国内新闻传播学界对大数据的认识和研究

国内新闻传播学界对大数据的认识和研究

作者：天天论文网日期：2016-3-31 10:31:09 点击：4

【摘要】大数据时代的迅速到来，引起各界学者的关注和思考，目前学者主要集中在技术层面、思维层面以及伦理层面这三个维度对大数据进行思考。本文结合学者们的思考对数据新闻、数据记者、个性化信息、信息安全、界面传播、关系传播等方面进行相关的研究分析，以期发现大数据在新闻传播领域的研究现状及应用，以及在未来新闻传播领域对大数据的更广泛地运用。

【关键词】大数据新闻传播学数据思维数据新闻界面

一、引言大数据的到来，得益于信息的开放和云计算。一方面，从依靠口口相传的信息传播到古登堡印刷术的发明，传播突破了范围限制，开始从精英们的“权力”转变为普罗大众的“权利”；另一方面，传播的摩尔定律、云计算等技术更迭使得信息数量呈指数级增加，数据处理更为便宜，海量的数据积累成为可能，这两方面原因使得大数据具有了可能性。在数据中居于关键性地位的政府数据的公开，使大数据能真正发挥作用，由此，便有了大数据产生的基础和前提。①大数据的探究已经开始进入人们的视野并逐渐吸引了学界的注意，近年兴起的数据新闻、数据记者、众包新闻、个性化信息、信息安全等是业界讨论得比较多的议题。面对大数据的迅猛浪潮，学者开始思考大数据在新闻传播界的应用和影响等相关问题。相关研究者分别从不同的角度对大数据进行了分析，提出大数据时代新闻传播领域面临的机会和革新；数据新闻使我们的新闻更加接近事实的真相；数据思维给我们提供一种应对大数据潮流的思考方式；利用大数据进行政府舆情的观测等一系列技术。本文将国内新闻传播学界对大数据的认识、研究以及未来发展趋势等为对象进行探索。

二、国内新闻传播学界对大数据的认识从2011 年开始，大数据开始成为包括新闻传播学在内的学术界共同

讨论的热点话题，新闻传播学界对大数据的认识和研究的热度不断上升。从目前实际情况来看，国内新闻传播学者对大数据的认识和研究主要集中以下几个维度。

（一）技术层面就总体而言，对大数据技术及其相关的研究已经逐渐成熟。大数据技术包括数据采集、数据存取、基础架构、数据处理、统计分析、数据挖掘、模型预测、结果呈现等几个方面。李国杰指出，大数据和云计算是新常态下提高生产率的新杠杆，所谓创新驱动发展就是主要依靠信息技术促进生产率的提高。②大数据是一种在新时期下形成的产物，但是我们看待它不仅要有前瞻性，还要有一种历史的眼光，大数据、云计算等新技术将会与信息时代的标志性技术发明如数字计算机、集成电路、光纤通信和互联网（万维网）等一起构成一个超越信息时代的新时代。云计算将纷繁复杂的大数据进行筛选、提纯、整合，提取出有价值的数据或是发现本来看似毫无关系的数据之间的联系，打通多领域、多类型的局部数据进行交叉分析，发现蕴藏的巨大新闻价值，创作出高质量的新闻作品。③中国社会科学院信息化研究中心秘书长姜奇平表示，在大数据之前，由于条件有限，对数据的利用都是抽样调查，且自身开展的统计调查往往采用随机样本，而大数据则采用全样本进行调查。借助大数据，媒体可以在公开渠道获取更多全体数据，这使媒体对现实的报道更有可能做到总体真实、本质真实和宏观真实。④（二）思维层面大数据时代，我们要培养预测未来的新思维。大数据的应用增加了我们对未来的确定性，打破了通过估计、大概等传统预测未来方法的局限性，提高了我们对未来的确定性，增加了社会生活中人们的安全感。

全球复杂网络权威、“无标度网络”创立者巴拉巴西( Albert -Laszlo Barabasi）在《暴发》一书中提出：“人类行为93% 是可预测的”，这是大数据时代背景下预见未来的新思维，阐述了如何从大数据中塑造未来美好世界的正能量。⑤倪宁指出，大数据时代应有三大观念转变：第一，在分析处理时使用的是全部数据，不再依赖随机抽样；第二，不再一味地追求数据的精确性，而是适应数据的多样性、丰富性，甚至要容忍错误的数据；第三，了解数据之间的相关性，胜于对因果关系的探索，“是什么”比“为什么”重要。⑥操瑞青指出，大数据给我们带来的是研究思维上的转变，我们从研究“过去发生了什么、为什么发生”转向于了解“正在发生什么，未来将会怎样”。⑦同时，大数据时代的媒体工作人更要具备一种信息关联性思维和视觉可视化思维的培养。王君超指出，要善于利用专业人员挖掘的大数据来策划报道、设计版面，而不再仅仅依靠传统的问卷调查和街头截访式的“精确新闻学”（precision journalism）理念；注重对碎片化信息的整合，在对信息把关过程中强化“把关人”的过滤、降噪功能，同时重视数据的视觉化，力求用更直观、更生动的形式呈现新闻中的大数据。⑧维克托·迈尔·舍恩伯格（Viktor Mayer-Schönberger）在他的演讲中谈道，“大数据时代的思维方式是：每天早

上起来想一下，这么多数据我能用来做什么，这些价值在哪里可以找到，能不能找到一个别人以前没有做过的事情。你的想法和你的思路是最重要的财产。”⑨所谓思维过程就是我们大脑内在活动的一种习惯性的思考问题和处理问题的模式，它受到我们所处的时代和环境的影响，并决定从什么样的态度、方式和方法来看待这个世界。在大数据时代，就要以一种大数据的思维来理解我们所处的社会。在新闻传播领域，大数据思维主要体现在几个方面：首先是分析方法的变化，大数据时代基于云计算等技术手段，样本考察时不是选取部分，而是有关问题的全样本分析，样本与数据的处理方式也与传统方法存有明显差异； 其次是对媒介内容产品的聚合，陈昌凤等学者指出，大数据思维带来了新闻内容的创新，是一种融合媒体的形态驱动的新闻报道的创新。 例如：时趣互动（北京）

科技有限公司是国内领先的社会化管理技术、服务与数据解决方案提供商，并将多年运营社交网络及在社会化营销客户服务的成功经验融入时趣旗下鼎立品牌——品趣，根据不同行业、企业的需求，为企业提供多样化的官微设计模板并提供各行业分析报告；聚合新浪微博以及企业官网、客户关系管理系统（CRM）、企业资源计划系统（ERP）、官方社区等多个平台的客户信息，实现多平台客户信息一站式管理；每一次任务均提供全面的微博营销数据分析，分析每一个达人的推广效果，通过数据对比可以不断优化投放方案。

（三）新闻伦理层面在大数据时代，对新闻伦理的思考显得尤其重要。

郭俊义指出，与传统新闻一样，大数据新闻报道同样面对新闻的真实性、规范性等新闻伦理的问题，甚至在一些大数据新闻报道中，也需要传统的新闻报道介入以核实信息的准确性。 技术的中立与否，取决于使用技术的人，大数据运用也因人的行为而具有了温度和色彩。所谓伦理问题，归根结底，其实就是人的道德规范和责任意识问题。 在大数据时代，公众人物、政府官员的隐私更容易被泄露，网络新闻监管与公民知情权易发生冲突，虚假新闻、低俗新闻给网络新闻监管带来挑战等一系列的新闻伦理问题成为我们避不开的话题。伦理道德问题一直存在，只是在互联网时代有了新的表现形式，比如“人肉搜索”等网络暴力现象。大数据时代产生了特殊的人与人之间的关系，韩亦舜认为，大数据时代要遵循相关的伦理原则，寻找、挖掘数据时，目的先行，文责自负；发布数据或信息时，要慎之又慎，也须知道传责自负；要区别对待公众人物与普通人物、公众行为与私人行为。在他看来，法律永远不能解决所有问题，伦理道德教育永远需要，要把伦理道德作为基础教育的一部分，并包含大数据时代人伦关系的新特点；直面利益冲突各方，运用大数据理念，透析各方面利益关注点，达到新的平衡；正确的舆论引导，建立基于数据道德伦理的新秩序。 三、目前国内新闻传播学者利用大数据所进行的研究总的来说，学界对大数据的研究主要是在基础问题和实际应用两个方面，具体体现在对以下4 个问题的研究。

（一）对大数据时代背景下的数据新闻的探索研究数据新闻的兴起，是大数据对新闻传播领域影响力的一个有力的佐证，有学者预言，数据新闻将会是未来新闻发展的方向之一。何为数据新闻？郭俊义认为，数据新闻应该包括三个方面：一是借助类似百度指数的各类数据工具去挖掘新闻；二是做数据引证；三是数据可视化。只有具备这三个特点，才可能是真正的数据新闻。 简单来说，数据新闻就是用大数据的思维来生产新闻。最初的数据新闻，也就是大数据在新闻传播领域的初步应用是词频分析新闻，即通过对某个报告进行词频分析或对某一报刊媒介进行几年的词频分析，用图示化的形式展现出来。

在数据新闻报道上，英国《卫报》（The Guardian）是学者们研究的经典案例，喻国明等学者也说到，英国《卫报》运用数据新闻帮助读者更深入理解在伦敦骚乱中事态的进展和背后的原因。可以说，数据新闻是我们在大数据时代遇到的一个极大的机遇和挑战，“数据记者”并不能取代专业记者，但对专业新闻工作者的要求变得更高，他们不仅要理解统计、设计，而且要有新闻专业的敏锐性。 张超、钟新提出了新闻报道将由数据新闻上升到大数据新闻，所谓的大数据新闻就是基于大数据技术，运用可视化和互动性手段，对社会某一热点问题进行宏观和中观的呈现、解释或预测的新闻样式，大数据新闻是深度报道的一种类型。大数据新闻与传统数据新闻最大的不同在于它运用的是大数据技术，其数据主要是非结构的或半结构的，而不是结构性数据。大数据时代，大数据新闻将成为新闻业“内容为王”的核心竞争力之一。大数据新闻可以通过大数据挖掘与分析，通过关联分析和因果分析，从关注社会表层现实到发掘社会深层现实，极大地拓展人们对新闻事件或社会现实的认知与把握。 （二）对大数据带来的信息安全和信息开放的反思在大数据时代，信息的搜集和整理分析变得更加简单便捷，个性化的信息定制为用户提供了从未有过的体验，与此同时，信息的安全也成了一个值得我们注意的问题。大数据既与个人的信息安全息息相关，也和国家的数据主权与信息保护密不可分。刘晓霞指出，信息主体的安全意识