炫富的网红,打工人的陷阱 | 牲产队

2020-12-01
 
近日,某视频平台一个名叫曹译文的网红,因为一个视频大火。
 
视频中的主角曹译文,是一位富二代,“微服私访”到自己父亲的集团中当打工小妹体验生活,视频中充满了资本主义的酸臭味,以及对劳动人民的不尊重。
 
更令人愤慨的是,这个视频的标题为“累吗?累就对了!舒服是留给有钱人的”
 
这样赤裸裸的羞辱侮辱性言语,令人作呕,挑起很大的社会矛盾。(由于反响太过激烈,目前这个视频已经被删了)
 
我们不要只关注事件本身,更应该多思考事件背后的故事
 

劳动统计年鉴统计:
 
中国城镇就业人员的日平均工作时长,从2009年的9.4小时下降到了2019年的9小时。
 
说起来还挺讽刺,劳动法说好的8小时工作制,但是在市场的挤压效应下,大家的工时依旧远超标准。
 
在全体劳动人口中,下降最快的是农民工群体的工时,这是因为在2016年之后,中国的基建速度的放缓。
 
那么问题来了,人力资源和社会保障部有统计的劳动时长真的精准吗?
 
并不精准
 
由于微信等通讯手段兴起带来的班后工时,近几年大部分城镇就业人员的平均工时应当是上升的。
 
原来大家下班后,各回各家,回到家就没什么事了,可现如今,大家还需要在下班后通过微信,完成附带的工作。
 
咱们国家城镇就业人员的有酬劳动时长,当前也已超过日韩等传统“加班文化大国”,稳居世界上最勤劳的人群。
 
随着实际工作时长的上升,可遗憾的是,近十年来,全国居民的可支配收入实际增速的下降速度却明显快于GDP增速的下降速度。
 
于是大家的工作越来越辛苦、竞争越来越激烈,收入增长却日渐碰上了天花板,社会热词“打工人”的横空出世,在侧面正反映了我国劳动人民正在遇到的越来越强的生活压力。
 
他代表了:不努力是不行的,不努力就会不进则退,混日子是不可能的,想要过混日子的人生,是不再被允许的了。
 
这背后其实就是我常常提到的:存量搏杀陷阱。
 
由于没有技创新,没有生产力的进步,没有充足的消费,这就给大多数人带来了发展的无形天花板,而进一步又会造成社会阶级的加速分化,恶性循环。
 
可支配收入增长放缓,已经是一个板上钉钉的现实,这几年打工人的生活,已经非常艰难了,那么我们再结合文首提到的事件
 
我们痛苦的发现,我们的民间舆论,对于富人的舆论相当的宽容。
 
说句心里话,曹译文这种行为已经是无产阶级的大敌人了,要是放在六七十年代,这种属于走资派,是要被打倒的。
 
可是我们看到,这个人的社交账号全部都完完整整的在各大平台上,运营丝毫不受影响。
说到这件事,我又想到了另外一个人:王思聪
 
王少爷曾经在微博上怒怼一位作家:“9012年了还没有出过国的傻屌?”
 
在学英语的问题上,王思聪的看法是对的,但这并不意味着可以不负责任的说话。毕竟他冒犯的是绝大多数中国人。
 
根据2016年底的官方数据,当时全国有效普通护照共有1.2亿本,以后每年增长约1000万,到2019年,大概有1.5亿本护照,其中有些人办了护照还未出国,也就是说,王思聪说12.5亿没护照的国人,都是沙雕。
 
然而最终,王思聪没有道歉,舆论似乎也不认为有必要道歉。而至今,王思聪在中国的网络舆论中大致还维持一种正面形象,民间舆论也表现了豁达与宽容。
 
还有另外一件事,上海名媛事件,一些上海的女孩子拼酒店,拼奢侈品,这引来了全民舆论的唾弃。
 
这些女孩属于弱者,但是她们这些弱者满足虚荣心的过程,反而更不能被社会所容忍。
 
究其原因:嘲笑弱者,是因为不愿意被打上弱者的标签。批评富者,会被认为仇富,而仇富往往会被人与穷困联系在一起。
 
这其实就是最恐怖的打工者陷阱
 
对很多有钱人来说,比起中国的诸多禁忌,冒犯打工人算不了什么。
 
可以称之为戾气十足的中国民间舆论,不是第一个次在这个方面显示自己的大度与宽容。
 
这种具有深远社会意义、甚至应该带有愤怒的事件,竟然远远赶不上一位明星出轨所引发的关注。
 
当一个人为没有出国的人而鸣不平的时候,那么一定会被认为是没有出国之人。
 
为拼下午茶的女孩说上几句,一定会被认为没去过五星酒店。
 
同样的,如果有人为工地上打工者不平,发个朋友圈,似乎也会被人联想到这个人自身的经济状况也不好。
 
这种舆论和心态,制约了全国弱势群体的打工人。
 
以至于说,富人甚至都不把打工人的生命看在眼里。
 
在他们茶饭时,说道某某人死了,所收到的回应一定是“哦,赔了多少啊?”诸如此类的话
 
在网上看到一位老人的一句话,感觉很感慨:
 
人斗不过沙子,斗不过狼群,斗不过蛇蝎,斗不过土匪,就只能斗地主,因为没活路了,共产党没来的时候,他就是个死人,后来就活过来了。
 
新中国的建立,正是受苦人复仇的故事啊!

作者: RESSRC

个人资源站

发表评论

邮箱地址不会被公开。 必填项已用*标注

此站点使用Akismet来减少垃圾评论。了解我们如何处理您的评论数据