大学小容>善用网络，助益成长！

这是在欧阳的新贴子后的评论，转贴回来放到自己的blog里。小容在这次的评论里提出了“软信息”、“硬信息”、“浅交际”和“深交际”这四个新的生造词。造这四个新词，其实没有多大意义，仅仅是针对欧阳的那篇贴子。

建议先阅读原始贴子之后，再回来这里看小容的评论。

原始贴子：

阳志平眼中的web3.0：呼唤虚拟机器人时代的到来

引用：

即使对信息过滤得再巧妙、再充分，也始终还是停留在对信息的过滤层面，仅仅是Web1.0时代的自然进化而已，并没有深刻理解互联网与传统现实社会的异 同。

对于互联网上不存在的信息，也很难表达的信息，比如，信任、心理健康、调情、温暖、趣味、人情、内疚，这些内容，对于前一类网站来说，存在先天的局限性，几乎不可能表达出来。

“软信息”和“硬信息”这两个生造词可以参考上面这段引文。下面是原始的评论，中间涉及到虚拟人和机器人的说法，虚拟人的说法请先阅读程乐华老师的文章：长尾虚拟人：聚合人类时间和精力的长尾
—————————————

1、关于机器算法和人肉过滤

关于信息和信任两个维度的推演，很不错。用SNS业者的语言来说就是社会性计算。对于信息过滤的处理，机器算法和人肉过滤一直业界争议的话题，国外来说，就拿Google和Facebook相比，显然两者各有千秋，虽然Facebook提供了一些“软信息”，但是这不表明“硬信息”就过时了。而国内，豆瓣新近的改版也是在原来的机器算法的基础上加入了现在的人肉过滤算法。

2、关于虚拟人和机器人

小容觉得“虚拟机器人”这个提法有些模糊，程乐华对于虚拟人的分析，重点是虚拟人的角色是有它的自我存在，它的自我不是为了帮助他人过滤信息而存在。换句话说，张小盒是虚拟人，而哪吒的机器人则不是虚拟人。同样，小容也不认为小i机器人是虚拟人。

如同Imac所提到的Agent一样，信息处理领域一直就有信息中介存在，过滤器也是一样的。哪杂的机器人，小i机器人都可以算是这类信息中介的一种形态，我们可以叫它们过滤器、信息中介或者机器人都可以，但是，显然，他们和虚拟人有很大的差别。

当然，也排除有机器自动化操作的虚拟人，不过，小容很难想象那种会建立自我的机器人。。。。这个部分需要举例子来展开讨论。

3、关于软信息和硬信息

对于互联网上不存在的信息，也很难表达的信息，比如，信任、心理健康、调情、温暖、趣味、人情、内疚，这些内容。

小容想把这里说的这类信息称为软信息，而与此不同的则归类为硬信息。

然而，这样的定义是没有意义的。软信息这一类的内容，本身是人们在线交际的附属物。在社交活动中，人们不是为了信息而信息，人们是为了交际而表达。

在现实生活中，每一次单一交际活动结束后，因为表达出来的内容没有保存，而只能在人们的大脑中回响，而在网络世界中，每一次交际活动结束后，表达出来的内容保存下来。存档后的内容，甚至可以被网站利用来由此衍生和刺激下一轮的交际活动（例如facebook中的friend activities）。但是，即使这样，也不该就此认为交际所衍生的信息比交际本身更重要。换句话说，但人们获得了交际之后的心理体验之后，那些交际过程中所诞生出来的内容是没有价值的。

从这样的角度来看，小容认为Facebook不应该归类为信息过滤价值，而应该归类为社交价值。信息过滤价值只是Facebook的社交价值带来的附加价值，并不是主体。

4、人们分享硬信息的行为：浅交际

当然，Facebook上也同样存在着分享硬信息的行为存在，这一类行为的确可以归类为人肉过滤那一快。

同样，小容也用一个新词来描述这种行为：浅交际。这类行为比起相反的深交际来说，只是满足人们普通意义上的信息需求，而不会满足人们的社交需求/情感需求。

人们的社会交往的确包含有信息和信任两个维度，不过，放在互联网的语境中，社会交往里的“信息”和网络浏览里的“信息”的确是有差别的。或许可以把这两个维度变成一个四象限：

软信息，硬信息，浅交际，深交际。

5、未来

小容依然认为即使在未来，人们在web上，对于硬信息的需求还是占主导地位，因为道理很简单，整个web上，硬信息是海量的，只有对整个web的硬信息进行处理的公司，才会占据产业中心的位置。

而处理人们的情感行为方面的公司，它能处理的范围只会局限在自己的网站里面（人们的情感行为需要一个安全、固定和可信赖的环境，例如facebook和secondlife），这样它的地位终究是有限的，因为它没有把整个web当成自己表演的舞台。

当然，人们会探索如何在人们的交互过程中挖掘出有效的信息路径，这也是现在生活流如火如荼的原因。

Diigo是一个好东西，现在小容已经使用Diigo一段时间了。小容设置了一个名字叫做Oliver Ding’s Scrapbook的小组，在这里，小容分享自己的网摘和注释给朋友，朋友也可以分享网摘和注释和小容。每个周末，Diigo会将这个小组里一周来的网摘和注释条目通过电子邮件发送给小容。

从现在开始，如果发现某个话题的网摘积累到了一定数量，小容会将这些网摘汇总贴在Blog里，希望这样这样不定期对网摘的进一步整理，是一个学习的好方法。这些不定期的整理，将放置在“网摘与注释”和“Scrapbook”这两个标签下面。

Henry Jenkins: 为什么学者应该Blog？ by Oh My Media | 媒介与传播研究…

原文引用：

运转一个blog是一项承诺和义务，应该被视为你职业的一大堆义务的一部分。当我最初以学者身份开始blog之时，曾向其他blogger寻求建议。他们 强调的是，重要之处在于设置发表你blog的日程表并且坚持它。至于你到底是每周写一次还是每天写一次，这倒不要紧，重要的是你得坚持添加内容。否则，在 任何一天不去写一篇blog文章都是非常容易的。然后经过一段时间，这种偷懒的诱惑的积累会让你最终远离blog。在你的“困难时期”，设置截止日期和有 策略地生产内容非常重要，某种程度的“纪律”会让你一直保持动力。

小容的注释：

每一个知识工作者都应当将知识探索的过程公开在网络上进行，让知识探索的过程得以社会化，并且以更快的速度进行。对于中文blogosphere来说，只有当越来越多的知识工作者开始写blog，并且坚持写blog的时候，垂直领域的信息才会涌现，中文web的信息价值才会逐渐跃升到知识探索层面。

信息的泛滥和匮乏是相对的 by 一言谈| New Media Observe…

原文引用：

不容忽视的是，基于垂直内容需求的人群正在形成，我自己也正是这很多个需求群体中的一个，他们只需要他们关注的那个领域的足够信息，至于其他的，剩余的20%时间就够了。

小容的注释：

需要水平过滤器的时代，还需要垂直信息的把关人。

更科学地让心理学家为自己所用 by 欧阳的心理学笔记

原文引用：

人们之所以对心理学家感兴趣，更多是对自己的问题感兴趣。创业者希望认识心理学家，希望了解的是，心理学家能帮助自己调节心态，同时更希望心理学家能够帮 助自己，像史玉柱一样，充分地利用人性弱点，让消费者更好地为自己买单，广泛地扩大自己的用户群。年轻妈妈对心理学感兴趣，希望了解的是，如何更好地教育自己的小孩，让他快快乐乐地成长。白领女性对心理学感兴趣，更多希望地是，能更好地获取一些关于自我成长的知识。

小容的注释：

这篇贴子谈的是心理学家和大众需求之间的鸿沟，实际上，这是在各个学科和产业普遍存在的现象。学理性知识是基础，而实践性知识是应用。显然实践需要理论指 导，否则人们就找不到方向，会迷失在纷繁复杂的表象中。而学理性知识也要从实践中吸取养分，否则容易沦落为空中楼阁般的学术游戏。

《社会网络与组织》不适合SNS网站创业者阅读 by 豆瓣读书

原文引用：

《社会网络与组织》更准确的名字应该是《如何分析和研究社会网络与组织》创业者就是企业家，需要应用科学家、理论家的分析研究结果，而不是自己去分析和研 究一些理论。我们做SNS网站创业，在“社会网络和组织”方面，最需要的是两种书:第一种，描述现实生活中“社会网络和组织”是怎样的，有什么特征。第二 种，在网络上形成的社会网络和组织，与网络下有什么不同(长尾理论就是这样的书：描述网络经济和网下经济不同的地方)。

小容的注释：

很有意思的观点，它引发出一个值得深思的问题：大陆网络创业者的知识从何而来？

完全克隆：最简单的做法，直接拷贝国外的网站的结构、设计和运作模式；

一点创新：在国外网站的基础上，加上自己理解所发展的东西——不是所有国外的东西都是最完美的，他们也是在发展过程中——以及思考和本地市场接轨需要修改的东西；

完全开发：开发一个国外也没有的现成产品，那么，就需要自己从头到脚来开发了。那么，有多少团队具备完全开发的所有知识呢？！

人因实验室群体blog开通 by 欧阳的心理学笔记

原文引用：

人因是一个我非常看好的领域，也是心理学大有可为的领域。个人一直觉得，心理学在工业、设计、创意、互联网领域的商业价值远远大于在心理咨询领域的商业价 值。无它，在心理咨询领域，心理学的发展过于依赖专家的个人价值、个人口碑。专家的技能、咨询的效果缺乏一个定量的评价体系，从而很难具备大规模复制的可 能性。

人因实验室这个项目就是一群志同道合的朋友，在这个领域的探索。人因实验室是一个由人因领域的专业研究者、爱好者与商业推动者共同维护、参与的一个研究性组织。随着人因实验室的发展壮大，不排除它成为商业组织的可能性。

小容的注释：

群组Blog是一个很好的搭建复合性知识社群的基本工具，不同知识背景的人可以围绕一个核心实践领域展开交流、探讨和传播。在一个群体blog的基础上，加上Google Groups以及各类SNS网站里的Groups，就可以快速建立一个复合性知识网络。同理，单一性知识社群也可以使用同样的方法，去聚集相同知识背景的人。