与从业者需求之间的错配。为此，应将更多重点放在基础能力建设而非新任务定义上，加大对稳健预处理流水线（如 NER、ASR）的投入，尤其是针对含噪、真实世界及非英语数据。此外，还需要进一步研究公民社会组织如何搜索和探索陌生空间、发现新兴叙事。

鉴于对通用的、以英语为中心的 AI 模型的怀疑态度，研究应支持面向公民社会组织需求的上下文特定模型，例如检测威胁、反犹主义或有组织的动员。这包括通过非专家用户研究探索基于提示的 LLM 工作流。在此背景下，我们建议交互式系统配合轻量级的人工反馈循环可以实现持续改进和建立信任，前提是其能无缝融入日常工作流且不会显著增加公民社会组织的负担。最后，由于公民社会组织面临的挑战跨越法律、政治和技术领域，研究应促进包括组织学、法律、传播学和政治学等在内的跨学科合作，以更好地理解组织间合作的障碍，以及公民社会组织如何在对抗性环境中运作。

5.3 手工劳动陷阱与组织间协作

我们的研究发现，监测类公民社会组织在脆弱的基建条件下运作，面临着资金有限、平台访问受限和法律不确定性。参与者一致描述了一种社会技术差距：他们所期望实现的——长期的、协作的和主题多样的监测——与他们能够以有限的信息技术能力、不稳定资源和缺乏持续基建所能实际支持的之间存在巨大鸿沟。监测实践依赖于简单工具和临时性工作流程，难以扩展或维护。从计算机支持的协同工作（CSCW）视角来看，公民社会组织依赖一个碎片化的安装基础[75, 101]，并通过持续的综合工作[94]将其维系在一起。扩展这一基础的尝试往往以拼凑[21, 59]的形式出现，即创造性地重组可用工具以克服当地约束。然而，在所述对抗性和资源匮乏的条件下，拼凑固化为我们所概念化的"手工劳动陷阱"：劳动密集型且脆弱的安排消耗了本应用于建设更持久基础设施的资源。随着时间的推移，这种自我强化的循环稳定了低能力的社会技术体制，而这些体制越来越无法匹配极右翼在线活动的规模与动态性。被困于这一陷阱中还会延长从事监测的个人接触有害内容的暴露时间，可能对心理健康造成长期影响，例如增加恐惧、不信任或认命感。因此，扩展基础设施不仅是效率问题，也是保护问题。

重要的是，导致手工劳动陷阱的局限性主要不是技术性的；财务和法律约束从根本上塑造了可用的基础设施选择。在这些条件下，单纯的个人技术发展方式几乎没有实现有意义的规模化的空间。长期资金不足、法律不确定性、平台访问受限以及持续的维护需求，使得单个公民社会组织不太可能独立构建和维持其工作日益所需的基础设施。从这个意义上说，手工劳动陷阱并非一个临时阶段，而是孤立运营所结构性再生产的后果。从这个视角看，组织间协作成为了社会技术规模化的一个可行方向。

为综合这些动态，我们提出发展公民社会组织监测中的协作社会技术规模化理论——一种将公民社会组织基础设施置于其结构和技术约束之中的理论，对比手工劳动陷阱与能够支持共享基础设施开发和维护的协作安排。

相关理论化也有助于解决对灵活可配置基础设施的需求（以涵盖多样且不断演进的监测兴趣）与非技术用户可用性要求之间的张力：在协作社会技术规模化下，技术专业知识有限的公民社会组织可以受益于共享知识、汇集的开发能力，以及更长期地创造用户友好的配置界面。

手工劳动陷阱的概念为理论化公民社会组织监测中的社会技术规模化提供了一个切入点。然而，协作并非中立的解决方案：资源汇集引发治理、所有权和权力的问题，并有复制资源更多者与更少者之间不对称的风险。对协作社会技术规模化的更完整阐述需要将协作视为一种由经济、法律和政治条件及不均衡能动性所塑造的有争议的转型。发展这样的阐述需要超越聚焦于工具的设计研究方法。对现有或过往协作场域的民族志、组织史甚至历史研究——考察它们何时以及为何成功或失败——将有助于揭示共享基础设施变得可持续的条件。信任、资源竞争以及参与协作和受益能力的不均衡可能是核心动态。作为中间枢纽、跨多个公民社会组织运作的科技集体，例如公民社会组织的 Tactical Tech，4 是一个有前景的研究场域，因为它们集中了协作过程并使其张力得以显现。关于类似公民社会组织环境中社会技术规模化的历史叙述，可能进一步阐明使此类转变得以实现或受阻的结构和政治条件。贯穿始终，对隐形劳动和综合工作[94, 102]的关注将是必不可少的：协作基础设施不会自我维护，维持它们的工作容易被掩盖、分配不均，且鲜少获得资金。我们将这视为未来 CSCW 工作的重要方向。

6 局限性

我们的研究聚焦于德语区组织。虽然这些组织具有多样性，但它们仅代表了欧洲范围内从事监测工作的公民社会组织的有限样本。因此，我们的研究发现的可迁移性需要谨慎对待。诸如有限的数据访问和稀缺资源等约束很可能跨越政治和社会经济背景而存在——在低收入环境中，有限的连接性和技术基础设施限制了计算和 AI 工具的使用，这些约束可能更为严重。另一方面，法律、政治和社会经济条件差异巨大，塑造了不同水平的脆弱性。我们参与的公民社会组织在西欧民主国家运作；其他地区的组织可能面临额外风险，包括国家镇压[44]。在更威权的语境下，威胁模型根本性地改变：匿名性和运营安全成为核心要求，而在国内程序无法访问或不安全的环境下，具有法律效力的证据价值可能较低，国际问责机制反而更为重要。在此背景下，跨国协作——由外部公民社会组织承担公开暴露风险，而受威胁组织专注于证据收集——本身可能构成一种社会技术规模化形式，将风险和能力分散到组织（及国家）边界之外。在线平台的作用也因政治和监管环境、时间推移以及公民社会组织的主题焦点而异。即便在我们的样本中，实践和需求也存在差异，凸显了开发既具普遍性又具灵活性的设计启示的难度。多模态数据处理、稳健搜索和法律证据处理等核心需求似乎广泛适用，但必须根据组织特定条件进行调整。未来研究应纳入更广泛的欧洲和国际公民社会组织以验证和完善我们的发现。

访谈对象为监测专业人员而非 AI 或软件专家。部分参与者在现有实践之外难以表达技术需求，这可能窄化了视角。在某些情况下，访谈者提出了潜在功能建议，促使参与者考虑他们可能不会主动提出的方面，如我们在方法论中所澄清的那样。

尽管定性访谈作为我们的主要方法提供了坚实基础，但更深入的需求分析将受益于额外方法，如用户故事和使用案例、人物画像、情境调查、设计探针和需求优先级排序技术。为开始解决这一局限，我们已纳入了研讨会，并正在与两家组织进行纵向测试。

7 结论

我们的研究推进了对公民社会组织作为监测技术开发与应用中至关重要却研究不足的参与者的理解。公民社会组织的脆弱处境、其多样的活动以及所面临的种种障碍凸显了这一领域的异质性。这种异质性要求技术解决方案具备灵活性和可适应性，能够容纳不同的组织实践和主题焦点。

我们的研究进一步表明，尽管公民社会组织认识到人工智能的潜力——尤其是在扩大对嵌入于音频、图像和视频内容中的原本无法获取的信息的访问——但对自动化分类系统普遍持怀疑态度。此类系统被认为与公民社会组织的日常工作流程不一致，在法律和证据情境中尤为成问题，而在这些情境中，透明度、问责制和人工可信性是不可替代的。我们工作的贡献体现在三个方面：首先，我们提供了关于公民社会监测的深入且基于实证的论述，将其视为在脆弱、对抗和法律不确定的条件下进行的协作性、基础设施性和认知性工作。在此过程中，我们拓展了CSCW领域对社会组织技术系统如何在资源有限的机构环境之外得以维护和有效运行的现有理解。其次，我们将这些见解转化为具有可操作性的设计与研究启示。我们阐明了灵活监测基础设施的设计考量，重点关注搜索、（多模态）数据预处理、证据收集和记录等方面，使其能够跨越不同主题领域保持适应性。第三，我们提出了"人工劳动陷阱"这一基于实证的概念，解释了为何从事监测的公民社会组织往往陷入劳动密集型、低能力安排之中，并提出发展一种基于CSCW的协作性社会技术规模化理论，以更好地理解替代性的协作组织模式如何能够重新配置这些动态关系。