Identity

理解數位社會中的身份（概念 2.3）

歡迎！這一章將探討數位社會中最個人化且最核心的概念之一：身份 (Identity)。如果一開始覺得這個概念很抽象，別擔心；我們將會拆解數位系統如何形塑我們、我們如何展現自我，以及他人如何感知我們。

理解身份至關重要，因為我們在線上的存在方式（我們的數據、檔案和互動）會影響我們在現實世界中的機會、私隱和社會地位。它與其他核心概念（如數據 (3.1)、演算法 (3.2) 和空間 (2.5)）有著直接的聯繫。

1. 定義數位時代的身份

在數位社會的背景下，身份已超越了你的實體自我（出生證明、外貌），延伸到了數據和互動的領域。

數位身份的核心組成部分

你的數位身份 (Digital Identity) 是在數位系統中，唯一代表你——或你所採用的角色——的資訊和行為的總和。它通常具有雙重性：

• 實體身份 (Physical Identity)： 用於法律目的的傳統驗證身份（護照、駕駛執照、銀行帳戶）。數位系統通常會透過身份驗證方法來核實此類身份。
• 數位人格 (Digital Persona / Virtual Identity)： 我們在線上建立和維護的身份。這包括社交媒體檔案、遊戲頭像、用戶名稱，甚至是論壇上的發言模式。這個「人格」未必與實體自我完全吻合。

類比： 可以把你的實體身份想像成你的法律簽名，而數位人格則是你的個人品牌或個人頭像。前者具有法律約束力，後者則是社交建構的產物。

關鍵重點： 數位身份並非靜態的；它不斷地被系統和其他用戶建立、驗證和挑戰。

2. 數位足跡：存在的證據

每當你與數位系統互動時——從瀏覽網站到使用智能手錶——你都會留下痕跡。這些痕跡構成了你的數位足跡 (Digital Footprint)。這些足跡是數位系統「認識」你是誰的核心依據。

主動與被動足跡

數位足跡根據意圖可分為：

1. 主動數位足跡 (Active Digital Footprint)： 你蓄意分享或創造的資訊。
   • 例子： 發佈照片、撰寫部落格文章、填寫網上登記表、發送電郵。
2. 被動數位足跡 (Passive Digital Footprint)： 在沒有你直接、自覺參與的情況下所收集的數據，通常在背景運行。
   • 例子： IP 地址、位置追蹤、追蹤瀏覽記錄的 Cookie、顯示瀏覽時間的元數據 (metadata)、購物記錄日誌。

持久性的挑戰

數位足跡的主要特徵（以及潛在問題）之一是持久性 (Persistence)。

• 與會逐漸消失的腳印不同，數位資訊可以被無限期地儲存、複製和檢索。
• 這種永久性意味著年輕時的錯誤或過時的觀點可能會在未來重新浮現，影響職業生涯、人際關係或政治立場 (4.6)。

記憶小撇步： P 代表 Passive（被動）= 在背景中被 Processed（處理）。P 代表 Persistence（持久性）= 足跡是 Permanent（永久的）。

3. 身份的表演：自我呈現

在數位空間中，我們會主動管理和策劃自己的身份。這種將身份視為一種表演——選擇展示什麼和隱藏什麼——稱為自我呈現 (Self-Presentation)。

策劃自我

我們會針對特定的受眾和平台調整我們的數位人格。

• 例子 1： 在 LinkedIn 上，你呈現的是專業、成功的自我（經濟背景，4.2）。
• 例子 2： 在 Snapchat 等個人化平台上，你可能會呈現更隨意、即時和親密的自我（社會背景，4.7）。

這種持續的策劃會導致身份碎片化 (Identity Fragmentation)：即在不同的數位環境中，擁有多次且有時互相矛盾的人格。

你知道嗎？ 社會學家 Erving Goffman 提出了戲劇理論 (Dramaturgy)，將社會互動比作舞台上的表演。我們利用「前台」（公開檔案）來展示理想化的自我，而「後台」（私聊）則用於非正式的行為。數位社會更放大了這種動態！

真實性的挑戰

當每個人都在策劃自己的身份時，真實 (authentic) 與虛構 (fabricated) 之間的界線就變得模糊了。這可能導致焦慮、比較文化，以及在建立真正的人際關係時面臨困難。

要避免的常見錯誤： 以為身份是「虛擬的」就沒有現實影響。網上破碎或虛構的身份仍然可能對心理健康（健康背景，4.4）或未來就業前景產生深遠影響。

4. 身份、認證與驗證

數位系統需要確認與之互動的人確實是他們所聲稱的對象。這個過程稱為認證 (Authentication) 與驗證 (Verification)。

證明「你是你」

認證方法依賴於透過三個主要因素來證明身份（通常稱為認證三要素）：

1. 知識： 你知道的事物（例如：密碼、PIN 碼）。
2. 持有： 你擁有的事物（例如：用於雙重認證 (2FA) 的手機、安全密鑰）。
3. 內在： 你本身的特徵（例如：生物識別數據，如指紋或面部識別）。

對生物識別（內在）的日益依賴，將身份與數據 (3.1) 安全緊密聯繫在一起，因為這類數據極其敏感且不可更改。如果密碼被盜，你可以更改它；但如果指紋數據庫被駭，你無法更改你的指紋。

匿名性 vs. 假名性

在不揭露真實身份的情況下進行操作的能力，對於許多數位空間的言論自由 (2.2) 和安全至關重要。

• 匿名性 (Anonymity)： 在沒有任何識別數據或持久人格的情況下操作的狀態。由於被動足跡的存在，在網上實現真正的匿名是非常困難的。
• 假名性 (Pseudonymity)： 使用與現實身份脫鉤的持續性非真實身份（暱稱或頭像）。例子：一位 Reddit 用戶擁有一個已使用 5 年的穩定用戶名，但其真實姓名無人知曉。

關鍵重點： 假名性允許人們在不暴露個人安全或私隱的情況下，進行持續的數位身份表演，在表達自由與安全性之間取得平衡。

5. 演算法身份建構與側寫

數位系統不僅僅是記錄我們表現出來的身份；它們還會根據收集到的數據主動分析並建構出一個「你的版本」。這就是演算法發揮作用的地方。

側寫的作用

側寫 (Profiling) 是一種自動化過程，旨在根據收集到的數據，為個人的身份、偏好和行為建立模型（或檔案）。

• 它是如何運作的： 演算法 (3.2) 將個人歸入特定的人口統計學和心理統計學群體中。
• 例子： 如果你頻繁搜尋旅遊優惠並關注氣候活動人士，演算法可能會將你側寫為「年輕、具有環保意識的旅行者」，這隨後會影響你所看到的廣告和政治內容 (4.6)。

對獲取機會的影響

當演算法定義我們的身份時，可能會產生嚴重的社會和經濟影響：

• 排除： 如果演算法將你側寫為「高風險」，你可能會被拒絕貸款、在求職審核中被剔除，或被收取更高的保險費。這超越了單純的廣告，影響了基本的生活機會。
• 偏見： 如果用於訓練側寫演算法的數據反映了歷史上的社會偏見（例如：種族或性別偏見），這些偏見就會內建於系統所創造的數位身份中，導致不公平或歧視性的結果。

鼓勵： 調查演算法側寫如何影響邊緣化群體，這將是你專題研習 (Inquiry Project) 的絕佳切入點！