如果種族是「被製造」的，那它是被誰、用什麼工具，一道一道製造出來的？

如果種族是「被製造」的，那它是被誰、用什麼工具，一道一道製造出來的？

讀過入門篇之後，你已經知道一句關鍵口號：種族是社會建構，不是生物事實。但這句話如果停在這裡，其實有點危險——它容易被誤讀成「種族不過是個觀念，想通了就沒事了」。如果種族真的只是觀念，為什麼幾百年來都拆不掉？為什麼換了國家、換了世代，新的種族界線又長出來？

入門篇告訴你「種族是被建構的」，這篇進階文章要追問一個更尖銳的問題：它到底是「怎麼」被建構的？ 建構不是一次完成、然後就擺在那裡的名詞；它是一個持續進行、每天都在運轉的動詞——社會學稱之為種族化（racialization）。我們會拆解這台「製造種族」的機器有哪些零件：為什麼同一個「種族」內部還會用膚色深淺再分高下（colorism）？為什麼「模範少數族裔」這種看似稱讚的標籤其實是一種控制？為什麼「我不看膚色、我對誰都一樣」這句善意的話，反而可能讓不平等更難被看見？最後，我們會學習研究者如何用對照實驗把「看不見的歧視」變成可以測量的數字，並把這些工具帶回台灣的脈絡。

種族化：把「建構」從名詞變成動詞

入門篇用「社會建構」這個詞時，焦點放在結果——種族這個分類是社會做出來的。進階分析則要把焦點移到過程：分類是「正在被做」的，而且每天都在重做。這就是種族化（racialization） 的核心。

種族化指的是：把原本不帶種族意義的關係、群體或現象，賦予種族意義的過程。關鍵在於，種族不是先存在、然後社會去「反映」它；而是社會透過一連串動作，才把某群人變成一個種族。Omi 與 Winant 的「種族形構（racial formation）」理論在入門篇的研究所視角已經點到，這裡我們把它的運作機制講清楚。

想想看這幾個動作怎麼疊加起來：

• 挑選分界標記：社會從無數可見差異中，挑出某一項（膚色、眼型、姓氏、口音）當作「種族」的記號。被挑出來的那一項從來不是自然決定的，而是歷史與權力的結果——這點入門篇談過，但重點是：這個「挑選」是持續在做的，新的記號會被加進來（例如某些國家把宗教服飾種族化）。
• 賦予意義：把這個記號連結到一整套想像（誰勤奮、誰危險、誰聰明、誰落後）。
• 制度化：把這套意義寫進法律、表格、人口普查、警政實務、貸款規則裡，讓它變成「客觀程序」的一部分。
• 日常重演：在每一次攔查、每一次面試、每一次填表中，這套分類被一再執行，於是它看起來愈來愈「真實」、愈來愈「本來就如此」。

把這四個動作放在一起，你就看到種族化是一台持續運轉的機器，而不是一座古老的雕像。這解釋了一件入門篇沒回答的事：為什麼種族界線能不斷自我修復、甚至長出新的形式。 當舊的種族標記失效（例如愛爾蘭裔「變白」了），社會並不會就此停止分類，而是會找到新的界線繼續運轉。種族化沒有終點，它只會換零件。

這也帶來一個方法論上的轉向：與其問「某群人『是』什麼種族」，社會學家更該問「這群人是怎麼被種族化的、由誰、為了什麼」。把問題從名詞改成動詞，分析的對象就從「群體的本質」變成「製造界線的權力」。

同一格裡也有階梯：膚色主義（colorism）

入門篇談種族時，把每個種族當成一個「格子」。但進階分析要打開格子——因為界線不只畫在群體「之間」，也畫在群體「之內」。 這就是膚色主義（colorism）：在同一個被歸類的群體內部，依膚色深淺再排出高低，膚色較淺者享有較多優勢。

膚色主義為什麼重要？因為它揭穿了「種族就是非黑即白的格子」這個過度簡化的想像。現實裡，優勢是連續分布的：

• 在許多曾被殖民的社會，殖民史留下「愈白愈高級」的審美與階序，於是同一族群內，膚色淺的人在婚配、求職、媒體再現上更受青睞。
• 全球美白產品市場規模龐大，本身就是膚色主義被商品化的證據——它賣的不是保養，而是「更接近優勢膚色」的承諾。
• 即使在種族界線看似不明顯的社會，膚色主義仍可能以「白皙才漂亮」「曬黑像在外勞動」這種日常審美悄悄運作，把階級與膚色綁在一起。

膚色主義的存在說明了入門篇「分類是權力」的更精細版本：權力不只決定哪些格子存在，還決定格子裡面誰排前面。 它也提醒我們，反種族歧視如果只盯著「族群之間」的對立，會漏掉群體內部這條更隱蔽、卻同樣真實的不平等軸線。在台灣，對東南亞移工與新住民的膚色想像、對「白」與「黑」的日常審美評價，都是可以用膚色主義來分析的本土現象。

「稱讚」也是一種控制：模範少數族裔與種族三角化

入門篇把歧視拆成刻板印象、偏見、行為三層，並指出「正面刻板印象也有害」。進階篇要把這句話展開成一個精密的機制——模範少數族裔迷思（model minority myth），以及它背後的種族三角化（racial triangulation）。

「模範少數族裔」指的是：某個少數族群（典型例子是美國的亞裔）被描繪成勤奮、守規矩、會讀書、不抱怨、靠自己成功的「模範」。聽起來像稱讚，對吧？但社會學要追問：這個稱讚是在對誰說、為了達成什麼？

學者 Claire Jean Kim 提出的種族三角化架構，精準地拆穿了它的運作。她指出，模範少數族裔的標籤同時做了兩件事，把該群體放在一個「三角形」的尷尬位置：

• 相對於主流（優勢群體）：它把少數族群框成「外人」——再成功，也被當成「永遠的外國人（perpetual foreigner）」，臉孔被預設「不屬於這裡」、英語講得再好也被問「你『真正』來自哪裡」。所以「模範」從來不等於「自己人」。
• 相對於其他弱勢群體：它把這個「模範」當成一根棍子，去打另一個被汙名化的群體——「你看人家也是少數，人家就能成功，可見另一群人的困境是自己不努力」。

看出這個機制的狠處了嗎？它用一個群體的「成功」去否認結構性不平等的存在。 如果某個少數族群「靠努力就成功了」，那麼制度性歧視好像就不成立了，其他群體的弱勢也可以被歸咎於個人。於是「稱讚」變成一種治理工具：它分化弱勢群體、讓他們互相比較而非團結，同時替既有結構辯護。

此外，模範少數族裔迷思還會反過來傷害被稱讚的群體：它抹平群體內部的巨大差異（把處境天差地別的不同次群體當成同一種「成功亞裔」），讓真正陷入困境的人被「你們不是都很厲害嗎」這句話消音；它也對個人造成「必須一直當模範」的壓力。這就是入門篇那句「正面刻板印象也有害」的完整機制圖——害處不在「不準確」，而在它在權力結構裡扮演的功能。

從「許多小群體」到「一個大族群」：泛族群化

入門篇用 Barth 的界線理論談過族群認同是被劃出來的。進階篇要追問一個更動態的問題：界線不只會被維持，還會被「重新合併」。 原本彼此無關、甚至互看不順眼的小群體，怎麼會凝聚成一個更大的「族群」？這個過程叫泛族群化（panethnicity）。

經典例子是「亞裔（Asian American）」這個類別。來自中、日、韓、越、菲、印……不同國家、講不同語言、歷史上甚至彼此敵對的移民，原本根本不會自認是「同一群人」。是什麼讓他們變成一個「族群」？

• 由外而內的種族化：主流社會分不清、也不想分清這些差異，一律當成「亞洲人」來對待（同樣的刻板印象、同樣的排斥、同樣的「永遠的外國人」標籤）。當你被當成同一類來歧視，你就有了共同的處境。
• 由內而外的策略結盟：面對共同的不利，單一小群體聲音太小，於是聯合起來爭取資源與政治代表性——「亞裔」於是從一個被強加的標籤，逐漸變成一個有人主動認同、用來動員的身分。

泛族群化漂亮地示範了 Barth 界線理論的動態版本：界線會依處境重新協商，向上聚合成更大的單位。 但它也內含張力——一個「泛族群」標籤可能掩蓋內部的巨大差異（國籍、階級、世代、膚色），讓某些次群體的聲音被代表性較強的次群體淹沒，這正好接回上一節「模範少數族裔抹平內部差異」的問題。

把這個概念帶回台灣，「原住民族」這個範疇本身就是一個值得分析的對象：十六個（以及仍在爭取正名的）族其實語言不通、文化各異，是在與「漢人」這個他者的長期互動、以及國家分類與權利爭取的過程中，才在某種程度上凝聚出「原住民」這個泛族群認同。同樣地，「新住民」也是一個由政策與社會目光建構出來的範疇，把來自不同國家、處境各異的人合併成一類。理解泛族群化，能讓我們對這些「看似自然」的大標籤保持警覺。

看不見的種族主義：從個人惡意到「色盲」意識形態

入門篇介紹了「制度性歧視」——不平等可在沒有個人惡意下，透過中立規則再生產。進階篇要把這條線推到更前沿、也更具爭議的地方：當代種族主義最主要的形式，可能正好偽裝成「沒有種族主義」的樣子。

社會學家 Bonilla-Silva 提出色盲種族主義（color-blind racism） 這個概念。它指的是一種主流意識形態：表面上宣稱「我不看膚色、我對每個人都一樣、種族已經不重要了」，聽起來進步又善意。問題在於，當一個社會的資源分配已經沿著種族界線高度不均時，「假裝看不見種族」會帶來什麼後果？

• 它讓既有的結構性不平等變得無法被討論——因為一提種族就被說成「你才在製造對立」「都什麼年代了還分這個」。
• 它把仍然真實存在的差距，重新解釋成個人問題：「現在大家機會都一樣了，混不好是你自己不努力。」這就把結構的責任，悄悄轉嫁回個人身上。
• 它讓真正享有優勢的群體得以否認自己的優勢——因為「我又沒歧視誰」，於是優勢被當成理所當然、甚至被誤認為「全靠自己努力」。

這帶出一個入門篇沒處理的關鍵區分：個人偏見（individual prejudice） 與 結構／系統性種族主義（structural / systemic racism） 不是同一件事。前者是某個人心裡的好惡；後者是不需要任何人懷抱惡意，就能透過制度、慣例、資源分配持續運作的不平等。色盲意識形態的厲害之處，正在於它只承認前者、否認後者——它說「只要沒有人是壞人，就沒有種族主義」，從而讓最龐大、最頑固的那一種種族主義隱身。

辨認這一點，對分析當代社會極為重要。很多人會說「台灣沒有種族問題」「我們對原住民、對移工都很友善」——這句話本身就值得用色盲種族主義來檢視：它是真的沒有結構不平等，還是我們選擇了「看不見」？

看一個例子

讓我們把「種族化」「色盲意識形態」「制度性機制」放進一個台灣的具體場景：一份履歷的旅程。

阮氏蘭（化名）是新住民第二代，中文是母語、在台灣土生土長，求職時投了一份履歷。表面上，台灣的招募「不問種族」——這正符合「色盲」的程序：表格上沒有種族欄，看起來公平。但種族化仍可能在好幾個看不見的環節啟動：

• 姓名作為種族標記：她的越南姓氏可能在 HR 心中悄悄觸發一整套想像（中文行不行？文化會不會有隔閡？），即使這些想像與她本人毫無關係。姓名在這裡被種族化成一個記號。
• 「永遠的外國人」框架：面試時她可能被反覆問「你中文怎麼這麼好」——這句「稱讚」其實預設了「你不該屬於這裡」，正是種族三角化裡那個外人位置。
• 制度性的隱形篩網：若公司偏好「有本地人脈引薦」「家裡能提供擔保」的求職者，這套看似中立的條件，會系統性地對缺乏世代積累的新住民家庭不利——沒有任何一條規則寫著排斥誰。

如果有人說「她沒上是因為能力不夠，跟族群無關，我們又沒歧視」，這正是色盲種族主義的典型句式——它只盯著「有沒有人心懷惡意」，卻看不見整條流程裡種族化記號與制度性篩網如何共同作用。

那要怎麼證明這裡真的有歧視，而不只是個案運氣不好？這就需要研究方法登場了。

動手試試：設計一個履歷對照實驗

入門篇的研究所視角提到過「履歷對照實驗（correspondence / audit study）」，這裡我們親手把它設計出來，體會社會科學如何把「看不見的歧視」變成可測量的數字。

假設你想檢驗：在台灣求職市場，「越南姓氏」是否會降低面試邀約率。你可以這樣做：

1. 製作成對履歷：準備兩份內容幾乎完全相同的履歷——一樣的學歷、經歷、技能、自傳，連排版都一致。唯一系統性不同的，是姓名所暗示的族群背景（一份用本地常見漢人姓名，一份用越南姓氏，其餘設定一致）。
2. 隨機配對投遞：對同一批職缺，隨機決定哪份履歷先投、用什麼信箱，避免投遞順序污染結果。為避免被識破，可準備多組姓名輪替使用。
3. 測量回覆率：記錄每份履歷收到「面試邀約」的比率。
4. 比較差異：如果兩組履歷唯一的差別只有姓名，那麼回覆率的系統性落差，就只能歸因於姓名所攜帶的族群訊號——這就是一個乾淨的因果證據。

這個設計的精妙之處在於：它把「其他所有可能影響錄取的因素」都控制成相同了，於是任何差異都指向那唯一被操弄的變項。這正是因果推論的核心邏輯，也是為什麼對照實驗成為歧視研究的黃金標準之一。

但動手做也讓你立刻撞上幾個真實的難題，而這些難題本身就是進階學習的養分：

• 倫理問題：投假履歷會佔用真實雇主的時間、製造假希望。研究者必須在「揭露重要不平等」與「研究帶來的干擾」之間權衡，並通過研究倫理審查。
• 外部效度的限制：實驗只能測到「履歷篩選」這一關的歧視，測不到後續面試、升遷、職場互動中更隱微的種族化。回覆率沒差，不代表整條職涯路徑就沒有不平等。
• 「測得到的」與「真實的」之間的落差：這呼應入門篇研究所視角的提醒——我們能用實驗捕捉的，往往只是冰山露出水面、最容易標準化的那一角。

光是把這個實驗想清楚，你就同時練習了變項控制、因果推論、研究倫理與測量限制——這些正是把族群理論轉化為可驗證社會科學的核心功夫。

重點回顧

• 種族化是動詞，不是名詞：種族不是先存在、再被反映，而是透過「挑選標記 → 賦予意義 → 制度化 → 日常重演」這台持續運轉的機器被製造出來。問題該從「他是什麼種族」改成「他是怎麼被種族化的」。
• 膚色主義揭露群體「內部」的階梯：不平等不只畫在群體之間，也畫在群體之內；殖民史與全球美白市場讓「愈淺愈優勢」的階序在同一族群裡持續運作。
• 模範少數族裔是控制而非稱讚：透過種族三角化，它把一個群體同時框成「永遠的外國人」並當棍子去否認其他群體的結構困境，這是「正面刻板印象也有害」的完整機制。
• 泛族群化是界線的向上聚合：原本無關的小群體在共同處境與策略結盟下凝聚成大族群（如「亞裔」「原住民」「新住民」），但大標籤也可能掩蓋內部差異。
• 色盲種族主義讓結構隱身：當代種族主義常偽裝成「我不看膚色」；它只承認個人偏見、否認系統性種族主義，從而讓最頑固的不平等變得無法被討論。

深入探討（研究所視角）

對有意深究的學習者，當代種族與族群研究有幾條值得追索的理論與方法前沿，它們都接在本文的「過程／機制」視角之上。

第一，白人性研究（whiteness studies）與「不被標記的常態」。 種族化研究有一個常被忽略的盲點：我們習慣研究「被種族化的少數」，卻忘了優勢群體本身也是被建構出來的種族範疇，只是它被建構成「無標記的、預設的、正常的」——以致於它看起來「沒有種族」「只是普通人」。白人性研究把分析的探照燈轉向優勢群體本身，追問「白」是怎麼在歷史中被製造、被當成隱形的標準、並把優勢自然化的。把這個視角帶回台灣，「漢人」作為一個少被反身檢視的、預設的「無標記常態」，同樣是值得研究的對象——當我們說某人「有原住民身分」卻不會說某人「有漢人身分」時，這個語言上的不對稱本身就透露了權力。

第二，內隱偏見測量的方法論爭議。 入門篇提過內隱聯結測驗（IAT）試圖捕捉「沒有惡意卻存在」的偏見。進階學習者必須以批判態度面對它：IAT 的再測信度偏低（同一個人不同時間做，分數會飄）、它與實際歧視行為的預測效度也屢受質疑。這帶出一個深刻的方法論問題：當我們把「種族主義」操作化成「腦中聯結的反應時間差」時，是否在不知不覺中把一個結構性現象，化約成了個人的心理測量？這正好與本文「結構 vs. 個人」的區分呼應——測量工具的選擇，本身就暗藏了我們對「種族主義到底是什麼」的理論假設。

第三，演算法種族化與「公平」的不可能定理。 當代最前沿的問題之一，是種族化如何遷移進演算法。即使刻意不把種族當輸入變項，模型仍可能透過郵遞區號、姓名、消費紀錄等代理變項（proxy） 重建種族界線，於是「看似中立的模型」延續了既有的不平等——這是入門篇「制度性歧視」在演算法時代的化身。更深的是，演算法公平性研究已在數學上證明：在群體基準率不同時，多種直觀的「公平」定義（各組偽陽性率相等、各組預測值校準一致……）無法同時被滿足。這意味著「讓演算法公平」不是純技術問題，而是逼我們明確回答「我們要的究竟是哪一種公平」的政治與倫理選擇。

第四，可研究的本土與數位問題。 結合台灣脈絡與 Uedu 關注的教育數據視角，可延伸的開放問題包括：原住民族語的語音辨識與書寫系統，在主流 AI 工具裡的可近性差異，是否正在形成一種新的「數位種族化」？當我們用多模態學習資料（語言複雜度、互動、認知歷程）描繪學習者時，模型會不會把族群背景的痕跡當成「能力」訊號，從而把種族化的偏見洗成看似客觀的分數？教育資料分析者該如何在「揭露族群間的學習落差」與「避免讓分析本身複製種族化分類」之間取得平衡？

核心提醒： 進階種族研究最深的方法論誠實，是承認研究者使用的分類工具，本身就是種族化機器的一部分。當我們在問卷上勾選「原住民／新住民／本省／外省」、在模型裡放進族群變項時，我們既是在揭露不平等，也是在重演那條界線、賦予它真實性。好的分析必須對這個悖論保持高度反身性（reflexivity）：用類別來照亮結構，同時時時提醒自己——這些類別是權力的歷史產物，不是自然的事實；而我們測量它的每一個動作，都不是中立的旁觀，而是這場種族化過程的一次參與。