编者按：基于贝尔纳·斯蒂格勒的“技术与时间”系列著作，本文作者Crogan系统地介绍了斯蒂格勒对于技术哲学的理论探讨，也概述了斯蒂格勒作为社会活动家的轨迹。因为内容较多，原文被分成上下两个部分编译，上半部分是关于斯蒂格勒的理论的简介，下半部分是关于他社会实践的介绍，和其他学者对他的相关批评。在上半部分中，对于人类如何在地球上生存和如何不断再生产自己的问题，斯蒂格勒将技术理解为应对这两个问题的阶段性的和策略性的答案。在所有技术中，他又认为关于记忆的技术是最为核心的，电视电影的节目产业不断地生产着真实或虚假的记忆，这些记忆不断地塑造着人类生产的方式，也不断改变着人本身，从而不断地形成了社会群体的特征。他自己作为学者也不断被卷入这一记忆生产的过程中，而他对于学者的基本立场的理解是：学者应该既有对于这个世界的理解和判断，也有基于自己的理解和判断的社会行为，这既是知识本身的要求，也是学者这一身份的社会要求，还是学者这一社会群体实现存在价值的基本方式。此文作为所编译文章的下半部分，正是阐述斯蒂格勒如何将自己对于学者立场的理解，和他作为学者的社会活动结合起来。与上半部分不同，为了降低读者阅读的难度，此部分文字更多地根据编译者对原文的理解来组织，忠于原文的程度可能比上半部分要低一些。文中的概念性词汇较多，编译者的理解可能有误，故配上了英语名称，方便读者自行查询。另外在括号中的说明与举例均为编译者的理解，也望读者注意。

文献来源：Crogan, P. (2010) Bernard Stiegler: Philosophy, technics, activism. Cultural Politics: An International Journal, 6 (2). pp. 133-156

通过面向大众的写作、演讲和组织社会机构的方式，斯蒂格勒试图将自己思想更加通俗介绍给社会，这也是他试图影响当代技术文化的政治行为。这是因为人类的集体记忆被节目产业（program industries）的技术所塑造，人类记忆的真实性受到威胁，他认为这一技术的威胁是国家与资本的力量通过“自上而下”的路径实现的，所以他试图通过蓬皮杜中心中的工作坊和展览对外传播一种“自下而上”的记忆生产方式。因为节目产业试图通过媒体影响人类记忆，所以斯蒂格勒也参与到新型媒体技术的运用之中，找到某些真实的人类记忆来对抗被节目产业所生产的记忆。第一个项目就是试图追溯19世纪以来的历史，看人类是怎样被生产为“劳动力（labour power）”，又是怎样被进一步转化为“购买力（consumer power）的。另一个“时间线（timelines）”项目则试图通过发明媒体分析软件，来探究节目产业生产人类记忆的具体方法和途径。

通过这些面向大众的项目，斯蒂格勒展示了人类社会中集体与个体的矛盾关系。集体总是试图通过国家调节（regulation）和市场竞争的方式，让个体去适应国家和资本的需求；但是个体总是通过追求个性、摆脱家庭、主动犯罪和建立封闭社区等方式，试图摆脱集体对于个体的影响。在他的非学术写作中，他试图将“欲望（desire）”的概念进行再阐释。欲望是某种渴求，是消费的基础。国家和资本为了控制人类的消费欲望，通过各种媒体中的记忆术（mnemotechnics）在人类记忆和意识的各个层面创造特定的“真实”，这种“真实”是为了激发特定的消费欲望而生产出来的，不是真正意义上的真实。因为这种欲望是不真实的，所以会导致自己的意义消失，进而毁坏欲望本身的存在意义，让欲望无法再被生产和形成，这一进程也会彻底破坏资本主义运作的本身逻辑。这一切正如德里达（Jacques Derrida）所说，资本主义必须依靠欲望才能存在，但是对于欲望的依赖会最终毁灭资本主义本身。

为了避免被毁灭，国家与资本的力量试图影响青少年的记忆、欲望与消费。因为在青少年的成长过程中，或者说在个体形成的过程（becoming）中，因为叛逆、阅历尚浅和追求潮流等原因，青少年相对于成年人更容易被影响，这一影响将会持续到成年之后。而斯蒂格勒所说的政治活动，正是为了对抗国家和资本的力量通过这种方式施加的对于青少年的影响。通过组织写作、阅读、讲故事和游戏，让青少年去理解国家和资本的记忆术的作用方式，进而去追寻真实的记忆与体验。

随着斯蒂格勒的影响力逐步扩大，越来越多的学者参与到对于他的思想的讨论中。例如Bennington就认为斯蒂格勒误读了德里达的“延异（différance）”概念，因为斯蒂格勒的思想中完全没有“解构主义（deconstruction）”元素。按照Wills的进一步批判，斯蒂格勒没有理解到历史中，人类与技术之间的边界被建构与解构的过程。人类是需要技术来形成自我（becoming）的，但是技术自身发展的速度与人类适应技术的速度是不一致的，为了适应技术的发展，人类不得不调整自我定义的边界（例如随着智能手机技术的发展，人类不得不接受手机作为身体延伸的一部分的角色）。因为技术发展速度和人类自身发展速度的不一致，关于人类和技术的边界的定义在不断形成和改变，也就是不断地建构和解构中。斯蒂格勒的思想中完全忽略了这一不断建构和解构的特征，而是一直认为人类和技术的分界线一直是清晰和确定的。与Bennington和Wills的看法有些类似，Ekman认为人类存在（being）包括了两个基本部分，人类个体和人类创造的机器；这两个部分一起，而非仅仅人类个体，构成了人类存在的本质。不同于斯蒂格勒将技术更多地视为外在于人类的东西，Ekman认为技术就是人类本质的一部分，斯蒂格勒的思想立场中给予了人类本身太多的特权。

本文作者Crogan并不同意这些批判者的观点。在他看来，这些学者的讨论过于学术，而忽视了斯蒂格勒思想中的真正重要之处：政治。谁？为了什么？如何影响和塑造了记忆？我们应该怎样应对这些影响？这些才是更加重要的。哲学让人更好的理解这个世界，Crogan和斯蒂格勒都愿意追求马克思的步伐，认为真正重要的是改变这个世界。而每个学者，在理解世界和改变世界之间，都不得不选择自己的立场。

 

编者按：一张好图胜过千言万语。如果可以使用简单易懂的可视化图表表达城市研究中各种复杂的对象和数据，那将会极大地帮助人们更好的认识城市。但如何才能做出一张好图？如何表示四维以上的数据？本期《城市科学文摘》介绍了一般数据的可视化，内容不仅包括柱状图、散点图等基本图表，也包括树图、桑基图等高级图表。本期文摘的大部分插图及有关“简洁”可视化的观点来自于Stephen Thomas 的著作Data Visualization with JavaScript和d3js.org的示例展示。

“When you consider the ultimate purpose of data visualization—helping users understand data—simplicity is one of the most important features of an effective visualization.”( “数据可视化的最终目标——是帮助用户理解数据，从这个意义上说，‘简洁’是有效数据可视化的最重要的特征之一。” )

基本图表 [注释1-2]

Bar Chart柱状图适用场合是二维数据集（每个数据点包括两个值x和y），但只有一个维度需要比较。柱状图利用柱子的高度，反映资料的差异。肉眼对高度差异很敏感，辨识效果非常好。柱状图的局限在于只适用中小规模的数据集。通常来说，柱状图的X轴是时间维，用户习惯性认为存在时间趋势（图1a）。如果遇到X轴不是时间维的情况，建议用颜色区分每根柱子，改变用户对时间趋势的关注。图1b是英国足球联赛某个年度各队的赢球场数，X轴代表不同球队，Y轴代表赢球数。

图1 柱状图 [注释1]

Line Chart折线图适合二维的大数据集，尤其是那些趋势比单个数据点更重要的场合。还适合多个二维数据集的比较。图2是两个二维数据集（大气CO2，地表平均气温）的折线图。

图2 折线图 [注释1]

Pie Chart饼图是一种应该避免使用的图表，因为肉眼对面积大小不敏感。一般情况下，总是应该用柱状图替代饼图。左侧饼图的五个色块的面积排序，不容易看出来（图3a)。换成柱状图就容易多了（图3b)。一般情况下，总是应该用柱状图替代饼图。但是有一个例外，就是反映某个部分占整体的比重，比如贫穷人口占总人口的百分比（图3c）。

图3 饼图 [注释1]

Scatter Chart散点图适用于三维数据集，但其中只有两维需要比较。图4a是各国的医疗支出与预期寿命，三个维度分别为国家、医疗支出、预期寿命，只有后两个维度需要比较。为了识别第三维，可以为每个点加上文字标示，或者不同颜色（图4b）。

图4 散点图 [注释1]

Bubble Chart气泡图是散点图的一种变体，通过每个点的面积大小，反映第三维。因为肉眼对面积大小不敏感。气泡图只适用不要求精确辨识第三维的场合。图5a是卡特里娜飓风的路径，三个维度分别为经度、纬度、强度。点的面积越大，就代表强度越大。如果为气泡加上不同颜色（或文字卷标），气泡图就可用来表达四维数据。比如图5b就是通过颜色，表示每个点的风力等级。

图5 气泡图 [注释1]

我们前面讲了二维、三维、四维，那么如果更高维度呢？下面是迈阿密热火队首发的五名篮球选手的数据。除了姓名，每个数据点有五个维度，分别是得分、篮板、助攻、抢断、封盖。 如何可视化成图？

Radar Chart雷达图适用于多维数据（四维以上），且每个维度必须可以排序（国籍就不可以排序）。面积越大的数据点，就表示越重要（图6）。但是，它有一个局限，就是数据点不宜过多，否则无法辨别，因此适用场合有限。

图6 雷达图 [注释1]

下表是对基本图表的一个总结。接下来介绍高级图表。
表1 基本图表小结 [注释2]

图表类型	数据维度	注意事项
柱状图	二维	只需比较其中一维
折线图	二维	适用于较大的数据集
饼图	二维	只适用反映部分与整体的关系
散点图	二维或三维	有两个维度需要比较
气泡图	三维或四维	其中只有两维能精确辨识，或者说气泡面积不能精确辨识
雷达图	四维以上	数据点建议不超过6个

高级图表 [注释3]

Tree map树图使用方块的大小和颜色表达每一个entity的至少两个属性的数据。比如图7中就显示了美国各个州的人口数量和人口增长率。可以发现加州、德州都是人口大州。

图7 Tree map [注释4]

Scatterplot Matrix散点阵列图可以表达多个变量之间的关系。这里展出的图8可以表达4个变量两两之间的关系。

图8 Scatterplot Matrix [注释4]

Parallel Coordinates。与Scatterplot Matrix的功能类似，Parallel Coordinates可以用来可视化多变量之间的关系。图9则表示了7个变量之间的关系，图中的每一条线代表了数据表中的一行数据（a single observation）。显然，如果在两个变量之间的连线相互交叉的情况很多，则表明这两个变量是负相关的关系。

图9 Parallel Coordinates [注释5]

Sankey diagrams桑基图可以可视化网络中节点之间的各种“流”。图10就表达了2050年英国能量生产和能力消耗的模拟结果。图左边是能量供给，右边是能量需求，中间的节点则表达了能量在最终消耗之前是如何被转化和传输的。每个条带的厚度表示了能量“流”的大小。

图10 Sankey diagrams [注释4]

Circos Chart圆圈上各个文字指的是美国的各种political action committee，为所支持的国会公职候选人筹集资金的政治行动委员会（图11）。圆圈内的各个圆圈则是国会的议员，面积大小表现所募集资金的多少，颜色表示党派。外围圆圈以及圈外的文字则表示募集资金的来源。

图11 Calendar chart [注释4]

Arc Diagrams。Arc Diagram使用弧线连接一维直线上不同节点来表达信息。比如图12就表达了美国因为枪杀而造成的损失。图中每一条线代表一个人，橙色部分表示这个人活着的时间，灰色部分表示这个人因为被枪杀而失去的“岁月”。换句话说，如果没有被枪杀，这个人可以继续活灰色部分所表示的时间。

图12 Calendar chart [注释6]

Force-directed graph。图13表达了悲惨世界中各个角色共同出现的次数，这样可以立即定位主角或者核心人物。

图13 Force-directed graph [注释4]

Calendar chart日历图。图14表示的道琼斯指数的日际、月际、年际变化。一般的折线图只能表示单一时间尺度的数据，比如日际、月际、或者年际变化。但这个日历图则把不同时间尺度的变化放到一起，并且以一种我们日常所常见的日历的格式表现出来。

图14 Calendar chart [注释4]

这一期对数据可视化类型的介绍到这里就基本讲完了。数据可视化在城市科学中还有很多其他有趣的话题，有机会将在以后的文章中与大家分享。

来源注释：
1. Thomas, S. A. (2015). Data Visualization with JavaScript. No Starch press.
2. 此部分内容原始来源为注释1, 后经阮一峰博客文章“数据可视化：基本图表” (url: http://www.ruanyifeng.com/blog/2014/11/basic-charts.html)翻译。
3. 编者曾经在香港大学建筑学院城市规划与设计系的“Peer Talk @ New Urban Researcher Seminar Series”2015年系列讲座中讲过本期文摘的内容。
4. Bostock, M. D3 Gallery. https://bost.ocks.org/mike/sankey/
5. Heer, J., Bostock, M., Ogievetsky, V. A tour through the visualization zoo. http://homes.cs.washington.edu/~jheer/files/zoo/.
6. Periscopic. http://guns.periscopic.com/?year=2013.

此版本为文章的最新版本，其他如微信、微博、Facebook以及其他授权发布的文章如有差异，以此最新版本为准。