基于现象学方法的大数据实验室研究分析论文

时间:2021-08-31

  0引言

  现象学不仅是哲学而且是方法,现象学从一般意义来说有先验、解释、发生三种,这三种现象学所采用的研究方法一般有先验研究、解释学研究以及体验研究。在大数据背景下,使用者三种方法看待实验室研究,这三种方法能否成功运用,一要看先验研究以及解释学研究中确立的“意向性”,二是这种“意向性”能否成功运用到体验研究。

1大数据实验室的现象学先验研究

  实验室研究一般会被误认为就是实证研究,实验是使用理性的逻辑作用于具体的实物,研究者会受到具体经验以及假设观念理论的影响,并且强调将这些因素“不带偏见”的面对客观事实,在实验室研究中我们必须紧紧地围绕研究对象。在新时代背景下使用现象学先验视角审视大数据实验室研究。

  何为先验,康德说:“先验包含了一切质的可能”也就是说,先验就是对具体经验的超越,它包含了具体经验的一切。那么在大数据背景下,实验室的研究是结合世界上所有的数据,包含进了一切的人类知识。大数据下的实验室研究不仅是少数人参与到实验室的研究,而是通过全球化的数据连接,将单个实验室的研究扩展到全球,使实验室研究社会化,它集中人类的知识、智力以及资源进行最优化研究,它囊括了一切人类知识的总量。

  从另一个方面来说,现象学的先验研究注重主体性,研究对象要围绕研究人员转,研究人员用自己的视角假设去迫使研究对象显示真相。在大数据背景下,实验室研究人员首先要构建的自己假设前见,确立自己的研究视角,接着再从海量的信息中,抽取符合自己“意向性”的信息。就像胡塞尔所说的“向来人们都认为,我们的一切知识都必须依照对象;但是在这个假定下,想要通过概念先天地构成有关这些对象的东西以扩展我们的知识的一切尝试,都失败了。因此我们不妨试试,当我们假定对象必须依照我们的知识时,我们在形而上学的任务中是否会有更好的进展”。大数据时代背景下,实验室研究人员可以充分自由的构建自己先验世界,再根据自己的先验世界去提取相关的信息,用这些信息去达到对实验对象本质的暴露。传统实验室研究总习惯于根据实验对象来确立所使用的知识及方法,按照确定的步骤进行相关的操作,正因为此,传统实验室研究中总会受到诸多的限制,科研人员的思维以及思想难以有大的突破。现象学中的先验研究,首先在思维上要求研究人员充分的发挥思想的作用,实验室研究中所作的一切都要围绕这个思想服务,而不是让科研人员屈服于研究对象,这种新的研究思维及方式在一定程度会促进重大科学的发生及发现。就像牛顿研究宇宙,试图去理解上帝奥妙的时候,它也是充分的构建自己的先验世界,宇宙构造可能会有多种情况,其发现万有引律,就是一个典型的例了,使用新的路径出发时总会在意外之中有重大发现。

2大数据实验室现象学解释学研究

  解释学现象学重视实验室研究人员凭借研究自己的主见和前见与信息或文本开展对话,使研究刘象围绕研究人员转,但这并不意味着研究人员不顾事实或曲解及歪曲对象甚者编造数据。如果实验室研究人员在实验室研究中发现原有的假设不符合事实,那么实验室研究人员需要调整原来的假设使其符合事实。当然,当我们的假设与实验研究对象出现短时间的不符合时,实验室研究人员不可轻率的抛弃先前的假设和独特的视角,不可围绕着实验对象跑而缺乏主见。

  解释学现象学中实验室研究人员的主见或前见在一定程度上有其适当之处。海德格尔指出,“任何解释工作之初都必然有这种先入之见,它作为随着解释就已经‘设定了的’东西是先行给定的,这就是说,是在先行具有、先行视见和先行掌握中先行给定的”,即实验室研究人员在进行相关的解释,是通过这种先行的要素起作用的,把实验室研究中的某一物解析为另一物时,起主要作用是具有以及掌握先行的视见而确定的。伽达默尔接着指出,“前见其实并不意味着一种错误的判断,它的概念包含它可以具有肯定的和否定的价值,他认为前见首先是判断的方式,它并不因为见解上的错误而受到排除,相反,前见是给定于最后考察一切事情中的决定性的要素之前,在胡塞尔和海德格尔那,前见都有其合理性。可以说,前见在大数据下实验室研究具有重大价值,实验室研究人员的确使广大的实验室研究人员与信息数据对话,具有高度的创造性,可以按照自己的前见进行相关的实验活动而不必摇摆不定。正是因为实验室研究人员有了自己的前见,才敢于冒险,不断的激发实验研究人员的创造性,在与数据信息的对话交流中,达到了视界的融合,使研究人员和数据信息两者都重新获得理解。

3大数据实验室的现象学参与式和体验式研究

  在大数据时代背景下,实验室研究人员可以充分地构建自己的先验世界,进行相对应的先验研究。但先验研究因为过于强调研究人员的主体性,在一定程度上会产生唯我中心论,那么此时参与式研究就成为了解决先验研究中不足的一种方法。大数据时代背景下的实验室研究,研究人员根据自己的需求挑选所需的数据信息,经过数据技术的分析,得到所需的结果。但这不意味着在大数据下,实验研究人员仅作为一个旁观者,或只是对象性研究。在面对海量信息得到实验结果后,更重要的是要参与到实验中,根据数据信息所给的步骤结果,真正的动手操作,与实验对象所接触,“知觉”实验刘象,与实验对象之间建立亲密的某种关系。与实验刘象融为一体,将实验对象的发生变化与特定的因素联系在一起,去认真思考,以便达到对大数据所给相关知识的理解。参与式的现象学研究实际上已由原来探求知识的认识论转化为以“知觉”或操作者使用为特点的存在论。

  不过,现象学当纯真非主体的`做法是体验研究。而实证研究则是多数以逻辑概念思辨或以量化的数据统计,是与体验研究对立的。参与式与体验式在现象学研究中的差别在于,从主体上说参与式研究是自己,是自己参与到实验对象中间;体验式研究则是实验的对象,相当于实验对象自己研究自己,研究者不直接参与到研究对象中去,不干涉研究对象,研究者退居幕后,让实验对象任其自由自在变化的发展。比如说,一个实验研究人员要研究某地人群疾病发生的致病因数,除了经数据信息分析以及在实验室检验和分析样本外,实验研究人员要置身于当地人的生活中去,并对当地人的生活不加以任何形式的干扰,详细记录当地人每天的日常饮居;跟当地人不断的交流情感,倾听当地人与邻居、家人以及亲人的交往故事;观察当地人的劳作,详细了解他们的饮食以及生活的自然环境,将这些因素的联系以及相关的数据数值进行详细的记录。体验式研究不单要求实验室研究人员倾听、了解以及记录实验对象的事,使实验对象的思考和言说显示为“非对象性的言与思”,而且要确使实验研究人员在记录和分析实验报告的过程中尽可能的避免过度的归纳与概括,进而保持记录的“非对象性的言与思”。