被烹饪的数据 Cooking Data

引

大模型的好坏，与数据质量息息相关，目前的数据大多已投入模型中，如何获得优质的真实世界数据将成为长期的课题。

我平时会做一部分数据分析，喜欢人类学，明年又有可能参与非洲的研究项目。Crystal Biruk 写的这本 Cooking Data 则包含了这些我参与和热爱的内容。前段时间薄荷实验在招这本书的翻译，我甚至都心动了。

本文是 Cooking Data 读后感。

幻想中的数据

作为学院派的研究者，我们其实没有很多机会参与完整的现场调查和数据收集，平时将拿到手的数据称为 raw data，并认为该数据应该是「干净且客观的」，偶尔遇到数据质量差的数据，则会心生抱怨。

这本书的标题则直接指出，「干净的数据」这一概念是虚构的，是远离现场的人们所想象的。数据必然被「多次烹饪」，无法避免的与社会和文化环境交织在一起。

然而基于数据的决策系统，已经被广泛应用于政策制定，所以梳理和反思数据产生的全流程是必要的。

文化盲点

全员多语种的专家团队是任何一个大项目都负担不起的，需要翻译专家从中协调。然而，即使 ChatGPT 等大语言模型提升了翻译的下限，也远远不够，这是大部分全球健康项目数据质量的根源性问题。

将高质量数据标准方案翻译成其他语言本身就面临很大挑战，即使是 WHO 官方翻译的中文文件，有时我阅读起来都怪怪的，最后直接看英文，才能完全理解。这不仅是逐字翻译的问题，而是叙事习惯和结构的问题，这些方案和标准需要是易于理解和执行的。

另外，不同语言体系中，对特定专业词汇的解释会有细微差异，仅仅是找到相似的其他语言替代词并不足够，有时需要创建新的词组，以确保含义的一致性。与此同时，又增加了表述的复杂性。

有时我们会假定数据驱动的一些学科，是植根于新时代的理性产物，纯科学、非文化。但这种假设是被视野所局限的，忽略了文化背景特殊性。

传统人口学倾向于将数据生产看作一个线性、标准化的流水线。然而，实际上每个数据点的形成都更像是一个有机的、动态的生命周期。数据并非简单、重复性的工业产物，而是通过一系列的交易、经历和关系后形成的。这种观点挑战了简化数据处理为工业化生产的思维模式，强调了数据的复杂性。

不对等

在研究项目中，不同职能的工作者，如项目设计、数据收集、分析、传播，之间的权力关系是不对等的。以作者的非洲马拉维现场为例，研究者在处理数据的时候，会对马拉维当地的平均知识水平产生偏见，并将数据分析中遇到的困难，转嫁为数据采集的质量较差。

这些不对称在追求方法学严谨的数据时被放大，并在欧美主导项目的背景下，引出了种族、新殖民主义、城乡不对称等残留问题。每个维度都值得更多的讨论和研究，但这种复杂性有时会让人们望而却步。

礼物

现场调查者常会准备小礼品以助调研顺利，最初会选用糖，但袋装糖的成本较高，在高气温环境运输不方便，并会占据更多运输空间。另外，有些因摄入糖或食用油而生病的受访者会因此抱怨。

与之相似的是，现场工作人员拒绝赠送空水瓶。因为有孩子装水喝完，如果出事，会与村民关系恶化。

外来者本就会被警惕和观察，任何小问题都会被放大。

肥皂则是一个经过实践检验的最佳选择，简单、方便、干净。

但礼物这个概念本身就会引起不平等，因为同一项目的不同调查点可能有的发放礼物，有的没有。没有获得礼物的村民则会觉得不公平。

随机抽样也会造成，仅有被调查的人收到了礼物，形成幸运的内部人和不幸的外部人之间的不平衡。

这些方面都是我以前没有考虑到的，而确实是长期项目所需要关注的。

与当地人和谐相处，才能避免基层调查者和受访者的流失，保证回访的数据质量。

结

这几年翻译成中文的人类学书籍越来越丰富了，真不错！