基于爱思想网窥视网络审查

注：

1. 这个小研究仍在进行中，后期可能会有删改。

2. 欢迎参与，源代码 https://github.com/tsai1993/aisixiang，原始数据 http://pan.baidu.com/s/1dFy5bXJ。

对中国政治审查的研究，最知名的应该是 Gary King¹。Gary King 和他的团队在 1400 个社交媒体平台部署了各类议题的帖子，然后长期跟踪这些帖文的删除情况，利用文本分析的方法，在对 85 个议题的分析中发现，对政府的批评不太可能被删贴处理，相反，任何有可能促使社会运动的言论才是删除的重点，审查制度主要服务于预测并消除群体性事件。Gary King 利用大数据做因果分析，开创了一个新的研究范式。

研究方法

在对 爱思想网 的观察中，意外发现爱思想网有全部文章目录，其全部文章的点击排行 （http://www.aisixiang.com/toplist/index.php?id=1&period=all） 中包含全部文章目录。因此，可以通过定期抓取全部文章目录，对比不同时间点的文章列表，可以知道文章的增删情况。

此外，爱思想网部分文章仅对会员可见，可以对比分析全部可见与仅会员可见和删文的性质，来分析哪类文章更可能被删除。

通过在云服务器部署爬虫，最终得到 2017 年 1 月 20 日、5 月 24 日和 6 月 10 日的全部文章列表，1 月 20 日、5 月 24 日的仅会员可见文章列表，1 月 20 日 99539 篇全部可见文章，5 月 24 日 100946 篇全部可见文章和 528 篇会员可见文章。

爱思想网简介

爱思想网自称成立于 2010 年 1 月，但其前身为燕南网、天益网，真正历史源头远早于此。网站上最早的一篇文章是于 2000 年 6 月 22 日发布的辛岛静态的《关于汉译佛典的研究——语言、方法及文献学问题》。爱思想网的定位，“终身学习平台和思想门户，致力于传播常识、追求真知、分享资讯，旨在推动学术繁荣、塑造社会精神”。

通过分析网站作者，发现爱思想网的作者绝大部分是大学教授以及公共知识分子。爱思想网与社交媒体不同，社交媒体人人可以发言，但是爱思想网是编辑约稿，设置学者专栏和栏目分类的模式，具有较高的门槛。比较发文数量前 20 名的作者，发现他们全部为大学教授，并且经常做公共发言。

因此，不同于 Gary King 对普通社交媒体平台的研究，爱思想网有不同的模式。它的内容主要是学者学术研究的公共发布，以及其他社会议题的公共讨论。网站主要刊登的是学者的学术研究和公共讨论，其篇幅都较长，比一般社交媒体要更为严肃。

审查总体规模

爱思想网的每一篇文章均有一个独特ID，如“于建嵘：中国农村的政治危机：表现、根源和对策”，其 ID 807，地址为 http://www.aisixiang.com/data/807.html。通过对比文章ID与发布时间，可以发现，除了早期的ID与时间不统一之外，文章ID是按照线性增长。

因此，可以根据全部文章数量与最大 ID 的比值，计算出全部删除文章的比例。经计算，2017 年 1 月 20 日、5 月 24 日和 6 月 10 日，删除比例分别为 3.24%、 3.37% 和 3.40%。

历年删文分布

通过对比消失的ID，可以得到历年删文的水平。2017 年 6 月 10 日，全网 共有 101050 篇文章，但最大的 ID 为 104612，有 3563 篇文章消失了。为了得到各年删文数量情况，将消失的 ID 数字加 10，作为被删文章的发布时间估计。发现新的 ID 中有 3335 篇文章有对应数据，得到历年全网文章和被删文章情况如下。

由上图可知，除了 2017 年只有半年数据外，2008 年相较于 2007 年，文章数量上有巨大的增长。而最大的增长来自于 2011 年，相较于 2010 年，几乎翻倍。2015 年在文章数量上，增长超过五分之一，但是相应的删文数量也创新高。而 2016 年的发文数量回落到 2008-2010 年的水平。此外，还可以发现，2017 年已经过半，但是文章数量仅有 2016 年的三分之一左右。

被删文章内容分析

在 2017 年 1 月 20 日的 99539 篇全部可见文章中有 112 篇文章没有出现在 2017 年 6 月 10 日的文章列表里（截至到 6 月 10 日，有 3562 篇文章被删除）。分析在这五个月中被删的 112 篇文章，发现有 33 篇文章在当时就属于仅会员可见，占到被删除文章的 29.5%，而仅会员可见文章一共只有 528 篇，只占全部文章的 0.52%。因此，有理由认为，仅会员可见是网站的自我保护的行为，同时，也可以理解成网站的一种自我审查。

分析这 112 篇文章的作者，除去只出现一次的作者，一共只有七人，其中左春和的 30 篇文章悉数删除。搜索后发现是该作者在微博发表言论后被撤职并且遭到封杀，这是属于典型的对人不对言。

而排名第二的崔卫平，截至 2017 年 1 月 20 日，在整个爱思想网发文 222篇，被删除的 12 篇文章，均是有关后极权主义、哈维尔和米奇尼克。傅国涌的三篇文章也都是关于米奇尼克。显然，这是明显的对言不对人，有关极权主义的文章显然挑起了当局的敏感神经。

而排名第三的吴万伟的几篇文章均是关于自杀、道德哲学等主题，而吴万伟在整个爱思想网的发文和译文超过 191 篇，也是一个明显的对言不对人。

排名第四的李昌庚，主题涉及到土地产权、国企改革和社会转型，他在整个爱思想网发文 51 篇。余下暂不赘述。

从这个简单的分析中可以看出来，学者文章被删，有两个主要类别，一是“对人不对言”，是针对作者的封杀；二是“对言不对人”，当作者触及到某些议题，就有可能会被删除。至于是哪些议题，除了反极权等当局比较敏感的议题外，其他诸如道德哲学、社会转型、土地改革等，也会被删文。与 Gary King 在社交媒体中的发现不同，这些偏学术、严肃讨论的文章，并没有任何引发社会运动的因素，相反，有关意识形态、改革和无厘头的主题更容易被删文。

仅会员可见文章分析

仅会员可见是网站的一种自我保护，可以看一下仅会员可见文章的点击量与全部可见文章的差异。

分析发现，从总体上说，仅会员可见的文章平均点击量是全部可见文章的 1.9 倍，可见仅会员可见文章的总体水平是高于平均值的。

2017 年 5 月 24 日，有 528 篇会员可见文章，截至到 6 月 11 日抓取数据时有 5 篇文章已经被删除。在余下的 523 篇文章中，利用 jiebaR 软件包，读取全文，去除空格和空白行后，提取每篇文章的 10 个关键词，进行词频统计，获取超过 10 次以上的关键词。

在 2017 年 5 月 24 日的 100415 篇全部可见文章中的未删除文章中，随机抽取 523 篇，每篇文章同样提取 10 个关键词，进行词频统计，获取超过10次以上的关键词。

将两类关键词相减，得到每个关键词的净频次。

净频次前十的关键词分别是，毛泽东，文革，政治，民主，宪政，共产党，自由，事件，中共，人民；净频次后十的关键词分别是，发展、美国、研究、经济、法律、法治、日本、企业、世界、传统。分析这些会员可见文章的关键词，可以发现，历史领袖人物评价、改革、历史、文革、自由、宪政等等议题更可能成为会员可见内容。因此，意识形态仍然是严肃学术讨论中的禁区，这与Gary King有关社交媒体平台的审查截然不同。

参考文献