大数据热的冷思考 无法取代传统的新闻传播科研方法
- 格式:docx
- 大小:37.01 KB
- 文档页数:7
对数据新闻“热”的冷思考
近年来,数据新闻成为了媒体界的热门话题。
数据新闻以数据为基础,通过数据可视化的方式呈现出来。
这种方式不仅使数据更加具有说服力,还能够帮助受众更快、更深入地理解数据背后的意义。
然而,除了这些显而易见的优点之外,数据新闻还涉及到一些冷门的问题,我们需要进行深入的思考。
首先,我们需要关注数据新闻的可信度。
由于在数据新闻中存在一定的主观性和误差性,如果数据的分析和解释不够严谨,就可能产生误导和错误的结论。
因此,我们需要仔细审查新闻中的数据来源和分析方法。
同时,在收集数据和分析数据的过程中,要始终坚持严谨的方法和准确的数据操作。
其次,我们需要关注数据新闻的价值与意义。
在数据新闻中,数据是信息之源,但是真正有价值的信息是通过对数据进行优化、分析和解释得到的。
因此,一个好的数据新闻不仅要具有精准的数据基础,还需要注重数据的文化、历史和社会背景,以及支持数据背后的深刻思考和分析。
第三,我们需要关注数据新闻的技术水平。
数据新闻的培训、工具和技术需要不断更新和改进,以适应不断变化的媒体环境和受众需求。
在新的数据挖掘和可视化技术问世的同时,我们也需要认真探讨它们可能对新闻报道的影响,以确保新闻报道的准确性和真实性。
第四,我们也需要关注数据新闻的知识版权和隐私问题。
在进行数据新闻报道的过程中,我们需要注意保护个人隐私和版权,尊重数据的来源,以及避免侵权行为。
同时,我们也需要充分理解数据的来源和意义,以避免误解和错误的解读产生。
大数据时代新闻传播学研究的重构与进路随着大数据时代的到来,新闻传播学面临着重构与进路的挑战。
大数据的出现使传统的新闻传播研究方法不再适用,需要重新思考研究对象、研究方法和研究价值。
本文将从以下几个方面探讨大数据时代新闻传播学研究的重构与进路。
在大数据时代,新闻传播学需要重新思考研究对象。
传统的新闻传播研究主要集中在媒体的内容、传播渠道和受众反馈等方面,但现在大数据的出现使得研究对象变得更加复杂和多样化。
在大数据时代,新闻不仅仅是由传统的媒体机构传播,还包括社交媒体、微博等互联网平台的传播。
新闻传播学需要重新审视研究对象,将传统媒体和互联网平台作为同等重要的研究对象,探索它们在信息传播中的作用和影响。
新闻传播学在大数据时代需要运用新的研究方法。
传统的研究方法在面对大数据时往往无法发挥作用,因为传统方法主要依靠样本调查、访谈等手段,而大数据的产生量庞大、速度快,不适合采用传统方法进行研究。
在大数据时代,新闻传播学需要探索运用数据挖掘、机器学习等技术来分析大数据,发现其中的规律和模式。
新闻传播学也可以借鉴其他学科的研究方法,如社会网络分析、情感分析等,来深入研究新闻传播的动态和趋势。
新闻传播学在大数据时代需要思考研究的价值与意义。
虽然大数据产生了巨大的信息量,但并不是所有的数据都对新闻传播学具有价值。
新闻传播学需要思考如何从大数据中筛选出具有研究价值的数据,如何分析和解读这些数据,以及如何将研究结果转化为实际应用。
新闻传播学还应关注大数据对新闻传播的影响,如大数据对新闻内容、传播渠道等方面的影响,以及大数据对新闻传播行业的变革等。
通过研究大数据对新闻传播的影响,可以为新闻传播学提供新的理论和实践价值。
浅谈大数据时代下的新闻传播学大数据时代的到来,深刻地改变了人们的生活方式和社会运行方式,也对新闻传播学产生了深远的影响。
在这个时代,新闻传播学需要面对越来越复杂的信息传播环境,更需要借助大数据技术来提高传播效率和精准度。
本文将从大数据时代对新闻传播学的影响、大数据在新闻传播中的应用以及面临的挑战等方面进行探讨,以期为新闻传播学的发展提供一些新的思考和方向。
一、大数据时代对新闻传播学的影响1. 信息爆炸随着互联网的普及和移动设备的普及,人们获取信息的途径越来越多样化,这导致了信息的爆炸式增长。
大数据时代的信息传播不再局限于传统的媒体渠道,各类社交网络、应用软件也成为了信息传播的重要平台。
这种信息的快速传播,让新闻传播的速度也大大提升,新闻传播学需要研究信息如何在这个爆炸式增长的环境中传播,以及传播的规律和特点。
2. 用户行为分析在大数据时代,人们的行为和偏好可以被数字化和可视化,这意味着新闻传播学可以更深入地了解受众的需求和兴趣。
通过对用户行为数据的分析,可以精确地了解受众的关注点,从而为新闻传播提供更加精准的定位和策略。
这也要求新闻传播学家要学习数据分析技术,以更好地应对大数据时代的传播需求。
3. 内容个性化由于大数据技术可以对用户行为数据进行深度分析,可以通过个性化推荐算法,为用户提供更有针对性的内容。
这也意味着传统的媒体模式可能会被颠覆,用户不再需要被动地接受统一的信息,而是可以根据自己的兴趣和需求获取定制化的信息。
这对新闻传播学来说也是一个挑战,需要重新思考内容制作和传播的方式。
二、大数据在新闻传播中的应用1. 舆情分析大数据技术可以帮助新闻媒体分析舆情,了解社会热点事件的发展趋势和受众情绪,帮助新闻传播机构更好地把握社会动态,制定相应的传播策略。
通过对舆情数据的分析,可以更准确地预测社会事件的发展走向,以及受众的态度和行为,从而提高新闻传播的精准度和效果。
2. 用户行为分析大数据技术可以帮助新闻传播机构更好地了解受众的需求和兴趣,通过分析用户行为数据,可以发掘用户的阅读习惯、偏好和需求,从而有针对性地制定内容策略和传播策略,提高内容的精准度和吸引力。
大数据时代对新闻传播领域的影响探讨【摘要】在大数据时代,新闻传播领域面临着前所未有的挑战与机遇。
本文从大数据对新闻采集、新闻生产、新闻传播方式、新闻反馈机制和新闻价值观念的影响进行了深入探讨。
大数据为新闻行业的信息采集提供了更全面、及时的数据支持,加速了新闻生产的速度和效率,改变了传统的新闻传播方式,使新闻更加个性化和精准化。
大数据也促使新闻界重新思考新闻的价值观念,追求更加客观和真实的报道。
在大数据时代下,新闻传播领域需要不断创新和发展,应对挑战,把握机遇,实现数字化转型。
未来,随着技术的不断发展与成熟,新闻传播领域将迎来更多新的可能性和发展空间。
【关键词】大数据,新闻传播,影响,采集,生产,传播方式,反馈机制,价值观念,发展趋势,挑战,应对策略,未来展望。
1. 引言1.1 大数据的定义大数据是指规模巨大、结构复杂、更新快速的数据集合,由传统数据处理工具难以处理。
它具有三个特点:大规模性、高维性和非随机性。
大数据的处理通常包括收集、存储、处理、分析和应用等环节,通过数据挖掘、统计分析、机器学习等技术来发现数据中的规律和价值。
在新闻传播领域,大数据的应用不仅可以帮助新闻机构更快速地获取、处理和传播信息,还可以帮助新闻从业者更好地了解受众需求,提高新闻生产和传播效率。
通过大数据的分析,新闻传播领域可以实现更精准地定位目标受众、量化新闻传播效果、预测新闻热点等功能,为新闻产业的发展带来全新的机遇和挑战。
在大数据时代,新闻传播领域将迎来更多创新和变革,为信息时代的发展注入新的活力和动力。
1.2 新闻传播领域的重要性新闻传播是社会信息的重要传递途径,承载着新闻、资讯、观点、评论等内容,是人们获取信息、形成认知、参与社会互动的重要平台。
在现代社会中,新闻传播领域的重要性日益凸显。
新闻传播是民主社会中公民参与的重要途径,通过媒体传播信息,公民可以了解政治、经济、社会等各方面的情况,从而参与公共事务,行使民主权利。
对数据新闻“热”的冷思考数据新闻是指通过数据分析和可视化技术,将大量数据转化为简洁、有趣、易懂的新闻报道形式。
这种新闻形式在当今信息爆炸的时代尤为重要,它能够帮助人们更好地理解社会现象,提供客观、准确及有价值的信息。
“热”的冷思考,意味着对于数据新闻所呈现的热点话题和热门事件,我们需要做出一种理性、全面、深入的思考。
在这篇文章中,我将从以下几个方面展开对数据新闻“热”的冷思考。
我们需要审视数据的真实性和可信度。
对于数据新闻报道,数据的来源和准确性是至关重要的。
有些数据可能是通过大量调查和调研得出的,而有些数据可能是通过模型和算法计算得出的。
我们应该关注数据的采集方式和分析方法,以及数据是否经过严格的验证和核实。
我们也要留意数据的局限性,不同的数据可能反映不同的侧面,我们需要对数据进行综合分析,避免片面和误导性的理解。
我们需要考虑数据对于问题本质的解读和分析。
在数据新闻中,我们经常会看到大量的图表和统计数据,它们给我们提供了对于问题的一种直观的认识。
光是简单地看图表和数据并不能完全理解问题的本质和背后的原因。
我们需要将数据与背景、历史和相关因素结合起来分析,找出其中的关联和规律。
只有在深入思考和分析的基础上,我们才能更好地理解和解决问题。
我们需要关注数据新闻的传播方式和影响。
数据新闻通过互联网和社交媒体的传播,可以迅速地传达给大众。
这种传播方式具有快速、广泛和高度互动的特点,但是也存在信息选择性和引导性的问题。
我们应该学会辨别信息的真实性和可靠性,不盲目相信一切所见,要保持理性思考和独立判断的能力。
我们需要思考数据对于我们个人的影响和作用。
数据新闻提供给我们大量的信息和见解,它们可以帮助我们更好地理解和解决问题。
我们也需要注意数据对于我们个人的影响。
数据的呈现方式和选择性,很容易引导我们对问题的认识和看法。
我们需要保持审慎和理性的态度,避免盲从和片面的观点。
数据新闻“热”的背后需要我们进行冷思考。
浅谈大数据时代下的新闻传播学新闻传播学作为传媒学的重要分支,在大数据时代下受到了巨大的影响和挑战。
在大数据时代,传统的新闻传播模式不再适用于当今的社会环境。
这是因为,随着互联网技术的不断发展和普及,人们获取信息的渠道越来越多样化,个体在传媒中的角色也发生了很大的变化,从而使得传统的新闻媒体面临着数量庞大、来源多样、传播速度快等挑战,导致了传统新闻媒体的信息传递难度大增。
而大数据的出现为新闻传播学提供了新的出路和发展方向。
大数据分析技术的出现使得新闻传播学可以更好地理解传播的过程和规律。
在大数据时代,新闻传播学需要重视新的数据来源,这些数据不仅仅是传统的媒体数据,还包括社交媒体、搜索引擎、移动应用、物联网等数据来源。
这些数据来源不仅在数量上比传统媒体多得多,而且包含更加复杂的数据形式,包括文本、图片、视频、音频等。
因此,新闻传播学需要学会如何从这些数据中提取出有用的信息来帮助传媒人更好地传播新闻信息。
另一方面,大数据的出现也让新闻传播学需要更加注重数据分析和数据挖掘的技能。
由于新闻数据形态多样且涉及信息量巨大,新闻传播学需要采用先进的数据分析方法来研究新闻数据的规律,揭示出新闻传播的动力机制和特征。
在新闻传播学的研究中,使用各种数据挖掘技术来进行新闻的分类、情感分析、事件预测等研究也是非常有必要的。
这些技术能够尽可能的利用大数据,从而發现更加有力的新闻曝光点,并以此加强新闻报道的权威性、时效性和新闻价值。
最后,新闻传播学在大数据时代下需要更加注重社会影响的研究。
新闻传播的最终目的是为了影响人们的思想和行为,由此推动社会的发展和变化。
而在大数据时代下,如何把控着大量传媒数据对社会的影响也是非常重要的。
例如在新闻报道中,依靠数据进行驱动能够更好的展现新闻的背景和全貌。
同时在数据模型中加入一些限制条件能够避免可能出现的信息偏差,从而提高新闻传播的精度和公正性。
在大数据时代下,新闻传播学需要致力于研究如何应对大数据带来的挑战,并将这种挑战的过程变成一种可控的社会影响环境,从而促进新闻媒体的发展和新闻传播的价值。
大数据时代下的新闻传播研究随着互联网的普及和技术的飞速发展,大数据已经成为了新时代的关键词。
大数据能够帮助人们分析和处理数百万甚至亿级别的信息,从而洞察和预测趋势。
在新闻传播领域,利用大数据技术进行研究和应用已经成为了一个越来越重要的趋势。
本文将探讨大数据时代下的新闻传播研究的意义、方法和应用。
一、大数据时代下的新闻传播研究的意义随着社交网络等新媒体的兴起,新闻传播已经不再是传统媒体的专属领域,而是变得更加复杂和多元化。
同时,随着互联网技术的发展,媒体内容也更加个性化和定制化,消费者越来越难以预测他们想要看什么,新闻传播的受众特征和消费行为也越来越多变。
在这样的背景下,传统的调查研究方法已经不能满足对新闻传播学习的需求,因此需要引入大数据技术来分析和了解现代新闻传播的规律。
首先,通过大数据技术,研究人员可以获得更全面和更准确的数据匹配。
这一点尤其重要,因为人们往往依赖于标准的调查问卷来收集数据,但是由于代表性问题等因素,结果并不总是准确的。
而利用网络上的数据挖掘和分析技术,可以获得更全面和更准确的数据,对于新闻传播提供更重要的洞察和预测。
其次,大数据技术可以帮助挖掘并分析传统流行媒体和社交媒体信息的交集,从而了解不同媒体之间的有趣联系和消费者的交流行为。
除此之外,媒体数据也可以提供有关用户的个人信息,比如消费行为和趋势等,从而可以更好地了解用户的需求,并对内容进行定制化。
最后,大数据技术可以帮助分析和预测新闻传播趋势。
通过对新闻数据的分析和归类,我们可以了解公众的意见,从而预测世界大事和社会舆论的走向。
这可以更好地帮助政府和企业做出决策。
二、大数据时代下的新闻传播研究的方法目前,大数据时代下的新闻传播研究的实践方法主要包括以下内容:1、网络数据挖掘和分析:运用数据挖掘和分析技术,收集和处理网络上的大量数据,比如搜索引擎、社交媒体等,构建新闻传播中的网络生态系统。
2、社会网络分析:对新闻传播中的社交网络,如推特、微信等,进行网络结构分析,帮助了解网络关系和社会网络中的节点和连通性。
浅谈大数据时代下的新闻传播学随着信息技术的迅猛发展,大数据时代已经悄然而至。
在这个时代背景下,新闻传播学也迎来了前所未有的挑战与机遇。
传统的新闻传播学研究已经无法完全适应当下信息爆炸的局面,需要重新思考与调整。
本文将围绕大数据时代下的新闻传播学展开讨论,探索当下新闻传播学的新发展方向与趋势。
一、大数据时代的新闻传播学意义大数据时代给新闻传播学带来了前所未有的新机遇。
通过大数据分析,可以更加深入地了解受众的需求和偏好,为新闻传播提供更有针对性的内容。
大数据技术也可以帮助新闻媒体更好地理解社会热点事件的发展趋势,提供更加准确的报道和观点。
大数据技术也为新闻传播学研究提供了更多的数据支撑。
传统的新闻传播学研究多依赖于问卷调查和实地观察,但这种方式具有一定的局限性和难以获得大规模数据的问题。
而利用大数据技术进行研究,则可以从海量的数据中挖掘出更加深刻的规律和结论,为新闻传播学的理论研究提供更加坚实的基础。
二、大数据背景下的新闻传播内容分析在大数据时代,新闻传播内容的分析也呈现出了新的特点。
传统的文本内容分析已经无法满足当下海量多样的信息内容,需要借助大数据技术进行更加精细和全面的分析。
通过大数据分析,可以更好地了解不同话题的受众群体,为新闻传播内容的个性化定制提供更强有力的支持。
在这个背景下,新闻传播内容的实验与创新也变得更加迫切。
大数据时代中,新闻传播内容的生产和传播逐渐转向碎片化和个性化,媒体需要适应这一趋势进行内容改革。
媒体也需要不断进行实验和创新,以更好地适应受众的需求和社会的变化。
三、大数据技术在新闻传播中的应用大数据技术也可以帮助新闻传播媒体更好地进行舆情监测和分析。
通过大数据技术,媒体可以更加迅速地了解社会舆论的走向和趋势,为舆论引导和社会监督提供更为有力的支持。
四、新闻传播学研究的挑战和未来发展在大数据时代,新闻传播学研究也面临着新的挑战和机遇。
传统的新闻传播学研究多依赖于问卷调查和实地观察,但这种方式已经无法满足当下复杂多变的信息网络。
对数据新闻“热”的冷思考数据新闻是指利用数据分析、可视化等技术手段,将复杂的数据信息转化为通俗易懂的新闻内容,以形式多样的数据图表呈现,从而实现新闻传播的方式。
随着大数据、人工智能、云计算等技术的不断发展,在媒体领域,数据新闻已经成为一种越来越受关注的形式。
然而,在热度之中,我们也要进行一些冷思考,以更好地规范数据新闻的发展。
首先,数据新闻应该更加重视数据的真实性和准确性。
在大数据时代,数据的来源渠道变得愈加广泛和多元化,但是,这也意味着数据的真实性面临着更高的挑战。
因此,我们需要更加审慎地考虑数据的准确性,尤其是在数据统计的方面。
在数据分析的过程中,更需要保证数据来源的可靠性和数据分析的严谨性。
这样才能够避免不准确的数据被用于新闻报道,给读者带来困惑和误导。
其次,数据新闻需要更加注重新闻价值。
数据新闻不是为了炫技术或者攀比数字,而是要服务于新闻的传递。
因此,我们在制作数据新闻的过程中,需要根据新闻内容的实际需求,决定哪些数据统计分析更有价值,哪些图表和可视化更能够突出新闻重点。
数据并不是新闻的全部,而是新闻的辅助工具,必须放在合适的位置,服务于新闻的主旨。
再次,数据新闻需要更加注重读者需求。
数据新闻要想引起受众的关注,必须满足读者的需求。
而读者的需求是多样化和个体化的。
因此,在制作数据新闻时,我们需要充分考虑读者的思维习惯和审美需求,制作出更吸引人、更易懂的数据图表和可视化形式,让读者更加容易理解和接受新闻的信息。
否则,数据新闻就只是一堆数字和图表,无法让读者真正理解新闻的实质和意义,也难以发挥数据新闻的实际作用。
最后,数据新闻需要更加注重数据可视化的创新和个性化。
数据可视化是数据新闻的一大特色和亮点,但不同的数据新闻可能需要不同的数据可视化方式。
因此,我们需要注重数据可视化的创新和个性化,根据不同的新闻需求和读者需求,选择新的可视化方式,寻找更加直观、生动、形象的表达形式,让数据新闻更加有趣和富有生命力。
对数据新闻“热”的冷思考数据新闻具有直观呈现数据、生动展示问题的优势,近年来受到越来越多的关注和喜爱。
我们也需要对数据新闻“热”的冷思考,以便更加客观理性地对待数据新闻的报道和解读。
数据的真实性和准确性是数据新闻的核心问题。
过度追求热点新闻容易导致数据的编造、曲解和错误解读。
某些机构为了引起关注和炒作,可能会故意选择数据样本中的极端值或者利用统计学上的违反假设优化结果。
数据的收集、整理和分析过程中也存在一定的误差和主观因素。
我们在看待数据新闻时,需要对数据来源、采集方法和处理过程进行审视,不轻信一切数据。
数据的背后隐藏着多重解释和潜在偏见。
数据的本身是中性的,但是数据的解释和呈现往往存在多种可能性。
一组数据可以给出不同的结论和观点,而且这些观点必然会带有某种价值取向和背景假设。
我们需要具备批判性思维能力,深入研究数据背后的背景信息,了解数据突显的角度和倾向,以更加全面客观地理解数据新闻的含义。
数据的普遍性和个体差异是需要注意的问题。
数据是对一定范围和时间的总结和统计,因此容易忽略不同地区、不同群体和个体的差异。
数据可能无法反映特定环境因素、历史背景和社会差异。
某个数据显示全球平均气温上升,但是并不能说明每个地方都有同样的变化。
我们需要从总体特征和个体差异两个层面去思考数据的意义,不能简单地将数据推广到所有情境和个体。
数据的使用和解读需要清晰的背景和目的。
数据既可以用来支持观点,也可以用来引导观点。
多次报道出轨的例子表明,同一组数据可以产生不同的报道和观点。
我们需要关注数据新闻的背后目的和意义,分析数据的使用是否符合数据的原意和背景,以避免一味追求热点而忽略了数据的真实含义。
对于数据新闻的热,我们需要进行冷思考。
在接触数据新闻时,要注意数据的真实性和准确性,关注数据的来源和处理过程;要审视数据的解释和潜在偏见,具备批判性思维能力;要关注数据的普遍性和个体差异,避免将数据推广到所有情境和个体;要清晰背景和目的,避免数据的误用和曲解。
大数据热的冷思考无法取代传统的新闻传播科研方法在网络传播技术高速发展的今天,“大数据”一词甚嚣尘上,在各行各业中都被热切地讨论。
传媒学界和业界对大数据具有各种美好的期待,作者:匡文波黄琦翔来源:国际新闻界|2017-01-03 08:44收藏分享古希腊哲学家毕达哥拉斯曾经提出“数是万物的本源”的思想,认为世界万物归根结底都是由某种数量关系决定的。
在历史上,人类量化世界的野心和尝试从未停止,而科技的进步则不断为这一目标提供越来越快捷的技术条件。
2012年,技术词汇“大数据”进入人们的视野,不同于传统意义上“数据=数字”的是,在互联网、物联网高速发展的今天,网购经历、视频节目、微信语音都是数据。
大数据技术量化一切的优势,使其在几年内成为每一个行业不可或缺的生产力,拥抱大数据时代到来的言论甚嚣尘上。
大数据时代,也意味着信息大爆炸时代的到来,是信息大传播的时代。
在传媒业,与其他传播技术相似,大数据的出现促进了整个行业的发展与变革。
新闻从业人员通过数据采集与挖掘获得了大量新闻素材,这不仅是人类认知世界的新角度与新方式,而且变革了新闻生产的全流程,“数据新闻”被视为新闻业未来发展的一大趋势。
智能化时代,能在分秒间生成新闻产品的“机器人记者”诞生了,受到了广泛关注。
同时,基于大数据的个性化推荐服务,不仅实现了新闻信息的精确定位,节省了用户搜索信息的时间,而且也重构了整个广告业格局,数据成为广告营销业实现精确定位消费者的重要依据。
然而,值得令人反思的是,在传媒业广为追捧大数据的今天,相关的管理规范、制度、法律却相对滞后,甚至缺失,由此带来了许多新的问题。
从数据分析角度来看,理论上讲,大数据应当是有别于抽样调查得到的小数据,是全样本数据。
然而,事实上大数据的采集与分析过程都难以穷尽所有数据。
而且这些收集到的数据还存在着混乱、真假难辨、可利用度低等新问题,需要传媒业重新审视它们的价值。
同时,通过数据追踪和收集,隐私问题成为大数据时代面临的最大问题和挑战。
尽管以Cookie 技术为基础的匿名化信息可能给用户的生活带来许多便利,如亚马逊网站根据用户个人喜好推荐相关书籍。
但是多个实例证明,他人借助这些匿名数据同样可以追踪到用户本人,只要用户连网,便无真正隐私可言。
新技术的诞生与发展也带来了许多令人担忧的社会影响,甚至可能威胁人类的安全与发展。
大数据不是完美的,大数据是一把双刃剑。
在促进行业快速发展的同时,也存在着种种隐患,亟待解决的问题非常多。
因此,对传媒业大数据热进行审慎、理性的反思非常必要。
一、大数据无法取代传统的新闻传播科研方法从简单的算数、度量,到如今的各种移动终端,数据向来是人类感知、认识以及表达世界的一种重要方式。
在小数据时代,由于技术手段有限,人们只能采用抽样的调查方法对事物进行分析,并将局部的研究结果延伸至总体。
传统的邮寄调查、电话调查、拦截面访等新闻传播学科的研究方法均是基于这个原理展开。
然而每一种抽样方法都存在一定不足,难以反映总体样本的全貌,调查人员一般会增加抽样的数量,以提高统计的精确度,但这也意味着调查成本的增加。
大数据技术轻而易举收集大量数据的能力,引发了人们对全样本、全数据的想象。
大数据的确具有不可替代的优势,但就此认为一种新兴的技术将完全取代人类数千年积累下来的科学发展成果,这无疑走进了大数据自大的怪圈。
随着大数据的不断发展,越来越多的实例证明,全数据分析具有不可替代优势的梦想在现实中并不容易实现,大数据只能对传统的新闻传播调研方法进行补充,却无法取而代之。
大数据对传媒业的价值有待重新考量。
(一)全数据是“乌托邦”在大数据浪潮势不可挡的今天,互联网应用推进了社会各个组织机构的信息化进程,物联网技术的发展得以让各种移动设备连接在一起,每一天都能轻易存储下令人惊叹的数据量,全球数据量平均每两年翻一番。
因此,区别于传统的抽样调查方法,有人提出全数据模式,它指的是借助大数据技术,获取样本量等于调查总体的数据总量,并进一步进行研究分析的方法。
但在现实中,全数据的实现遇到了许多问题,具有一定的理想性。
在我国,“信息孤岛”普遍存在。
除了考虑安全因素以外,更多的是因为组织部门之间的利益驱使而导致的。
目前,数据正在渗透各个行业,成为所有行业重要的战略资产和核心竞争力。
在“互联网+”、“大数据+”概念的引导下,几乎所有行业都意识到数据资产的重要性。
市场先进入者占据了大量数据资源,由于生怕日后被后进入者赶超,各个市场主体彼此之间不愿进行共享,形成数据割据的局面,甚至在同一个组织内的不同部门也是如此。
不同领域、行业、部门为了在“孤岛”内更完整地捕捉用户的信息,重复收集数据,既增加了数据采集的成本,又因为不同部门分析标准的不统一导致了分析结论的南辕北辙,造成数据过剩而分析结果却不准确的问题。
这个特征在科技公司领域尤为明显,例如:三大科技巨头公司BAT(百度、阿里、腾讯)之间经常发生互相屏蔽的事件:微信和淘宝之间进行相互屏蔽,用户的兴趣产品和购买记录等数据便无法跨平台进行共享。
每个公司据此得出的用户信息图景都是不完整的,这与理想中的全数据模式有根本的背离。
全数据应当具有数据量大且完整的优势,而“信息孤岛”带来的后果却是变相的大样本抽样调查,而且抽样的样本还不一定具有精确性和代表性,结果的准确性甚至不如传统的市场调查方法。
除了科技领域以外,随着大数据应用逐渐渗透到非科技领域,其他传统行业、部门也纷纷设立数据壁垒,进一步阻止了全数据模式的实现。
例如:政府部门之间的数据不流通,造成了公共服务领域和政府监管市场中协商与决策的不便与困扰。
所有的这些信息壁垒,及其带来的相关数据分析问题,不仅成为本行业发展的阻碍,也同时使传媒业丧失了大量潜在的新闻源。
大数据浪潮虽已呈不可逆转之势,但就目前看来,全数据模式的确是技术发展衍生的一个“乌托邦”,因此,不能盲目地相信大数据的分析结果,对这些结果采取审慎的态度非常必要。
促进数据的开放也是不断将“乌托邦”转化为现实的一个重要途径。
开放性本是大数据时代的应有之义,也是全数据模式得以成立的重要前提。
自2009年以来,美国奥巴马政府接二连三地签署、颁布了与开放数据相关的政策,这既提高了政府的执政效率,也为科技创新产业的发展添加源动力,数据的“二次利用”是一片更为广阔的蓝海。
(二)大数据处理过程中存在一定问题和风险大数据意味着信息爆炸,数据繁杂、混乱,这既加大了数据处理与分析的难度,也增加了出现数据错误的可能性。
在互联网领域,无价值数据远远多于有价值数据,这就需要分析人员对相关数据进行一系列的处理,主要包括数据采集、存储、清洗、分析、展现等若干步骤。
由于其中许多环节都存在一定的问题和风险,因此数据分析的最终结果也受到了一定影响。
首先,数据采集环节存在多样混乱、可靠性差、系统性低等问题。
大数据时代是一个信息过载的时代,人们从多个渠道、多种方式获取数据。
在互联网中,每一秒钟产生的信息量都是令人咋舌的。
每一天互联网产生800EB的数据量,需要1.68亿个DVD 光盘才可容纳(蒋均牧,2012)。
数据来源多元化导致许多依据不同标准收集的数据混杂在一起,而数据量极大又造成人工排查的困难。
同时数据的可靠性也难以保证,真假信息鱼龙混杂,致使数据分析结果的不确定。
虚拟空间的匿名性特点为谣言的传播提供了条件,网络空间中充斥着大量假消息,一些消息甚至是许多未经专业培训的人都难以分辨的,以这种数据出发而获得的分析结果也不具备真实性。
互联网中相当一部分的信息、评论是由“水军”、“自动发帖机”等发出的,不仅真假难辨,这种数据也是无意义的。
利益中的一方利用技术手段提升“好评度”,则难保另一方不会利用同样的手段增加“差评度”,数据统计便成为一种既无意义且耗成本的行为。
另外,目前网络媒体充斥着大量非结构性及半结构化数据,比如图片、视频、音频等数据,系统性较低。
传统的数据分析范式难以对其进行解释,新的数据分析范式仍然未有较为统一及有效的标准,数据分析更多的停留在平面,可利用价值较差,而更多的“数据宝藏”则深埋其中,未被发掘。
其次,数据存储面临能力薄弱、安全隐患等问题。
许多学者习惯上认为,与传统数据相比,大数据具有以下四个鲜明的特点:规模性(Volume)、高速性(Velocity)、多样性(Variety)和价值稀疏性(Value),其中规模性是大数据区别于小数据的重要特征。
海量的数据要求数据库存储能力的提升,而数据来源的丰富性、数据类型的多样性以及历史数据的再利用性又进一步对数据库的存储能力有了更高的要求。
目前我国大数据的存储能力比较有限,许多传统的数据库仍然难以存储、整合如此庞大的信息量,数据库、数据仓库等领域的技术均落后于美国等国。
在信息的大传播时代,有效的数据得不到储存,则数据处理过程中断,意味着无法进一步发掘数据的价值,也就丧失了数据的产能优势。
在数据存储这一环节,还面临着安全隐患的问题。
政府、金融、医疗等特定领域对数据信息的安全性有较高的要求,但目前由于整个行业正处于初始发展阶段,对此类数据的保护能力以及保护意识都比较弱,数据泄露事件时有发生,国家安全与用户隐私时刻面临风险。
例如,2016年4月,土耳其国家数据库爆发重大数据泄露事件,约有5000万土耳其公民受到波及,占其国家总人口的7成左右。
攻击土耳其国家数据库的黑客获得了这些土耳其公民的姓名、身份证号码、父母姓名、出生地址及年月日等隐私信息,并指出了该数据库的三大漏洞,这说明土耳其政府对国家数据库的保护及安全防范意识都是非常薄弱的。
又如,2015年10月,国家互联网应急中心发布信息,网易邮箱的用户数据库遭到泄露,这导致许多用该邮箱进行支付宝注册或苹果ID注册的用户面临着用户密码被重置的风险。
在数据存储环节,无论是技术公司,又或是从“大数据+”概念中衍生出来的其他行业,都不仅应在安全意识上有所防范,而且更应在技术上持续提升数据库的存储能力和安保能力。
最后,数据分析存在逻辑不统一、轻易归因、机械性等问题。
尽管在过去的几十年间,科学技术的发展实现了对海量数据的收集、整合和储存,但大数据也不是万能的。
其中,数据分析环节是整个大数据处理过程中受到争议最大的一个环节。
首先,由于数据采集过程是不断进行的,但是大数据服务的主营业务的架构可能总是在变,收集数据的标准也可能随着时间总是在改变,这就容易在数据分析过程中出现前后逻辑不统一的问题。
相比之下,传统的科研范式要严谨得多,历史数据和新数据的采集标准有何异同,一目了然。
其次,采集的大数据是客观存在的,无法进行自我处理和分析,需要编写一定的算法,或者人脑直接对其进行进一步解释和分析。
在这个过程中,人为主观性将可能导致事实客观性的偏颇,进而产生对新闻客观性的挑战。
人们在翻译数据信息时存有偏见……记者群体容易滥用因果推理逻辑或相关性分析。