前沿话题：数智时代的民间文化研究
主持人语
在数字技术与人工智能日益深度融入社会生产生活的当下，民间文化作为承载民族集体记忆与地域认同的重要载体，正经历传统传承模式转型与数字传播路径重构的双重变革，其生存样态、传承机制及研究范式也呈现出显著变化。本专栏旨在系统探讨数智时代民间文化研究的新视角、新方法与新议题，为促进传统文化与现代科技深度融合提供学术交流平台。本期三篇文章从多元路径切入这一前沿领域，研究或聚焦算法作为“行动者”的理论建构，阐释其如何介入并重塑民间文化的生产与传播流程；或通过具体民间故事案例，剖析其在多媒介重述过程中内在叙事结构的稳定性与变异机制；还有采用问卷调查与内容分析相结合的方法，深入考察故事在跨媒介叙事中的转译策略与受众接受效果。这些探索共同拓展了民间文化在数字语境下研究的边界与实践的可能，同时亦暗含多重学术挑战，如算法介入文化生产时“工具理性”与民间文化“价值理性”的平衡难题，跨学科研究中民俗学质性分析与数据科学量化模型方法的适配性问题等，这些都是当前该领域亟待突破的重要议题。
——主持人 袁瑾
古萝·芙琳特鲁德 王蜜
作者简介
古萝·芙琳特鲁德（Guro Flinterud），挪威警察大学学院高级研究员，主要研究领域为数字文化与社交媒体研究
摘要
近几十年来，民俗学者的研究已经证实网络表达与展演在民俗研究领域占据重要地位，民间文化于数字空间呈现出蓬勃的生命力。然而，针对数字空间作为民间文化场域的特殊性，其理论阐释才刚刚起步。为推进这一理论发展，本研究聚焦于连接性文化中极具代表性的场域之一——社交媒体平台，融合米哈伊尔·巴赫金的言语体裁理论、批判性算法研究与科学技术研究（STS），提出：作为行动者的社交媒体算法，在推动文化变迁与传承的双重进程中，实际参与了民间文化的生产与传播。本研究旨在构建一个理论框架，用以阐释算法如何（无论用户是否察觉）深度介入传播过程，从而深化我们对传统如何在算法治理下的传播生态中被创造与延续的理解。
关键词： 算法；民俗；社交媒体平台；巴赫金言语体裁理论
引言
2022年，人工智能研究公司OpenAI发布的两项发明，标志着人工智能（AI）从一种神秘莫测的强大技术，转变为普通网民也能触手可及的日常消遣。其中，图像生成器DALL-E只需关键词就能生成看着眼熟却又处处透着诡异的图像，在春季一经发布就迅速风靡全网。同年晚些时候，聊天机器人ChatGPT横空出世。由于网络盛传普通人已无法区分一篇论文是A1生成还是出自人类手笔，这让秋季学期批改作业的教师倍感压力。整个社交网络瞬间沸腾，从欢呼雀跃到忧心忡忡，从惊叹不已到无动于衷，各种反应层出不穷。就文化意义而言，这两项人工智能技术的崛起堪称大众认知的重要分水岭——人们开始意识到这些动态技术已然深度融入当代的连接性文化（connective cultures）。实际上，类似的技术早已渗透在我们的传播与文化生产中，对普通网民而言，最直观的体现就是社交媒体平台上常常被大众笼统称为“算法”的技术体系。在当代社交媒体平台上，算法等动态技术正日益深入参与传播进程。无论用户是否察觉到它们的存在，这些技术始终都在积极主动地对内容进行加工与互动。对于研究连接性文化中的文化表达的民俗学者而言，“借助”这一机制进行思考至关重要，因为它从根本层面上参与了文化生产。
在网络民俗学的奠基性文献中，民俗学者特雷弗·J.布兰克（Trevor J. Blank）曾提出这样一个问题：“网络空间中的‘民’究竟是谁……他们与传统意义上的‘民’有何不同？”如今我们或许可以说二者已浑然一体。那个曾经由特定社群和论坛构筑的独特网络空间，现已日渐成为众多生活形态中的普通组成部分。社交媒体平台的交流在当代生活中已无处不在。尽管数字鸿沟依然切实存在，但连接性技术确实正在大规模地形塑传播与文化生产。然而，即便网络之“民”的生活日趋多元，并且愈发难以与线下空间割裂界定，动态技术的深度介入使哪些主体构成网络之“民”的命题重新获得了追问的必要性。这正印证了梅里尔·卡普兰（Merrill Kaplan）的洞见：网络空间中的“民”不仅传承传统，更承担着内容策展人的角色，负责收集与诠释，因为这种策展行为的主体已不仅限于人类，算法也同样参与其中。本文提出，正是算法技术的动态特性表明它们的深度介入使其成为网络之“民”的组成部分。由此引出以下的问题：在当代的连接性文化中，我们应该如何理解算法在民俗文化传承与保护方面的作用？
我将从算法治理下的社交媒体平台的运作机制切入来探讨这一问题。这里所指的平台，其用户界面并非实时显示内容，而是通过基于规则的技术（rule-based technology）进行某种形式的内容编排，例如脸书、推特（本文完稿后推特已更名为X，下文仍沿用原名称）和抖音等平台。当我们步入21世纪第3个10年之际，这些平台已经成为由计算机作为中介的社会化传播的常用平台，也是文化生产的重要场域。当然还存在其他类型的由计算机作为中介的社会化传播，其内容传播并不主动涉及算法参与，诸如各类论坛与即时通信服务。
大多数社交媒体平台通过算法手段最大限度地获取数据——这正是它们的商业模式。社会心理学家肖莎娜·祖博夫（Shoshana Zuboff）认为，社交媒体平台从根本上说属于广告业务形态，它们通过向其他企业出售平台用户的习惯和行为模式来实现盈利：用户并非用金钱而是用个人数据购买平台服务。从这一角度看，社交媒体公司虽显现出自利倾向，但实现这一自利的目标还涉及其他层面：要获得可供出售的数据，它们需要用户，且需要用户的深度参与。正如媒介学者塔勒顿·吉莱斯皮（Tarleton Gillespie）所指出的：“数字服务提供商不仅向用户提供信息，同时也把用户本身提供给算法。”尽管连接性商业机构（connective businesses）常被批评并非出于促进世界互联的纯粹愿望而构建平台，但实际上，它们的商业模式仍依赖于平台用户的满意度。从这个意义上说，算法运用可以被理解为一种优化内容适配性的手段，尽管这始终涉及一种权衡，因为既要投用户所好，又要让他们产生广告商想要的数据。即便这些平台的主要意图并非传播故事和信念，但在实践中，它们已然成为当代故事和信念传播的重要场域。这一点，即故事与信念在人类与算法协同作用下如何被形构与传播，正是本文的研究重点。
下文我将首先梳理民俗学与数字技术的相关研究现状，并基于算法研究与科学技术研究（STS）的成果，论证数字民俗学研究可以如何借鉴这些领域的理论资源。在此基础之上，我将借助巴赫金的理论框架对算法机制进行理论化阐释，将其视为社交媒体传播的组成部分。尽管我会提供一些应用该理论框架的实例，但本次探讨的核心目标，是启发人们在数字民俗研究中以更具创造性的方式与算法共同“思考”。
一、民俗与数字技术
安德鲁·佩克（Andrew Peck）在《民俗与社交媒体》（Folklore and Social Media）导论中系统梳理了数字民俗学近几十年的研究成果，并明确指出线上表达与展演行为已在民俗学研究中占据关键地位，而民俗本身也在数字空间中蓬勃发展。他总结道，随着智能设备、平台及其他数字技术深度嵌入日常生活，当前大量民俗学研究从不同维度涉足数字空间，这意味着“数字民俗”这一标签正逐渐突破子领域的界定范畴，而更多地指向方法论与视角的转变。正如佩克所强调的，数字技术在不同语境中的运作机理才刚刚明晰，而要系统化阐释社交媒体与连接性对传统与民俗的影响，学界仍有大量工作待完成。随着对数字空间民俗内容分析的普及，新的问题也随之浮现：当传播与文化生产发生于数字空间——而非其他空间或与之交织的其他空间时，其特殊性究竟何在？本文将重点探讨该问题的一个方面：算法的相关性。
在民俗学领域，最明确涉及算法技术的研究通常被归类为“计算民俗学”或“大数据民俗学”。这类研究的特征在于运用算法分析民俗材料，无论是数字原生内容，还是被数字化的传统档案资料。换言之，其中的算法在本质上是方法论工具，主要用于对既有材料进行分析。开展此类研究的方法论基础仍深深植根于民俗学理论框架之内：即认为民俗文化存在于宏观层面，是一种持续不断的传承与变迁，通过对故事异文、信念形态等的分析，能够揭示群体间的联结及其意义建构机制。随着用于大数据分析的算法技术的进步，这些联结与变迁得以被可视化呈现，从而绘制出所谓的“民俗宏观镜”（folklore macroscope）。民俗学家蒂莫西·R.坦格赫里尼（Timothy R. Tangherlini）的研究在该领域影响尤为显著。
例如，他与计算机科学家彼得·布罗德韦尔（Peter Broadwell）合作开发了一套名为“猎巫者”（WitchHunter）的系列工具，可检索大型民俗数据库并实现其内容的地理空间可视化。借助该工具，他们展示了如何用计算方法挖掘宏观层面的关联，从而为传统档案资料的研究开辟新的研究视角。坦格赫里尼和他的团队还证实，计算方法能用于研究数字原生民俗。他们开发了故事在线传播宏观结构的可视化模型，进而揭示这些故事（例如）在构建与维系阴谋论中所扮演的角色。
网络民俗研究中对“放大效应”（amplification）这一概念的应用，彰显了对人类能动性的重视。惠特尼·菲利普斯（Whitney Phillips）在阐述“新闻放大效应”（journalistic amplification）时，虽未明确定义“放大效应”的概念，却始终用其描述人类能动性。在《新冠阴谋论：QAnon、5G、新世界秩序与其他病毒式传播的观点》（Covid-19 Conspiracy Theories:QAnon,5G,the New World Order and Other Viral Ideas）一书中，“放大效应”被定义为“当平台守门人（如新闻节目）为阴谋论者（或其观点）提供发声机会时产生的现象——通常是为了呈现所谓公正平衡的报道”，这一定义明确强调了人类行为者的能动性。
换言之，尽管这两项研究都承认“放大效应”是理解网络错误信息传播的关键，但它们都将背后的能动性明确归属于人类主体。佩克（2020）则明确探讨了算法在这一过程中的能动性。他将“放大效应”概念化为一个三角反馈循环，其中日常用户、大众媒体和算法在放大特定内容的过程中相互影响。他指出，“放大效应”的产生实质上是这些要素的互动结果，并强调基于此，算法应该被视为网络传播过程中与人类能动性并行的、具有主动性的组成部分。
此处并非要否定菲利普斯或博德纳（Bodner）及其团队所做的实证研究的价值，也并非指这些或其他民俗学研究忽视了相关媒介或技术在这些过程中所起的作用。数字民俗学研究通常以媒介理论为基础，这些理论着重揭示人类如何创造性运用与之交互的技术。我的目的则是通过凸显算法作为技术要素在当代数字图景中的能动性，将这些理论推向更深层次。例如，尽管人们确实可以通过有意识的协作进行点赞、分享等操作，使某个故事在特定平台上成为热点，但这些行为的实现始终依赖于算法的存在——正是算法在个性化推送的背景下，将故事分发给平台的每个用户。虽然热门故事的原始内容在各地相同，但每位用户在其设备上看到该故事的具体呈现语境却因人而异。算法在这一过程中所起的作用，或许能为我们研究这一现象提供更深入的洞见。
在数字民俗学研究中，传播学学者亨利·詹金斯（Henry Jenkins）的理论被广泛引用。他在20世纪90年代初借鉴米歇尔·德塞杜（Michel de Certeau）的“文本盗猎”（poaching）概念，提出了“参与式文化”（participatory culture）理论，用以描述流行文化爱好者通过创作自己的故事来获取对原文本意义的阐释权，从而推动了故事从流行文化向民间话语空间的转化。随着数字传播在21世纪初的深入发展，该理论进一步演变为“融合文化”（convergence culture），旨在描述“技术、产业、文化和社会层面的变革——其具体内涵取决于言说者的身份立场及所指涉的议题”。
后来，这些理论观点又得到进一步拓展，新增了“可传播性”（spreadability）与“粘性”（stickiness）两个概念，前者用来分析内容传播的技术基础与文化动因，后者则不仅关注传播过程本身，更着眼于内容在传播落地后的持续影响力。这两个概念对理解数字时代的民俗及其与流行文化的关系至关重要。然而这些理论仍具有人本主义特征，其立论基础始终是人的能动性。它们探讨人类如何通过其所处的技术媒介环境持续创造与再创造文化内容，却未充分考虑到部分技术在当代数字传播中已经具备了自主创作能力这一事实。托克·汤普森（Tok Thompson）在《美女、野兽与法农》（The Beauty,the Beast and the Fanon）一文中，着重阐释了德塞杜理论中未被詹金斯充分理论化的维度，他主张不应过度关注宏观文化体系或其中的个体，而应聚焦二者间的连接关系。
当我们着眼于连接而非节点时，算法能动性的重要性便得以显现，因为这种技术在网络通信的流动过程中始终保持着动态介入的特性。在算法主导的空间里，连接并非直接发生于人与人之间，而是形成于人与算法之间。下文将就此展开进一步论述。
数字民俗学中另一个具有影响力的理论是心理学家詹姆斯·J.吉布森（James J. Gibson）于20世纪70年代提出的“可供性”（affordances）理论，该理论在21世纪初被又进一步发展，成为理解数字传播中人类能动性的核心理论框架。吉布森提出这一理论旨在解释动物（包括人类）行为如何受环境影响，其核心论点是：人类总是尽其所能地改变环境以使生活更便利。本质上，这是一个强调人类与环境互动的理论，它既关注环境如何塑造人类，也揭示人类如何反过来试图改造环境以实现不同的行为方式。作为一种数字时代的人类行为与传播理论，它聚焦于数字界面和技术可能性如何塑造人们的言行边界，以及由此产生的预期和非预期后果。詹金斯的理论是聚焦内容的中介理论，而可供性理论则更明确地聚焦技术，它不仅探讨传播的内容，还包括传播的物质性，诸如设备和界面等。
然而，该理论仍主要是从人类能动性出发，将技术视为静态的（只要未被人类改变），探讨人类如何受技术影响并作用于技术。这一视角对理解数字时代的人类能动性具有重要启发意义，但它未能充分考虑算法为数字传播带来的特殊性，尤其是民俗传播过程——它既是群体在特定空间中的交流，也是通过这种交流塑造的集体信念与传统。算法以不同形态存在于各社交媒体平台，其作用已超越“可供性”，因为它们直接改变传播本身。算法不仅是影响人类的环境要素，更是能改造环境、重塑内容的动态力量。以“可搜索性”为例，社交媒体学者丹纳·博伊德（Danah Boyd）将其列为她所称的“网络化公共空间”的三个可供性之一。她指出，搜索引擎的出现改变了人们获取信息的方式，也改变了我们对信息可及范围的认知预期——从单纯获取事实和书面资料，到能够定位具体人物和空间位置。此处的“可供性”体现为搜索引擎界面设计及使用经验共同塑造的用户预期。
算法是这一“可供性”的核心组成部分，但算法本身并不等同于“可供性”。算法不仅影响行为，还参与意义建构的过程。并非说“可供性”理论本身存在谬误或不足，而是说在数字民俗学领域，我们还需要其他理论路径来阐释算法，从而为理解数字民俗演化过程提供更多视角。
二、算法研究与科学技术研究
要使这一切言之成理，我们必须关注人文学科如何将“算法”作为一个概念来使用。正如人类学家尼克·西弗（Nick Seaver）所指出的，算法具有多重性，它在不同情境、对不同主体而言，往往呈现出不同的形态与意义。从严格的数学定义来看，算法是描述事件序列确定性的“食谱”。计算机科学教科书通常以极其简明的语言定义算法，例如“在有限时间内完成某项任务的逐步执行程序”，或“将输入转化为输出的计算步骤序列”。这些基本原理构成了我们日常交互的在线平台背后海量复杂运算的底层逻辑。而这些专业定义之所以对我们从文化视角理解算法至关重要，在于其揭示了算法的动态本质：算法被描述为具有执行与转化的能力。即便在最基础的技术认知层面，算法也始终在行动。随着算法通过数字平台与通信技术日益深入当代文化肌理，其影响力早已超越单纯的技术操作范畴。过去20年间，学界对其社会效应的关注催生了批判性算法研究这一跨学科领域。
该领域不再从技术功能角度界定算法，转而关注其复杂的社会文化功能。社会学家大卫·比尔（David Beer）从“社会权力”维度阐释算法，强调“必须理解算法的本质属性与实践效能，才能充分把握其影响力与后果”。吉莱斯皮强调了算法的重要性，指出算法代表着一种特定的“知识逻辑”，构建了当代社会中被认可为知识的内容。媒介学学者泰德·斯特里法斯（Ted Striphas）在论述“算法文化”时提出了类似观点，他揭示了算法系统如何在数字化社会中接管了他所称的“文化工作”，包括分类、排序与等级化。其他学者则从关系性角度来阐释算法，例如西弗认为应将其视为“作为文化的算法”，而非“文化中的算法”。他主张，与其将算法视为影响社会的技术，不如将其看作社会本身的组成部分——不是外在于文化的变革力量，而是“不稳定的对象，通过人们与之互动的实践在文化中被塑造”。
塔伊娜·布赫尔（Taina Bucher）对“算法想象”（algorithmic imaginary）的阐述延续了此路径，聚焦于“人们如何想象、感知和体验算法，以及这些想象所催生的可能性”。
我们无法明确区分“算法”的技术定义与社会文化定义。西弗指出，批判性算法研究正经历“术语焦虑”的困扰，这种焦虑源于学科边界的交叉地带的研究工作，这类研究常常存在一种潜在假设：技术知识才是理解算法的关键。从科学技术研究的立场出发，西弗认为将某些知识类型框定为“只需被打开的黑箱”存在物化风险，而这种假设实际上构成了许多算法批判研究的基础；仿佛只要我们了解其构建原理，就能改进它们。布赫尔认为，对于文化与社会分析而言，将技术视为黑箱的观念甚至可能偏离了我们专业所长且能够解答的问题范畴；关键并非算法在技术底层如何运作，而在于它对传播产生了何种影响。西弗指出，对算法的研究在实践中关涉的是算法系统如何远远超出代码本身及其中写入的偏见，而非将算法视为单一技术。循此理路，本文使用的算法概念并非指向实际的技术运作，而是旨在揭示：认识算法对传播与内容的影响机制，对民俗学研究具有方法论意义。
诚然，某种程度上掌握研究对象得以传播的技术基础知识确有裨益，但民俗学家的专长始终在于文化文本的解读。无论我们是否掌握特定算法的具体技术原理，认识到我们在数字空间采集的文本实为动态技术创造的产物，都将拓展并深化我们对此类文本的解读以及对其传播机制的理解。这一点可以用民俗学与心理学之间的学科关系加以类比。民俗学家的研究介于人类心智与集体文化表达的交界地带，因此相关心理学原理与概念对于阐明民俗学研究的某些面向如前文所述的“可供性”理论，具有重要价值。但民俗学研究并不依赖于对认知神经科学或大脑内部运作机制的透彻掌握。正是基于这一理路，笔者认为将算法思维引入传统演进过程具有重要研究价值，并非宣称数字民俗研究者需要成为程序员或通晓现有复杂算法的内部机制，而是鉴于算法在当代数字空间中深刻影响着传播实践，其作为传播主体的能动性应当被考量。
这固然需要理解技术功能，但更重要的是，必须重构既有的民俗学理论以回应这一新的动态机制。
例如，在分析网络矛盾性内容的潜在危害时，菲利普斯与传播学学者瑞安·米尔纳（Ryan Milner）指出：“一则故事引发的互动越多，便越可能通过在线交互中的传播与变形持续存活；内容的传播具有模因性（memetic），无论参与者的分享是为了表达支持、厌恶，还是介于两者之间的任何态度。”在他们所描述的这一过程中，人类并非唯一的主动参与者。互动越多，传播越广，这是普通互联网用户对算法运行方式的常见理解。“模因性”概念源自“模因”（meme）一词，后者通常指网络空间中流传的、由图像和文字组合而成的幽默内容。该概念可追溯至理查德·道金斯（Richard Dawkins）的畅销科普著作《自私的基因》（The Selfish Gene），书中将“模因”作为文化领域的“基因”（gene）类比提出。
埃利奥特·奥林（Elliot Oring）指出，这一类比存在诸多问题，但由于“模因”一词已成为连接性文化中的主位术语，“模因性”作为描述互联网内容传播的概念已被广泛接受。菲利普斯和米尔纳提出“内容以模因式传播”时，所指的是一种超越人类能动性的过程，这种过程在某种程度上暗合基因与模因的类比关系；我们分享内容，却难以完全掌控其传播路径或后续影响。当然，这一规律适用于任何传播形式，我们永远无法完全掌控我们的叙事如何被接收、解读与利用。但在算法平台上，内容从一人分享到另一人接收的过程中，已被暗中操控。奥林指出，“模因”和“模因式”的概念因其理论包袱而备受质疑，且它们在2000年初的流行并未对现象提供任何新的解释。尽管术语本身存在争议，但“模因”等词在学术与大众领域的持续使用，恰恰表明线上仍存在许多未被民俗学理论充分阐释的民俗现象。
因此，数字民俗学者仍需要从理论层面继续探讨，这种“模因式传播”从民俗学视角来看究竟为何物，以及它在传统传承与民间表达中扮演何种角色。算法主导的社交媒体平台的广泛应用，切实体现了技术在当代日常生活中如何深度参与故事与信仰的传播。若能融入“物的能动性”视角，或可拓宽我们对连接性文化与民俗文化交织关系的理解，这一视角让我们意识到，算法技术是如何积极渗透到我们的文本实践中的。将“物”视为具有文化生产性的观点，在民俗研究中早有先例，至少可以追溯至阿尔君·阿帕杜莱（Arjun Appadurai）颇具影响力的文集《物的社会生命》（The Social Life of Things），但这一视角在数字民俗研究领域却较少被关注。尽管算法具有能动性已是共识，但民俗学研究若将算法视为与人类并列的行动者——正如科学技术研究学者布鲁诺·拉图尔（Bruno Latour）所言：“行动者即被诸多他者驱动而行动的存在。”——并据此构建理论框架，或许能开辟新的学术路径。
由此可见，人类与算法在复杂的互动中彼此驱动，共同影响着传统的生成、延续与传播。
本文后续部分使用“算法”这一术语时，并非指不同社交媒体平台上各种具体算法网络的实际运作方式，而是指在结构层面上被视为“行动者”的概念，我们必须通过在语境中解读文本来分析其行为及影响。在接下来的部分，我首先提出一个理论框架，用于理解算法如何成为社交媒体平台传播的有机组成部分——这里以米哈伊尔·巴赫金（Mikhail Bakhtin）的言语体裁理论为观察视角。接着我会阐释，言语体裁理论能够从传播链条里两个相互关联的位置切入，对算法在“延续与变革”这一双重进程中的作用展开理论化解读：一是作为接收者的位置，二是作为发送者的位置。
三、连接性技术的巴赫金式阐释
在《言语体裁问题》（The Problem of Speech Genres）中，巴赫金将“表述”确立为言语交际的核心单元，这对理解语言既是交际工具又是艺术形式的双重属性具有决定性意义。表述形式丰富多样，小到单个的感叹词如“停！”，大到长达多卷的小说系列，都属于表述范畴。前者即巴赫金定义的“初级言语体裁”，这是日常交际中简单、基础的表达形式，后者则属于“次级言语体裁”，即那些“吸收并消化各类初级（简单）言语体裁”的复杂表达形式，如艺术文本与科学论著。作为一种形式，表述被宽泛地定义为语言中任何可被识别为完整单位的表达。这一宽泛定义之所以能适用于各类人文分析，关键在于每个表述内容的具体性——既与其他表述形成关联，又受制于其发生的语境。换言之，将表述作为分析单元来概念化，有助于我们理解作为交际行为的言语。表述的这种关系性特质通过言语体裁得以界定，它描述了人类如何自觉或不自觉地使其交际行为适应特定语境。以数字平台为例，同一个人可能在脸书上发布其乐融融的家庭动态，又在推特的政治议题论战中使用居高临下的言辞，却不会引发非议，因为这两种表述方式在各平台中均属于公认的言语体裁。
表述的根本目的在于交际，是一种建立联结的行为方式。在这一过程中，表述者既需要调动对先前语境的知识（或预设），也需要考量受话对象的特质（或预判）。从这个意义上说，表述不仅承载着先前表述的痕迹，也蕴含着对后续表述的预期——它本质上是对话性的。正如理查德·鲍曼（Richard Bauman）所言，在巴赫金的理论中，对话性是“普遍性的、根本性的，它既涵盖表述之间所有的共鸣方式，又构建意识、社会与文化的存在基础”。鲍曼展示了如何将这一总体理念以更具体、更具实证基础的方式应用于分析“说话者通过其文本与其他文本建立关联的方式”。若将说话者理解为通过与其他文本建立关联来生成新文本的主体，那么执行排序、分级和过滤他人文本的算法，必须与聊天机器人等其他文本生产技术一样，也被视为说话者。表述的生成兼具机械性与创造性，说话者既依托社会共识，又借此传递个人意图。风格、形式与内容都是这个过程的组成部分。
虽然可以将其分解以深化理解，但巴赫金强调，若要真正把握语言在现实中的使用方式，分析就不可以遗漏任何部分。交际的成败取决于这些要素能否协同运作。当我们将算法视为交际活动中的行动主体时，它们会突显语言与传播的系统化特征。从技术角度看，每个平台的算法均由人类编写，背后蕴含着一套特定但可能复杂的意图体系。它可能是为了维持用户在平台的活跃度，或向特定目标群体推广产品；保护用户免受骚扰，或阻止其非法活动；又或者，仅仅是为了优化热门平台界面的信息过载问题，毕竟不断更新的实时信息流反而可能阻碍而非促进交流。批判性算法研究表明，搜索引擎和社交媒体平台的算法反映了程序员编写时植入了复杂意图与偏见网络。然而在研究传统形成过程时，人类程序员的意图已退居次要地位，研究重点转向算法技术实际如何参与叙事、信念与传闻的传播。
关键不在于否定人为因素的重要性，而是要强调，若要理解算法内嵌偏见影响信念的机制，就必须同时密切关注算法在实践中的具体表现及其与人类的交互过程。我们可以将算法的行为类比于人类言语交际中常见的无意识过程，在这一过程中，人们能在瞬间调整自己的表达方式，使其符合恰当的言语体裁，从而实现有效沟通。由于算法作用于使用中的语言，因此具有生成性。但从纯技术角度看，算法是保守的，因为它始终依据相同的数学规则来处理表述。然而，从它需要响应人类不断变化的交流活动这一角度看，算法又始终具备创造性。算法嵌入了人类言语交流的对话本质，将动态输入转化为动态输出。每当用户打开或刷新社交媒体账户时，无论是脸书、推特上不断更新的信息流，还是抖音上自动播放的视频——他们看到的界面，都是算法对变化内容的即时汇总。这种界面是算法的产物：它是算法的表述。
界面中也包含真实人类的表述，但借用巴赫金的说法，这些已经被算法“吸收并消化”，最终生成我们与之交互的界面。直觉上，用表述这一概念分析社交媒体是非常自然的。社交媒体这个概念本身，承袭自计算机通信的早期理想，理论上它是一个人人皆可平等表达的话语空间。民俗学家罗伯特·格伦·霍华德（Robert Glenn Howard）指出，这种自由流动的话语空间的原始理念，已经因算法的引入而被杂糅化，如今它同时受到平台公司利益和民间表达行为的支配。参照巴赫金对初级表述与次级表述的区分，我们能够从理论上把握这种复杂性。我们既可以将每条话语当作日常语言理解——即个人直接言说的初级表述；也可以把平台界面视为对诸多初级表述的系统整合，即次级表述。如此，算法便成为话语传播的关键要素，构成传播链条中的生产性环节。以脸书动态消息或推特信息流为例，它们本质上可以理解为一种算法表述。
在算法主导的传播中，人类初级表述的受众难以预知，甚至可能完全无法触达他人。因此，个体的每次表述，都取决于其对不同层面话语体裁的理解。它们一方面受制于人际互动的话语体裁无论是明星八卦、幽默段子还是政治辩论，另一方面也需要顺应布赫尔提出的“算法想象”，即他们认为能让内容迅速扩散的潜在规则。如此一来，社交媒体的初级表述实际指向两类接收主体：一是就议题进行交流的人类对象，二是决定内容传播范围（无论是全域扩散还是定向投放）的算法机制。必须区分的是，社交媒体用户与算法形成的互动关系，本质上不同于对媒介可供性的常规运用。这不仅是应对媒介可能性与限制的问题，更涉及算法如何深度嵌入并重构整个传播流程。将分析的重点转向话语体裁，能够揭示社交媒体平台传播的复杂纠缠关系，清晰呈现人、技术与内容三者的动态协同机制。只要深入把握该过程中行动者的独特性及其相互作用的特异性，就能对连接性文化中的文化生产获得更全面的认知。
四、传播链中的算法
作为接收者的算法——算法如何形塑我们的表述
巴赫金理论的核心在于理解接收者对表述的能动作用：“表述的产出始终以潜在应答反应为考量，本质上，它正是为这些反应而存在的。”巴赫金认为，接收者绝非被动的听众，而是言说者建构表述时主动对话的参与主体。因此，在算法治理型社交平台上，用户的表述对象既包括人类接收者，也涵盖作为“准接收者”的算法系统。
布赫尔对算法想象的实证研究表明，身处连接性文化中的人们可能对算法极为熟悉——算法理念已深刻渗透其生活与传播实践。社交媒体用户通过日常登录中的界面互动，逐渐形成对平台界面的具身认知。例如，识别出广告和推荐内容与先前谷歌搜索记录或个人数据的关联模式，用户就是这样逐渐理解算法运作的。
布赫尔的研究揭示了用户如何与屏幕故事流互动并加以诠释，如何主动调整内容结构、发布时机、措辞选择、表现形式以及话题选择。在她的研究中，一位化名迈克尔的受访者，是一位独立音乐人，就基于个人经验总结出一套规则，用于在脸书上推广自己的音乐作品。这些规则涵盖：选择特定夜间时段发帖、使用“惊艳”“绝了”等特定词汇，并坚信帖文发布后最初十分钟的互动量决定其总传播度。个体的创造力被裹挟在如何使内容可见以及面向何种受众的双重预期之中。在此意义上，算法想象成为我们如何从话语（或视觉的、听觉的）表达中发现“算法作为接收者”痕迹的描述——这些表达承载着用户的体验与预期。
从这一视角出发，用民俗学的术语来说，我们可以将算法视为一种传统民俗采集者，它记录并归档我们呈现的故事，但只选择其中少数向大众展示。这绝非普通受众，而是拥有特殊权力的观众。算法想象迫使我们进行展演，将我们转化为主动的叙事者，我们不仅要构思吸引人类的故事，还要设法取悦算法，尽管这两种诉求在实践中往往纠缠不清。在前面迈克尔的案例中，他的主要目标虽是向人类听众分享音乐，却选择了一种自认为能促使平台算法对其作品广泛传播的方式，因此表述的生产同时面向潜在人类受众与算法受众。用“惊艳”“绝了”等词描述自己的音乐，并非迈克尔孤立的个人选择，而是他在综合考量接收者可能的反应后做出的策略性行为。这不仅涉及可传播性的技术可供性（即算法功能是否允许），更植根于动态的体验过程。在这一过程中，用户通过持续尝试与解读不同结果，在与平台算法的反复互动中形成“复调式经验”：特定策略多数情况下有效，但存在例外。
在民俗学分析框架下，重点不在于去了解迈克尔试图与之博弈的技术机制本身，或者迈克尔的博弈方式是否正确，而在于指出其行为实践已构成了一套独特的信念体系。意识到社交平台算法治理的用户，其发帖行为深受自身算法认知的影响，这种认知不仅来自对静态界面的操作，更通过持续体验界面内容的动态变化而形成。这些信念作为文化文本的组成部分，理应纳入我们民俗学者的研究范畴。
迈克尔为提升其音乐传播效果所践行的规则，体现了他对具有自主行为能力的行动者的认知，这种认知可通过分析其文本及创作表演实践予以识别。这主要体现了迈克尔将算法视为接收者的认知如何与其帖文协同创作，但同样需要注意，这类认知如何影响诸如传闻、传说等民俗内容的传播——即关于接收者的认知如何重塑信仰的传播形态。在近期对挪威警方社交媒体的田野调查中，我注意到其推特账号多以纯文本形式发布内容，并以地理标签开头，而脸书帖文则几乎总是图文或与视频结合的形式。这些操作惯例反映了当前的一种群体认知，这种认知事关如何才能最大程度地说服各平台算法去传播特定内容，但同时这种认知也反过来作用于叙事本身及其所传播的信念。
挪威警方经常通过脸书向公众通报潜在的危险并提供防护指导。例如，在关于网络诈骗的警示中，书面文本往往以传播客观权威信息的方式表述，如：
“您是否收到过此类可疑邮件？诈骗手段层出不穷（短信/邮件等均有出现）。请保持警惕！彻底核查发件人身份及网址。若无法确认，请向亲友求证！更多防诈信息请访问警方官网：[链接]#反诈#网络巡检#警方提示。”
贴文配图通常展示诈骗邮件示例，例如采用苹果公司官方设计风格的截图，声称用户的账户被锁定，并要求点击按钮验证。
虽然这个例子中的帖文内容仅为泛泛警告，强调此类诈骗会以不同形式出现在各类设备上，但配图的加入却将这种抽象风险转化为具体可感的威胁，使其悄然融入关于网络诈骗的当代都市传说叙事体系，形成一种隐性的故事框架。人们更热衷于谈论苹果公司的最新动向，而非泛泛地询问彼此近期是否遭遇邮件诈骗。这种案例配图的使用，不能仅归因于图片得以便捷上传的技术可供性，其高频使用同样受到一种认知的支配，即图像更能引发关注，可以驱动算法将帖子推送至更广范围。对算法的认知催生了新的言语体裁，例如通过图像进行交流。这些表述方式通过向算法定向传递信息而形成，虽呈现在个体表述中，但其影响力已经超越个体层面，而是作为传播链的组成部分持续重塑着文化传统。在分析警方社交媒体如何塑造人们对危险的认知时，算法作为接收端对表述的影响，是理解这些认知传播机制的核心。
作为叙事者，我们会受到受众的影响，而作为社交媒体平台的叙事者，我们的受众是多元的，既包括人类也包括算法。即便个体并未意识到算法的存在，这一论断依然成立。然而，算法并非仅是我们试图取悦的普通受众，而是掌握叙事传播权的仲裁者，它既能将故事广传他人，也可将其隐匿于鲜少人知之处。因此，社交媒体用户会像传统的叙事者一样不断调整表达方式，不仅通过谨慎选词和突出特定视角，还会采用连接性领域特有的手段，例如使用关键词、话题标签，以及精心挑选的图像，而非依赖纯文本。这些行为的展演性已有多种理论上的探讨。例如，民俗学者希拉·博克（Sheila Bock）在研究话题标签时，将其与差异身份以及在种族类别协商中体现的民俗学意义上的边界工作等概念联系起来；而科佩莉·科克（Coppélie Cocq）则使用“民俗分类法”这一术语，来理解推特话题标签在萨米人（Sámi）等原住民的文化表达实践中所扮演的角色。
类似地，琳恩·麦克尼尔（Lynne McNeill）主张，每个标签不应被视为词汇，而是应该被视为民俗本身。她强调，对数字表达进行分类归档的工作需持续进行，且每一种表达都应被视作更广泛表达网络中的一环。不过，社交媒体用户对帖文的某些调整行为，与其说是展演，不如说它们更贴近言语体裁的范畴。民俗学对标签的研究聚焦线上民俗表达如何通过标签建立群体身份，解读的关键在于标签符号后的文本内容，而非符号本身。例如，使用“#Black Lives Matter”（“黑人的命也是命”——译者注）标签的行为，既是对行动主义的实践，也标志着对某一群体及其事业的认同。但当人们以他们自认为能与算法沟通的方式撰写帖文时——比如在口号中添加话题标签符号——这显然不是因为他们将算法视为这个群体的一部分。
吉莱斯皮提出，在推特上使用话题标签就是“重新设计我们的表述方式以便被算法更好地识别”，并强调必须同时从两种角度来理解：它既脱离于人类意义生产的过程，又参与其中。算法化展演更多关乎传播问题而非意义生产，但因这种展演同时改变了表达的形式，此种关系便成为民俗学传统研究焦点之外的新增维度。
考量“他者”对我们分析对象的影响，是民俗学分析的核心组成部分，这不仅涉及展演性维度，当按照汤普森（援引德塞杜）在前文所述的传播视角来具体考察时，还需密切关注节点之间连接处的动态。算法治理型平台的独特性就在于，此情境中的“他者”不仅包括社区群体、话语的直接可见语境，或是我们作为研究者通过民族志或访谈对受访者产生的影响。这里，我们还需考量所谓“技术他者”的影响，它是一个动态的机械组成部分，以人类研究者或作为读者、收集者的社群影响之外的方式塑造话语表达，却内在于特定平台上的传播过程。这并非差异化解读的问题，而是需要考虑又一重语境维度，并承认该维度是参与文化进程的实体。连接性场域的互文性已超越人类创作的内容范畴。并非我们当前对传统和体裁的概念认知已经失效——恰恰相反，它们仍然极具价值——但这些概念需要被重新思考与语境重构。这使得从言语体裁的角度理解此种传播变得尤为重要：尽管始终处于流动且多元的状态，但每种算法想象都会形成自身相对稳定的传播理念体系。
作为发送者的算法——我们如何影响算法的表述
探讨了将平台算法视为我们表述的接收者，从而通过预期回应的痕迹成为我们表述的一部分所产生的影响。然而，从巴赫金的视角来看，先前的考察仅仅是整体图景的一部分，且严格来说，其本身更贴近可供性理论的范畴。将算法视为传播链中的参与者，意味着研究焦点需要从能发现算法痕迹的人类表述转向算法自身产生的表述。用鲍曼的话来阐释：当我们考察社交媒体用户如何依照其经验与预期构建的任意认知体系所衍生的规则，使自身话语与算法话语对齐时，便已承认算法同样在将其话语与我们的对齐。社交媒体平台的算法本身并不直接生产话语，而是主动对平台用户的言论进行重组、推广或优先级排序，从而生成由他人话语构成的次级表述。从这个意义上说，社交媒体平台的传播机制与鲍曼描述的“中介化惯例”具有相似性：在这种传播结构中，最简化的模型是——原始话语通过中介者传递，中介者从说话者那里接收信息并转发给接收者，而接收者将中介者视为原始话语的转译通道。
这种结构有助于我们从多个层面去理解社交媒体平台上语境化的传播机制。表面上看，这揭示了社交媒体用户对算法的一种朴素认知，他们认为算法只是将人类发出的原始话语（即未被算法修改的初级表述）传递给目标受众，而不会对其进行改写。但这一结构也促使我们去反思，传播是非线性的、多维度的。鲍曼特别强调需要考虑本地语境，在算法主导的社交媒体平台这一特定本地语境中，信息流通过呈现他人帖文的列表，使传播活动呈现为一种复调形式。接收方获取的并非孤立的原始表述，而是呈现多元对话关系的表述集群。当作为整体去解读时，其本质不是由中介转述的产物，而是主动建构的结果。因此必须认识到，中介者传递作为初级表述的原始话语时，必然衍生出作为次级表述的原始话语。
这种特定的中介化惯例不仅创造并维系着有关传播的认知体系，更直接影响了传统本身：算法固然中介着原始表述，但它实质上决定哪些故事、传闻、传说和信仰被传递给哪些人、以何种顺序、持续多长时间，因此算法是主动的参与者。作为民俗学者，我们无须拆解算法黑箱来理解不同平台上支配传播的数学规则，而应关注通过文本显现的传播结构，这些文本即流动于数字空间中的初级与次级表述。在方法论层面，这不仅要求我们记录和分析故事、图像、模因或视频等初级表述，还需要将社交平台个人账户主页与信息流等次级表述作为算法表述纳入分析文本。
以我个人推特账户的信息流为例，虽然早在2007年便完成注册，却从未成为活跃用户，而目前还保留账号的主要原因是要研究挪威警方对社交媒体的使用情况。在我开始收集数据时，推特仅允许研究者通过其个人账户申请访问研究者API。此外，通过自己的账户关注目标账号，能更便于我对这些账号进行定性追踪。这意味着我关注了大量警方账号，其余关注的则是随机选择的朋友、同事以及一些国际学者。除了研究工作，我的日常活动主要是被动地浏览信息流，偶尔给一些触动情绪的推特点赞，或者转发我觉得特别有趣的内容。也就是说，除了自己的行为数据向算法传递偏好外，我极少在推特上主动发声。这意味着，当算法向我推送内容时，我会看到混杂多样的推文，这些推文来自我直接关注的人、他们的关注者，甚至更外围的关联用户。显然，巴赫金的“传播链”概念是理解网络传播的分析工具，实践中的传播链绝非线性。我还看系统基于主题标签推送的内容。撰写本文时，界面正推送一个带有“#动物”标签的猫的视频，发布账号完全不在我的社交图谱内。算法准确推断出可以与我探讨有关动物的话题，但紧接着又推荐了标着“#足球”的内容，看来离机器统治世界还远着呢。
分析我的推特信息流时，最值得关注的是那些平台灌输的叙事及其附着的信念与世界观体系。例如，过去几年挪威法律界人士与公民行动者以“#Drug Twitter”为阵地，发起了一场针对禁毒斗争的斗争。他们致力于挪威毒品政策改革，具体针对的是一个主要由警员组成的游说团体“挪威毒品警察组织”，该组织主张对毒品犯罪采取强制措施与严刑惩戒。尽管笔者未参与论战，且关注的警方账号也未涉足相关讨论，但过去两年“#Drug Twitter”的推文仍通过算法机制主导了我的信息流。我推测这与所处的话语网络结构有关：我的几个同事积极参与讨论，其他朋友关注该议题并偶尔点赞。或许“警察”一词的高频出现形成了语义影响因子？本文不展开分析该网络及其影响路径，仅指出随着时间推移，我逐渐提高了对相关推文的完整阅读以及点赞的频率，并在工作与家庭场景中更频繁地讨论该议题的进展。
尽管我从未就该话题主动发过推文，但已逐渐与推特算法形成更多关于这个话题的交互，且值得注意的是，与同事朋友就该话题进行的面对面交流也显著增加。因此，在从社交媒体平台收集数据时考量算法表述的影响，或许可以为分析增添一个维度，因为它已经以超越线上线下场域的微妙方式与传统动态相联结。突出算法作为发送者的角色，标志着我们对社交媒体平台用户的认知发生了转变：从关注算法的想象性运作如何影响人们的言行，转向将算法视为发送者而凸显人类作为接收者的角色。这并非是在暗示算法是主动的，人类是被动的，而是将研究视角从算法如何影响人类行为转向人类如何影响算法行为——其前提在于该过程具有对话性，视角转换是为了聚焦不同维度以更完整地理解整体。依照巴赫金的理论，接收者会主动建构发送者的信息，这一过程在社交媒体算法中也得以体现，算法的设计使其能持续根据人类（或机器人账号）的表述来调整自身的表述。
在此语境下，算法生成的表述可以被解读为一种彻底的民俗化产物：它无疑是对“民众之声”（Voice of the Folk）的重构，且本质上不可能成为其他任何事物。虽然可以说这种内容重构是科技公司对数据无止境渴求的结果，但需要指出的很重要的一点是，当用户打开脸书时，真正影响他们认知的是平台把这些内容包装成了“时事要闻”的模样。算法基于与用户持续不断的对话来宣告当下发生的事件，而这种对话本身又根植于传播链条上过往各个节点环节的累积。
平台算法的创造性在于它能吸纳人类交流的内容，进而生成新内容。由于人类表达具有动态性，算法也随之变得动态化。它持续生成独特的回应，而当输入内容发生动态变化时，算法必然也产生动态输出。算法并非在凭空创造——它将输入转化为输出——但正如巴赫金所言：“言说者并非圣经中的亚当，只需面对那些未被触碰、尚未命名的对象，首次为它们赋予名称。”无论是算法还是人类，都不是在凭空产出。巴赫金意义上的“创造性”，是指通过关联那些始终处于动态进程中的既有内容来生成新事物。
言说者的话语主题本身必然成为竞技场——在此，他的观点（针对日常事件的交谈或争论）将与对话伙伴、或其他立场、世界观、思潮、理论等（在文化传播领域中）相遇……这一切都属于他人话语（无论人格化或非人格化形态），且必然在表述中得到反映。
将算法具体化为发送者，实质是将其确立为传播链的参与主体，其生成的每个表述虽具个体性特征，却始终是人类用户表述的派生产物。作为言说者，算法的功能是创造能被接收者理解且认为相关的表述。由此视角可见，常被大众话语描述为算法核心权力的“过滤”机制，本质上同样是人类用户自身的产物。这种机制可能被主动利用，如故意放大“假新闻”，但也影响着社交媒体上更自发的日常传播。若用户认为内容不相关，便不会与之互动，该传播链即在此断裂。
将算法视为发送者的分析视角，在分析方法上接近于传统的社交媒体内容分析，后者将传播视为发生在人与人之间的过程。聚焦算法生成的表述，迫使我们在分析中必须同时关注其他人的表述，既包括先在于算法的那些表述，也包含算法所预期的未来表述。为何特定内容与话题会出现在当前信息流中？这些内容集群与其他集群的关联模式，如何帮助我们分析信念在社交媒体内外的传播与演变？分析算法的表述新增了一个研究维度，它要求我们特别关注该类表述的双重建构方式，一方面是人类接收者通过算法已习得的用户特征所产生的影响，另一方面则是先前发送者回声的影响，这些回声也塑造了算法生成表述时的语境。因此，将算法视为发送者的视角，揭示了人类行动者如何被编织进算法运作之中。这一观点凸显了技术在连接性文化特有的维度上，对文化进程的主动参与作用。与此同时，将算法视为发送者而非守门人或传递者的这一观点表明，社交媒体平台的运作机制与传统传播过程本质上并无二致。算法通过分类维持系统连贯性，而分类行为本身即是创造新内容的过程。
从这个角度看，将算法视为传统参与者颇具启发性。坦格赫里尼写道：“传统本身……并无独立生命，它完全受延续传统的个体所束缚。”传统参与者是指在群体互动中，参与抉择文化传承内容与扬弃对象的个体。传统参与者本质上是一种分类机制，因为在传承传统的过程中，作为参与者的我们既进行创造性实践也实施机械性操作；每个个体都会有意或无意地抉择要传承的故事与信念。传统参与者既可以是主动的，也可以是被动的，并且能在这两种状态间转换；这不仅关乎文化传播行为，也涉及接收乃至遗忘的过程。由此可见，算法作为传统参与者的影响力，即作为维系与传递文化表达的行动者，凸显了社交媒体平台文化生产的连接特性。它不仅揭示了促使人们以不同方式传播内容的认知体系，更彰显了算法的真实性，这种真实性体现为一种预期，即我们登入网络便能看见自己感兴趣的内容，好像是这些内容主动找到我们，这正是算法向我们“诉说”的明证。算法不仅促使我们行动，其自身也因我们而持续行动。每次当我们重返我们选择的平台时，它都会基于我们及他人过往的表述，向我们传递新的内容。将算法视为传统参与者的视角阐明，社交媒体平台的算法技术不仅是筛选内容的守门人或形塑互动方式的可供性，更是参与传统建构的行动者。
五、在连接性文化中理解民俗
强调算法与人类相似的能动性，既非将算法等同于认知主体，亦非将人类简化为机械构造。而是要认识到，在当前算法驱动的连接性图景中，连接性为传统注入了动态特质，这种特质既体现在传承过程中，又显现在文化产物之中。它未必会改变文化传播或生产的过程，也非所有传播活动的必然特征，但在很多隐性或者显性的语境下，算法与传统之间已然形成互塑性。尽管本文已列举算法参与社交媒体民俗研究的若干案例，但关键在于认识到这种参与具有结构性特征。算法在网络空间持续呈现新的形态变化，关注其能动性并非要一劳永逸地界定其功能，而是要保持开放的认知，当算法与人类行为产生连接性互动时，其具体作用方式将因研究对象和问题意识的不同而呈现差异。
本文旨在推进关于如何理解和分析数字空间与连接性文化中民俗现象的持续讨论。笔者聚焦于算法的作用，因其在传播链中的主动参与，切实展现了技术如何作用于人类并与人类协同，它不仅通过塑造想象与行为产生影响，更通过与人类行为的紧密互动重塑内容。然而这一微观研究却怀有宏观抱负：通过对该领域的理论建构，希望能为连结性文化中更广阔的传统进程研究提供分析工具。算法既是建构物又是实在体，既在创生也在维系，而连接性文化中的民俗研究，若能将这种双重性纳入对传承过程与文化产物本身的分析考察，必将取得新的研究进展。
原文刊于《民间文化论坛》2025年第5期，注释从略，详见原刊，转载或引用请注明出处。