特朗普胜选,剑桥分析和脸书究竟有几许“功劳”?

继脸书公司(Facebook)创始人兼CEO马克·扎克伯格出席美国国会听证会,就脸书用户数据泄露接受议员盘问后,4月16日,英国议会下院一个委员会又公布“证据”,显示剑桥分析公司助力美国总统唐纳德·特朗普2016年竞选活动。

此前,扎克伯格在参加美国国会参议院司法委员会和商业、科学和交通委员会联合举行的听证会时表示,脸书公司没有在用户数据保护方面做出足够努力,导致出现了“剑桥分析”滥用用户数据事件。除了程序上确实存在的瑕疵,以及越来越多的人开始关心大数据时代用户数据的保护以及个人隐私信息安全的大背景之外,脸书陷入危机的一个非常重要的原因是需要其间接承担2016年总统选举特朗普“意外胜选”的责任。

常见于媒体的叙事框架是这样的:特朗普胜选的关键在于赢得了包括威斯康辛在内的4个摇摆州的选举人票,导致其胜选的是来自俄罗斯的干预,包括选举期间俄罗斯黑客窃取并发布民主党邮件服务器的内容,制造希拉里的负面舆论,以及通过剑桥分析为代表的公司“非法获得”千万级量级的脸书用户数据进行深度挖掘,把握用户的政治态度和立场之后进行精准的政治广告和虚假新闻定向推送,进而干扰了美国总统的选举结果。

然而,这个解释版本真的经得起细致的推敲吗?

500

哪些人把票投给了特朗普?

从特朗普赢得共和党党内提名开始,相关的传闻,就一直不绝于耳;在特别检察官穆勒始终没有出示可以在法律上证明特朗普胜选源于“通俄”的实质性证据的背景下,媒体抓住了爆料人披露的剑桥分析公司“非法获取”用户信息进行深度挖掘的事实,用程序瑕疵对脸书公司在“通俄”事件中的作用进行相关性分析,进而试图构建一个能够解释特朗普获得胜利,是源于敌意国家行为体用社交媒体操控美国关键政治过程的分析框架。

事实上,在现代政治科学的发展过程中,对投票行为的分析和研究,已经形成了较为成熟的分析框架和研究能力。在美国,有大量的相关数据,可以从不同维度展开相应的深度研究。在美国康奈尔大学的Roper公共舆论调查中心,可以找到自1976年开始至2016年的群体投票数据,即通过性别、族裔、收入水平、受教育程度等不同指标,对选民进行群体分类,然后统计其投票分布。这为检验影响选举结果的因素提供了非常重要的证据来源。下图就是2012年和2016年两次总统选举的群体投票数据对比,根据性别、族裔和关注的议题,分别有对应的选民投票数据,可以帮助人们对相关事件形成更加全面的看法:

500

2012年和2016年总统选举的群体投票数据对比

在上图的各项数据中,非常微妙而重要,甚至是关键的变化,体现在族裔分类中:2012年美国总统选举中,白人占72%,非洲裔占13%,拉美裔占10%,亚裔占3%;2016年美国总统选举,白人占70%,非洲裔占12%,拉美裔占11%,亚裔占4%。

在这两次总统选举中,出现了非常微妙的族裔选票变向:

2012年,93%的非洲裔选民投票支持民主党候选人奥巴马,6%的非洲裔选民投票支持共和党总统候选人罗姆尼;71%的拉美选民和73%的亚裔选民也选择了支持奥巴马。2016年,88%的非洲裔选民投票支持民主党候选人希拉里,8%支持特朗普;支持希拉里的拉美选民和亚裔选民均为65%;而支持特朗普的拉美选民和亚裔选民分别为29%和27%。

也就是说,民主党在2016年的非洲选民支持率下降了5%,拉美选民支持率下降了6%,亚裔选民支持率下降了8%,共和党则分别在这三个族裔增加了2%,2%和1%的支持率。

在2012年的总统选举中,选民关注的优先议题,分别是经济、预算赤字、外交政策和健康保障,民主党候选人奥巴马在健康保障议题中获得了压倒性的优势支持(75%)。

在2016年总统选举中,选民最关注的是外交政策、移民、经济和恐怖主义这四个议题,希拉里和特朗普各自在两个议题上获得优势支持,数据显示希拉里在外交和经济议题上占优,特朗普在移民问题和恐怖主义上占优,希拉里尽管获得媒体青睐,但是在政策议题上并没有像2012年的奥巴马那样确立压倒性的领先优势。

上述数据揭示的规律,比敌意政府靠社交媒体“忽悠”美国选民,“决定性地影响”美国总统选举的这个解释更传统,事实上也更加容易被证实。2017年5月8日,华盛顿邮报刊发题为“为何特朗普能赢?更多的白人,更少的非洲裔美国人,实际去投了票”的文章,对此有过非常清楚的说明:白人投票率上升了2.4%,非洲裔投票率下降了4.7%。在州一级的数据显示,密歇根和威斯康星州非洲裔选民投票率下降了12%,在佛罗里达,白人投票增加了4%,非洲裔投票率下降了4%,最终特朗普在佛罗里达以1.2%的微弱优势胜出,拿到了全部的选举人票。

研究显示,如果能够保持和2012年一样的族裔投票率,希拉里在密歇根能够赢1.5%(实际是输了0.2%),在宾夕法尼亚能够赢0.5%(实际是输了0.7%),在威斯康星能够赢0.1%(实际是输了0.8%),如果拿下这三个州,希拉里将获得278张选举人票,赢得而不是输掉2016年的总统选举。

剑桥分析帮特朗普赢得了选票?

从另一个角度看,造成这种族裔波动的原因能够归结为来自剑桥分析的数据挖掘和外部力量精准投送的政治广告么?

这倒不见得完全不可能,但显然需要更多的和更加深入的研究。从传播学本身的发展来看,基本的结论之一,是传播的内容可以实现动员和唤起,但是这种动员和唤起与行为之间是一种强弱不等的相关关系,还是决定性的因果关系,需要通过精细的控制变量研究来最终得出靠谱的结论。同时需要看到的是,无论是脸书、推特还是谷歌,这些公司的用户数据并不是选择性开放的,对这些数据进行深度挖掘的能力,以及制作和投送政治广告的渠道和能力,也不具有基于党派的排他性。更直白地说,2016年总统选举期间,希拉里竞选团队同样具备数据搜集、挖掘以及分析的人员。更加重要的是,根据传统的传媒理论,长期暴露在相对开放和信息自由流动的环境里的受众,理论上应该具有更强的辨别能力。开放的信息流动环境,对于信息内容真假的识别机制和能力,理论上也应该更加发达和完善。

从理论建构的角度来说,一个理论如果要成立,需要对诸多已经成为某种常识性认知的结论进行颠覆性的修正然后才能成立。如果在与一些适用条件更加宽松的解释版本竞争时并没有表现出更强的解释力,那么重新思考所谓理论创新的颠覆性结论,以避免出现“重新发明轮子”的无用创新,可能是比较理性的选择。从研究的视角看,观察2016年美国总统大选后欧美媒体对选举结果的“后真相式”的解读,与其说指出了值得研究的新问题,不如说凸显了对这种现象本身进行深入研究的必要。

就实际操作而言,扎克伯格本身在国会听证会上遭遇的提问,更多地在推翻、而非验证某些已经被媒体当做确定的科学的结论进行传播的观点、假设甚至是猜想。在较为极端的情况下,这些媒体的行为,更进一步揭示了导致希拉里及其支持者输掉2016年选举的真正原因:大量的精力和资源,被错误的配置到了次要的方向,对选民的真正诉求没有做出有效回应,所谓意外的结果,其实不过是不讨某些人喜欢的真相罢了。

【来源:澎湃新闻】

最近更新的专栏

全部专栏