出柜之后

只要不学习,我什么都能干得出来。 ——我自己说的

不想学习

​ 不太想写出柜当时的心情和想法,一方面是,我觉得这种东西不具备参考价值;另一方面,再过几个小时就差不多满一周了,该忘的也都忘掉了。当时的想法和感情,现在回忆起来,难免有一种「事后诸葛亮」的感觉(这个词儿还是我今天看罗翔法考视频时复习到的)。

​ 「出柜」在现代社会,无论是在哪里,都是一项极具挑战性的行为。并不是说我们不应该接受LGBT群体,而是LGBT群体实在是少见,而且随着社会发展,新一代年轻人也没有明显的更加接受的趋势。无论何时,我们都应该注意,身边存在着大量「沉默的大多数」。他们可能不会表达自己的观点,在平时也只是出于社交礼仪的要求或者其他私心的需要而对少数群体礼貌。我为什么会得出如此结论?互联网是人的最后一块遮羞布(其实也不是,就像世界七大奇迹只有七个,而世界第八大奇迹有一百个)。微博是公认的年轻人爱玩,而在微博中,也不乏一些反LGBT群体的言论,并且获得了很多个赞。在我们学校的Reddit,我曾经发过一个钓鱼贴,并且时常观察回帖里的点数。经过大概一周的观察,点数波动很大。哪怕是被折叠的帖子(不友善),也会有很多人通过给它加点而让它「扳回一城」。那些支持LGBT的回帖,点数也经常在个位数和十位数之间波动,甚至最后到了0.不得不说,这里的反LGBT也是十分盛行。

​ 在这里,不讨论「人是否有权利反对LGBT」,只讨论,作为LGBT群体有什么体验。打个比方,LGBT等同于「球类运动」,球类运动有很多,足球篮球排球羽毛球乒乓球甚至悠悠球。把这些所有球类运动放在一起比较,讨论,研究,其实是没有什么意义的。同样,LGBT各类群体其实从根本上来说也很难做到互相理解。比如有的男同性恋认为只有男同性恋才是同性恋,女同性恋就不是同性恋,并且会说出那句很著名的话「被……就……了。」我一直很反对把LGBT群体放在一起讨论,但目前来说,最没有存在感的是T,也就是跨性别。

​ 跨性别的最终目的其实就是「无存在感」。若非必要,其实是没有跨性别想让别人知道自己曾经是什么样的。也就是说,跨性别的最终目的是不让别人知道跨性别身份,这和LGBT里其他少数群体是不同的。比如,你必须让别人知道你是同性恋,你才可以有机会和同性约会。我想,这才是根本上的不同。另一个不同在于,LGB都是性取向,而T是性别认同。这是毫无关联的两种属性。性取向是「我喜欢什么性别的人」,而性别认同是「我认为我是什么性别的人」。这又是另一个大家偷懒把少数群体放在一起称呼的「证据」。

​ 我接触的跨性别不多,主要是有两个原因:首先,我不会因为一个人的性别就选择与一个人交朋友。我个人交朋友最看重的人品,三观,和善良与否,都与性别无关。其次,我身边没有跨性别,而网上交友也很有随机性。所以和我熟悉一点的跨性别也就不到三个?(其实我只能想到一个)(但万一我忘了其中的谁呢?)

​ 很多跨性别对自己的着装和他人对自己的称谓很有要求。比如男跨女的跨性别很多人会通过着装来展现自己的「女性外表」,比如裙子,比如任何高于脚踝的丝质或者棉质的中筒/长筒/高筒/连裤袜,比如通过各种途径让自己显得胸大的衣服等等。我应该是属于少数中的少数,因为当我做这些的时候,更像是在「做任务」。这个任务是什么呢,是「满足大家对我性别的期待」。

​ 我个人而言对上述这些东西比较无感,但当我已经出柜,我就需要做一些事情提醒他人我是女生。这和顺性别女性不同,她们不需要提醒他人。比如当我穿裙子的时候,大部分都是为了让别人看我今天穿了裙子,少部分是因为我今天真的想穿。我虽然知道我无论穿什么都是好看的(好不要脸),但我这种看似在满足他人的行为确是一种维持社会对我认知的良性行为。首先一点,我并不排斥穿女性服装(当然,我肯定不排斥),所以我穿什么对我来说没有任何的区别。其次,在我对我衣着「漠不关心」的时候,我便有充足的选择权以及一颗从不排斥的心。我不会排斥自己的任何性别的着装,也不会因此而感到伤心。因为我不是异装爱好者,所以我无论穿什么,我都是女性(好霸道的感觉)。

​ 至于称谓,我也不一定会刻意让别人纠正。在公共场合,比如朋友圈,或者课堂,我会提醒大家使用正确的pronoun,因为这也是一种「提醒他人我是女生」的方式。在私人场合,除非是会长期相处,否则我是不会提这茬儿。一方面是觉得,反正都不熟,何必呢?另一方面是觉得自己还没有完全pass,不过这是一种不自信的表现,不太好。


出柜只是一个开始,它甚至都不能称作是一个「标志性」的时间节点。虽然我很感激父母的爱与开明,不过对我来说,我的生活其实没有什么大的变化。有的人在得到父母的支持与鼓励之后会更有底气,但因为我的底气从来不来自于外界,所以我并没有从父母那方得到什么帮助。生活是自己的,为了不写统计作业和计算机作业,我居然能鼓捣出一千八百多字…看来,划水,我是认真的。

发表回复

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