陳家喜　焦嘉欣

［摘要］大數(shù)據(jù)挖掘和存儲技術(shù)的快速發(fā)展，社交媒體的建設(shè)和普及以及政治競選的商業(yè)化走向，共同推動了大數(shù)據(jù)政治的誕生。大數(shù)據(jù)政治涉及“誰得到、何時得到以及如何得到”等基本問題。政府公開數(shù)據(jù)、選民信息數(shù)據(jù)、商業(yè)交易數(shù)據(jù)、社交媒體數(shù)據(jù)、科學調(diào)查研究數(shù)據(jù)、自愿透露數(shù)據(jù)與間接推斷數(shù)據(jù)、潛在數(shù)據(jù)和用戶生成數(shù)據(jù)等多樣化數(shù)據(jù)，構(gòu)成了一個龐雜的大數(shù)據(jù)政治信息庫。如何獲得更廣泛的數(shù)據(jù)，如何構(gòu)建更高效的數(shù)據(jù)分析模型，如何更精準地應(yīng)用大數(shù)據(jù)進行微觀定位，成為大數(shù)據(jù)時代爭奪政治市場份額的關(guān)鍵手段。大數(shù)據(jù)的政治屬性體現(xiàn)了“誰得到”數(shù)據(jù)的關(guān)鍵性，也決定了對于加強大數(shù)據(jù)政治治理的必要性，需要明確大數(shù)據(jù)政治的應(yīng)用導向，規(guī)范政治數(shù)據(jù)的應(yīng)用范圍，強化大數(shù)據(jù)政治應(yīng)用的技術(shù)治理等。

［關(guān)鍵詞］大數(shù)據(jù)政治；模型建構(gòu)；微目標定位

［中圖分類號］? D771.2［文獻標識碼］? A［文章編號］1003-7608（2023）04-0068-10

大數(shù)據(jù)的政治應(yīng)用日益成為一個具有時代特征的流行現(xiàn)象。從英國脫歐公投到美國2016年總統(tǒng)大選，從數(shù)據(jù)科學家在政治競選團隊中的崛起到廣泛應(yīng)用的微目標定位與計算宣傳，以及遍布社交媒體上的僵尸程序、社交機器人制造的虛假新聞等，都在生動演繹著大數(shù)據(jù)對于政治領(lǐng)域的深刻影響。但是，何為大數(shù)據(jù)政治，大數(shù)據(jù)如何與政治結(jié)合，如何進行政治應(yīng)用，如何防范大數(shù)據(jù)的政治風險等相關(guān)議題，仍然具有廣泛的探索空間。

從互聯(lián)網(wǎng)、Web1.0到Web2.0和方興未艾的Web3.0，信息通信技術(shù)的迭代革新對于政治過程的滲透與改造不斷強化。相對于以往側(cè)重于政治現(xiàn)象、過程、制度等本身的觀察而言，大數(shù)據(jù)提供了分析這些現(xiàn)象、過程和制度的新技術(shù)工具，它不僅開辟了政治學研究的新領(lǐng)域，也提出了新的挑戰(zhàn)。布雷迪指出，大數(shù)據(jù)的發(fā)展對于政治學提出了三大挑戰(zhàn)：一是政治學者開展研究的新方式，即他們通過掌握收集、管理、分析和歸檔數(shù)據(jù)的新技術(shù)，重新思考做政治學研究的路徑方法；二是政治學者提出的新問題，他們試圖通過概念形成、描述、因果推理、對未來預(yù)測來確定如何實現(xiàn)研究目標，提出關(guān)于政治行為的新方法和新見解，并對政治制度提出新設(shè)計；三是與政治學研究有關(guān)的倫理問題，政治學者必須思考與信息的獲取、使用和發(fā)布有關(guān)的復(fù)雜倫理問題，以及他們的模型和結(jié)果可能被濫用的問題［1］。

在現(xiàn)代信息社會，數(shù)據(jù)呈現(xiàn)指數(shù)型生長的特征，其對于社會經(jīng)濟與政治生活的影響也不斷擴散。理解大數(shù)據(jù)政治，首先需要解答的是數(shù)據(jù)與政治何以發(fā)生關(guān)聯(lián)，數(shù)據(jù)與政治如何相互影響，數(shù)據(jù)如何轉(zhuǎn)化為現(xiàn)實政治實踐等基本問題?；谏鲜稣J識，本文首先解析大數(shù)據(jù)所隱含的政治屬性，區(qū)分大數(shù)據(jù)政治的主要類型及其獲取路徑，而后基于美國總統(tǒng)選舉案例解構(gòu)大數(shù)據(jù)政治的模型建構(gòu)及微目標定位機制。作為一種新的信息處理與應(yīng)用技術(shù)，大數(shù)據(jù)對西方政治過程特別是政治選舉有著深刻影響，從選民政治畫像到制定競選綱領(lǐng)，從確定競選策略到線下政治動員，無一不是由數(shù)據(jù)所驅(qū)動的。而作為一種政治資源，大數(shù)據(jù)也涉及“誰得到、何時得到以及如何得到”等核心問題。大數(shù)據(jù)既可以為政治候選人提供精準捕獲選民的有效工具，也為污損政治對手提供了黑暗利器；與此同時，選民也從獨立的政治權(quán)利主體降格為可計算可測量的數(shù)據(jù)單元集合。因此，必須重視大數(shù)據(jù)政治治理機制的建構(gòu)與應(yīng)用。

一、解碼大數(shù)據(jù)的政治屬性

當我們談及大數(shù)據(jù)時，首先想到的是海量的數(shù)據(jù)，復(fù)雜的算法、專業(yè)化的數(shù)據(jù)公司、精準的微目標定位以及其在社交媒體、商業(yè)營銷和政治競選中的廣泛應(yīng)用。伴隨著信息技術(shù)的發(fā)展和社交媒體的普及，大數(shù)據(jù)已經(jīng)成為當前數(shù)字時代的重要標志。正如科特等人所提出的，從歷史上看，從來沒有哪個時代的國家包括君主國、王國、帝國，以及政府或企業(yè)掌握過如此細致、即時、多樣和詳細的個人數(shù)據(jù)。現(xiàn)在幾乎所有設(shè)備都已連接到互聯(lián)網(wǎng)，都會生成有關(guān)交互、交易和移動的大量數(shù)據(jù)。政府和企業(yè)開始通過互聯(lián)網(wǎng)收集、檢索、記錄、存儲、分析以及呈現(xiàn)人們在互聯(lián)網(wǎng)上的數(shù)據(jù)，包括誰與誰溝通、誰去哪里、誰說什么，以及其他數(shù)據(jù)［2］。早在2015年，已有研究發(fā)現(xiàn)，所有數(shù)據(jù)的95％是在過去兩年中創(chuàng)建的；數(shù)據(jù)每兩年翻一番；智能手機的數(shù)量即將接近世界人口的總數(shù)；五年內(nèi)，將有500億智能連接設(shè)備；目前，只有不到1％的數(shù)據(jù)被分析或使用過［3］。伴隨著社交媒體的普及和應(yīng)用，數(shù)據(jù)的生成數(shù)量爆發(fā)性增長。而數(shù)據(jù)只有經(jīng)過數(shù)據(jù)化處理之后才會成為有價值、可利用的數(shù)據(jù)資源。所謂數(shù)據(jù)化，就是將生活轉(zhuǎn)化為數(shù)據(jù)，然后將這些數(shù)據(jù)重構(gòu)成有價值和可觀察的節(jié)點的技術(shù)過程，也就是從我們的語言、行為、關(guān)系、位置、身體、基礎(chǔ)設(shè)施和我們生活的自然環(huán)境中獲得數(shù)據(jù)資源的過程。數(shù)據(jù)化的呈現(xiàn)可以了解我們的想法、感受、態(tài)度、去向、做什么、與誰互動、聽什么、讀什么、喜歡什么、喜歡誰等［4］。

實際上，大數(shù)據(jù)不僅僅是存儲于計算機、固態(tài)設(shè)備和云端的文檔中，它還具有鮮明的政治屬性?？铺氐热苏J為，大數(shù)據(jù)的政治屬性體現(xiàn)在以下三個層面。其一，大數(shù)據(jù)的政治性就像身份、身體、性別、性取向、種族和民族所具有的政治屬性一樣，是作為有關(guān)生活經(jīng)驗的意義、解釋和分類的斗爭場域。其二，大數(shù)據(jù)的政治性就像生產(chǎn)、分配和消費循環(huán)所具有的政治屬性一樣，訪問、控制和代理數(shù)據(jù)的場域由于非對稱權(quán)力關(guān)系（含數(shù)據(jù)生產(chǎn)關(guān)系）而被非均衡地分配。其三，大數(shù)據(jù)的政治性就像競選戰(zhàn)略中的數(shù)據(jù)分析以及斯諾登的爆料那樣，大數(shù)據(jù)正在重塑當代政治［5］。大數(shù)據(jù)的政治屬性還在于進一步提升了對日常生活監(jiān)測的準確客觀性。任何政治計算都必須同等地考慮到數(shù)據(jù)的重要性，以及指導其過程的邏輯和運用這一工具的實踐。數(shù)據(jù)的政治屬性集中體現(xiàn)在它作為一種政治資源的屬性，相應(yīng)地，它也涉及“誰得到、何時得到以及如何得到”等核心問題。對于政黨組織和政治精英而言，獲得政治大數(shù)據(jù)，就意味著獲得了更多的選民政治偏好信息，可以基于這些偏好進行更為精準的政治動員，也由此獲得更多的政治競爭優(yōu)勢。

數(shù)據(jù)作為一種政治資源，意味著數(shù)據(jù)的收集、存儲、檢索、分析、呈現(xiàn)、分配和使用都會涉及主體權(quán)益，進而也形成一系列政治實踐。比戈等人提出，誰擁有、分發(fā)、出售、訪問、使用、挪用、修改和重新定義數(shù)據(jù)，誰就會成為爭取數(shù)據(jù)權(quán)利的斗爭對象［6］。這些斗爭表現(xiàn)在許多方面，包括數(shù)據(jù)主體如何通過網(wǎng)絡(luò)表達行使和主張這種權(quán)利，如何通過與數(shù)字設(shè)備平臺進行通信、參與和共享來實現(xiàn)權(quán)利主張，如何創(chuàng)新數(shù)據(jù)實踐來挑戰(zhàn)和顛覆國家和公司的數(shù)據(jù)權(quán)利，以及如何通過法律和監(jiān)管機制來為自身權(quán)利而斗爭［7］。上述問題表明，數(shù)據(jù)政治關(guān)注的主要是數(shù)據(jù)收集及其應(yīng)用的政治斗爭，包括國家、政黨、社交媒體巨頭、數(shù)據(jù)公司以及圍繞公民個體數(shù)據(jù)的獲取、分析、使用和由此發(fā)生的關(guān)系；數(shù)據(jù)政治還關(guān)注數(shù)據(jù)如何生成新的權(quán)力關(guān)系和政治形式，以及如何將數(shù)據(jù)所表述的對象和主題變?yōu)楝F(xiàn)實。比如，由于數(shù)據(jù)收集和分析能力差異所造成政黨之間的選票差距；專業(yè)化的政治數(shù)據(jù)公司通過數(shù)據(jù)挖掘和微目標定位，將政治廣告更精準地投向特定的選民群體，進而左右著政治投票的結(jié)果。

作為政治資源的大數(shù)據(jù)幾乎可以覆蓋接入互聯(lián)網(wǎng)的每一個人，因此重構(gòu)了國家和公民間的關(guān)系。在大數(shù)據(jù)時代，社交媒體廣泛應(yīng)用于人們的社會交往、商業(yè)活動和政治參與，由此產(chǎn)生了海量的數(shù)據(jù)。這些數(shù)據(jù)成為辨別用戶政治偏好的重要來源，更好地收集、挖掘和應(yīng)用這些數(shù)據(jù)也是政黨獲得選舉優(yōu)勢的關(guān)鍵密碼。數(shù)據(jù)應(yīng)用對于現(xiàn)代民主的影響在美國大選和英國公投中得到了充分體現(xiàn)，使用大數(shù)據(jù)制作個性化政治廣告以影響投票的方式也成為一種現(xiàn)實手段。例如，美國億萬富翁羅伯特·默瑟（Robert Mercer）是劍橋分析數(shù)據(jù)公司的股權(quán)持有者之一，而默瑟恰好是英國獨立黨前領(lǐng)導人奈杰爾·法拉奇（Nigel Farage）的朋友。該公司使用“心理分析”法，通過算法技術(shù)在Facebook中收集到大量用戶數(shù)據(jù)，分析用戶在社交媒體上的個人信息和互動路徑，以及他們的心理特征和態(tài)度傾向，從而預(yù)測他們的選舉偏好，并且在其個人的頁面上推送特定類型的廣告和信息，以影響他們的觀點和行動，此類營銷活動影響了英國公投和美國選舉結(jié)果。在這樣的活動中，利益集團和媒體聯(lián)盟生成引誘信息、虛假信息，利用社交媒體機器人創(chuàng)建虛假在線賬戶營造了政治支持的假象［8］?？梢哉f，數(shù)據(jù)生產(chǎn)不僅是一種社會行為，也是一種政治行為。數(shù)據(jù)重塑了社會關(guān)系，也改變了政治民主。

二、大數(shù)據(jù)政治的類型及獲取來源

數(shù)字時代的政治活動越來越依賴于數(shù)據(jù)以及在數(shù)據(jù)基礎(chǔ)上的政治計算，因此也被稱之為“數(shù)據(jù)驅(qū)動”（data-driven）的政治。由于西方國家的政治運行機制以競爭性選舉為核心，能否獲得競選勝利決定著政黨和政治精英的政治命運，也決定著政治運行的基本邏輯。圍繞選舉而進行的數(shù)據(jù)收集、分析、處理以及應(yīng)用，成為西方國家大數(shù)據(jù)政治最為主要的組成部分。競選活動的開展需要得知關(guān)于公民、志愿者和捐贈者的準確聯(lián)系信息；期望掌握公民參與特定競選支持活動的準確數(shù)據(jù)，包括捐款、志愿服務(wù)、參加集會、簽署請愿書，或者在民調(diào)時表達對候選人或議題的支持情況［9］。而這些數(shù)據(jù)從何而來，用于何處，如何獲取，是開展政治活動特別是政治競選的重要前提。

（一）大數(shù)據(jù)政治的多重來源

數(shù)字時代的到來，使得大數(shù)據(jù)政治的獲取方式和渠道日趨多元化，不再局限于傳統(tǒng)的選民登記而生成的官方數(shù)據(jù)。社交媒體數(shù)據(jù)、學術(shù)調(diào)查研究數(shù)據(jù)、商業(yè)交易數(shù)據(jù)等也成為政治數(shù)據(jù)的主要來源。多米特指出，政治數(shù)據(jù)的收集來自以下幾種類型。一是“個人透露的免費數(shù)據(jù)”，指的是通過官方記錄或個人直接向競選活動透露的公開性數(shù)據(jù)，包括但不限于由誰登記投票、選民的出生日期、地址和投票記錄的信息等，還有特定選民登記的黨派偏好數(shù)據(jù)。官方競選活動可以免費獲得這些信息，公民通常也會被法律要求披露這些信息。此外，個人還會通過選民拉票、問卷調(diào)查等形式直接向競選活動透露有關(guān)個人偏好數(shù)據(jù)。二是“免費推斷的數(shù)據(jù)”，這些數(shù)據(jù)是基于免費提供的初始信息，但生成于推斷。比如，政黨拉票人經(jīng)常通過推演來獲得關(guān)于種族、年齡、性別和政黨支持程度的數(shù)據(jù)，或是從請愿書中收集的信息用來推斷個人更廣泛的利益和支持偏好。三是付費購買的政治數(shù)據(jù)，包括“個人透露的購買數(shù)據(jù)”和“購買的推斷數(shù)據(jù)”。前者指當事人購買未直接向外界公開披露但提供給其他行為者的數(shù)據(jù)，這些數(shù)據(jù)包括社交媒體數(shù)據(jù)以及雜志訂閱列表等數(shù)據(jù)。后者通常由營利和非營利機構(gòu)使用民調(diào)數(shù)據(jù)、商業(yè)報告以及通過社交媒體平臺完成的模型化數(shù)據(jù)，在此基礎(chǔ)上對個人偏好進行推斷［10］。除此之外，還有潛在數(shù)據(jù)和用戶生成數(shù)據(jù)。潛在數(shù)據(jù)源于人們在日常生活中的行為印記，比如金融交易、訂閱雜志、信用卡消費等；用戶生成數(shù)據(jù)是指出于各種目的在網(wǎng)上進行的互動所留下的痕跡，比如在社交媒體中的聊天記錄、參與線上政治討論等［11］。

（二）大數(shù)據(jù)政治用于何處

從最近幾屆美國總統(tǒng)大選的大數(shù)據(jù)應(yīng)用情況來看，上述類型的數(shù)據(jù)都得到了參與政治競選政黨的高度重視。民主黨全國委員會（DNC）和共和黨全國委員會（RNC）維護著全國選民數(shù)據(jù)庫，其中，民主黨數(shù)據(jù)庫名為Vote Builder；共和黨數(shù)據(jù)庫名為Voter Vault，并且向總統(tǒng)候選人、州政黨和地方候選人提供數(shù)據(jù)庫的使用權(quán)限。雖然政黨和政治候選人可以免費獲得登記選民的完整名單及相關(guān)數(shù)據(jù)，但許多政黨除了組建自己的數(shù)據(jù)分析團隊之外，還雇用了專業(yè)數(shù)據(jù)公司。這些專業(yè)數(shù)據(jù)公司從事各種數(shù)據(jù)清理活動，識別重復(fù)的記錄、不正確的地址、已故選民和換了住所的選民；它們還能夠定位人口普查地理位置中的住址，并將選民基本信息、商業(yè)記錄以及其他數(shù)據(jù)來源進行匹配，從而提高使用登記數(shù)據(jù)的效率［12］。比如，Catist是一家政治數(shù)據(jù)供應(yīng)商，為工會、政治候選人、其他組織團體和非營利性組織提供匯編；維護全國范圍內(nèi)的選民注冊、人口統(tǒng)計和其他政治數(shù)據(jù)的服務(wù)。他們利用這些數(shù)據(jù)建立預(yù)測性分數(shù)機制，幫助客戶分析選民，以便更有效地確定選民的活動目標。Catist客戶就包括2004年克里競選團隊和2008年奧巴馬競選團隊［13］。

（三）大數(shù)據(jù)政治如何生成

在2012年的美國大選中，奧巴馬投入了2億美金用于選民數(shù)據(jù)的抓取與分析，并強調(diào)大數(shù)據(jù)是“未來石油”般的存在。奧巴馬的團隊建立了四個投票數(shù)據(jù)流用于分析來自關(guān)鍵州的選民特征，這個龐大的數(shù)據(jù)庫不僅記錄了選民的政治態(tài)度和投票歷史，還使用統(tǒng)計模型對選民進行智能分類和行為預(yù)測。同時，這些數(shù)據(jù)還有助于更加精準地購買和投放廣告。其團隊收集各種來自志愿者信息、社交媒體平臺、門戶網(wǎng)站等非結(jié)構(gòu)化數(shù)據(jù)，并整合了從各種渠道收集的數(shù)據(jù)，以創(chuàng)建一個綜合的選民數(shù)據(jù)庫。這個數(shù)據(jù)庫被用于精確定位選民，推廣他們感興趣的議題和營銷策略。該數(shù)據(jù)庫對人群的分類不再是簡單的人口統(tǒng)計學變量如性別，或者社會學變量如社會經(jīng)濟地位等，而是包含選民的興趣愛好、購物記錄、社交活動、投票經(jīng)歷、慈善捐贈等更加個性化的信息。

在2016年的大選中，特朗普也采取了類似做法。一方面，特朗普組建專門的數(shù)據(jù)運營團隊，包括數(shù)據(jù)分析師、數(shù)字營銷人員、軟件工程師和網(wǎng)絡(luò)撰稿人以及媒體運營者等專業(yè)人員。該團隊將采集到的具有“特朗普支持者”特征的人名、電子郵件和電話號碼上傳到Facebook的后臺，然后利用Facebook的“客戶列表中的自定義受眾”功能來匹配這些真實的人與他們的虛擬Facebook個人資料，再通過Facebook的“受眾群定位選項”功能，根據(jù)用戶在Facebook中的個人信息、參與或感興趣的活動，了解他們的需求、偏好、習慣和行為，并針對這些用戶設(shè)計和執(zhí)行宣傳策略。隨后，利用Facebook“類似受眾”功能擴展特朗普的目標Facebook用戶群，自動搜索平臺中的其他用戶，將具有“特朗普支持者”潛在特征的人拉攏于旗下。最后，利用Facebook的“品牌提升”調(diào)查功能來衡量廣告的成功與否。另一方面，特朗普的競選團隊還建立了專門的數(shù)據(jù)庫——阿拉莫項目（Project Alamo）數(shù)據(jù)庫。該數(shù)據(jù)庫包含美國2.2億人的身份體征，以及每個人約有4000至5000個有關(guān)在線和離線生活的個人數(shù)據(jù)點。數(shù)據(jù)庫還包括大量的外部數(shù)據(jù)，如選民登記記錄、槍支持有記錄、信用卡消費記錄和互聯(lián)網(wǎng)賬戶身份，這些數(shù)據(jù)是從Facebook的營銷合作伙伴Experian PLC、Datalogix、Epsilon和Acxiom Corporation等公司購買所得［14］。

在以競爭性選舉為底色的西方國家政治過程中，大數(shù)據(jù)政治集中體現(xiàn)為選舉大數(shù)據(jù)，即圍繞政治競選而收集的關(guān)于選民與影響選舉的政策偏好數(shù)據(jù)。如果說傳統(tǒng)意義上選舉數(shù)據(jù)的收集主要依賴于選民數(shù)據(jù)庫和民意調(diào)查，那么在社交媒體時代這一數(shù)據(jù)得到了極大擴展。現(xiàn)代政黨和政治候選人通過免費獲取或購買的形式，大量收集選民日常的商業(yè)消費數(shù)據(jù)、個人愛好數(shù)據(jù)、社交媒體數(shù)據(jù)等，而這些數(shù)據(jù)都被轉(zhuǎn)化成為選舉大數(shù)據(jù)。

三、大數(shù)據(jù)政治的模型建構(gòu)

建立龐大的選民數(shù)據(jù)庫只是將大數(shù)據(jù)應(yīng)用于政治競選的第一步，如何分析、處理和使用數(shù)據(jù)才是讓數(shù)據(jù)發(fā)揮作用的關(guān)鍵所在。所謂的模型建構(gòu)就是在基礎(chǔ)數(shù)據(jù)和目標信息之間創(chuàng)建計算關(guān)系，進行數(shù)據(jù)分析進而推斷新信息的行為。大數(shù)據(jù)技術(shù)的應(yīng)用和社交媒體的建立，生成了大量網(wǎng)絡(luò)用戶制造的數(shù)據(jù)流。這些數(shù)據(jù)與計算技術(shù)相結(jié)合進行建模所獲得的新信息，遠遠超過傳統(tǒng)方法所收集的選民信息范圍，從而更為即時精準地對選民進行政治畫像，進而提高數(shù)據(jù)利用的效率［15］。使用機器學習進行數(shù)據(jù)分析是常用的算法技術(shù)，其能通過歷史經(jīng)驗自動學習并改進性能，識別和推斷數(shù)據(jù)應(yīng)用模式，并使用這些模式做出預(yù)測或決策，這一過程也正是大數(shù)據(jù)政治建模的過程。

（一）初始形態(tài)：簡單運算型

大數(shù)據(jù)在政治選舉中的應(yīng)用始于2008年美國總統(tǒng)選舉，此時的模型架構(gòu)更多的是基于采集的初始數(shù)據(jù)進行快速、簡單的整理和篩選。在2008年的美國總統(tǒng)選舉中，奧巴馬競選團隊根據(jù)投票和支持奧巴馬的可能性給每一位選民分配了對應(yīng)分數(shù)。在每一個關(guān)鍵州，競選團隊的呼叫中心每周都會進行5000到1萬次的簡短采訪以及1000次長時段采訪，以便快速評估選民的投票偏好。為了得出個人層面的預(yù)測，算法根據(jù)這些采訪意見和競選活動所收集到的每位選民數(shù)據(jù)點確定模型。在這一模型中，每個選民的數(shù)據(jù)點多達1000個變量，這些變量來自選民登記記錄、消費者數(shù)據(jù)倉庫和過去的競選聯(lián)系人。隨后，志愿者會通過登門或電話與特定選民進行腳本對話；這些互動產(chǎn)生的數(shù)據(jù)，會再回流到競選團隊的服務(wù)器中以完善模型［16］。

（二）進階形態(tài)：復(fù)雜計算型

隨著數(shù)據(jù)流動和互動的加速行進，在2012年大選期間，奧巴馬的競選團隊根據(jù)所掌握的數(shù)據(jù)開發(fā)了復(fù)雜的“投票率”模型，給每個潛在選民設(shè)置從0（不會投票）到100（肯定會投票）的打分排序。這一做法讓競選動員活動更為高效和聚焦，其拉票范圍主要集中于已經(jīng)或有可能是奧巴馬支持者的選民，而不是花費大量精力說服最終不會投票的選民。根據(jù)這一模型，奧巴馬的基層競選工作人員在一些關(guān)鍵州，能夠深入共和黨地盤單獨挑選選民，他們在其他共和黨人居住的郊區(qū)將這些選民塑造為可能的民主黨人，打破了選區(qū)對選民目標的鎖定限制［17］。建模的質(zhì)量高低和功能強弱有賴于所能夠購買和處理的數(shù)據(jù)多少。在2012年的美國總統(tǒng)選舉中，奧巴馬的競選團隊針對政治態(tài)度模糊的選民建立了“說服模型”。他們使用了大量的數(shù)據(jù)來源，包括社交媒體、在線調(diào)查、電話調(diào)查和郵寄調(diào)查等，將這些數(shù)據(jù)與選民檔案和選舉歷史數(shù)據(jù)結(jié)合起來，來預(yù)測選民的態(tài)度和行為，包括是否會投票以及可能支持哪個候選人。奧巴馬的首席數(shù)據(jù)科學家拉伊德·加尼曾表示：“模型會告訴我們，我們能為奧巴馬贏得哪些選民，以及我們應(yīng)該避免接觸哪些選民。”［18］奧巴馬競選團隊運用這一模型，預(yù)測了數(shù)百萬搖擺選民的投票意愿情況。

（三）高級形態(tài)：自主處理型

伴隨社交媒體的興起及其在社會成員中的普及和滲透，包括個人信息、好友網(wǎng)絡(luò)、社交平臺上的閱讀評論等記錄在內(nèi)的交互數(shù)據(jù)開始大量生成。與此同時，算法的加入和結(jié)合，使得高精度模擬個體選民偏好以助推政治競選活動成為現(xiàn)實，甚至不需要直接向選民提出任何問題便可以自主生成數(shù)據(jù)。劍橋大學科辛斯基（Michal Kosinski）等研究者僅僅通過Facebook的“喜歡”就可以準確預(yù)測個人屬性，包括種族、宗教、性取向、政治觀點和智力水平、幸福感水平、成癮物質(zhì)的使用、家庭情況等。其中，通過使用Facebook“喜歡”可以預(yù)測Facebook用戶是否異性戀的準確率為88%，種族的準確率達到95%，政黨背景的準確率是85%。換言之，只需訪問一小部分Facebook數(shù)據(jù)，通過計算模型進行處理，就可以大概劃分共和黨和民主黨，而不需要查看選民登記文件、金融交易或組織成員資格等數(shù)據(jù)，并且，這類模型建構(gòu)還允許訪問傳統(tǒng)數(shù)據(jù)庫無法觸及的心理特征，諸如“開放”“內(nèi)向”或是“神經(jīng)質(zhì)”等人格特征。研究人員不需要建立互動關(guān)系，就能像心理學家管理標準化的、經(jīng)過驗證的工具一樣精確地模擬心理特征［19］。借助于模型建構(gòu)，社交媒體平臺上的數(shù)據(jù)可以轉(zhuǎn)化成非常精準的選民數(shù)據(jù)，進而為政黨進行選民動員提供了重要依據(jù)。

劍橋大學心理學教授科根（Aleksandr Kogan）進一步拓展了科辛斯基等人通過Facebook數(shù)據(jù)所繪制的“心理圖譜”?？聘鶆?chuàng)立的公司Global Science Research與劍橋分析公司簽署了協(xié)議，以收集美國選民的Facebook數(shù)據(jù)，并利用它了解人們的性格類型，從而進行政治廣告宣傳。2014年，科根在Facebook創(chuàng)建了名為“這就是你的數(shù)字生活”（This is your digital life）的應(yīng)用程序，對用戶進行個性測驗。在Facebook用戶下載應(yīng)用程序后，該程序便開始收集該用戶的個人信息，包括個人資料及Facebook行動軌跡（例如，“喜歡”哪些內(nèi)容）。該應(yīng)用程序不僅收集了使用該應(yīng)用程序的用戶數(shù)據(jù)，還收集了這些用戶在Facebook中人際關(guān)系網(wǎng)的數(shù)據(jù)。最初大約有30萬人下載了該應(yīng)用程序，但由于該應(yīng)用還收集了這些用戶的朋友信息，他們的數(shù)據(jù)隱私已設(shè)置為允許該應(yīng)用訪問，所以，實際收集了多達8700萬美國人的Facebook數(shù)據(jù)，并稱其目的為研究使用［20］。但事實上，科根將上述數(shù)據(jù)提供給劍橋分析公司，該公司使用這些數(shù)據(jù)來確定選民的人格特質(zhì)和行為，以此來達到商業(yè)目的［21］。

數(shù)據(jù)本身沒有價值，只有經(jīng)過處理的數(shù)據(jù)方有價值。正如哈佛大學政治學系教授加里·金（Gary King）所指出的，“大數(shù)據(jù)實際與數(shù)據(jù)無關(guān)，絕大多數(shù)數(shù)據(jù)分析僅涉及相對較小的數(shù)據(jù)集，或較大數(shù)據(jù)集的小樣本。如果不能增加相應(yīng)的數(shù)據(jù)處理能力，就一味創(chuàng)建無法使用的數(shù)據(jù)是有害的——因為這樣做更昂貴、更耗時、更分散注意力。創(chuàng)新的統(tǒng)計方法、新穎的科學技術(shù)和原創(chuàng)性理論的結(jié)合對于大數(shù)據(jù)的處理至關(guān)重要”［22］。數(shù)據(jù)分析模型是基于計算技術(shù)對于初始數(shù)據(jù)的處理，進而便于應(yīng)用的建構(gòu)過程，面對日趨繁雜的政治大數(shù)據(jù)，提升數(shù)據(jù)分析和處理能力是必然之勢。

四、微目標定位與大數(shù)據(jù)政治應(yīng)用

（一）微目標定位：大數(shù)據(jù)政治的應(yīng)用實踐

政治數(shù)據(jù)經(jīng)過收集分析和建模處理之后即面臨著如何應(yīng)用的問題，政治微目標定位（Political micro-targeting）為此提供了選項。其是指使用不同的通信方式（郵件、電話、拉票、直郵和社交媒體廣告等）與潛在選民溝通并建立關(guān)系，通過數(shù)據(jù)分析向選民中的子群體或個體傳遞量身定做的信息［23］。微目標定位原先是一種商業(yè)直銷行為，指的是為目標客戶提供活動信息并做出戰(zhàn)略決策的過程。算法模型為復(fù)雜活動中的決策提供信息，其中，模型建構(gòu)和微觀目標定位常常是聯(lián)系在一起的。地理定位是最古老的方法，它根據(jù)對過去選舉的選區(qū)結(jié)果進行分析，以確定和預(yù)測更有利的選區(qū)。另一種方法是針對具有共同人口特征的群體，如收入、宗教或職業(yè)，通過一系列基于人口統(tǒng)計的可靠數(shù)據(jù)來建立算法模型，以區(qū)分目標選民群體的個體偏好。復(fù)雜的目標定位方法是基于對選民的個人態(tài)度、行為和價值觀的分析，將其與投票決定進行一致性假設(shè)，使用模型建構(gòu)和微目標定位來提高有限資源的競選活動以及與選民溝通的效率［24］。隨著新技術(shù)的介入和生長，政治微目標定位逐漸進入網(wǎng)絡(luò)空間。如今，在線政治微觀定位（Online political micro-targeting）已成為美國競選的重要組成部分［25］。其指向的是使用數(shù)字技術(shù)采集、分析大數(shù)據(jù)信息，進而在恰當?shù)臅r間和合適的線上渠道投放迎合受眾偏好的政治廣告，它代表了大數(shù)據(jù)時代政治實踐活動的一種新工具性手段。

（二）微目標定位的政治演繹

收集大數(shù)據(jù)政治的最終目的是為了通過加工進行更有效的競選宣傳，更精準地動員選民投票或者捐款，從而轉(zhuǎn)化為政治競選的優(yōu)勢。在2012年的美國總統(tǒng)大選中，奧巴馬競選團隊建立了獨角鯨（Narwhal）數(shù)據(jù)庫，以協(xié)助解決候選人及其團隊訪問多個數(shù)據(jù)庫對潛在選民進行定位。該數(shù)據(jù)庫為使用者設(shè)置了運行接口，以訪問數(shù)據(jù)庫并提取有關(guān)選民的相關(guān)數(shù)據(jù)。在獨角鯨數(shù)據(jù)庫的運作下，奧巴馬的競選團隊還可以更為精準地定位電視觀眾。他們根據(jù)觀眾數(shù)據(jù)庫中選民的行為，制定了政治傾向的類別?；跀?shù)據(jù)分析，他們在TV Land購買了廣告空間，重播“我愛露西”（I Love Lucy）以及深夜喜劇節(jié)目和ESPN的節(jié)目來吸引選民［26］。如此，競選團隊可以不必購買昂貴的廣播電視新聞和有線新聞頻道，而是通過這些廣告來爭取猶豫不決的選民，在減少成本投入的同時也提升了回報效益。

獨角鯨數(shù)據(jù)庫還可以為競選活動的所有應(yīng)用程序提供單個共享數(shù)據(jù)存儲接口，從而將現(xiàn)有應(yīng)用程序集成到該系統(tǒng)中，也可以快速開發(fā)新應(yīng)用程序，比如儀表盤（Dashboard）程序。儀表盤是虛擬現(xiàn)場辦公室的應(yīng)用程序，可幫助志愿者與志愿者、志愿者與選民之間進行交流和協(xié)作。該程序允許選民將自己指定為團隊的領(lǐng)導者或成員，可以組織會議，通過Web界面撥打電話，自動存儲信用卡信息，與團隊中的其他人進行在線討論，為自己和團隊創(chuàng)建目標并跟蹤這些目標何時實現(xiàn)來做出貢獻。儀表盤還提供了“小組”功能，人們可以在不考慮位置的情況下加入與政策領(lǐng)域、種族和族裔、職業(yè)以及其他類別相關(guān)聯(lián)的相似性小組，還有電話銀行工具，以及籌款工具，使人們可以為自己設(shè)定籌款目標。用儀表盤的支持者可以主動成為組織者，或者讓自己根據(jù)政策利益而參與其他組織的工作［27］。

在2016年美國總統(tǒng)選舉當中，政治微目標定位也得到了充分的應(yīng)用。與奧巴馬專注于搖擺選民的數(shù)字策略不同，特朗普競選活動集中在確定哪些政策最適合分段式的選民群體。特朗普喜歡通過社交媒體向廣大受眾明確表達自己的觀點，這意味著可以實時監(jiān)控民眾對其觀點的積極或負面反應(yīng)，并且將社交媒體上對某些消息反響良好的用戶信息與共和黨數(shù)據(jù)庫中的選民信息相匹配。此外，特朗普競選團隊還定向散布虛假消息。研究發(fā)現(xiàn)，支持特朗普的假新聞被分享的頻率是支持希拉里的假新聞的4倍，平均1.2%的美國人看到了假新聞標題。這些虛假新聞來自官方競選機構(gòu)、非官方結(jié)盟的利益集團、友好的媒體組織和網(wǎng)站、外國演員，甚至候選人本人［28］。通過宣傳虛假新聞，使之與諷刺、逐利、陰謀論相重疊，故意利用錯誤信息來影響對某個問題或?qū)蜻x人的態(tài)度。比如，特朗普競選團隊在海地向當?shù)鼐用裥麄鳎?010年大地震之后，克林頓基金會是如何行動不力甚至“趁火打劫”的，以此截斷他們支持希拉里的念頭。再如，為了讓希拉里的潛在支持者放棄投票，在正式投票前幾周，F(xiàn)acebook上的“暗帖”（只有符合具體特征的用戶才會看到）開始泛濫，一些黑人用戶就會看到這樣的一些視頻：在視頻中，希拉里稱黑人男性為“掠奪者”［29］。特朗普的數(shù)字軍團的定向宣傳多數(shù)是投放在社交媒體或數(shù)字電視上的，以有針對性的方式加以傳播，很少展示在主流媒體上。競選期間，特朗普競選團隊每天向10萬名目標選民發(fā)送量身定制的消息。結(jié)果是，希拉里團隊基于人口統(tǒng)計學對宣傳效果進行預(yù)估，誤以為自己占了上風。

在劍橋分析公司數(shù)據(jù)基礎(chǔ)之上，特朗普的競選團隊將政治微目標定位推進到一個新的高度。2016年7月，特朗普的基層競選工作者配備了一款評估應(yīng)用軟件，該應(yīng)用可以收集并分析某戶居民的個性特征和政治立場，并根據(jù)對特朗普宣傳的接受程度進行評定，對于得分較高的居民才會展開線下拉票。拉票人員配有對話指南，按照居民的性格類型進行有針對性宣傳，再將反應(yīng)回饋給應(yīng)用程序，這些新數(shù)據(jù)又流回特朗普競選團隊的操作界面上［30］。盡管2012年競選期間奧巴馬的儀表盤程序也與此相似，但是沒有使用心理測評功能。劍橋分析公司將美國人口分為32種人格類型，并且關(guān)注17個主要州，向特朗普競選團隊展示哪些信息效果最好以及在什么地方的效果最好。該數(shù)據(jù)分析結(jié)果推動競選團隊在競選最后幾周將關(guān)注重點放在密歇根州和威斯康星州。在特朗普與希拉里的第三次總統(tǒng)辯論中，特朗普的競選團隊利用大數(shù)據(jù)測試了175，000種不同的廣告變體，在標題、顏色以及照片或視頻等微觀細節(jié)上作出區(qū)分，以便用最佳的心理分析法確定廣告接收者，目標范圍可以具體到村莊、公寓甚至個人。正是基于上述行動的判斷，劍橋分析公司負責人亞歷山大·尼克斯指出：“特朗普發(fā)布的幾乎每條消息都是數(shù)據(jù)驅(qū)動的?！保?1］

（三）政治微目標定位的潛在風險

收集、處理、分析政治數(shù)據(jù)的結(jié)果是為了應(yīng)用。如果說在傳統(tǒng)意義上政黨和政治候選人是通過報紙發(fā)文、電視辯論和巡回演講來動員選民支持，那么在大數(shù)據(jù)時代，政治數(shù)據(jù)的分析結(jié)果以及在此基礎(chǔ)上的政治微目標定位如定制化的社交媒體廣告、虛假的網(wǎng)絡(luò)新聞以及候選人在社交網(wǎng)站上的形象包裝等，可幾乎完全取代上述動員行動。政治微目標定位在精準預(yù)測選民偏好和政策優(yōu)勢的同時，也為政黨和政治候選人進行選舉動員提供了可靠的依據(jù)。后者通過這些數(shù)據(jù)制定更有針對性的競選綱領(lǐng)，更聚焦于那些搖擺不定的目標選民，也更直接地向競爭對手進行政治攻擊。政治大數(shù)據(jù)為政黨和政治候選人賦予了更多的權(quán)力，作為政治權(quán)利主體的選民在其看來不過是可以計算、影響甚至操縱的數(shù)據(jù)集合單元。

古塔勒夫·勒龐（Gustave Le Bon）在其著作《烏合之眾》中提出，個體的人是理性的，一旦到了集體里面，就喪失了理性，他們在群體中的智力水平被統(tǒng)一抹平，群體變成易受暗示、輕信、偏執(zhí)、極端的“無意識”個體［32］。在群體中，個人意識會被擦抹，思想和行為也會趨同，此時，如果群體領(lǐng)袖十分了解每個人的內(nèi)心需求，就可以達到向個體灌輸思想以維護其政治利益的目的。定向廣告正是通過掌握群體心理，針對特定受眾進行廣告投放的一種定制化策略。這種策略可以幫助投放者更精確地定位其目標受眾，并提高廣告投放的效果。首先，運用數(shù)據(jù)分析和社交媒體監(jiān)測等手段獲得目標受眾的年齡、性別、興趣、消費習慣等信息，接著根據(jù)目標受眾的興趣和需求，制定符合其需求的廣告內(nèi)容，并選擇不同的廣告投放方式和渠道，同時通過Google Analytics等網(wǎng)站分析工具來監(jiān)測廣告效果，最后根據(jù)數(shù)據(jù)進一步優(yōu)化廣告投放策略，以此在潛移默化中影響個體的政治態(tài)度。從這個過程來看，個體處于被動位置，群體領(lǐng)袖可以依據(jù)個人意志影響個體思維的呈現(xiàn)，導致個體原本的獨立判斷和選擇能力被剝奪，也就失去了民主政治的根本價值導向，即由公眾共同參與政治進程和國家建設(shè)的本質(zhì)要求，很可能出現(xiàn)數(shù)據(jù)獨裁或?qū)Ｖ啤?/p>

五、結(jié)論與討論：大數(shù)據(jù)政治的反思與治理

信息通信技術(shù)的迭代發(fā)展特別是社交媒體的興起，讓大數(shù)據(jù)成為我們所處時代最突出的標志之一，并隨之帶來數(shù)據(jù)的政治屬性問題，即“誰得到、何時得到以及如何得到”的問題。當前，大數(shù)據(jù)政治的來源非常廣泛，涵蓋政府公開數(shù)據(jù)、選民信息數(shù)據(jù)、商業(yè)交易數(shù)據(jù)、社交媒體數(shù)據(jù)、科學研究數(shù)據(jù)、自愿透露數(shù)據(jù)與間接推斷數(shù)據(jù)、潛在數(shù)據(jù)和用戶生成數(shù)據(jù)等。新的數(shù)據(jù)計算方法進一步加強了對上述數(shù)據(jù)的處理能力，能夠處理用戶生成的自然語言輸出中包含的語義非結(jié)構(gòu)化信息，而不單是已經(jīng)結(jié)構(gòu)化的數(shù)據(jù)；新的數(shù)據(jù)包工具可以使用社會網(wǎng)絡(luò)分析等方法，通過結(jié)構(gòu)鏡頭檢查人類互動數(shù)據(jù)；龐大的數(shù)據(jù)規(guī)模已經(jīng)允許我們進行曾經(jīng)難以想象的相關(guān)性分析［33］。統(tǒng)計、分析和計算等數(shù)據(jù)科學的出現(xiàn)，并不僅僅是因為它們滿足了我們的好奇心，也在于這些數(shù)據(jù)對于為了公共或私人利益而使用它們的對象和主體來說是有用的。

大數(shù)據(jù)的出現(xiàn)對于傳統(tǒng)的政治行為、政治過程甚至政治制度產(chǎn)生了廣泛且深入的影響。其中，最顯著的變化體現(xiàn)在將政黨與政黨之間的競爭性選舉，由原先廣播、電視和報紙上的廣告之爭，轉(zhuǎn)移到了幕后政治數(shù)據(jù)的收集、分析、處理與應(yīng)用的能力之爭。在大數(shù)據(jù)時代的政治行為者中，誰能夠獲得更多樣的政治大數(shù)據(jù)，誰能夠構(gòu)建更有效的數(shù)據(jù)處理模型，誰能夠?qū)崿F(xiàn)更精準的定位微目標，就意味著在政治競爭中占據(jù)著更大的優(yōu)勢。

大數(shù)據(jù)在政治領(lǐng)域的應(yīng)用已經(jīng)越來越普遍，作為一種新生事物的流變，由其所產(chǎn)生的各類問題會隨著發(fā)展進程而慢慢擴散，也可能會引發(fā)難以預(yù)測的“次生災(zāi)害”和不可估量的政治危機。因此，想要確保政治與數(shù)據(jù)的有機結(jié)合和良性互動，就必須加強對大數(shù)據(jù)政治的治理。

一是明確大數(shù)據(jù)政治應(yīng)用的正確導向。大數(shù)據(jù)政治的應(yīng)用關(guān)涉“誰得到”的重要問題，關(guān)涉數(shù)據(jù)被誰所擁有以及用于做什么。換言之，大數(shù)據(jù)政治的應(yīng)用具有兩個鮮明的取向：民主取向還是操縱取向？當政治數(shù)據(jù)用于更為科學的公共政策制定和更公平的政治參與時，我們可以說大數(shù)據(jù)政治具有鮮明的民主取向。當選民的數(shù)據(jù)用于為政治候選人獲得競選目的時，選民則從獨立的政治權(quán)利主體降格為可計算測量的數(shù)據(jù)單元集合。在政治候選人眼中，選民是一個由各種信息匯集起來的“數(shù)據(jù)化個體”，是可以通過數(shù)據(jù)方法被計算、測量和影響的。在美國總統(tǒng)選舉數(shù)據(jù)庫的建立過程中，專業(yè)人員收集了大量選民信息，包括個人特征、政治捐款歷史、在線社交活動和購物習慣等。數(shù)據(jù)專家對所有數(shù)據(jù)進行整合、清洗和處理，以生成一套全面的選民檔案。接著利用先進的計算模型和數(shù)據(jù)分析技術(shù)，分析和預(yù)測選民的政治立場、投票可能性、政黨歸屬和特定政策偏好等要素，并對選民進行分類和排名。這使得競選政黨能夠制定更具針對性的政治營銷和廣告策略，通過電子郵件、電視和社交媒體等各種渠道來吸引選民的注意。在這一過程中，選民不過被看作是可以被計算、被測量和被操縱的“數(shù)字個體”。因此，必須堅持數(shù)據(jù)使用的正當性、合法性和導向性，維護價值理性和工具理性的相對平衡。

二是加強政治數(shù)據(jù)的管理規(guī)范。大數(shù)據(jù)時代的個體數(shù)據(jù)和個人隱私隨時存在被侵犯的風險。各政黨所掌握的選民數(shù)據(jù)，已經(jīng)不限于選民的投票記錄、家庭住址、通信方式、政策偏好，還囊括了雜志訂閱、會員卡使用、采購消費、駕照、網(wǎng)絡(luò)瀏覽、社交信息等。海量數(shù)據(jù)在聚合、傳輸、分發(fā)的過程中，極有可能被泄露和二次利用。例如，美國曾在2015年12月發(fā)生了一起關(guān)于1.91億條投票記錄被泄露的丑聞，這些信息包括選民姓名、出生日期、住址、電話號碼、政治興趣、選民派別等個人信息，對民眾造成了巨大影響。因此，必須通過具有前瞻性的數(shù)據(jù)立法形式，規(guī)范哪些公民個人數(shù)據(jù)可以收集、哪些數(shù)據(jù)不可以收集、個體數(shù)據(jù)隱私如何保護等重要性問題。

三是加強大數(shù)據(jù)政治應(yīng)用的技術(shù)治理。數(shù)據(jù)驅(qū)動的政治顯然是一項技術(shù)密集型的政治實踐，所有政治傳播活動包括以數(shù)據(jù)為導向的目標，都受到部署它們的制度環(huán)境的影響。美國競選活動的龐大財政資源、私營政治咨詢部門、專業(yè)化的政治數(shù)據(jù)公司，以及可獲得的選民數(shù)據(jù)信息，讓美國成為大數(shù)據(jù)政治的前沿區(qū)域，其政治候選人可以使用當前最精致的數(shù)據(jù)驅(qū)動系統(tǒng)。相比之下，許多歐洲國家的政黨財政資源較為有限，選舉登記冊所包含的有用信息并不多，而按照國際標準的數(shù)據(jù)保護法律也很嚴格。加強大數(shù)據(jù)政治應(yīng)用的技術(shù)治理，就是要在制度設(shè)計和法律規(guī)范上約束數(shù)據(jù)公司的技術(shù)應(yīng)用范圍，要求其在合法合規(guī)的范圍內(nèi)使用數(shù)據(jù)。

四是推進大數(shù)據(jù)政治的合理利用。加快培育大數(shù)據(jù)研究機構(gòu)和專業(yè)數(shù)據(jù)公司，組建計算機科學、政治學和新聞傳播學等跨學科、跨院校的大數(shù)據(jù)政治研究團隊，實時跟蹤大數(shù)據(jù)的技術(shù)前沿和實踐動態(tài)，并結(jié)合國情開展專題研究。加快構(gòu)建大數(shù)據(jù)政治庫，形成各類專題動態(tài)分析模型用于更好決策。由專門部門牽頭，成立整合各類網(wǎng)上信息來源，如微博、微信、短信、門戶網(wǎng)站瀏覽信息、網(wǎng)上發(fā)帖內(nèi)容等，以及商業(yè)信息如購物網(wǎng)站信息，并與政府的政務(wù)信息進行整合比對、篩選和清洗，在此基礎(chǔ)上形成區(qū)域、性別、年齡、職業(yè)、階層、民族等各類政治數(shù)據(jù)。此類數(shù)據(jù)庫可以為政府進行重要決策，提升應(yīng)急能力和治理效能，提供基礎(chǔ)性的科學數(shù)據(jù)支撐。

［參考文獻］

［1］Brady H E. The Challenge of Big Data and Data Science［J］.Annual Review of Political Science， 2019，22（1）：297-323.

［2］［4］［5］Coté M，Gerbaudo P， Pybus J. Introduction.Politics of Big Data［J］.Digital Culture & Society，2016，2（2）： 5-16.

［3］Marr，B.Big Data：20 Mind-Boggling Facts Everyone Must Read［EB/OL］.http：//www.forbes.com/sites/bernardmarr/2015/09/30/big-data-20-mind-boggling-facts-everyone-must-read/.

［6］［8］Ruppert E，Isin E，Bigo D.Data Politics［J］.Big Data & Society，2017，4（2）： 1-7.

［7］Bigo D，Isin E，Ruppert E.Data Politics：Worlds， Subjects，Rights［M］.London：Taylor & Francis，2019：5-6.

［9］Nickerson D W，Rogers T.Political Campaigns and Big Data［J］.Journal of Economic Perspectives，2014，28（2）：51-74.

［10］Dommett K.Data-Driven Political Campaigns in Practice：Understanding and Regulating Diverse Data-Driven Campaigns［J］.Internet Policy Review，2019，8（4）：1-18.

［11］［17］［32］［33］Tufekci Z.Engineering the Public：Big Data，Surveillance and Computational Politics［J］.First Monday，2014，19（7）：1-11.

［12］［13］［15］Hersh E D.Hacking the Electorate：How Campaigns Perceive Voters［M］.Cambridge：Cambridge University Press，2015：67、67、67.

［14］Winston，Joel.How the Trump Campaign Built an Identity Data- Base and Used Facebook Ads to Win the Election.Medium： Startup Grind［EB/OL］.https：//medium.com/startup-grind/how-the-trump-campaign-built-an-identity-database-and-used-facebook-ads-to-win-the-election-4ff7d24269ac.

［16］Issenberg，S.How Obamas Team Used Big Data to Rally Voters.MIT Technology Review［EB/OL］.https：//www.technologyreview.com/2012/12/19/114510/how-obamas-team-used-big-data-to-rally-voters/.

［18］信息時報編輯部.大數(shù)據(jù)之于政治，水與舟？［N］. 信息時報， 2018-04-01.

［19］Kosinski M，Stillwell D，Graepel T.Private Traits and Attributes Are Predictable from Digital Records of Human Behavior［J］.Proceedings of the National Academy of Sciences，2013，110（15）：5802-5805.

［20］Bloomberg.Facebook Cambridge Analytica Scandal：10 Questions Answered［EB/OL］.https：//finance.yahoo.com/news/facebook-cambridge-analytica-scandal-10-183313744.html

［21］Issie Lapowsky.The Man Who Saw the Dangers of Cambridge Analytica Years Ago ［EB/OL］.https：//www.wired.com/story/the-man-who-saw-the-dangers-of-cambridge-analytica/.

［22］King G.Preface： Big Data Is not About the Data［J］.Computational Social Science：Discovery and Prediction，2016：vii-x.

［23］Bodó B，Helberger N，de Vreese C H.Political Micro-Targeting：A Manchurian Candidate or Just a Dark Horse？［J］.Internet Policy Review，2017，6（4）：1-13.

［24］Kruschinski S，Haller A.Restrictions on Data-Driven Political Micro-Targeting in Germany［J］.Internet Policy Review，2017，6（4）：1-23.

［25］Matthes J，Hirsch M，Stubenvoll M，et al.Understanding the Democratic Role of Perceived Online Political Micro-Targeting：Longitudinal Effects on Trust in Democracy and Political Interest［J］.Journal of Information Technology & Politics，2022，19（4）：435-448.

［26］Stromer-Galley J.Presidential Campaigning in the Internet Age［M］.Oxford ： Oxford University Press，2019：163.

［27］Bimber B.Digital Media in the Obama Campaigns of 2008 and 2012：Adaptation to the Personalized Political Communication Environment［J］.Journal of Information Technology & DPolitics，2014，11（2）：130-150.

［28］Persily N.The 2016 US Election：Can Democracy Survive the Internet？［J］.Journal of Democracy，2017，28（2）：63-76.

［29］［30］Hannes Grassegger & Mikael Krogerus.The Data That Turned the World Upside Down［EB/OL］.https：//motherboard.vice.com/en_us/article/big-data-cambridge-analytica-brexit-trump.

［31］Adrianne Jeffries.How Hyper-Targeted Psychometric Data May Have Helped Trump Win［EB/OL］.https：//theoutline.com/post/969/did-trump-win-psychometrics-data-cambridge-analytica？zd=1&zi=vemnysm4.

［32］古斯塔夫·勒龐.烏合之眾：群體心理研究［M］.段鑫星，譯.北京：人民郵電出版社，2007：11-51.

［責任編輯：薛瑞漢］