“新型冠狀病毒肺炎”疫情中的信息生產與媒體機制

〔摘要〕?大數據時代出現了一種認識論轉換，即從基于因果性法則的認識論，轉向更強調數據與數據之關聯性與交互關系的認識論。在“新型冠狀病毒肺炎”疫情中，公眾透過便捷的信息通訊工具，生產與傳播了大量信息數據。其中既有有利于救援與防疫的數據流通，也出現了因信息過載而帶來的風險與危機;諸多新媒體與自媒體在未受專業把關的情況下所生產的信息，加重了信息風險與恐慌情緒。這些現象是大數據時代的信息生產與傳播表現，更是其認識論表現。以此為視角，可以解釋公眾與新媒體因生產單個信息數據、忽視深層的因果性而導致的信息風險，或謠言是大數據時代的認識論的必然后果;不過，面對重大疫情，基于這種認識論轉換，結合現實案例還能開啟對信息傳播與媒體機制的反思，并為公共衛生溝通提供某些改進方案。

〔關鍵詞〕?大數據;新型冠狀病毒肺炎;信息機制;認識論

〔中圖分類號〕G206.7?〔文獻標識碼〕A?〔文章編號〕1000-4769（2020）04-0071-09

〔作者簡介〕張鐘萄，浙江大學人文學院博士研究生，浙江杭州?310028。

在2019年以來的“新型冠狀病毒肺炎（Corona Virus Disease 2019，COVID-19）”（以下簡稱“新冠肺炎”）疫情中，由于信息通信技術的發展，公眾通過人手一部的移動互聯工具，生產了大量與疫情相關的信息數據。①這些數據除了在疫情防控——尤其是相關數據科學研究②——方面提供有力幫助，也因數量龐大而引發了信息風險乃至危機。盡管疫情的發生帶有突發性，但疫情期間的信息生產與數據流通，卻反映了大數據時代的基本特征，突發性的疫情只不過將這些特征極端化。這些特征表現在了公眾、媒體與信息風險之間的關系上。在大數據時代，重大疫情的發生，必將導致社會產生大量信息數據，形成復雜的“信息環境”。公眾與媒體既是其中的參與建構者，又受其影響。就參與建構而言，公眾對相關信息的傳播在很大程度上表現為只意識到信息的表層關聯性，新媒體（乃至某些主流媒體）也出現因關注表層關聯，而發布誤導性信息的行為，引發恐慌情緒，阻礙社會認知與疫情防控。結合大數據的時代特征，從哲學——尤其是認識論（乃至本體論）——角度來分析，大數據的本體論特征決定了其認識論表現。亦即，大數據時代的信息是視角性與個人化的，更強調單個信息數據與單個信息數據之間的關聯性與互動性，而不關注背后的深層因果性法則。這導致相關疫情信息的生產與傳播，出現“斷章取義”的報道與錯誤謠言。

從理論反思層面看，大數據的認識論特征決定了大數據時代的重大疫情必然導致因信息過載而帶來的社會風險、大量謠言以及社會恐慌;不過，基于這種認識論，結合此次疫情中的現實案例，我們還可以針對公眾、媒體與信息危機間的關系，開啟一種可能的反思：即在大數據時代，一種與專家相結合的非盈利信息/媒體機制，對于在突發性疫情中減緩信息風險必不可少;其次，有必要建設一種中長期的用于公共衛生溝通的信息/媒體機制;以及長期培養反思性的行動者。為了從實踐與理論兩個層面來反思此次疫情中的信息生產與媒體機制，尤其是思考在大數據時代的重大疫情中，如何處理公眾的認知能力與日趨復雜的信息/媒體環境之間的關系，本文將首先結合此次疫情中的幾個典型信息事件與相關理論研究，引出它們背后隱藏的公眾與媒體、數據信息與領域專家等深層問題;其次，將引入20世紀初在哲學家杜威（John Dewey）與李普曼（Walter Lippmann）之間關于公共輿論的爭論，這不僅因為它是關于公共輿論的經典爭論，更因為一百年前他們所擔心的某些問題如今已成現實，反映在本次疫情中，但同時還面臨大數據時代的新挑戰，導致問題更為復雜;最終，本文試圖結合本次疫情，將公共輿論、信息生產與媒體機制放在大數據時代的認識論轉換這一視角下，分析出現相關輿情現象的必然性，以及可能的改進機制。

一、“新冠肺炎”疫情中的信息生產與社會影響

自“新冠肺炎”被正式公開與傳播后，與中國社會先前所發生的公共衛生事件（如“SARS”）相比，其信息生產與傳播的最大不同是進入 “大數據”時代。因而疫情中的信息生產與傳播，表現出數量巨大、傳播面廣以及流通速度快等特征。本節試圖論述，第一，大數據化的信息環境在本次疫情中已經成為事實;第二，眾多研究表明，這種信息生產將反向影響疫情的防控，這提出了重新思考這種雙向影響背后的公共輿論以及信息/媒體機制的必要性。

（一）“新冠肺炎”疫情中的信息生產

“人民網輿情數據中心”的數據統計顯示，從2020年1月23日至1月30日9時30分，武漢等地的“新冠肺炎”引發了全體網民的關注。這種關注產生了先前公共衛生事件所未曾遭遇的信息生產。“人民網輿情數據中心”的數據顯示，僅在這七天之內，就有2，3029篇相關報道，而網站與APP客戶端的報道更多達105，8454篇，微博、微信、論壇、博客共有166，8687篇（條）。這意味著，在幾天之內，大量與疫情相關的信息生產，構成了一個復雜的信息環境;其次，根據“人民網輿情數據中心”的數據，這些信息生產中的絕大部分來自互聯網（尤其以手機端為主的移動互聯）（如圖1）。北京師范大學新媒體傳播中心在2020年1月29日發布的《從2003年非典到2020年新型冠狀病毒肺炎的認知遷移分析報告》也顯示，與2003年的“非典”相比，此次疫情中的信息表現，最大不同即是傳播媒介的變化。從當年的手機短信、論壇與人際傳播，擴展變化為以社交媒體為主（包括微博、微信、頭條號等各種自媒體，以及抖音與快手等）。③可以說，生產與傳播手段/媒介的變化，不僅決定了信息的數量之大，而且決定了信息傳播與抵達接受的快且廣，即所謂的“人人傳播、網狀扁平化傳播”。信息在短時間內集中爆發，出現了對疫情與社會反響的正負雙向效果，尤其是其負面效果暗含了大量信息生產所可能帶來的風險。

以“雙黃連”事件為例，根據中國大陸境內搜索引擎市場占有率最高的百度指數顯示，從1月30日起，自網絡開始流傳“雙黃連”口服液可抑制新型冠狀病毒后，關于“雙黃連”的搜索量亦出現暴增（圖2）。不過百度指數也顯示，“雙黃連”的搜索量在專家辟謠后，兩天內便暴跌。這再次表明，大數據時代的疫情信息與謠言，盡管其生產與傳播速度變快，但辟謠速度也增快。不過，這并不表明它所帶來的社會成本相對更小。根據2020年1月28日發布的《信息公開與謠言傳播：有關新型冠狀病毒肺炎疫情的謠言分析》，研究組提出，如果將網民對冠狀病毒疫情的了解程度和預防冠狀病毒疫情不同方法信任度作為自變量，將發微博微信作為因變量，將性別、年齡、學歷、收入等人口特征作為控制變量進行回歸分析。其中一個結果顯示，越相信謠言防疫方法的網民，發微博微信越多。④換言之，在發生“雙黃連”事件的時間段內，盡管因為辟謠速度變快而使謠言的持續時間縮短，但這并不會減緩由相關信息數量增加所帶來的信息危機與社會成本。比如大量公眾從深夜到各大藥店排隊購買與“雙黃連”相關的人用、獸用產品，乃至在線電商平臺的相關產品基本脫銷便是耗費高額社會成本的表現。

不過，這并不能簡單得出在大數據時代發生重大疫情，信息生產只能帶來負面效用的結論。譬如百度指數顯示，從1月30日起，“紅十字會”的搜索量出現暴漲，到2月4日抵達峰值，搜索量與去年同比增長了4504%，次日開始下降（圖3）。

“紅十字會”備受關注，主要由于武漢及湖北其他地區的醫療物資告急，而湖北省紅十字會受捐的大量醫療物資并未分發到位，因而引發輿論風暴。在此期間，同樣由于移動互聯網的普及性與即時性，大量有關醫療物資的告急信息被生產出來，并廣為傳播。目前尚無研究表明當時的信息生產與傳播，在何種程度上實質緩解了醫療物資緊缺問題，但一個顯著的后果是2月4日，湖北省紅十字會專職副會長被免職，以及其他幾位黨組成員遭到處分。這在一定程度上保障了紅十字會的后續運行，以及疫情的防控。⑤由此可見，在本次疫情中，由于大數據時代的信息生產與傳播特征，大量信息影響疫情的防控已然成為不可否認的事實。可以說，大數據時代的信息生產與傳播，既可能引發風險，也可能在某些層面緩解疫情所帶來的問題。眾多關于流行病與信息傳播的研究都證明了這一點。

（二）信息傳播與疫情傳播

2009年，芬克團隊的研究表明，當社會人群中爆發流行病時，對流行病爆發的反應行為會改變傳染的進程。他們根據數學模型得出結論，當信息與流行病都在高度集聚的水平上進行網絡傳播時，流行病更容易被控制。⑥這表明，在疫情期間，有流行病與信息兩個層面的傳播路徑，且二者相互影響。如另一項研究也證明：“流行病通過一種物理接觸的網絡擴散，與在通訊網絡層面的信息擴散是兩個密切相關的動態過程。”⑦這項研究認為，流行病在實際接觸層面的爆發會引發它在通訊/溝通層面的爆發（可謂之疫情的爆發與輿情的爆發），信息層面的擴散可以有效影響流行病的閾值。不過，盡管大量研究都表明信息傳播會影響，乃至緩解流行病的傳播⑧，但不可忽視的是，過量的信息生產與傳播，會引發輿情暴增、滋生謠言，引發恐慌。某些誤導性信息的傳播，已經導致前文提到的由“雙黃連”事件所引發的社會恐慌與社會成本增加。Wang等人在2016年的一項研究觸及了這個問題。眾多研究表明，在信息的動態傳播與流行病傳播之間存在相互作用，這項研究進一步分析了它們相互作用的背后還存在不對稱性：“在一種通訊網絡中，通過它自身的擴展動態，或者通過在接觸網絡層面的流行病爆發，可以觸發信息的爆發……我們的關鍵發現是，存在著一種最佳的信息傳播率，它可以明顯地抑制流行病的傳播。”⑨換言之，這項研究發現，盡管信息擴散會抑制疫情的擴散疫情擴散也會促進信息擴散，但數學模型還顯示，信息的過度擴散不利于疫情的防控。對于信息傳播在何種層面會影響到疫情/流行病的傳播，2020年初的一項最新研究給出了一定解釋：即必須考慮信息傳播與認知之間的關系。這項研究表明，盡管“意識（awareness）總會緩和疫情的最終規模”，但這并非意味著提高了對疾病的認知就能降低最終的感染比例，而是說，存在一個最優的認知水平，使受感染者的比例最低。⑩

綜上我們可以確認，信息的傳播與疫情的擴散存在一種不對稱的互動關系，要讓信息的傳播最大可能發揮正面效應，必須一方面涉及最優參數;另一方面，考慮認知與信息之間的關系。身處大數據時代，相關問題隨之轉換為信息生產、傳播機制與社會影響的相互關系。在大數據時代，信息的生產與傳播不僅涉及傳統媒體，也關乎新媒體、大量自媒體，以及個人用戶。概言之，在大數據時代思考公共輿論與公共衛生事件，既保留了公共輿論與媒體之關系的相關爭論，又有不同的時代特征。

二、公共輿論與大數據時代的信息生產

無論是“新冠肺炎”疫情中的現實案例，還是前文引用的理論研究，都表明疫情的擴散與信息的生產傳播，以及公共輿論緊密相關。本次疫情更突顯了大數據時代的公共輿論問題，但相關問題并非全都是大數據時代所特有的，比如其中涉及公眾與媒體、專家，乃至社會民主發展等問題，都在一百年前的一場爭論中呈現出來。本節將引入這場發生在李普曼與杜威之間關于公共輿論的爭論，這是因為第一，其中的某些論點至今仍然具有歷史有效性;第二，當年的一些考慮或擔心也已然成為現實;第三，由于信息通信技術的發展，當時的某些解決方案也已不合時宜。借道這場爭論，是希望為反思本次疫情中的公共輿論提供一種雖然有效，卻也有待修正的理論模式，最終引入從大數據時代的認識論，來反推可能的改進方案。

（一）李普曼與杜威的公共輿論之爭

1922年，美國著名的哲學家杜威寫了一篇關于李普曼的《公共輿論》（Public Opinion）的書評，再于1927年出版了包含對李普曼《幻影公眾》（The Phantom Public）的批評文章。盡管杜威直言不諱李普曼的思考對于他自己后來的思想產生了很大的影響，但他們在諸多問題上仍持有不同看法。比如在公眾的認知能力與知情權的程度上、公眾參與公共輿論以及民主的程度與方式、專家在何種程度上、以哪種角色介入公共議題等。不過，他們在一個基本前提上也有共識：二者都認為，在現代社會日趨復雜的環境與公眾的認知能力之間出現了問題。李普曼說：“環境復雜。而人的政治能力卻是簡單的。這二者之間是否還有橋梁？”B11杜威說：“要如何去彌合在公民之有限能力，與其復雜環境之間的鴻溝？”B12現代社會形成了碎片化的日常生活，環境變得更復雜，人的有限認知能力與此形成矛盾。杜威認為，李普曼關于這一矛盾的洞見，道出了一個關于一般“知識問題”的表述，而且是被傳統哲學中從事認識論研究的職業哲學家所忽視的問題。即便放在大數據時代，這個問題也不過時。在本次疫情中，大量社交媒體與自媒體的信息生產，導致一個在信息生態上遠比李-杜之爭更復雜的信息環境。就此而言，這場爭論迄今具有一定歷史有效性。不過，二者的分歧源自如何解決認知能力與復雜環境之間的矛盾。

現代社會的環境日趨復雜，而人的認知有限，李普曼由此認為，不能賦予公眾以全權的治理能力，而是加強和擴大專家在社會與公共議題中的作用;盡管杜威并不否認全權的公民在民主理論與公共事務中有些不合時宜，但他認為，要克服這種知識問題，關鍵是要超越“旁觀者的知識理論”。 B13簡言之，杜威認為，如果按照李普曼的方案，由專家替代了公眾的某部分權責，那么這意味著把公眾排除在具體的實踐事務外，僅淪為“旁觀者”。根據杜威的道德心理學和認識論觀點，“自我”是要在社會之中的，所謂知識也是“社會知識”。B14簡言之，知識的形成與認知能力的提升，必須處于社會互動與建構之中。因此，以“專家”來解決這對矛盾，杜威認為，即便專家的研究也應該受到公眾引導;其次，專家應該要更直接地面對公眾。

總的來說，李普曼與杜威都同意現代社會太過碎片化，以至于公眾難以充分理解。但李普曼認為專家團隊可以解決這個問題，而杜威認為，把工具交給公眾后，讓他們批判性思考問題是可能的。按照杜威的想法，將工具交給公眾，有利于形成一種關于公共議題的溝通機制，最終推進社會的民主發展。李普曼恰恰認為這種“交給”本身就障礙重重。他以所謂的“幻影公眾”來表達這一點，即在所謂的真實與我們發展出來表現這種真實的虛構之間，存在斷裂。這是因為，第一，存在著一種結構性的障礙，比如媒體自身就面對著人工審查與信息“把關人”等問題;第二，即便這些障礙得以消除，由于人類的心智具有簡單且有限的性質，這也會阻止我們以實在的態度來呈現真實。B15這些問題，已經在大數據時代出現了。

（二）公共輿論與大數據時代的疫情

首先，在社交媒體與大數據時代，“把關人”與“審查”這類李普曼認為的結構性障礙已經在很大程度上被克服。社交媒體與相關技術條件，使得生產與傳播信息是點對點和及時性的。即便中國的媒體監管具有某些應對方法，但即時發布、乃至短時間內迅速傳播信息仍然是可能且現實的。但是，新興媒體與自媒體的信息生產還面臨另一種結構性障礙：市場。這不僅表現在傳統的絕大多數大眾媒體中，在由社交媒體與自媒體信息構成的大數據時代變得更嚴重。大數據時代的信息生產，非但沒有改變企業媒體的市場訴求，相反還加重了因追求數據流量而不得不想方設法吸引眼球B16：越吸引人、越有討論、越被傳播，越有流量，反之亦然。因此可以說，大數據時代的信息生產帶有必然性的障礙。不僅李普曼所謂的結構性障礙得到消除后仍然面臨障礙，就連杜威提議的把工具交付給公眾在技術層面得到實現，卻也不得不面對因流量訴求而生的市場障礙。傳統主流媒體對相關議題進行的傳播，很容易在大數據時代因追求刺激性討論、交互轉播、創造社會網絡而導致話題轉移。

在大數據時代，流量是信息的基本訴求，因而在“新冠肺炎”疫情中，一些主流乃至權威媒體，在未經精準求證的情況下，將一些吸引眼球、更具刺激性，但也有誤導性的信息傳播給公眾，在吸引大量流量的同時滋生恐慌。比如2020年2月8日，一些具有一定權威的新媒體機構，將公共衛生機構關于此次疫情中的“氣溶膠”傳染問題斷章取義進行傳播，導致大量公眾誤以為病毒可以通過空氣進行傳播，引發恐慌，自媒體與社交媒體也在此情況中發揮了推波助瀾作用。在公眾看來，這種新聞報道中的幾個關鍵要素，如衛生機構、具有一定權威的新媒體機構、空氣傳播等，已經構成進行迫切討論與傳播的基本條件。借用李普曼的分析可以說，即便結構性障礙被掃除了，公眾在面對許多問題（尤其是“新冠肺炎”這種前所未有的公共衛生事件）時，仍然受到認知局限的影響。盡管在“氣溶膠”事件中，后來有一些從事研究的相關人士出面辟謠，但它仍然反映了大數據時代的信息與媒體的基本訴求，以及公眾在現代社會的公共議題上存在認知障礙。

其次，在杜威的框架中，公眾的參與最終通往社會的民主發展。不過猶如扎克曼所描繪的，在大數據時代，新媒體與公共參與的關系也有了不同的表現。比如年輕人越發不情愿參與傳統政治，而是被新的行動形式所吸引、圍繞新的問題展開組織，有時還以新的在線合作形式行動。即便如此，從新的參與形式轉換到現實的、長期的政治結合還很困難。B17在“新冠肺炎”疫情中，我們看到許多具有高流量的自媒體（如微博上的某些大V），在線聯動醫療物資的捐贈與調配等，但這一切能否，以及如何轉換為某些現實力量仍然有待觀察。

最后，在大數據時代，新技術與諸多媒體信息形式，與新的經濟組織形式、社會行動形式構成復雜的網絡。公眾相互之間直接且即時的互動關系，導致對彼此的影響增加，但彼此卻是互不相識、乃至無法直接可見的人。這種“匿名性”，在疫情中加強了信息生產與傳播的任意性。

由此可見，在大數據時代的公共輿論，仍然保留了李普曼與杜威之爭中的某些要素：第一，環境與認知之間的沖突不僅仍然存在，且更強烈;第二，無論是李普曼的某些解決方案，還是杜威設想中的公共參與的未來圖景，都因巨變的信息與媒體環境而面臨困難;第三，大數據時代強調信息的流量，無論自媒體還是主流媒體皆然，這會在重大疫情中引發新的問題。“新冠肺炎”疫情中的輿情表現，在很大程度上反映了大數據時代的基本信息特征。因此，有必要從大數據時代的信息特征出發，尤其在哲學層面進行理論反思，并結合疫情現實做出相應的改進探究。

三、認識論轉換下的重大疫情與信息生產和媒體機制

據前文所述，在“新冠肺炎”疫情中，由于信息通信技術的發展，信息的生產與傳播發生了巨變，導致了比一百年前、乃至“非典”時期都更為復雜的環境。在“新冠肺炎”疫情期間，每個具備基本技術條件的人，都可以成為信息把關人、記者或愛管閑事者;每個人都在生產或傳播從個人視角接收到的信息。在李普曼與杜威的經典爭論中，李普曼點出了類似于此種信息生產背后的“知識問題”，即每個人都從個人化與視角性的認知出發，生產與傳播信息，這在大數據時代變得更普遍與嚴峻。從深層反思來看，這是由大數據時代的認識論特征所決定的。換言之，更多的信息生產、謠言傳播，乃至主流媒體加入其中的信息危機，是大數據時代的認識論的必然結果：點對點的信息數據生產與傳播，導致對信息數據之關聯性與交互關系的關注，遠遠大過對因果性的關注。這種認識論轉換，要求我們重新思考公共輿論、媒體機制在重大疫情中的表現與社會影響，并給出一些改進方案的反思。

（一）大數據時代的認識論轉換

在經典的認識論討論中，因果性法則占據核心地位。無論是在現代哲學中由休謨（David Hume）發起的相關討論，還是康德的認識論革命莫不如此;除此之外，因果性法則更在自然科學研究中扮演重要角色。不過，大數據時代的認識論卻在逐步瓦解這種看法。因為大數據更強調數據與數據之間的關聯性，甚至于對某種論題的證明，并非通過語義分析或因果分析，而是經由統計數據來表明確乎如此即可。《連線》（Wired）前主編安德森（Chris Anderson）的說法并非危言聳聽：“在這個世界上，海量數據和應用數學取代了可能被使用的其他一切工具。……有了足夠的數據，數字便能說明一切。”在科學研究中，科學家還認為關聯性（相關性）不是因果關系，不應該僅僅根據X與Y之間的關聯性而得出任何結論，因為這很可能只是巧合。按照這種基于因果性法則的認識論，我們還需要了解這二者之間的連接機制，“但面對海量數據，這套科學方法（假設、模型與測試）已經過時了。”B18信息的生產與傳播在大數據時代是突然出現的，沒有前因與后果，帶有極大的不確定性。每條信息數據，都以自身為依據確定自身，但在相互聯結之后卻充滿不確定性。可以說，這是一種截斷了前后因果之聯系的計算數據。但它背后暗含的卻是一種原子式的個人主義本體論。B19這里所謂的本體論，按照本內特（Jane Bennett）的說法，是“一系列關于人類與世界之基本特征的關聯”;或者簡單說，是諸多對象及其相聯結的理論。B20

相互分離且偶然聯系起來的數據，不僅各自分離于，而且還先于、獨立于“聯結”之后的“關系網”。用萊克的話說，這種單個數據點構成的是一種“共建的本體論”（coconstitutive ontology），單個數據點的意義或身份并不先于其背景而存在。B21單個數據點的本體論最具體表現為每個人/每臺聯網設備都能分離地、同時地、且輕而易舉地生產與傳播信息。這也反映了盧曼（Nicholas Luhmann）所謂的“個體性”，每種“個體性”都基于感知世界之特殊方式的獨一性之上：“世界是從一個特殊點被看待的”。 B22個體性的社交媒體、云計算、語義網、陌生聯結，這些信息的生產與傳播方式，意味著所謂“聯結”（connection）不只是發揮交流作用，而是自己就會生產意義。B23大數據自身構成意義，是指大數據構成的世界更少依賴人的意向或意識，它是網絡與數據自身運轉的一個結果。由此脫離所謂的人類世界，邁向“非人”階段。用埃斯波西托（Elena Esposito）更直白的話說：大數據的自主運轉形成了一種有別于我們所熟知的自然智能，她稱之為“web智能”（web intelligence）：“它依賴的是不指涉因果性的闡釋，而是依賴相互關系、在表面運作……”B24結果是，“我們看到的信息不能準確歸因于任何人，而是從網絡整體浮現出來的，這種浮現出來的秩序并非預先設計好的，也無法被中心化。”B25

總的來說，大數據時代最明顯的認識論轉換，是更強調單個信息數據與單個信息數據之間的關聯性、交互關系，而非深層的因果法則。這種認識論轉換，已經在本次疫情中表現出來。第一，我們看到突然且不斷擴大規模的信息聯結，如“雙黃連”、中科院上海藥物所與武漢病毒所、防治病毒、徹夜排隊等信息之間的聯結。這種聯結，導致誤導性信息在短時間內被大量傳播與再生產，蓋因對表層關聯性的關注超過了深層（科學且更準確的）因果法則的關注。《從2003年非典到2020年新型冠狀病毒肺炎的認知遷移分析報告》便提出，相關的誤導性信息與謠言的散播，與信息生產中缺乏嚴格的科學用語有關。更少關注嚴格縝密的因果性論述，是謠言傳播的一個重要特征。

第二，“斷章取義”的媒體報道，在很大程度上源自大數據時代關注關聯性與交互關系的認識論特征。如在“澎湃新聞”關于“氣溶膠”傳染的新聞報道中，媒體并沒有深究嚴格的傳染路徑，尤其是氣溶膠傳播背后深層的科學因果性，而是簡單將相關專家的話“斷章取義”，擇取關聯性，以推動信息傳播中的“交互性”（如通過不斷轉播所帶來的流量增長）。

第三，運用社交媒體的廣大公眾，在本次疫情的謠言傳播上，也是將具體的信息數據剝離于相關背景，關注表層關聯。公眾也更難以自主地深入深層因果性。B26這種關聯性的認識論，導致大量錯誤信息與謠言的快速傳播與再生產。

如果再次回到杜威的看法。他認為，在大量知識或信息的社會化溝通過程中，公眾可能不斷學習，并展開批判性思考。然而，就現實情況來看，在面對重大疫情時，大量的數據堆砌絕對可能產生新的、且具有專業性的視角與知識。比如筆者就在某些從事傳染病研究的自媒體處，獲取了有關“氣溶膠”傳染的準確信息，它們基于科學研究與因果法則之上，給出了更精準的闡釋。但這種“獲取”與此類“視角”的出現帶有偶然性，它們的傳播量也遠遠小于主流媒體。在相關專家與機構正式辟謠前，錯誤信息仍被大面積傳播。因此，在日趨復雜與分工更加細化的當代社會，面對前所未有的公共衛生事件，靠帶有偶然性的“社會知識”來推動批判性思考，不僅不夠，而且十分危險。

（二）探索大數據時代的疫情信息與媒體機制

我們有必要基于大數據時代的認識論特征，思考重大疫情下的信息生產與媒體機制。從信息角度來看，大數據時代的基本特征是更為復雜，且會越發復雜的信息環境。大數據自身的特征及其認識論，表現為公眾、乃至眾多媒體對信息與數據的接收、認知與傳播更關注表層關聯與交互關系。在“新冠肺炎”疫情中，我們看到，即便是相關專家的科學論述，也極易因大數據的認識論轉換與傳播特征而被誤解;我們也看到了一種全民直接參與、一些媒體為流量而“煽風點火”、專業信息在傳播過程中被誤解的現象。B27基于這些特征與現象，我們需要以“公共衛生溝通”進行反思。

“公共衛生溝通是科學發展的、策略性傳播的，是在發布方與目標受眾之間對相關的、嚴格的、可被獲取以及可被理解的衛生信息的批判性評估，以提升公眾的衛生水平。”B28這種溝通有四個重要構成要素：平臺、來源、接受者以及信息。其中，里馬爾團隊的研究顯示，我們可以合理預期，在信息的傳播與接收之間會出現差異，但也要意識到這種溝通是一種動態過程，即“信息源與信息接收者在不斷轉換角色。”B29因此，我們試圖給出以下幾個值得關注的信息與媒體機制方案。

第一，在信息平臺與來源上，應該形成專家+主流媒體的第一層信息生產與防護網。大數據的認識論特征，決定了公眾對表層關聯與交互關系的關注遠大于深層因果法則，這也決定了在爆發前所未有的公共衛生事件時，公眾更容易被信息中的表層關聯所吸引，并迫切參與信息的傳播與再生產。因此，在大數據時代的重大疫情中，重視基于“因果法則”的認識論尤其重要。這要求從事科學研究與倚重深層因果法則的專家必須更快速、全面以及有效地介入疫情信息的生產與傳播，而不是任由媒體因專業壁壘、流量訴求或即時傳播生產錯誤信息。我們應該建設一種由公共衛生專家、公共衛生機構與主流（非盈利）公共媒體構成的信息與媒體機制。這不僅是為了保障信息的平臺與來源，也是為了保障前文所論及的，在信息傳播與認知水平之間取得最優值，避免過量的信息（尤其是錯誤信息）傳播對疫情造成負面影響。專家、專業機構，尤其包括媒體更精準的信息表達，應該構成疫情期間最主要，也最優先的信息與媒體層。但這并非意味著它們始終是唯一的。

第二，大數據時代的技術特點決定了全民直接參與信息的生產與傳播，在盡可能保障了第一層疫情信息傳播網的同時，應當發揮專業公眾的第二層傳播機制。這接近于杜威所謂的“社會知識”，在社會溝通中會浮現新的視角，甚至開啟新的批判性思考。但由于新的流行病出現，以及大數據時代的認識論特征，由公眾開啟的新視角充滿偶然性與不確定性。因此，盡管公眾的參與必不可少，更無法避免，但這不可能、也不應該作為第一層的信息源。說“不應該”，更多正是出于其偶然性、乃至在傳播范圍上的局限性會造成準確信息在傳播上的延宕。從積極面考慮，根據里馬爾團隊的研究，信息接受者具有動態轉換的可能，他們會成為信息的更新與補充者，但這應當是在第一層媒體機制相對完善的情況下才可能發揮更多積極效用。

第三，從中長期來看，我們應該開啟常規的“公共衛生溝通”機制。在日常溝通中，其平臺應該是非盈利的公共媒體（或有社會責任的市場媒體），其內容生產應該由公共衛生專家或科學家提供或精準把關。專家以及國家公共衛生機構，應該善于利用新媒體與社交媒體，來與公眾建立直接的聯系。而不是在重大疫情突發后，各路媒體從不同渠道、不同角度、不同認知水平去各自闡釋應受到慎重對待的科學信息;其次，就信息的內容生產而言，相關機構與媒體應該注意到，在大數據時代，某些形式的內容更容易提升用戶對公共衛生的參與度。B30

第四，如果說上述值得關注的幾點可以處理短期與中長期的信息與媒體機制，那么長期的方案仍然可以回到杜威所謂的“反思性的行動者”。在長期的教養系統中，尤其是面對大數據時代的技術條件與認識論特征，個體用戶如何能對未知與不確定信息進行更審慎的判斷，是本文無法細表的長期工作。

結論

綜上可見，結合“新冠肺炎”疫情中的公共輿論與傳播事件，我們看到這種信息生產與傳播符合了關于信息傳播與流行病擴散的相關研究。不過，在大數據時代，涉及經典公共輿論的相關要素已經出現了新狀況。大量的信息生產與傳播稍有不慎便會阻礙疫情的防控。大數據時代的認識論給我們提供了一個深層的理論反思視角：一方面，借助更強調表層關聯與交互關系的認識論，我們可以從理論上反推與論證，深層因果法則在大數據時代的重大疫情中扮演著核心角色;另一方面，將本次疫情中的信息生產與媒體表現置于此種認識論轉換之下，我們還可以提供基于實踐之上的改進方案，即必須要在突發性重大疫情中重視嚴謹、即時且高效的信息與媒體平臺、來源與反饋。

① 工信部資料顯示，我國手機用戶數在2019年12月達到16億。見新華社：《我國移動電話用戶數超16億》，2019年12月20日。http：//www.xinhuanet.com/info/2019-12/20/c_138644643.htm.

② 2020年4月一項基于中國報紙、社交媒體和其他數字平臺數據之上的網絡科學研究表明，在過去三個月期間，中國政府和人民協同執行的措施對于中國的抗疫至關重要，比如強大治理、嚴格管控、強有力的社區戒備、公民參與，以及大數據和數字技術之間的結合運用，見Hua Jinl， R. Shaw， “Corona Virus （COVID-19）‘Infodemic and Emerging Issues through a Data Lens： The Case of China，” Int. J. Environ. Res. Public Health， vol.17， no.7， 2020，p.2309;https：//doi.org/10.3390/ijerph17072309;2020年4月的另一項研究表明，中國社交媒體上對自己和他人之癥狀與診斷的報告還能預測中國大陸的病例數，見：L. Li et al.， “Characterizing the Propagation of Situational Information in Social Media During COVID-19 Epidemic： A Case Study on Weibo，” IEEE Transactions on Computational Social Systems， vol.7， no.2， pp.?556-562， April 2020;另一項相關研究表明，社交媒體與它生產的信息數據，可被用來預防、挖掘與健全災害造成的破壞，見S. Choi， B. Bae， “The Real-Time Monitoring System of Social Big Data for Disaster Management，” Park J.， Stojmenovic I.， Jeong H.， Yi G. eds.， Computer Science and its Applications： Lecture Notes in Electrical Engineering， Berlin： Springer，2015， pp.809-815.

③ 北京師范大學新媒體傳播研究中心：《從2003年非典到2020年新型冠狀病毒肺炎的認知遷移分析報告》。該報告采取電子發布形式，見：http：//www.thecover.cn/news/3469206。

④ ⑧ 對此類研究的一個最新綜述，見Piotr Bródka，Katarzyna Musial，Jarosaw Jankowski， “Interacting Spreading Processes in Multilayer Networks： A Systematic Review，” IEEE Access，vol.8， no.1， 2020， pp.?10316-10341.

⑤ ⑨ W. Wang， Liu Q H， Cai S M， et al.， “Suppressing Disease Spreading by Using Information Diffusion on Multiplex Networks，” Scientific Reports， no.6，2016， pp.29259， 29259.

⑥ ⑩ M. Li， M. Wang， S. Xue， J.Ma， “The Influence of Awareness on Epidemic Spreading on Random Networks，” Journal of Theoretical Biology， vol.486， no.1， 2020， pp.110090， 110090.

⑦ W. Wang， M. Tang， H. Yang et al.， “Asymmetrically Interacting Spreading Dynamics on Complex Layered Networks，”Sci Rep， no.4，2015， p.5097.

B11 Walter Lippmann， The Phantom Public， New Brunswick， NJ： Transaction，1993， p.68.

B12 B14 B22 T. De Cesare， “The Lippmann-Dewey ‘Debate Revisited： The Problem of Knowledge and The Role of Experits in Modern Democratic Theory，” Philosophical Studies in Education， vol.43， 2012，pp.106;107，112;122.

B13 T. De Cesare， “The Lippmann-Dewey ‘Debate Revisited： The Problem of Knowledge and The Role of Experits in Modern Democratic Theory，” Philosophical Studies in Education，vol.43， 2012， p.111;John Dewey， “Escape from Peril，”Jo Ann Boydston， ed.， The Later Works of John Dewey， vol.4， Carbondale： Southern Illinois University Press， 1984， pp.?3-10.

B15 參見韋博對李普曼的分析：M. Whipple， “The Dewey-Lippmann Debate Today： Communication Distortions， Reflective Agency， and Participatory Democracy，” Sociological Theory， vol.23， no.2， 2005，pp.156-178.

B16 J. Rosen， “The Action of the Idea： Public Journalism in Built Form，” T. L. Glasser ed.， The Idea of Public Journalism， New York： The Guilford Press，1999， pp.21-48 ;M. Schudson， “ Why Conversation is Not the Soul of Democracy，” Critical Studies in Mass Communication， vol.14， 1997， pp.297-309.大數據和市場問題，已經以“數碼資本主義”和“平臺資本主義”的形式表現出來。用戶參與數據生產和信息傳播滋養了數碼資本主義，更重要的是，這種“參與”有強大的文化和價值基礎，疫情中的參與實際上也反映了這種文化和價值基礎。關于這種文化和價值基礎，可見拙文給出的一個歷史性分析：張鐘萄：《數碼資本主義的文化邏輯：從藝術批判到數據生產中的“參與”》，《文藝理論研究》，2020年即將刊行。

B17 E. Zuckerman， “New Media， New Civics？” Policy & Internet， vol.6， no.2， June 2014， p.151.

B18 A. Chris， “The End of Theory： The Data Deluge Makes the Scientific Method Obsolete，” Wired Magazine， vol.16， no.7， 2008， p.23.

B19 W. R. Lake， R. W， “Big Data， Urban Governance， and the Ontological Politics of Hyper Individualism， ”Big Data & Society， January-June 2017， pp.3-4.

B20 J. Bennett， The Enchantment of Modern Life： Attachments， Crossings， and Ethics， Princeton： Princeton University Press，2001， p.160.

B21 B29 Rajiv N Rimal， Maria K Lapinski， “Why Health Communication Is Important in Public Health，” Bull World Health Organ， vol.87， no.4， 2009， pp.7， 247.

B23拉圖爾甚至認為，這種工具上的改變，意味著我們需要改變整個社會理論。見B. Latour， “Tarde's Idea of Quantification，” M. Candea eds.， The Social After Gabriel Tarde： Debates and Assessments， London： Routledge， pp.145-162.

B24 B25 E. Esposito， “Digital Prophecies and Web Intelligence，” Mireille Hildebrandt， Katja de Vries eds.， Privacy， Due Process and the Computational Turn： The Philosophy of Law Meets the Philosophy of Technology， New York： Routledge， 2013， pp.123，123.

B26 有必要指出，信息中的情緒表達，如恐懼、反感、悲傷與內疚等，會影響人對信息的處理、接受或拒絕。在大數據時代，個體化的信息生產，在語言表達上往往更容易帶有任意性，這加深了公眾對表層信息的關注。關于信息中的情緒類型會影響人對信息的處理，可見：Robin L. Nabi， “A Cognitive-Functional Model for the Effects of Discrete Negative Emotions on Information Processing， Attitude Change， and Recall，”Communication Theory， vol.9， no.3， 1999， pp.292–320.

B27 2020年2月11日，鐘南山院士不得不通過國家新聞平臺（即央視CCTV）回應有關媒體報道“鐘南山的最新論文發現新冠肺炎潛伏期最長可達24天”的問題。在鐘南山團隊的論文中，1099例患者中，真正敘述有24天潛伏期的病人只有1例，但新聞報道卻以此得出疾病的最長潛伏期為24天，再次造成誤解，引發恐慌。

B28 J. M. Bernhardt， “Communication at the Core of Effective Public Health，”American Journal of Public Health， vol.94， no.12， 2004， p.2051.

B30 已有研究討論了社交媒體在推動公眾參與公共衛生溝通中的作用。見Kite J， Foley BC， Grunseit AC， Freeman B， “Please Like Me： Facebook and Public Health Communication，” PLoS ONE， vol.11， no.9， 2016， p.e0162765.

（責任編輯：潘純琳）