皮盼资讯网移动版

“现代哲学的解释提出这个假设：隐私被视为一种权利，一种保护自己不受他人或机构行为侵犯的方法。隐私承载着支配和受限访问的内涵”。[4]因此，对于“隐私”而言，“支配”与“受限访问”体现着其本质的主观性，也就是“隐私”的边界具有主观的审慎性。对于不同的个体而言，隐私存在着边界的模糊性。由于关乎个体的自我信息，所以，无论是从“正当”而言，还是从“善”而言，在具体的数据管理中，都存在着一定的伦理问题。

（三）数据管理与伦理风险

数据管理包括两个方面的内容，其一是数据的挖掘与存储，其二是数据的利用。在数据管理中，由于数据来源的特殊性，所以在数据伦理中，隐私成为出现伦理问题的核心。进而，围绕着个人信息以及隐私的主观审慎，数据管理成为伦理问题的内容构成。

在这里，存在的伦理问题是，平台获取用户的哪些信息？获取的手段是怎样的？这是伦理范畴中的常规问题。用户和平台之间，存在着一定的信息不对称。每个网络平台都有自己的技术逻辑，对于平台背后的支持，很多用户并不是很清楚，许多用户是把平台作为一种公共产品进行使用，但是平台方确实非常清楚。这种不对等的情况，对于用户而言，具有一定意义上的不公平性，换句话说，平台方获取数据具有一定的不正当性。同时各种智能性设备，可以在人毫不知情的情况下获取信息，形成数据，其中可能存在隐瞒甚或欺骗。

从伦理的范畴来看，在平台和用户间存在着数据获取的不正当性。在资本的驱动下，平台不仅仅只是存储数据的仓库，更希望从这些仓库的内容中能够为资本带来市场价值。数据的价值，一方面是直接提取用户的个人信息，另外是从中洞察出用户的生活习惯、消费方式等。在这里，另一个问题浮出水面，即如何使用用户数据。

二、网络传播中的数据类型与数据管理

信息技术的发展促使传播从形式到内容都在发生变化，而这些变化在一定意义上与数据有关，因此，数据管理就成为智能传播的基础。智能化传播在一定程度上达到了传播最初的初衷，能够将传播内容与受众群体进行密切关联，但同时，这也带来了更大的争议。因此，从形式上来看，具有导向和温度的传播被转让给了冰冷的“算法”。所谓算法就是对网络用户所积累的数据进行的挖掘、归类，基于这种定义，“算法”也就是数据管理。

（一）数据类型及其伦理风险

根据网络使用者网络痕迹的留存方式及其特点，可以将数据区分为如下类型。

其一，从平台所积聚的数据来源看，可以区分为主动型数据和被动型数据。主动型数据是指用户主动留下来的数据。比如用户使用引擎类平台寻找信息、订阅信息，利用社交平台进行人际交往或状态表达等。这些网络行走行为一般源于用户自主的选择，对于平台而言，这些数据属于用户主动贡献的数据。但同时，很多平台在存储用户主动数据之外，还会附加一些条件，比如要求用户驻留一些具体的个人信息，比如地理位置、运动数据等。这类数据可以归类为被动型数据。而从技术的可能性上来讲，当用户使用平台时，一些物理的个人信息已经驻留在平台的大数据存储器中了。而这些附加条件，在一定意义上是为了规避用户“知情”的权利规范。这些做法，从形式上来看，仿佛体现了平台的责任和对用户知情同意的提醒。但实质上依然是技术工具主义的表现。

其二，从数据所反映的用户特征来看，数据又可分为直接型数据和间接型数据，这是从数据的使用目的角度进行区别的。直接型数据是指直接反映用户特征的数据。主要是在搜索引擎类平台积聚，这类平台留存的用户的数据具有消费的直接性，也就是直接用关键词表达用户的网络使用需求。间接型数据是指在数据自身并没有直接反映消费需求，信息传播者在对相关数据进行分析的基础之上，对受众或者网民的需求特征进行研判。这类数据往往产生于社交媒体平台或者信息推荐类引擎之中。通过用户的人际交往特点、信息获取偏好，对消费者进行画像，将其标签化，进而实现信息的精准推送。

数据是对于网络使用者网络行走的记录，当其成为数据时，也必然伴随着一定的伦理风险。从数据的来源看，很多数据是在平台使用者不知情或者不情愿的条件下被获取的，同时，技术的发展使智能化获取用户的信息更为便捷，如各类摄像头、无人机或传感器等，用户在不知情的情况下，信息已被提取或收集。这种形式使得平台获取数据的正当性更受质疑。

从用户特征来看，通过数据对用户的日常生活进行勾勒和判断，继而实现信息的精准推送。而这一点，则是对用户“不被打扰”的权利的一种侵犯。