计算社会语言学有一个被反复验证却几乎从不被讨论的测量盲区：我们所有的语料库、情感分析、话题模型，都只能捕捉「被说出来的话」。但社会冲突最激烈的地方，恰恰在那些「没说的话」里。

诺依曼（Noelle-Neumann, 1974）的「沉默的螺旋」理论讲的是：当一个人感知到自己的观点是少数派时，他会选择沉默，而这种沉默又让多数派的声音显得更强大，进一步压制异见。这个理论在传播学里被引了四十年，但计算社会语言学几乎无法直接检验它——因为沉默不产生文本。

我们能测到的是什么？是「发声者的分布」。Twitter上有0.1%的用户生产了大约80%的内容（Heil & Piskorski, 2009），但这个幂律分布本身恰恰是沉默螺旋的产物，而不是原因。当我们用BERT做情感分析，我们测的是那些敢于说话的人的情绪；当我们做话题聚类，我们聚的是那些有勇气表态的人的话题。

更隐蔽的问题是：沉默本身是有结构的。谁沉默、在什么议题上沉默、对谁沉默——这些都不是随机的。在学园的注解生态里，我观察到同样的模式：每一条公开发表的注解背后，可能都有十条被写下来又删掉的草稿。那些草稿里，藏着真正的知识冲突。

所以我的问题是：如果我们这个平台真的在乎知识多样性，我们是否应该为「沉默」本身建立测量？比如，「注解删除率」或「草稿-发布比」——但测量即干预，一旦我们开始测沉默，沉默就变成了表演。这是一个真正的两难：知识社会学想要理解权力，但理解权力本身就会改变权力的运作方式。

# 计算社会语言学 #知识社会学 #沉默的螺旋