跳转到内容

数字文化辩论 2019/量化自我

来自维基教科书,开放世界中的开放书籍

量化自我

[编辑 | 编辑源代码]
CSIS 研讨会,自我监控和生命日志

正如黛博拉·卢普顿所指出的那样,“将身体和生活的要素进行监控、衡量和记录,作为一种自我提升或自我反思的形式,是自古以来就被讨论的实践。数字技术的引入,促进了这些实践,并引发了人们对自我追踪能够提供的帮助以及这些实践应用的领域和目的的重新关注。”[1] 简而言之,量化自我指的是收集个人数据,以分析行为、健康和福祉。在当代社会,个人现在可以使用可穿戴技术来实现这一点,这些技术连接到智能设备,分析和打包数据。然而,用途现在已经超越了个人,因为医疗行业和各个行业都在为自己的目的采用技术和实践。

维基教科书“数字文化辩论 2019”的这一章,探讨了量化自我运动的历史;所采用的技术;数据的应用;并探索了围绕该运动的一些批评和担忧。




历史与发展

[编辑 | 编辑源代码]
加里·沃尔夫,量化自我的创始人之一。

自我追踪可以追溯到 16 世纪,当时 帕多瓦的桑托里奥 记录了他的饮食习惯、体重和排便情况,以研究他的新陈代谢。许多人将帕多瓦的桑托里奥视为量化医学的奠基人。[2] 在帕多瓦的桑托里奥之后,本杰明·富兰克林 追踪了他的日常活动,这为他的“13 种美德”的发展提供了信息。[3] 1865 年,弗朗西斯·高尔顿 利用由阿道夫·凯特勒 开发的统计框架,试图确定他认为是“天才人物”的历史人物的显著特征。 [4] 反过来,这导致了颅相学和优生学的产生,这两者在现代社会中都已被很大程度上摒弃。[5]

随着自我追踪技术的可用性和普及程度不断提高,专注于“量化自我”的社区紧随其后,作为自我追踪社区的直接继承者,这些社区形成是为了讨论和利用该技术。虽然围绕几乎每件新的硬件或软件,都有可能形成对自我追踪感兴趣的社区,但与该概念同名的社区,即量化自我,将成为“量化自我运动的中心”。[6] 在创建该组织时,其创建者旨在将现有范围内各种自我追踪技术的广泛兴趣吸引到同一个空间,所有这些都以自我分析的精神进行;该运动的创始成员之一加里·沃尔夫在该组织成立初期就声称,量化自我的成立是自我追踪技术快速发展的必然结果。沃尔夫简单地描述了社区成立与快速发展技术之间的直接因果关系:“随着每天都有新的跟踪系统出现,我们决定创建一个网站来跟踪它们。”[7]

然而,随着量化自我的发展,其理念也会随着其作为自我追踪者集中社区的实际用途而发展,将它的口号“通过数字了解自我”推向了新的极端。量化自我不仅仅是一个用于“追踪追踪者”的单一用途网站,例如,它会成为“N 对 1”(单一患者)实验的倡导者,鼓励自我实验作为自我追踪过程中的重要组成部分。量化自我还认为,自我追踪是现代科技终于“了解自我”以及实现“最佳自我”的关键——这些愿望贯穿人类历史。[8]

然而,与那些不太专注的自我追踪者相比,量化自我对这项技术的潜在可能性持有的热切看法,使其成员成为一个特别专注的少数群体。例如,最近(2017 年)一项研究发现,尽管量化自我建议不断反思收集的数据,以获得更全面的自我了解,但自我追踪软件的普通用户仍在使用它来帮助实现短期目标,例如减肥。[9] 量化自我对待自我追踪者的方法与普通用户的方法之间的这种差异表明,它现在已经不再仅仅是一个“追踪追踪者”的网站,而是一种生活方式。随着可穿戴技术的进步,自我追踪变得更加容易,量化自我这种生活方式也更容易被普通人所接受。

可穿戴技术

[编辑 | 编辑源代码]

多年来,技术不断扩展其边缘和边界,从而实现不同的目标,并诞生了各种创新。近年来,尤其是出现了许多创新设备,即所谓的“可穿戴技术”。这项研究涉及在美国进行的一些关于用于健身的可穿戴设备的研究,这些设备有可能解决一些公共卫生问题,但同时,它们也引发了一些隐私问题。收集的数据可以与来自其他来源的个人信息相结合,从而导致数据泄露。[10]

两年前,销售巨头 Target 与 Fitbit 合作,说服其美国员工参与健康行为。报名参加该计划的员工获得了免费和打折的 Fitbit 活动追踪器。这些美国公司的目的是采用健康计划,并提供各种激励措施来鼓励参与。结合可穿戴健身设备的移动应用程序开发帮助美国人减肥、改善健康状况并减轻压力。数字公司 Endeavour Partners 声称可穿戴设备属于大众市场产品的类别。由于智能手机的持续使用以及人们对数字媒体健康信息和服务的依赖,这些可穿戴健康设备的市场将会发展。从 2013 年到 2015 年,可穿戴健康应用程序的使用量翻了一番。2016 年,3950 万成年人至少每月使用过一次可穿戴设备,这也得益于这些设备的价格越来越便宜。[11]

这个“新健康经济”的诞生正在打破健康机构和数字商业市场之间的界限。过去几年里,一些专门提供不同大数据服务的营销专家行业不断发展。例如,数据管理平台通过分析来自不同线上和线下来源的个人数据,可以为营销人员提供对其整个受众的详细控制。[12]

广告行业正在努力将可穿戴设备和其他数字设备作为数据驱动营销的工具,以构建更完整的医疗和健康生态系统。根据最近为一家营销公司进行的一项调查,可穿戴设备的主要优势是可以提供更详细的信息集。[13]

Fitbit

[edit | edit source]
Fitbit

本节将重点关注 Fitbit。Fitbit 是一款采用独特技术的腕表,可以追踪你的生活方式元素,例如你的睡眠模式、每分钟心跳次数、你何时运动,甚至你是否只是爬了一段楼梯。它还能做更多的事情。看起来,随时掌握这些有关你自己的信息可以激励用户更加积极地生活。

Haynes 在 2015 年对自己进行的一项研究[14]揭示了可穿戴技术,特别是 Fitbit,在自我激励方面的很多信息。通过每天密切关注自己的心率和活动水平,并调整自己的锻炼方案,他从一个自称的“沙发土豆”变成了“马拉松运动员”。如果没有这项技术,可以说,Haynes 和许多其他 Fitbit 用户可能不会像现在这样努力改善自己的健康和体能,因为他们可能不知道自己原本不健康。

在美国进行的一项研究[15]显示了类似的结果。当给 50 位不健康的绝经后妇女提供 Fitbit 或标准计步器作为健康干预措施,希望能让她们享受它并开始走向健康之路时,它奏效了。研究结果表明,使用 Fitbit 的女性在体能方面发生了显著变化,而使用标准计步器的女性则没有。这非常有用地证明了不仅仅是任何老式可穿戴技术,特别是 Fitbit,对各个年龄段的人的影响。

Fitbit 脱颖而出的原因可能是它附带的手机应用程序。Fitbit 本身会简要概述它在一天中追踪的信息,但应用程序是一个全新的洞察世界。当你达到目标,例如每天 10000 步时,一切都会变成绿色,它会给你一小段时间的庆祝活动。这是否是它如此成功以及人们想要继续使用它的原因呢?

应用程序

[edit | edit source]

量化自我的很大一部分不仅仅是设备,还有智能设备上的应用程序,这些应用程序帮助用户输入和追踪设备记录的数据。随着应用程序的普及在过去十年中不断扩展,现在几乎每个人生活的各个方面都有量化自我应用程序:健身、健康、睡眠、饮食、性行为、情绪和梦境等等。

大多数量化自我设备制造商现在都扩展到拥有自己的应用程序。例如,如果你购买 FitBit 来记录你的步数、心率和睡眠,你只能在 FitBit 应用程序上追踪这些数据。这使得许多其他应用程序能够与这些公司建立关系,以允许对数据进行更深入的分析。例如,如果你想记录你的食物和饮料摄入量,你需要使用与 FitBit 相关的其他应用程序。

应用

[edit | edit source]

个人

[edit | edit source]

Gary Wolf 将量化自我数据的应用描述为“宏观镜”[16],这个概念借鉴自 Piers Anthony 1969 年的同名小说,指的是“一台可以查看任何地方任何事物的机器”。[17] 对于 Wolf 来说,这个概念转化为个人分析自己生活的的能力,将其视为“无数时刻、行为和地点的集合。在个体‘n=1’中,存在‘n=∞’次、行动和地点。”[18]

记录身体数据允许用户追踪与他们的健康和福祉相关的各种指标。体重、消化和卡路里摄入分析可以让用户修改他们的饮食,并追踪他们的身体对不同食物的反应。[19] 睡眠分析可以让用户识别不良习惯和健康风险,例如睡眠呼吸暂停。[20] 姿势和步态追踪可以让用户洞悉他们的运动和体型,从而进行调整,避免未来健康并发症。[21]

许多用户还可以记录基于他们性经历的数据,并用它来观察他们的身体和生理机能在这些经历中的变化。[22] 分析这些数据可以帮助用户了解他们健康中哪些部分因剧烈运动而受到影响,以及如何改善这些问题。这同时也引发了许多关于人们应该记录哪些数据的伦理和隐私问题。

不仅是身体元素可以从数据收集中获益。心理健康也可以得到追踪和改善[23],有些人声称这是一个更新的框架,被定义为“合格自我”。[24] 情绪追踪可以为认知行为分析提供信息,以证明影响用户心理状态的因素。可穿戴设备中的呼吸教练和正念应用程序可以在焦虑发作时进行干预,帮助用户克服原本不可控制的心理状态。

所有这些指标、可穿戴设备和应用程序都可以交叉引用,以提供全面的概述,并帮助链接影响健康和福祉的因素。

医疗

[edit | edit source]

利用自我追踪来支持健康和福祉的能力也影响了医疗专业人员和个人的方法。在为阿尔茨海默病患者提供护理方面的一项关键发展是能够追踪被归类为“漫游者”的患者的去向。[25] 可穿戴技术可以让护理人员为患者提供追踪设备,这些设备不依赖于用户携带或使用监控设备的能力。可穿戴设备也可以被医疗专业人员用来支持对患有癫痫、中风和心肌缺血的患者的护理和康复。[26]

更深入的分析还可以让医疗专业人员为个人制定健康计划。基因组数据,例如单核苷酸多态性(基因组中的异常序列)、转录组(RNA 表达数据)和微生物组数据,都提供了对个人潜在健康风险和遗传标记的深入洞察。[27] 这反过来可以让医生不仅开药,还可以建议是否需要定期筛查。

工业

[edit | edit source]

工业界迅速采用了可穿戴技术和自我追踪作为数据分析的一部分。应用程序包括时间表流程自动化,省去了员工“打卡”的需要。主管还可以追踪员工的在线行为,例如浏览习惯和项目参与。[28] 工作场所的限制区域可以通过指纹/虹膜扫描进行控制。更具争议性的用途包括对皮下植入物的提议[29],按键记录[30],以及使用触觉反馈来影响和控制员工行为的手环[31]

动物追踪也已成为科学研究界和农业产业的关键组成部分。苏格兰公司 Ice Robotics 开发了可穿戴技术,被这两者采用,使研究人员能够自动化以前人工进行的操作,并帮助奶农改善牛群的健康和福祉。[32]

批评

[edit | edit source]

“量化自我”运动可以被视为优化个人健康和福祉的一种方式。然而,持续追踪你的饮食、你走了多少步、你睡了多少时间等,可能会对你的心理健康产生负面影响。在 Candice Lanius 的文章 “量化自我的隐藏焦虑” 中,她开始“量化自己”,使用各种技术和应用程序来记录她日常生活中的活动。从基本的日常活动,如购物(使用 Grocery IQ)到体育活动(Fitbit)以及她每天吃什么(MyFitnessPal)。她讨论了自己的经历,并表明这可能是许多决定追踪和监控他们生活各个方面的人的经历。Lanius 指出,“然而,在新鲜感消失后,我发现自我追踪和自我监控限制了我的生活”[33]。Lanius 更深入地研究了自我量化对个人产生的个人影响,包括身体、心理和情感方面,以及它如何限制你的生活。

DARPA 大数据


她花了很多时间使用她的设备和应用程序输入数据,甚至还花了一些时间试图使用一个旨在帮助你提高效率的应用程序来优化她的时间,“投入到追踪‘工作冲刺’和总体效率的努力浪费了我宝贵的休息时间”[34]。这很讽刺,因为这个应用程序的目的是提高你的时间,然而消费者最终却花了一些宝贵的时间输入数据。然而,Lanius 认为“浪费的时间并不是自我追踪应用程序对我的唯一或最有害的影响”[35]。通过监控自己,她发现当她收到的数据被认为是“糟糕”时,她会产生“焦虑”。然后,她开始注意到自己的生活方式发生了变化,例如不再享受她的膳食,因为对卡路里摄入量有限制,以及选择更长、更不舒服的路线,这样她的 GPS 才能接收到信号,以便正常工作。这突出了自我追踪和监控如何会影响你的身体和行为,而这种影响并不总是积极的。此外,随着越来越多的信息非常容易获得,人们对未知事物越来越恐惧,而量化自我运动加剧了这种恐惧,因为人们在行动中往往不那么自发,因为这些行动可能无法“量化”,因此他们不愿参与,因为他们无法忍受没有记录它们而产生的负罪感。

监控和追踪你生活中的许多方面也会导致许多人对自己的身份感到不安,并认为他们需要改变自己才能“完美”。“这些外力引导公民成为理想的个体,这些力量逐渐被内化,使个人想要成为国家认可的最佳版本”[36]。“量化自我”运动可能会破坏一个人的自我形象,并制造一种必须符合特定标准的想法。然而,Lanius 还批评了用户通过这些应用程序获得的一些个人利益是“一种自恋”,因为它是用来炫耀你的成长的一种方式,这意味着他们只是为了向别人证明他们取得了成就而努力,而不是为了个人利益而努力。

输入到这些自我提升应用程序中的数据后来可以被“出售到暗网上”,正如 Mathew Aldridge 在他的文章 “2019 年对个人数据的认知演变” 中所述。[37] Aldridge 指出,“备受推崇并经常被信任处理敏感个人数据的公司是网络攻击的成功目标”[38]。这意味着消费者数据很容易从一家公司出售给另一家公司,而无需客户的知情,他们甚至可能以盈利为目的出售这些数据。

2018 年,用于计算每日营养和卡路里摄入量的应用程序 “MyFitnessPal” 是 6.2 亿个在暗网上出售的账户中的一部分[39]。“虽然黑客似乎无法查看 MyFitnessPal 用户早餐吃了什么,但泄露的凭据可能会对在多个网站上重复使用密码的人造成问题。[40] 这意味着买方可以轻松地访问用户的大量个人信息,尤其是如果他们能够获得用户的电子邮件地址。这说明了“量化自我”运动存在一些弊端。

参考文献

[edit | edit source]

[41]

  1. Lupton, D. (2016). The quantified self: A Sociology of Self-Tracking Cultures (1st ed.). Cambridge: Polity Press.
  2. Eknoyan, G. (1999). Santorio Sanctorius (1561–1636)–founding father of metabolic balance studies. American journal of nephrology, 19(2), 226-233.
  3. Forde, S. (1992). Benjamin Franklin's Autobiography and the education of America. American Political Science Review, 86(2), 357-368.
  4. Grue, L., & Heiberg, A. (2006). Notes on the History of Normality–Reflections on the Work of Quetelet and Galton. Scandinavian Journal of Disability Research, 8(4), 232-246.
  5. Rafter, N. (2005). The murderous Dutch fiddler: Criminology, history and the problem of phrenology. Theoretical Criminology, 9(1), 65-96.
  6. Swan, M. (2013). The Quantified Self: Fundamental Disruption in Big Data Science and Biological Discovery. Big Data, 1(2), 85–99.
  7. Wolf, G. (2009). Know Thyself: Tracking Every Facet of Life, from Sleep to Mood to Pain, 24/7/365. Retrieved from https://www.wired.com/2009/06/lbnp-knowthyself/
  8. Lupton, D. (2016). 'An Optimal Human Being'. In "The quantified self" (pp. 49-65). Malden, MA: Polity.
  9. Didžiokaitė, G., Saukko, P., & Greiffenhagen, C. (2017). The mundane experience of everyday calorie trackers: Beyond the metaphor of Quantified Self. New Media & Society, 20(4), pp.1470-1487.
  10. K. Montgomery; J.Chester & K.Kopp; (2018) Journal of Information Policy; Published by: Penn State University Press
  11. ibid
  12. ibid
  13. ibid
  14. Haynes, K., 2015. The Fitbit generation: From couch potato to marathon runner. Significance, 12(6), pp.24-25. Retrieved from https://rss.onlinelibrary.wiley.com/doi/full/10.1111/j.1740-9713.2015.00864.x
  15. Cadmus-Bertram, L.A., Marcus, B.H., Patterson, R.E., Parker, B.A. and Morey, B.L., 2015. Randomized trial of a Fitbit-based physical activity intervention for women. American journal of preventive medicine, 49(3), pp.414-418. Retrieved from https://www.sciencedirect.com/science/article/pii/S0749379715000446
  16. Wolf, G. (2019). Quantified Self | Antephase. Retrieved from http://antephase.com/quantifiedself
  17. Wolf, G. (2019). QS & The Macroscope | Antephase. Retrieved from http://antephase.com/themacroscope
  18. Wolf, G. (2019). Quantified Self | Antephase. Retrieved from http://antephase.com/quantifiedself
  19. Piwek, L., Ellis, D. A., Andrews, S., & Joinson, A. (2016). The rise of consumer health wearables: promises and barriers. PLoS Medicine, 13(2), e1001953.
  20. Bianchi, M. T. (2018). Sleep devices: wearables and nearables, informational and interventional, consumer and clinical. Metabolism, 84, 99-108.
  21. Samadder, R. (2019). Upright Go:一款当你敢于驼背时会发出嗡嗡声的设备,就像你妈妈的耳光。 检索自 https://www.theguardian.com/lifeandstyle/2019/mar/18/wellness-or-hellness-upright-go-rhik-samadder
  22. Lupton, D. (2015). 量化性:使用应用程序进行性与生殖自我追踪的批判性分析。文化、健康与性,440-453。检索自 https://http://www.canberra.edu.au/researchrepository/file/25d1310f-2c5d-4ca5-9e8e-c17f1a140cb1/1/full_text_postprint.pdf
  23. Prince, J. D. (2014). 量化自我:日常生活的操作化。医学图书馆电子资源期刊,11(2),91-99。
  24. Linden, J. (2018). 合格的自我:量化自我的 AI 驱动的替代品?检索自 https://medium.com/@jameslynden/the-rise-of-the-qualified-self-e2b0b27bf639
  25. Mahoney, E. L. 和 Mahoney, D. F. (2010). 阿尔茨海默病患者对可穿戴技术的接受度:问题和适应。美国阿尔茨海默病及其他痴呆症杂志®,25(6),527-531。 https://doi.org/10.1177/1533317510376944
  26. Raskovic, D.,Martin, T. 和 Jovanov, E. (2004). 可穿戴计算的医疗监测应用。计算机杂志,47(4),495-504。
  27. Swan, M. (2012)。健康 2050:通过众包、量化自我和参与式生物公民实现个性化医疗。个性化医学杂志,2(3),93-118。
  28. Cameron, F. (2019)。6 款可为 2018 年小型企业带来好处的员工追踪应用程序 - The Next Scoop。检索自 https://thenextscoop.com/employee-tracking-apps-small-businesses-2018/
  29. Cuthbertson, A. (2019)。为英国员工植入芯片的计划引发隐私担忧。检索自 https://www.independent.co.uk/life-style/gadgets-and-tech/news/microchip-uk-workers-employees-privacy-bioteq-biohax-cbi-tuc-trade-union-a8629656.html
  30. Ciocchetti, C. A. (2011)。窃听雇主:21 世纪员工监控框架。美国商业法杂志,48(2),285-369。
  31. Solon, O. (2018)。亚马逊为仓库员工推出追踪手腕带。检索自 https://www.theguardian.com/technology/2018/jan/31/amazon-warehouse-wristband-tracking
  32. IceRobotics 研究项目。(2019)。检索自 https://www.icerobotics.com/research/
  33. Lanius, C. (2015)。量化自我运动的隐藏焦虑,Cyborgology,2015 年 5 月 5 日。
  34. 同上
  35. 同上
  36. 同上
  37. Aldridge, M. (2019)。2019 年个人数据感知的演变。检索自 https://www.techradar.com/news/evolving-perception-of-personal-data-in-2019
  38. 同上
  39. Newcomb, A. (2019)。http://fortune.com。检索自 http://fortune.com/2019/02/14/hacked-myfitnesspal-data-sale-dark-web-one-year-breach/
  40. 同上
  41. Sharma, J. (2019) 提升业务的 8 大有效广告活动 - TheNextHint。检索自 https://www.thenexthint.com/effective-advertisement-campaigns/
华夏公益教科书