Ctrl-F-Resist：民间组织如何监测极右网络

🎓 专业 IRMaD 结构解读

I. Introduction（引言）

极右翼行动者已深度嵌入平台生态：从 TikTok、Instagram 等主流平台到审核稀薄的 Telegram，用于意识形态传播、动员与表演性自我展示（Immenkamp et al., 2024; Conway et al., 2019; Rothut et al., 2024）。计算社会科学与 CSCW 的大量工具研发面向事实核查（FC）与内容审核（CM），其用户研究也集中于这两类行动者；公民社会组织（CSO）虽长期从事情境化监测，却在需求调研与工具设计中系统性缺席（Bäumler et al., 2025）。本文以德国 12 家 CSO 的 15 位从业者为样本，回答三个问题：RQ1 当前监测实践与工作流为何；RQ2 技术、伦理与法律挑战为何；RQ3 对技术支持的期待为何。贡献有三：其一，给出资源匮乏与对抗性条件下 CSO 监测的深度经验描述；其二，把发现转化为设计启示并落入一个开源 Telegram 监测原型的共创过程；其三，提出“手工劳动陷阱”（manual labor trap）概念，并倡议发展面向协同式社会技术扩展（collaborative sociotechnical scaling）的 CSCW 理论。与既有研究相比，本文把 CSO 从“事实核查的弱化版本”还原为一种以观察与意义建构为核心、而非以干预为核心的认识论实践。

I. Theoretical Framework & Hypotheses（理论框架与假设）

文章不设变量假设，而以 CSCW 的基础概念作为敏感化框架。第一，不可见工作（invisible work; Star & Strauss, 1999）：监测的证据保全与自我保护劳动在制度上无人支持、在公众视野之外，且因法律与安全原因被刻意隐藏。第二，关系性基础设施与安装基座（relational infrastructure / installed base; Star & Ruhleder, 1994; Neumann & Star, 1996）：CSO 的工具生态不是稳定系统，而是靠持续本地维护才成立的关系性安排。第三，拼装（bricolage; Büscher et al., 2001; Karanasios et al., 2022）：在资源约束下机会主义地重组异质工具。第四，articulation work（Schmidt, 2011）与基础设施化（infrastructuring; Karasti, 2014）：跨组织的共享安排需要持续治理。第五，实践管线（pipeline of practices; Micallef et al., 2022）：把监测理解为搜索—过滤—解释—记录—排序的链条。第六，算法厌恶与人在回路（algorithm aversion / human-in-the-loop; Demartini et al., 2020; Liu et al., 2024）。作者用这些概念把“工具不好用”重新表述为知识生产标准化与地方性概念之间的张力（boundary objects; Star & Griesemer, 1989）。

M. Materials & Methods（材料与方法）

研究采用质性访谈加参与式工作坊的设计，隶属一个“研究到实践”项目，合作方为一家 CSO，同期开发开源 Telegram 监测原型。抽样为非概率抽样，结合目的性（专家）抽样与滚雪球抽样；共接触 12 家德国 CSO、访谈 15 人，覆盖监测、教育、归档、分析、传播与安全咨询等职能（表 1）。访谈于 2024 年 10 月至 2025 年 1 月进行，共 13 场，每场 30–60 分钟，经视频会议远程完成，使用半结构化提纲；两场因受访者拒绝录音，由第二研究者现场记录详细笔录。录音以本地部署的 Whisper 自动转写并人工校对，音视频随后按知情同意删除，可识别信息全部去除，匿名文本加密存储。伦理上遵循互联网研究伦理指南与极右研究惯例：不提供金钱报酬，且刻意不描述组织细节，因为该领域组织数量少，地区、监测对象或成立年份等间接标识即可致身份暴露。分析采用 Braun & Clarke（2006）的主题分析，编码为归纳式、数据驱动：第一作者熟悉材料并做开放编码，前两位作者各自独立编码两场访谈以校准，随后第一作者完成其余编码并构建编码树；编码由 714 个、25 个主题收敛为 21 个主题、497 个编码，最终形成 4 个元主题、21 个主题、80 个亚主题、329 个编码，并译为英文。最后将稳定后的主题映射回三个 RQ；作者明确说明该映射发生在主题结构确立之后，属分析性组织而非预设编码框架。两场一日制共创工作坊作为形成性评估：会前收集参与者自己的 Telegram 频道并预置入系统，现场演示发现、亲手试用词法与语义搜索、检查自动转写、体验消息级“阴谋论分数”，并组织分组讨论；另有 2 个 CSO 的长期试用正在进行。

R. Results（结果）

RQ1：监测高度手工化。受访者依赖 Telegram 桌面端或手机端逐频道浏览，全文搜索需“每次手动触发”（P4），API 自动化极少使用；记录以截图、滚动截屏、手工下载与笔记为主，长评论区“最后会得到上百张照片”（P6）。多数组织只有本地文件存储，少数维护纯文本手工数据库，仅 2 人使用自建抓取脚本。工具使用呈拼装状态：网页搜索、Google Alerts、现成播客或 YouTube 转写、用 PDF 阅读器检索截图 PDF、付费 Telegram 分析服务与关键词告警机器人；平台 API 因关闭或涨价而基本不可用。局限包括订阅成本、API 限额与报错、闭源工具不可配置、分类错误率（威胁评估尤其要求高召回），以及商业服务偏向易起诉的案件与特定平台（P4：“把赌注押在赢的那匹马身上，于是变得单一”）。
RQ2：四类挑战。数据获取受平台政策限制，Meta 与 X 的接口变更使原有数据不可得或昂贵，数据量被形容为“无底洞”（P8），本地算力常被大数据集压垮；多模态内容（音视频、直播、快拍）无法关键词检索，必须全量人工观看，且恶意行动者被指故意使用难以留存的格式（P14）；法律上“像记者但不是记者”（P15），须留存证据又要遵守 GDPR 数据最小化，部分组织因此缩减甚至停止监测，版权限制还阻断跨组织共享；安全上从业者使用一次性或马甲账号，组织遭协同攻击、被“用 GDPR 请求淹没”（P15）、“极右翼非常爱打官司”（P3），并担心政治气候变化使监测被重新定义为非法数据收集或“敌人名单”。
RQ3：需求集中在四块：增强搜索与发现（跨已知频道全局检索、类 Google Alerts 的 24/7 自动查询、音视频转写与 OCR 后可检索、相似度检索与新频道推荐）、仪表盘（信息流排序筛选、帖子与频道级指标、涨粉与转发模式、一键保存与协作标注）、洞察生成（分级风险排序、多分类器、命名实体与行动号召抽取、网络与转发分析）、输出与文档（可配置抓取间隔以防删帖、带时间戳的法庭可用证据、报告一键生成）。采纳条件为易用、显著减负、数据保护合规（最好有认证）、开源、本地部署与可靠存储；这些要求与最先进 AI 的算力与许可要求存在冲突。参与者对自动分类普遍保留：担心误判造成“被稀释的图景”（P4），认为模型难以处理德语与“字里行间”的反犹主义（P14），且自训练模型因成本高而不共享；生成式 AI 被极右翼主要用于宣传图像与分享图，但断章取义等传统手法仍占主导。

a / D. Discussion & Conclusion（讨论与结论）

作者把经验材料收束为“手工劳动陷阱”：在对抗性与资源稀缺条件下，原本创造性的拼装会硬化——劳动密集且脆弱的安排消耗掉本应用于建设更耐久基础设施的资源，形成自我强化的低产能社会技术体制，并延长从业者暴露于有害内容的时间，损害心理健康。该陷阱主要不是技术问题：短期项目经费、法律不确定、平台准入受限与持续维护需求，使单个 CSO 几乎不可能独立建设并维持所需基础设施，因此它更像结构性再生产的结果而非过渡阶段。由此，作者提出协同式社会技术扩展的理论议程：以跨组织共享基础设施（共享数据库、统一文档标准、联合开发与人力的中间枢纽，如 Tactical Tech）替代孤立运营；但合作并非中性，治理、所有权与权力不对称可能被复制。
设计层面，表 3 把十条经验发现逐一映射到核心技术需求与设计建议；政策与研究层面见表 4：政策上要求正式承认 CSO 监测的合法性角色、由数据保护机构出具分用途的法律指引、把短期项目资助转为长期运营资助（脚注指出德国 Demokratie leben! 计划正重构，若干民主类 CSO 陷入生存危机）；研究上应优先稳健的预处理管线（ASR、NER，尤其非英语与噪声真实数据）而非新分类任务，发展面向 CSO 的领域模型（威胁、反犹主义、种族主义动员）而非通用毒性分类器，并研究探索式搜索与轻量人在回路反馈。
局限：样本仅限德语区 12 家组织，可迁移性有限；受访者为监测从业者而非 AI 或软件专家，部分人难以跳出既有实践表述需求，且访谈者举例可能引导回答；质性访谈之外仍需用户故事、情境调查、设计探针与需求优先级方法。结论重申三点贡献：经验描述、可操作的设计与研究启示，以及手工劳动陷阱这一概念入口。