以下文章来源于羊村传播 ，作者魏子一
随着大数据、云计算、物联网、可穿戴技术的迅猛发展，通过收集自身数据来观察身体状况、活动规律、行为特征等，进而加深对自我的认识，对于人类来说不再是一件繁琐的统计事项（胡德华、张彦斐，2018）。从用户画像、身体、位置、行为到情绪与心理、关系、评价，人的多种维度，都有可能被数据化，甚至思维方式也在受到数据化的影响（彭兰，2022）。当一日三餐成为随时记录的热量图、健康身材成为测算精确的数据表、社交关系成为有据可循的互动量，主动或被动的“量化自我”已经在不知不觉中潜入我们生活的各个角落。
演变：从手动记录到技术赋能
量化自我（Quantified Self，QS）概念最早由美国《连线》杂志主编Wolf和Kelly于2007年提出，也称作“自我追踪（Self-tracking）”“生理信息”“生活数据骇客化”，是指个体对任何可测量的生物、物理、行为（体育活动、日常饮食、心理状态等）或环境信息等数据的自我跟踪（Swan & Melanie，2013）。
量化自我的跟踪类别和变量（图源自上述参考文献）
从定义来看，量化自我并非是大数据时代所出现的特殊现象，人类对自身进行量化记录的行为早已有之，并且方式多种多样（杨梦晴等，2022）。最早有记载的关于量化自我的案例来自16世纪的意大利科学家桑克托留斯，他通过追踪体重与食物摄入量和消耗量的关系来研究生命系统中的能量消耗（Sysling，2020）。
科学研究与社会生活的进步促使量化自我作为一种思维方式和行为模式在各个领域广泛流行。例如，在医学健康领域，人们对体温、血压、血糖等身体数据进行监测；在体育竞技领域，运动员在训练时对跑步时长、跳远距离、举重量级等比赛成绩进行记录。量化自我的种种实践行为有助于个体客观地形成对外部世界与自身的标准化认知，并以此为参考设定目标、调整行为，以适应社会环境。
大数据、云计算、物联网、可穿戴设备等新一代信息技术的诞生引发量化自我变革，各式各样的追踪器（用于记录和分析用户的日常生理及心理数据等）和推动器（用于接收数据、提出问题、指导用户行为）具备便捷性、精准性、个性化、智能化等特点，能够实现低成本、连续、实时地感知、传递和处理数据（胡德华、张彦斐，2018），从而使量化自我在时间、空间、身体等多重维度上得到拓展，实现全时、全域、全程、全息的自我跟踪（Self-tracking）。那么，在技术赋能下，量化自我实践呈现出怎样的策略行为？这些行为受哪些因素影响，又会对行为主体产生什么效果呢？
实践：接入、分享与断连
在技术创新扩散初期，量化自我研究聚焦于如何利用现有工具克服时间、动机、数据整合与分析等方面的使用障碍，量化自我者努力追踪关于自身的各项数据，并通过讲座、博客和会议分享他们的实践经历；针对以上行为，研究者归纳出跟踪信息过量、忽视节点和情境、科学严谨性不足等量化自我实践中遇到的问题，并提出相应的解决对策，如在使用方法上，支持量化自我者设计更严谨的自我实验；在技术升级上，增强数据从输入到输出的可移植性；在数据感知上，实现全自动传感与手动追踪记录二者间的平衡，从而在减轻使用负担的同时，提升量化自我者对所获数据的“亲密感”与反思意识（Choe et al.，2014）。
伴随技术进步与应用领域扩展，量化自我工具与用户、场景深度融合，实现动态、高效、无侵扰的实时数据监测、传输与分析。在此基础上，有关量化自我的研究触及健康管理（Swan & Melanie，2012）、工作场所（Moore & Robinson，2015）、电子游戏（Egliston，2019）、性别展示（Butkowski，2020）等多个议题。通过对不同情境下量化自我实践的研究，学者们总结出用户的行为模式及其影响因素，进而为量化自我技术的应用与治理提供了实证参考。
在实践行为方面，有研究者认为量化自我实践是偶发性的，而非持续行为（Gorm & Shklovski，2019），因为长期不间断地持续追踪是具有挑战性和乏味的。在自我跟踪过程中，量化指标的达成具有激励人心的力量，但倘若预设目标（如运动步数）在一天或一定周期的努力下并未实现，那么迟迟未能达到的身体运动数据与定时发送的推送提醒，则可能会使用户感到失望与内疚。这种失败情绪的产生以自我跟踪技术的持续使用为前提，实际上违背了现实生活情景的复杂性——人们的优先事项难免随着情景的变化而发生改变，工作、休息、旅行等事项安排都可能促使用户将自我跟踪暂时搁置（如不佩戴设备或不考虑数据）。因此，因外部干扰而发生的偶然性断连大多属于正常情况，而非设备开发公司所担忧的技术遗弃。
后续有研究关注量化自我者的跟踪中断，也即用户停止使用自我跟踪设备后会发生什么（Clark et al.，2022）。研究发现，当用户停止佩戴可穿戴设备或不再使用量化自我软件时，曾经制定或参考的数据指标仍有可能以“习惯”的形式继续发挥作用。也就是说，通过自我跟踪收集的个性化数据并不会彻底消失，而是以一种更加隐秘的方式操控用户的身体、行动和思维。例如，当研究中的参与者停止佩戴Fitbit后，依旧将其规划的步行路线（如往返校园或公交站）作为出行的默认路线。
注：Fitbit 是一个可穿戴的小型腕带，追踪佩戴者的日常活动，包括睡眠模式、步行数、燃烧的卡路里，可将数据同步到智能手机或电脑，通过社交网络分享个人数据（胡德华、张彦斐，2018）。
除了对使用阶段的差异化关注，不同群体的量化自我实践也具有分类探讨的必要性。相较于广泛的成人数字自我跟踪实践，青少年群体如何看待和使用量化自我软件与可穿戴设备值得研究。基于对英国16-18岁青少年的线上问卷调查，有研究从“想象可供性”视角理解青少年对相同技术工具的不同使用特征（Freeman & Neff，2021）。研究发现，自我跟踪技术可以在教育、娱乐、心理健康等诸多方面带给青少年的个性化启示，而其所发挥的具体功能则取决于数据控制权的所有者（如学校或校外机构），他们对自我跟踪数据的应用可能在青少年群体之间激发正向竞争抑或造成群体分裂。
这是因为，在身份塑造的关键时期，身体及其数据对青少年的自我认知和心理机制发挥着重要作用。适度的自我跟踪可以激励青少年主动参与健康竞争，有助于促进学生努力完善自我。然而，由量化自我形塑的社会比较允许将身体划分为“好”“坏”甚至“丑”等类别。在此基础上，自我跟踪可能对数据最差的学生造成心理损伤，或催生同辈间的敌对关系，甚至引发校园欺凌行为。同时，自我跟踪工具的购买成本和参与门槛也会在不同经济水平的学生之间造成群体分裂。
在影响因素方面，有研究通过分析定期使用量化自我技术的用户及其体验，提出了用于解释与评估用户依从程度的概念框架（Reify et al.，2022）。该框架由用户依从程度、用户因素、心理影响和行为影响四个部分组成。其中，用户依从程度分为同意、协商与规避；用户因素包括技术拟人化、领域卷入度、领域专业知识、数据素养；心理影响包括身体意识、领域好奇心、身体感知；行为影响包括立即调整、补偿行为、自我实验。用户因素的强弱是影响其依从程度的前提条件，而用户依从所产生的心理和行为影响则进一步作用于用户因素。由此，框架的各部分相互作用、动态变化，共同塑造用户的量化自我实践。
解释与评估用户依从程度的概念框架（图源自上述参考文献）
此外，有研究从多重时间性的角度，分析用户在宏观社会政治环境下的量化自我行为，认为自我跟踪数据是由相互交织的多重时间（个人历史记录、特定场所的工作或生活节奏以及时代背景）共同构成的偶然性的、情境化的数据集合（Saukko & Weedon，2020）。通过针对英国公共部门上班族自我跟踪其久坐时间这一行为的访谈，探索自我跟踪技术的时间性，将用户个人体验与历史、政治发展联系起来，从而理解量化自我行为及其所跟踪的活动在不同时间的不同含义，并促进对技术变革、政治紧缩、预算削减和裁员等条件下不断恶化的工作场所的关注与改善。
反思：一切向数据看齐
根据深度实践行为、相关社会形象以及关于自我的社会话语等背景，可以将量化自我者分为实用主义者与狂热爱好者（Gerhard & Hepp，2018）。前者将“自我跟踪”视为实现目标的途径，如控制体重或保持睡眠时长；后者将自我跟踪视为生活方式的组成部分，自我跟踪本身就能使其获得乐趣。然而，这两种将数据融入生活的方式均是通过构建外部权威来实现对自身的控制，其构建的“权威”则来源于个人数据的积累和基于软件的分析。
一方面，量化自我工具所输出的数据被视为衡量用户行为的客观标准，但数据并非总能反映真实情况；智能设备自动检测的数据不仅受到用户使用过程中的情境因素干扰，而且受限于技术本身所能达到的精确程度和个性化水平。另一方面，量化自我工具所提供的指标被作为调整用户行为的参考依据，但很多指标不仅未经过严格的科学性检验，或在执行过程中出现偏差、误区（彭兰，2022），而且渗透着平台公司等主体的商业化考量与普遍流行的社会规范和期望等复杂因素。由此形成的反馈循环，将会对个体及社会产生潜移默化的影响。
一是液态监视下的隐私风险。量化自我得以实现的首要条件在于尽可能多的数据记录与输入。此种情况下，随处可及、全时陪伴的传感器装置构建起约束行为、剥夺隐私的“全天候液态监控”（崔志梅，2023），用户的主动展示则进一步使双重监控与双向凝视成为可能。有研究关注量化自我数据的隐私价值，通过访谈了解用户对公开数据及数据处理的态度（Spiller et al.，2017）。研究发现，人们越来越倾向于在线共享信息、交流量化自我数据，然而在信息传播过程中“信息处理”“二次使用”等可能会损害隐私；尽管用户在一定程度上意识到了隐私风险，但并未对隐私保护给予足够的重视，对隐私问题的淡漠态度依旧存在。
二是数据主义下的自我规训。数据主义是指人们的行为可以通过定量和大数据手段得到充分表示的一种共同信念（王健，2019）。以数据驱动的方式重新思考生活，量化自我不仅定义了新的数字自我，而且催生了数字自我的运作机制（Minna et al.，2016）。在量化自我过程中，技术内嵌的社会规范与期望成为限制行为的“客观”标准，通过设定好的运作程序将个体的某一部分放大或缩小，从而使用户以新的方式看待自我，塑造自我的思考与行为（Kristensen & Ruckenstein，2018）。随着技术及其内嵌价值的演进，用户自我规训的进程也将悄悄转向。
三是商业视角下的数字劳动。量化自我者正在被重新配置为劳动力（Till，2014）。一方面，用户通过量化自我主动将日常生活中的各项活动转化为标准化的数据，这些批量生产的个人数据被认为是没有价值且不应付费的。另一方面，企业通过收集汇总大量人群的免费数据，通过积累、比较、分析提炼出具有商业价值的数据集，以出售给广告商的方式实现对用户剩余价值的收割。
对量化自我的批判与反思敲响了数据主义警钟。用户通过数据认识、控制和塑造自我，实现与量化自我技术的共同进化。如何在获得技术便利的同时，规避技术产品的“副作用”，成为学界与业界共同关注的焦点问题。从技术层面出发，摒弃以持续使用为主要追求的开发目标，根据用户的偶发性使用行为，设计能够适应复杂情况和不同场景的智能设备；从用户层面出发，需要增强数据素养和隐私保护意识，脱离对技术的盲目信赖，辩证看待量化自我所提供的数据和指标。由此，实现“量化自我”与“质化自我”之间的转换与平衡。
转自：“再建巴别塔”微信公众号
如有侵权，请联系本站删除！
