由于众所周知的原因，现在的会只能在云上开。不过既然要“云”，就“云”的彻底一点。利用职务之便（中国自然辩证法研究会科学技术学专业委员会），邀请了在海外青年学人组了一个专场，欢迎大家围观。
专场时间：12月3日（星期六）15:00-16:30
引言人：方芗（中山大学社会学系副教授，爱丁堡大学STS博士）
索取腾讯会议号请：
发到申请到会务组邮箱（wanggf@ustc.edu.cn）
公众号：中国科大科技哲学中国自然辩证法研究会科学技术学专业委员会2022年学术年会通知/邀请函
1. 许辰佳：居民膳食指南的科学知识社会学分析
1989年以来，中国营养学会先后发布了5版居民膳食指南，对吃什么、吃多少的规定愈发为细致、具体。纵观5版指南，最明显的变化是牛奶及其制品的推荐。1989年第一版指南中对牛奶、奶制品只字未提，1997年第二版建议“常吃”牛奶或奶制品，平均每日100g，到了2007年的第三版指南，则建议“每天食用”奶制品，并提高推荐量到了每日300g。2016年指南维持奶制品的推荐量，但相对下调了和奶制品同属膳食宝塔第四层级的大豆、杂豆的推荐量。2022年指南进一步提高奶制品推荐量至每日300-500g，把牛奶定位为每日必需品。可见牛奶和奶制品在膳食指南里的重要性逐步上升。
为什么膳食指南要我们多喝牛奶？居民膳食指南提高奶制品摄入量的主要科学依据是“喝奶补钙”，即喝奶就能补钙、补钙必须喝奶。依据“双非原则”方法、基于经验数据对喝奶补钙的充分必要性进行分析，发现喝奶补钙既不充分也不必要可能很有害，喝奶补钙的科学知识本身站不住脚。从SSK视角对喝奶补钙这一知识的社会过程进行分析，营养学会、乳品企业、国家政府结成了利益与共的联盟，形成权力-知识-资本三元联合体。营养学会的市场化经营道路形成与乳品企业的产学研闭环，以成果转化增加收入反哺科研的思路，不断强化喝奶补钙等凸显牛奶作为全天然全营养食品的科学知识；中国政府将牛奶视为具有增强国民营养健康素质、推动粮食生产结构升级等多重功能的政策工具，通过推动学生饮用奶计划，带动乳品产业发展壮大，以政策带动产业发展。在这样的格局下，喝奶补钙的科学知识不断被生产出来，使得更多消费者被征召、动员进入喝奶强国的布局。喝奶补钙本身既不充分也不必要可能很有害，但是对于喝奶强国具有必要性，这主要是由供需关系的强关联决定的：得有人喝奶，才有人生产奶；有人生产奶，就得有人喝奶。任何能令人对喝奶产生迟疑的科学知识，都难以被生产出来，即使被生产出来，也会被离间于公众。
许辰佳，华南师范大学科学技术与社会研究院特聘副研究员、外事秘书，科学与技术教育硕士研究生导师，北京师范大学法学学士，伦敦大学亚非学院发展学、人类学硕士、人类学博士。主持华南师范大学青年培育基金项目，研究成果见于SSCI一区期刊等。主讲哲学导论、科学知识社会学等。研究领域主要为食物系统复杂性、环境人类学、STSE教育等。
2. 胡甦：物质的生产：考古学实验室与田野
通过逐步解构冶金考古实验室的活动，可知科学让物质产于数学化和规约化的方法论之中。争议在此呈现：这看似让物质限于自我自证的循环逻辑中，科学所判定的物质看似丧失了实证性。这个历史的、形而上的争议尚未定论。 本报告是前期的数据梳理，它指向传统的“数学物质”的诞生。但在理论上，我希望强调，在“在场／当下”不存在固定的事物，不存在那个超验的主体或客体。惟有行为成为实际可触的现象。对事物以及对认知主体的定义，反而滞后于行为而出现。这一部分的研究，从最为日常琐碎的行为开始，通过STS重写一个新的、关于“物”的历史。在此领域中，STS大幅度讨论：什么构成了事物(object)？什么构成了自然种类(巴恩斯的natural kinds)？它是在何时何地出现的？比如，鸟和鸭子是什么时候被区分开来而成为不同的自然种类的(Barnes, Bloor, Henry, 1996)? 自然种类真的存在吗？还是说它不过是方便的、临时性的分类而已？“物”的诞生在科技史与STS领域早有论述。而近30年以来的本体论转折让研究转向“物”在“行为”中生成的文献。伍尔嘉和勒藏 (Woolgar and Lezaun, 2013)以及西斯蒙多(Sismondo, 2015)对此进行了综述：行为是根本性的，而本体是衍生的。在STS领域，作为这个转向的先驱，拉图尔于是指向萨特的“存在先于本质”，称“一切事物都应在复杂的生成过程中赢得自己的本质”(孟强，2014)。
除此以外，这份报告将略微提及，我在田野实地所见却不仅仅是“物”在行为中生成。所见的还有一个被忽视的、但理论意义重大的侧面－行为并不预设“物”的存在，“物”在行为中隐匿乃至于消失。即便“物”的本体论被多方争议，“物质”历来是科学知识的基础，由此才有针对物质“取样”调查的科学方法。但是那些在“当下”生成的、形态各异的“物”遮蔽了另一个至关重要的现象，即，“行为”本身并不喻示着“物”的存在。在几次考古学田野调研中，我发现在某些情形下，物质退归于“事件”。“事件”被呈现出来，它才是知识的基础，它才是被“取样”的知识的单元材料。我所说的“事件”并不指那些被考古学所复原的历史事件，比如开采材料、制作器物、王朝兴衰的历史。我在考古田野中所发觉的“事件”是一种认知工具，而非是任何既定事实。 这个以“事件”为认知单元的现象是隐蔽的。
胡甦，毕业于爱丁堡大学社会学系，曾关注现代化议题，案例涉及水电站和概率问题，做过后殖民研究方向的自然史分析、地方志分析。现供职于北京科技大学科技史与文化遗产研究院。
3. 徐秋石：噪音，权力结构与大自然的录音室化
摘要：噪音是一个相对的概念，其定义是有争议的，根据客观分贝值和主观对于何为不想要的声音（unwanted sound）的不同理解，可以有不同阐释方案。当技术发展至工业时代后，噪音被彻底改变，并且正在成为一个严重的社会问题，这不仅是由于噪音的量成倍增长，更是因为噪音的性质发生了根本性变化。现代社会中的噪音问题是一个以电为核心的技术问题。整个大自然被一个巨大的电网所包裹，成为了一个大型录音室，大自然被声音装置化了。声源无处不在，声音装置无处不在。此时，大自然的声音景观已经被彻底改变，纯粹的大自然声音正在逐步消失。噪音问题体现了一种权力关系，因为生产噪音的通常是强者，是权力结构的上端；而遭受噪音影响的通常是不产生经济效益的弱事和位居权力结构下端的弱者。在这场权力游戏中，资本创造了现代化的宁静，也创造了这个“耳鸣的时代”。
徐秋石，现任南方科技大学创新创意设计学院助理教授。她是声音研究学者，STS学者，主要研究领域包括声音研究（Sound Studies）、STS、文化研究和性别研究。徐博士曾任南方科技大学人文社会科学荣誉学会青年会士。她在清华大学获得科技哲学博士学位，并为康奈尔大学科学与技术研究系联合培养博士；在伦敦国王学院获得文化创意产业硕士学位；在中国传媒大学获得录音艺术（音响导演）学士学位，以及新闻学双学位。徐博士当前主要聚焦于键盘声音的STS研究、声音技术研究、噪音与环境研究、声音与性别研究，以及声音、身体与医学研究。她致力于探索声音研究这一新兴的跨学科领域；主张做有趣、有品味、有人文情怀、有现实关照的研究；同时注重非学术文本的书写，关注大众文化和社会生活。
4. 胡万亨：算法准确率与可解释性的实践逻辑：放射科医生如何使用并信任人工智能？
The increasing use of machine learning algorithms to support human decision-making has brought about the popular notion of “trustworthy AI”. Accuracy and explainability, among other things, are deemed to be two key elements in the trustworthiness of machine learning systems. They have become not only essential terms for formulating ethical AI guidelines but also important goals for computer science research efforts. The underlying assumption is that, if the output of AI systems is more “accurate” and “explainable,” then they become more trustworthy and trusted by users. Drawing on extensive participant observation and 36 semi-structured interviews with radiologists in China, this paper problematizes such assumptions and proposes an alternative framework centered on “human-machine alignment” to understand the issue of trustworthiness. I argue that radiologists develop their trust based on the degree of alignment between their own judgment and the algorithmic output, including what I call “direct alignment” and “adjusted alignment.” Regardless of the claimed performance indicated by the statistical parameters such as sensitivity and specificity, radiologists are still prompted to judge if the algorithmic decisions directly align with their own for each case. Such direct alignment practices are motivated by two factors. First, the probabilistic nature of the evaluation metrics of the algorithm’s performance cannot guarantee its correctness in the specific case in question, especially with the unavailability of a ready “ground truth” in real-world clinical practices. Second, under current legal and regulatory regimes, radiologists are held accountable for the medical imaging reports and are therefore motivated to doublecheck AI’s recommendations. Yet, even if the direct alignment is low, radiologists may still develop trust in and make use of the algorithmic output if they can observe certain patterns of, and thus explain away, the misaligned algorithmic output. This leads to an “adjusted alignment” based on the radiologist’s own interpretations. In conclusion, the paper suggests that notions of accuracy and explainability, rooted in algorithmic testing and designing, are misplaced in conceptualizing user’s trust in AI in real-world applications; instead, the trustworthiness of AI is a result of human-machine alignment and could not be reduced to some intrinsic features of the algorithms.
胡万亨，康奈尔大学科学技术学系博士候选人、哈佛大学肯尼迪学院STS项目访问研究员。目前的研究课题以医学影像诊断为切入点，探讨深度学习算法应用于复杂的专业实践时所涉及的知识生产、技术信任等STS议题。
