《Big Data & Society》：Datafication meets democracy: Epistemic distrust and data-driven campaigns in India
编辑推荐：
尽管近年来关于数据驱动竞选（data-driven campaigning）的学术研究有所增长，但数据生产的过程及其如何转化为决策仍缺乏充分的理论化。基于2022年印度旁遮普邦（Punjab）议会选举期间在主要政党竞选作战室（war room）内开展的民族志田
尽管近年来关于数据驱动竞选（data-driven campaigning）的学术研究有所增长，但数据生产的过程及其如何转化为决策仍缺乏充分的理论化。基于2022年印度旁遮普邦（Punjab）议会选举期间在主要政党竞选作战室（war room）内开展的民族志田野调查，本研究考察了竞选数据被收集、处理并转化为可行动见解的日常实践。本文论证，民主政治代表了一个独特场域，在此场域中数据化（datafication）并不指向对数字力量的绝对信奉，而是与对其揭示真相能力的普遍怀疑共存。为概念化这一现象，本文引入“认知不信任”（epistemic distrust）概念：一种政治行动者积极投资于数据收集，同时对数据所宣称揭示的见解保持怀疑的倾向。本文将数据驱动竞选研究带入与批判性数据研究（critical data studies）的对话，并提出三项干预性论点。第一，本文展示认知不信任如何催生了相互竞争的数据基础设施的 proliferation，导致数据过剩——而非稀缺——反而拖慢了决策速度并造成低效。第二，本文考察了为何尽管竞选环境信息丰富，数据却日益呈现量化形式。数字之所以获得价值，不仅因为它们便于统计分析，更因为它们使竞选工作人员能够在持怀疑态度的政党领袖面前表演客观性与可信度。第三，本文聚焦数据生产的劳动，论证人际关系与人类主体性并非污染数据的扭曲因素，而是有用的政治见解得以产生的构成性条件。
一、研究背景与问题意识
近年来，数据驱动竞选已成为民主政治中引人注目的现象，被广泛视为竞选组织的描述性标签和理想化基准。既有研究普遍隐含一个假设：政党对数据分析师、民意调查和数字技术的持续投入，必然反映政治家对数据改善决策能力的相应信念。然而，本文基于对印度旁遮普邦2022年议会选举期间某主要政党（化名“X党”）竞选作战室的民族志田野调查，揭示了一个悖论性现象：数据基础设施的扩张和大规模数据收集并非源于对数据力量的明确信念，而是源于对其揭示真相能力持续的不确定性。作者提出三个核心问题：为何政党在怀疑数据可靠性的情况下仍持续大量投入数据收集？竞选工作人员如何在不确定性中使数据变得可信和可操作？为何对政治数据存在扭曲的疑虑如此难以消除？
既有研究的重大缺陷在于方法论盲点：由于进入竞选组织极为困难，现有文献主要关注竞选投入（如选民数据集）或产出（如精准投放的竞选信息），对数据在竞选内部如何被实际处理并转化为行动缺乏经验观察。此外，现有研究几乎全部聚焦于少数发达工业民主国家，对全球南方国家——尤其是印度这一重要选举民主国家——的数据驱动竞选缺乏系统性研究。
二、研究设计与核心发现
作者提出“认知不信任”概念，指政治行动者积极拥抱数据驱动实践，但对任何单一数据集所宣称的权威见解保持怀疑的倾向。这种倾向并非源于对科学技术的理性怀疑，而是源于对数据来源被故意操纵和污染的直觉性恐惧。作者认为，数据驱动竞选恰恰可以因这种认知不信任而蓬勃发展。
研究做出三项相互关联的干预性贡献：第一，挑战了数据驱动竞选必然高效、有效或具有组织优势的观点——在认知不信任条件下，数据泛滥可能适得其反，产生矛盾见解并拖慢决策；第二，凸显量化在竞选中的表演性角色——数字不仅便于统计分析，更帮助竞选行动者在怀疑氛围中表演中立与客观；第三，强调数据驱动竞选中的“人的因素”——人际关系、主观判断和地方知识并非污染数据客观性的扭曲因素，而是有用政治见解产生的构成性条件。
三、研究方法
本研究采用民族志方法，作者于2022年1月至2月旁遮普邦议会选举期间，在X党位于昌迪加尔（Chandigarh）的中央竞选作战室进行了为期两个月的参与式观察。旁遮普邦分为三个行政区（Doaba、Majha、Malwa）、23个县和117个议会选区。2022年选举有四个主要政党竞争：Shiromani Akali Dal（SAD）、印度国民大会党（INC）、Aam Aadmi党（AAP）和印度人民党（BJP）。出于匿名考虑，研究政党被称为“X党”。作者精通办公室中使用的印地语、旁遮普语和英语三种语言，不仅作为被动观察者，还经常协助作战室的日常工作。研究辅以对政党领袖和竞选专业人员的后续访谈，以弥补无法参加高层战略会议的局限。
四、研究结果
数据的泛滥。 X党的竞选作战室由约15名“作战室协调员”组成，每人负责监测7至10个选区，每日通过电话向地方党工收集信息并生成A至D级的选区排名。此外还有两人数据分析团队、呼叫中心、民意调查机构、IVR（Interactive Voice Response，交互式语音应答）电话公司、社交媒体团队和政治咨询公司等多个“纵向”（vertical）数据生产单元。作者发现，X党刻意聚合多个独立运作的数据收集团队，即使造成重复劳动也在所不惜。“大”数据在竞选人员的日常想象中指的是庞大数据生产团队和基础设施，而非数据集本身。当不同数据来源被相互对比时，常常指向截然不同的结论。例如，在决定首席部长候选人时，民调机构、咨询公司、IVR电话和作战室协调员各自的数据对两位竞争者的受欢迎程度评估不一，最终决定被普遍认为是幕后谈判而非数据驱动。这表明数据泛滥并非认知确定性的标志，而是认知不信任的体现——因为所有数据来源都被怀疑，任何单一来源的见解都可能具有误导性，所以需要多重来源相互印证。
通过量化表演信任。 尽管不同数据来源的实质性见解常有分歧，但数据生成和存储的形式却惊人地一致——最终呈现给高层领导的数据几乎总是量化的：简单图表、交叉表、汇总统计和少数关键数字。作者以编制117个选区档案的经历为例：作战室经理反复要求设计更小的表格单元格，直到只够容纳数字或单个词语。这种压缩被合理化为一页A4纸能提供易于消化的政治局势快照。然而，作者揭示，量化并非为了消除主观性本身，而是为了在数据向上传递时“消除主观性的表象”。在信息过载、不同纵向之间竞争、高层领导注意力有限且普遍怀疑数据可靠性的环境中，数字因其简洁性而获得价值——它们提供了一种简洁高效的语言，使竞选工作人员能够向持怀疑态度的决策者传达见解并赢得认可。数字被用来表演严谨与客观，而非真正实现客观。
社会嵌入性与数据生产。 X党高层领导认为，与选区过于紧密的行动者提供的数据可能受个人利益影响，因此刻意招募“局外人”——作战室协调员来自拉贾斯坦邦，咨询公司雇员来自其他邦，IVR服务公司来自安得拉邦——以追求“无处之见”（view from nowhere）的理想。然而，作者通过两个民族志片段展示这种追求注定失败。第一个片段中，作战室协调员Karan每日与地方党工的电话持续约一小时，充满笑声和闲聊而非直接提问。他解释说，直接提出“公事公办”的问题会使对方挂断电话，只有通过建立个人关系才能获取所需信息。第二个片段中，政治咨询公司的田野研究员Tanuj最初伪装成记者进入村庄，但很快被村民识破——因为多党竞选团队已使村民熟悉这种伪装。他最终放弃伪装，在村庄驻扎数周，与当地居民建立亲密关系，甚至介入地方领袖之间的冲突调解。这两个案例表明，数据只能通过深度嵌入政治网络、培养个人关系和建立亲密性来获取。社会嵌入性确实可能使偏见进入数据，但任何数据都只能通过阻止竞选人员成为中立旁观者的社会关系来生产。追求“中立”数据的理想最终被证明是虚幻的。
五、结论与讨论
本文通过罕见的微观民族志视角，挑战了数据驱动竞选文献中的三个持续假设。第一，数据基础设施的扩张不一定反映对数据认识论权威的信念——认知（不）信任是决定数据基础设施是否最终转化为组织决策的关键中介变量。第二，量化不一定源于连贯的技术官僚意识形态——在旁遮普，量化内生性地产生于竞选的组织动态，包括信息过载、人际竞争、时间限制和向怀疑的政党领袖表演严谨的需要。第三，数据驱动竞选不能简单等同于算法自动化和数字数据抓取——人的因素仍然至关重要，人际判断、过往经验和反思性直觉是数据生产和策展的常规组成部分。
作者强调，民主政治具有抵抗被纳入一般数据化叙事的特征：选举政治的信息环境异常不稳定，政治行动者经常怀疑数据可能不完整、被策略性操纵或经过追求自身利益的中介过滤。在此类环境中，数据很少成功地将决策去政治化，反而成为政治争夺的对象。作者指出，威斯敏斯特式简单多数选举制度、薄弱的数据保护法律和缺乏有效的竞选监管，为利用大数据获取选举利益创造了理想条件。本文的意义在于强调在发达工业民主国家之外研究数据驱动竞选的重要性，展示“大数据”和“数据驱动决策”等概念在进入新环境时如何被翻译、本土化和适应。尽管竞选的经验现实与记者和竞选专业人员推广的夸张叙事不同，但这并不削弱数据想象本身的力量——投入数据收集的资源、人员与劳动证明了其持续重要性。民族志视角使我们能够同时认真对待数据驱动竞选所蕴含的抱负，以及实现这些抱负过程中混乱的组织现实。
