中文网站占比少,中文互联网内容正在衰退吗?

2024-06-21 | 来源: 知识分子 | 转到微信 | 有0人参与评论 | 字体: 放大缩小 | 收藏 | 打印

“全球前100万网站中，中文网站的比例只占1.3%，英文占59.3%”；

“中文网页数量仅仅略高于印尼语和越南语”；

“中文网页的数量十年间下降了70%”……

这类关于中文互联网内容占比低、迅速衰退的说法，在互联网上已经流行了很长时间。中国有超过10亿的网民，却连互联网内容的一角都占据不了，甚至还在继续倒退，这种反差感不能不让人印象深刻。这是真的吗？

有缺陷的数据

这些说法的数据都有同一个来源，监测网站W3Techs，它通过分析访问量最高的1000万个网站来确定互联网内容的语言分布。现在网上很多关于互联网语言多样性的讨论，就建立在W3Techs的数据之上。按照W3Techs的数据，英文内容始终是互联网的主流。

然而法国学者丹尼尔·皮米恩塔（Daniel Pimienta)和他的合作者不认同这个观点。皮米恩塔是FUNREDES（Fundación Redes y Desarrollo，网络与发展基金会）的创始人之一，他和合作者一直致力于研究互联网语言的多样性和文化分布。联合国教科文组织曾经委托他制作关于互联网语言多样性的主题报告[1]。

有趣的是，皮米恩塔当年踏入互联网语言多样性研究的契机，也是因为法国人对互联网英语内容占比的高估。1995年，时任法国总统希拉克在一次峰会上表示，互联网几乎一个100%讲英语的领域。但在皮米恩塔看来，这样的说法根本经不起验证[2]。

当时流行其他说法也不可靠，比如一项1999年的研究提到英文内容占互联网达到80%。但这项研究仅仅对3000个网站做了一次抽样，而没有多次重复得出数据的特征，这在统计上是不过关的，但这个数据在当时被反复引用[3]。

互联网语言多样性的数据其实一直很不完善。1998年，研究人员首次采用基于搜索引擎的数据方法研究互联网语言多样性。然而，到2007年，他们发现搜索引擎报告的可靠性下降，只能去寻找新方法。自2011 年以来，讨论互联网语言分布的政策制定者和语言学研究者，都不得不完全依赖W3Techs和InternetWorldStats，这两个数据源都来自商业营销领域，用它们的数据是一种无奈之举。

W3Techs的方法存在显着缺陷，尤其忽视了互联网的多语言特性。例如，许多网站同时使用多种语言，但W3Techs通常只记录其中一种主要语言，导致了对非主要语言内容的严重低估。这样的统计方法导致英语之外的互联网语言存在被大大低估。

另外，W3Techs的计量单位是网站，没有详细到网页的程度。一些非英文网站会在其主页中出现英文摘要或少量英文单词，这可能会导致整个网站被算作英文网站。此外，许多英文网站的其他语言版本也不会被计算在内。

中文互联网内容到底占比多少？

为了纠正这种误解，皮米恩塔和他的合作者开发了一种新的统计方法。他们的方法不仅依赖于网站声明的语言，还结合了多个关键因素，包括互联网用户的语言偏好、不同地区的网络流量、社交网络的订阅情况及各国互联网服务的发展进度等。这种综合考量使得研究结果更具代表性和准确性。

尽管W3Techs等网站数据显示，互联网上英文内容占比超过50%，但这项研究表明，这一比例实际上大约只有20%。

具体来说，现在英文占到互联网内容的20.4%，中文占到18.9%，西班牙语占7%到9%，其他语言如阿拉伯语、印地语、俄语、法语和葡萄牙语分别占3%到4%。相比W3Techs的数据，这项研究中印地语和中文内容的比重都增加了超过10倍。按这项研究的计算标准，中文内容不仅没有减少，反而在全球范围内持续增长。

比例上有所下降的反而是英文内容。从1998年到现在，英文内容的比例从已经从80%下降到20%。但这并不是因为英文内容消亡了，而是其他语言的内容显着增加，削弱了英文内容的相对比例，而中文内容就处于增长之中[4]。

按照皮米恩塔与合作者长期以来的跟踪。互联网的发展可以划分为几大阶段。最初，从1992年到2000年，网络主要围绕着英语内容构建。随后进入了第二阶段，从2000年到2010年，这一时期以欧洲语言的兴起为特征，尽管英语仍然占据主导地位。从2010年到2020年，互联网迈入了更加国际化的阶段，亚洲语言和阿拉伯语等非西方语言迅速发展。

很难说皮米恩塔的统计就能代表互联网语言分布状况的真相。毕竟这方面的研究并不多，研究团队的结果缺少交叉印证，而且他们的计算标准本身也在迭代过程中。