离身认可与具身恐惧：人脸识别公众态度研究——基于微博数据的情感与主题分析

作者及发表信息

本研究由苏州大学传媒学院副教授、硕士生导师杨正及其研究生黄渊渟共同完成，发表于《湖南师范大学社会科学学报》2023年第6期（第52卷），DOI号为10.19503/j.cnki.1000-2529.2023.06.006。

学术背景与研究目的

本研究属于传播学与科技社会学交叉领域，聚焦人脸识别技术（Face Recognition Technology, FRT）这一具有争议性的生物识别技术。随着人工智能和物联网技术的普及，人脸识别技术已成为应用最广泛的生物识别方法之一，在带来便利的同时也引发了隐私安全等风险问题。2021年最高人民法院相关司法解释的出台更使其成为舆论热点。

现有研究存在三个主要局限：1）多从”数据控制者”或”监管者”视角出发，缺乏从”数据提供者”（公众）角度的研究；2）国内相关研究数量有限且深度不足；3）缺乏对公众正负面情感生成机制的深入探讨。基于此，本研究旨在通过微博大数据分析，探究中国公众对人脸识别技术的态度认知及其情感生成路径，特别关注”具身性”（embodiment）与”离身想象”（disembodied imagination）在态度形成中的作用。

研究方法与流程

本研究采用混合方法设计，结合大数据挖掘、情感分析和主题建模等多种技术：

1. 数据采集与预处理

通过Gooseeker工具爬取2021年1月1日至2022年10月31日期间微博上以”人脸识别”为关键词的公开讨论数据。经去重和过滤后，获得168,570条有效文本数据，时间跨度为22个月。

2. 情感分析

使用ROST-CM6.0软件进行情感分析，该软件基于情感词典匹配与加权计算方法，对每条微博从-100（极端负面）到100（极端正面）进行情感评分。同时以每10天为单位进行历时性分析，观察情感变化趋势。

3. 语义网络分析

采用Python的jieba包进行中文分词，使用Gephi 0.92软件构建语义网络。具体步骤包括： - 分词处理并剔除无意义符号 - 以句子为单位、词语为节点构建网络 - 使用ForceAtlas2布局算法生成网络图 - 计算节点中心度，提取前100个关键词

4. LDA主题模型分析

在jieba分词基础上，通过TF-IDF算法优化分词结果，使用gensim库构建LDA主题模型。通过困惑度（perplexity）指标确定最佳主题数量（积极情绪文本3个主题，消极情绪文本2个主题），最终统一采用2个主题进行比较分析。

主要研究发现

1. 公众态度整体特征

情感分析显示，在168,570条微博中，积极情绪文本87,355条（占比51.8%），消极情绪文本37,092条（占比22%），其余为中性。历时分析表明公众态度保持稳定，未出现显著波动，说明现有政策干预和科普宣传未能有效改变公众态度基线。

值得注意的是，微博环境的特殊性可能导致积极情绪被高估，原因包括：平台审核机制、删除机制的影响；政府和企业宣传类内容的介入；用户自我审查等。

2. 正负面情感的主题差异

通过语义网络和LDA主题模型的联合分析，发现公众对人脸识别技术的正负面情感沿着完全不同的路径生成：

积极情绪的两个主题：

1) 技术载体与宣传：围绕技术软硬件载体及商业宣传展开，高频词包括”华为”、”手机”、”智能”、”苹果”、”系统”、”微博”等。典型案例如商业宣传文案：”德施曼锁定迪丽热巴每一面”。

2) 元技术认可：聚焦技术本身及应用原理，高频词包括”智慧”、”科技”、”疫情”、”电子”、”数字”等。典型表达如：”人脸识别技术助力’智慧战疫’“。

积极情绪表现出明显的”离身”特征，多基于对技术本身的抽象认知和远程想象，与日常生活场景关联较弱。

消极情绪的两个主题：

1) 应用场景恐惧：集中在具体生活场景中的使用体验，高频词包括”今天”、”最近”、”现在”、”每次”、”学校”、”小区”等。典型案例反映居民对人脸识别门禁的质疑：”隐私问题怎么解决？’可选，非强制。’就你事多。”

2) 负面新闻感知：围绕相关负面新闻报道，高频词包括”微信”、”QQ”、”诈骗”、”破解”等。典型案例如”‘Sky光遇黑市’事件”和”男子远程刷脸转走238万”等社会新闻。

消极情绪表现出强烈的”具身”特征，与个人日常生活体验直接相关。

3. 情感生成机制的双路径模型

研究发现公众对人脸识别技术的情感生成存在割裂的双路径机制：

离身认可路径：通过技术乌托邦主义（techno-utopianism）的宏大叙事建构，公众以集体性身份（”我们”）产生对技术的积极想象。这种认知具有非个体性、抽象性和未来导向特征，如对国家防疫政策的支持。

具身恐惧路径：通过日常生活场景中的具体使用体验，公众以个体身份（”我”）产生技术恐惧。这种认知具有个人化、情境化和即时性特征，如对小区门禁系统的抵触。

这种割裂导致传统科普宣传（基于”缺失模型”）效果有限，因为它们只能强化离身认可路径，而无法消解具身恐惧路径。

研究结论与价值

理论贡献：

1. 揭示了”具身-离身”二元框架在技术接受研究中的解释力，证实身体介入程度显著影响公众技术态度。
2. 提出了技术情感生成的”双路径模型”，解释了为何公众可能同时持有对同一技术的矛盾态度。
3. 拓展了”技术乌托邦主义”理论在中国语境下的应用，展示了集体主义文化如何塑造技术认知。

实践意义：

1. 对技术推广的启示：传统基于家国叙事或知识普及的方法只能放大积极情绪，难以消除使用恐惧。建议转向”越使用，越不恐惧（the more you use/try, the less you fear）”的体用策略，通过实际体验降低恐惧。
2. 对技术治理的启示：应重视公众在日常使用场景中的具身体验，而不仅关注宏观技术效益。政策制定需平衡技术效率与个人体验。
3. 对风险沟通的启示：需要发展能够整合”具身”与”离身”认知的沟通框架，避免情感生成路径的割裂。

研究亮点与创新

1. 方法论创新：首次结合情感分析、语义网络和LDA主题模型三种方法系统研究人脸识别公众态度，为类似研究提供方法范式。
2. 理论创新：提出”离身认可”与”具身恐惧”的分析框架，突破传统技术接受模型的局限。
3. 样本规模：基于超过16万条微博数据，是迄今关于中国人脸识别态度最大规模的实证研究之一。
4. 文化视角：揭示了中国集体主义文化下技术认知的特殊性，特别是”国家-个人”身份转换对技术态度的影响。

研究局限与展望

作者指出三个主要局限：1）微博用户群体不能完全代表全体公众；2）仅涵盖两年数据，缺乏更长历时分析；3）结论需与其他争议性技术研究对话。未来研究可拓展到其他平台数据，开展跨文化比较，以及探索更多调节变量（如个人隐私关注度）的影响。

该研究为人脸识别技术的负责任创新提供了重要依据，强调在技术发展中需要同时关注宏观效益与微观体验，平衡技术创新与人文关怀。这些发现不仅适用于人脸识别技术，也可拓展到其他具有争议性的新兴技术领域。