描述
开 本: 32开纸 张: 胶版纸包 装: 平装-胶订是否套装: 否国际标准书号ISBN: 9787111598572
对于自身的数据，人们如何、为何记录，怎样分析以及做出什么样的反应。作者分享了一些关于社会生活领域的新兴研究，揭示了一系列日常生活情境中，数据为什么有用、强大、乏味、令人愉快、令人失望、错误，或是无关紧要。
我们关注量化自我，主要因为它和人们*关心的健康、保健相关。让我们跟随作者的脚步，领略信息时代，数据和可穿戴设备如何影响我们的健康与生活。
译者序
致 谢
第1章
量化自我简介 ∥ 1
很多时候，我们认为量化自我是一种个人追求，但产生的数据对很多人都有影响。这里的利害关系是我们用来看待自己和他人的透镜。能够用心地设计或使用这些透镜是一种能力，这种能力可以帮助形成或破坏重要的关系。
第2章
当个体面对社会，孰轻孰重 ∥ 34
你被要求使用的技术是真的可以提升健康状况，还是在将行政或医疗的劳动转移到你身上？如果你自愿使用它，它是真的帮你了解身体现状了，还是说大量的数据流向了他人，而你只得到了一个无用的数字？它只是一个按规程做出反应的设备，还是真的有医疗效果？
第3章
理解、使用数据的方式与技巧 ∥ 62
对各种自我量化技术的短暂尝试表明，正确进行量化，不止一种方法。”科学第一”的方法中，数字是客观事实的窗口。”认知第一”的方法，目标可能是思考这些认知是什么，或者扩展人们普遍认为的正确观点的范围。当某种学习行为发生时，不管是什么类型的学习，”好的”自我量化都会随之产生。
第4章
自我量化与技术行业的碰撞 ∥ 96
要想建立自我量化工具的市场，就需要定义所销售的产品，以及产品的使用方法。目前，自我量化工具已经出现在许多市场中。然而，技术行业仍在努力为已发布的设备寻找令人信服的使用方法。
第5章
自我量化与医疗实践 ∥ 125
与为消费市场而设计的工具不同，对于为连接家庭和诊所而设计的工具来说，信息与医学标准、诊所规定的关系需要被考虑进去并且需要为此进行设计，自我量化信息的有效性已被证实，数据也像健康记录一样，用同样的标准被保护起来。
第6章
展望自我量化 ∥ 154
允许人们和公司跨多个设备、平台和数据类型进行协作的技术标准还在开发中。一些公司的业务依赖于阻止客户获取数据然后离开的能力，而其他公司则会从一个更加开放的生态系统中受益，用户可以在那些使用他们数据的服务和公司中选择。
术语表 ∥ 179
注释 ∥ 183
其他资源 ∥ 195
方也可
这是一本简短而不简单的书。今天的我们，每天都会接触到许多有关量化的场景，比如行走步数记录、睡眠时间统计、心率监测等，却很少有人认真思考量化背后的发展体系和它可能带来的作用。我也未曾思考过诸如我为什么要量化步数，这些步数数据会流向哪里，流向何人，数据对我来说会有什么作用这类的问题。本书的作者们，也是被生活小事击中而有了写作的契机，进而去思考量化行为背后的原因以及量化所能带来的社会效用。本书从量化的起源讲起，逐步引入量化方式、量化背后的数据所有权问题，由浅入深，理论与案例结合，为大家梳理了有关量化的思想和做法，引出了一系列关于自我量化的讨论和思考。
我们生活在数据泛滥的时代，每人每天都在产生着数据，也随时都在接收着来自外部的数据。生活在这个世界的人们，被数据和信息所包围，透过数据看原因，透过现象看本质是我们所希望达成的共同目标。生而为人，我们渴望了解自己，我们希望知道自己的健康状况到底怎么样，希望明白自己是一个什么样的人，也急于了解自己的状况是否为偏离正常情况的”异常值”，所有的这些，都是量化产生的源头。在无法获得契合自己的外部数据支持的情况下，我们可以选择自己记录自身数据，然后进行分析，这就是自我量化。记录是量化行为的基础，量化的形式多种多样，每个人都可以有自己独特的量化方式，借助外部工具进行记录也不失为一种极好的方法，这又引出关于外部数据所有权的思考。自我量化涉及生活中的方方面面，量化本身仍处于发展阶段，方法和制度尚不完善。本书提供了作者们关于自我量化的思想和感悟，也详细叙述了许多有关的案例及思考过程，作者们给读者提供思路，给予读者启迪，鼓励读者就书中提到的问题继续探究，形成自己的量化理论和方法，完善自我量化体系。
本人学识有限，译文不当和错讹之处难免，企盼读者予以批评和指正。
作者致谢
本书的关键之一在于知识（甚至自我）是一种社会性产品。所以同样地，这本书当然也是社会性产品，只有通过许多人的贡献和努力才有可能完成。虽然这是一本入门书籍，而不是像民族志一样的大作，但许多人慷慨地付出时间，向我们传授他们的观点，分享他们对数据的看法，并帮助我们理解某些风险。患者代表、数据活动家和量化自我爱好者的奉献启发了我们，让我们了解当人们参与到对自身有重要意义的技术时，会产生多大的作用，带来多大的可能性。
马里·埃弗里（Mary Avery）首先鼓励我们思考如何向普通读者传达自我量化问题。如果没有她敏锐的编辑本能，我们很可能不会想到开展这个项目。苏珊·巴克利（Susan Buckley）和吉塔·马纳克塔拉（Gita Manaktala）帮助并引导我们将粗糙的想法塑造并整合为最终成品。凯瑟琳·卡鲁索（Kathleen Caruso）再次被证明是一位非凡的手稿编辑，她似乎能够优雅和细致地处理每一种可能的偶然事件，而抄写员朱利亚·柯林斯（Julia Collins）敏锐的眼光让本书获得了极大的改进。香农·奥尼尔（Shannon O’Neill）和Lippincott Massie McQuilkin（一家文学机构）的威尔·利平科特（Will Lippincott）与我们合作，为读者阐明了一些观点，并协助了本书的出版印刷。为此，我们非常感激。
我们感谢布里塔尼·菲奥雷·加特兰（Brittany Fiore Gartland）、克里斯汀·巴塔（Kristen Barta）、克里斯·蒙森（Chris Monson）和彼得·纳吉（Peter Nagy）为与这项工作有关的项目提供了重要的研究援助，并对量化自我的概念进行了媒体宣传。这项工作在很大程度上也受益于匿名修改者们的慷慨协助，他们将时间和思想投入我们的想法中，强化了书中的论点。
唐恩（Dawn）想要感谢许多自我量化的实践者，他们的实践为我们带来了许多帮助。详细说来，在协助展示如何通过自我量化解决实际问题方面，安妮·赖特（Anne Wright）通过实践，已经对这个问题了解得非常清楚。多年来，拉吉夫·梅赫塔（Rajiv Mehta）一直鼓舞着我们的工作。史蒂文·乔纳斯（Steven Jonas）扩大了我们对数据在自我量化方面的作用的认知，而QS实验室的人们提供了令人难以置信的具有刺激性的、详尽的和富有挑战性的对话。唐恩同时也想感谢她英特尔公司的同事，特别是数据感知团队（Data Sense team）的桑吉塔·夏尔马（Sangita Sharma）、拉玛·纳赫曼（Lama Nachman）、皮特·登曼（Pete Denman）、丽塔·乌汉比（Rita Wouhaybi）、雷尼特拉·杜伦（Lenitra Durham）、埃文·萨维奇（Evan Savage）、德文·斯特朗（Devon Strawn）和蒂姆·科珀诺尔（Tim Coppernoll）。约翰·雪莉（John Sherry）作为实验室领导者和有价值的导师为这项工作做出了贡献。杰米·谢尔曼（Jamie Sherman）、尤利娅·格林贝格（Yuliya Grinberg）、达纳·格林菲尔德（Dana Greenfield）、明娜·鲁肯施泰因（Minna Ruckenstein），以及惠特尼·艾琳·贝泽尔（Whitney Erin Boesel）塑造了书中提出的大部分思想。吉姆（Jim）和彭妮·娜芙斯（Penny Nafus）为这项工作奠定了更深的基础。特别感谢丹·贾菲（Dan Jaffee），在本书撰写的困难时期为我们提供了支持。对于那位承担了必须指出很难发现的不足之处的工作的好伙伴，唐恩对他的诚实与合作表示感谢。
吉娜（Gina）想要感谢许多帮助她阐述书中想法的同事，包括感谢他们在普林斯顿大学和斯坦福大学会谈后的讨论。中欧大学公共政策学院的同事，以及学院里能力出众的学生进一步推进了量化自我概念的社会影响。吉娜对自我量化和个人数据的研究得到了英特尔公司、普林斯顿大学信息技术政策中心和中欧大学高级研究所的支持。华盛顿大学罗马中心和布达佩斯的劳尔瓦伦堡旅馆为本书的第一稿提供了写作空间。特别感谢伊娃·贡奇（va Gnczi）、伊娃·福多尔（va Fodor）和艾格尼丝·福尔戈（gnes Forgó）。菲尔·霍华德（Phil Howard）和吉娜的两个儿子哈默（Hammer）和戈登（Gordon）让写作变得愉快，让我们觉得自己付出的努力是值得的。
最后，我们共同感谢读者阅读本书，并强烈建议读者立即着手处理目前遇到的问题。
评论
还没有评论。