从舱盖之下：对dark sousveillance与抵制carceral-care surveillance的反思

《Big Data & Society》：“From under the hatches”: Reflections on dark sousveillance and resisting carceral-care surveillance

　　

随着自动化决策工具（automated decision-making tools）和监视（surveillance）日益嵌入照护体系，迫切需要由受影响最严重的群体创造并反馈的分析框架和抵抗实践。受黑暗反向监视（Dark Sousveillance）启发，本评论借鉴了与洛杉矶两个基层组织开展的社区合作研究项目，以展示对立性知识如何用于分析和抵抗算法伤害（algorithmic harm）及对黑人社区的监视。本评论引入了一个植根于“从舱盖之下（under the hatches）”所产生的知识的分析框架，以考察预测性风险评估工具（predictive risk assessment tools）、数据共享实践以及监禁式照护监视（carceral-care surveillance）体系如何在相互交织的权力领域中运作。该框架并非以算法伤害的技术解决方案为中心，而是强调共同研究和亲身经历对于分析和抵抗日益扩张的种族化监禁式照护监视至关重要。

本文发表于《Big Data》期刊。随着自动化决策工具和监视技术日益嵌入社会照护体系，社会工作中的“照护工作”逐渐转变为依赖“生物认证”（biocertification）的数据工作。这种模式下，案件工作被研究人员称为“监禁式照护”（carceral-care），因其依赖监禁逻辑，将低收入的受助群体置于持续的评估与监视之下，并由此加剧了对黑人社区的系统性伤害。在此背景下，Simone Browne提出的黑暗反向监视（Dark Sousveillance）提供了从被压迫者视角批判种族化监视的思想资源。为深入分析算法伤害的根源，研究人员结合“算法生态”（Algorithmic Ecology，简称AE）与“支配矩阵”（Matrix of Domination）构建了一个社区知情的分析框架，旨在说明算法工具背后的行动者、制度、意识形态和累积后果。

研究人员与洛杉矶的Stop LAPD Spying Coalition以及Downtown Women's Action Coalition（DWAC）合作，开展了一项社区参与式研究，聚焦曾遭受洛杉矶县儿童与家庭服务部（DCFS）伤害的Skid Row黑人及拉丁裔母亲的经历。研究过程中，研究者通过社区对话、历史档案、母亲证词、社会工作者访谈，以及依据加州公共记录法（CPRA）提出的正式请求，获取了政府机构与学术、企业实体之间的谅解备忘录、DCFS评估指南等文件。所有材料均用于解析算法与监视系统的运行生态，而非单纯依赖技术性修正。

在主要技术方法方面，研究者将AE与Matrix合并为一个包含七个非等级性组件的分析框架，用以“去中心化算法”并绘制权力地图。具体包括：对行动者间关系、数据输入流程、行政政策及法律制度的追踪，以及对种族化意识形态的批判。整体方法依托社区合作与档案文件分析，没有使用传统样本队列，但明确以两个草根组织所服务的社区为经验基础。

研究结果分述如下。

人际域（Interpersonal domain）：通过社区对话发现，日常监视深深嵌入母亲们的生活。社区内普遍存在过度向DCFS报告的现象，人们甚至不知道所谓的“保护”会引发突袭式家访。住房不足加剧了母亲们的焦虑与高度警觉。历史文件显示，早在自动化决策系统出现之前，社会工作者就在街头巡视并填写专门为Skid Row家庭设计的风险评估表。