
大数据下的网络新闻传播与发展趋势
约翰·诺顿在《互联网一一从神话到现实》中提到“互联网就像迎面而来的卡亚克斯飓风……影响着我们每个人的生活……”。网络的崛起为现代公众呈现了一个新的社会形态一一网络社会,并逐渐发展成为人们日常生活中不可或缺的第二生活空间,同样,在人类社会现实生活中占据主要地位的新闻传播事业在“遇到”网络后也发生了翻天覆地的变化,网络公共空间内的新闻传播方式、效果及舆论生成机制与现实社会公共领域存在着巨大差异,引起国内众多领域学者的广泛关注。
大数据时代网络新闻传播的
失范及思考
(一)网络新闻真实性的思考
网络虚假新闻的危害是显而易见的。首先,对于网络新闻媒体来说,真实性仍然是其取信于民的基石。某些媒体炒作虚假新闻的一个动因是新闻竞争,这也许会给网站带来一时的好处。但是从长远来看,这对其自身公信度的损害是不可低估的,其结果只能是使自己在新闻竞争中处于更加不利的地位,失去了自身的根本利益。由于网络用户的激增和网民对网络依赖性的增强,再加上网络传播的开放性和无阻碍性的特点,虚假信息一旦出现便会广为传播。结果是,轻者毁人名誉,骗人钱财,严重时还可能会引起经济恐慌。一些与政治有关的社会问题还可能造成社会的不稳定。今天的虚假新闻,由于搭乘了网络技术的飞速发展的快车,如同脱疆的野马,若不及时驯服,将贻害无穷。
(二)网络互动的道德标准
目前多数网民的受教育程度还不高,在大量刺激人的原始需求的“拷贝”面前,人类与生俱来的“窥私癖”会促使其在毫无道德谴责压力的情况下点击不良信息。根据中国新闻网2001年7月3日的报道,台湾的一项调查显示,随着网络科技及复制技术的日益发达,有12%的青少年在色情网站上透过网络的匿名性交易获得各式种类多样的色情光盘。网络媒体区别于传统媒体的最大最主要的特征便是其交互性。在网上传受几乎同步,互联网的速度快、范围广和超文本链接等特征使得传播者在发出信息的同时可以立即得到反馈。
(三)网络新闻的法律漏洞
网络媒体本身就能营造一个虚拟空间,而在利益驱动下他就会把虚拟空间根据“资本”的需要进一步虚拟。从传播学来看,就是信息获取的越来越多,但是对现实世界了解的越来越少。网络媒体的过分利益化给新闻界带来了一种新闻报道的新模式一追求丑闻化、片面化、脸谱化、简单化、戏剧化。例如,2005年上半年媒体对矿难的片面化报道,就给人一种中国每天都在发生大型煤矿灾难的印象,造成了很不好的影响,当然我们不是要隐匿不报。而是要综合报道社会中的方方
大数据时代网络新闻的发展趋势
(一)增强共识性,提高可信度
真实性是新闻的重要特征,与真实性直接相关的是共识性和可信度。共识性、真实性、可信度之间是一种互动关系,它们三者互为条件,互相影响。例如,对可信度而言,共识性是一个重要条件,若无共识性,即使满足真实性条件,可信度也会大打折扣。同样一件事,新华网的报道有可能一石千浪,一般小型网站的“报道”则可能死水微澜。当然,这还涉及到与可信度、共识性相关的其它要素,如媒体的受众范围、存在时间等。同等条件下,受众范围广、存在时间长的媒体信誉度较高,其新闻可信度与共识性也相对高些。
(二)加强互动性,提高亲和力
互动性是互联网文化的又一重要特点。这里所说的互动有两层含义:静态意义上的交互关联,动态意义上的相互作用。网络时代,密如蛛网的网线把全世界连在了一起,多如繁星的终端为个人、单位、政府之间的信息沟通提供了巨大便利。互联网作为一种信息传递机制具有多样性,既有传统媒体那种单向传递,也有独特的双向、多向交流。
(三)加强大众性,提高覆盖率
互联网具有开放性、交互性、平等性,它不仅服务于“精英”,更要面向最广大的社会民众。作为新一代媒体,互联网本质上是一种大众传媒;作为一种文化现象,互联网文化的性质主要在于“大众”;作为互联网文化的重要组成部分,网络新闻在本质上也是大众的,要为广大人民服务。但是从目前来看,互联网距离严格意义上的大众传媒还相当遥远。首先,从数量上看,我国互联网用户人数绝对数量虽然很大,但相对于全国人口来讲,这一数字还是少得可怜;其次,从受众社会属性看,由于种种条件限制,能使用互联网者只是少数人———所谓的“精英”,“大众化”只是相对意义上的大众化,是“圈内”的大众化。
互联网的快速发展加快了主流网络媒体发展的步伐,在服务社会、服务人民的积极探索中,主流网络新闻媒体继承传统媒体的重要责任和历史使命,以创新的议程交互的传播方式,积极正面宣传、引导主流舆论,以一系列议程交互活动为依托,强调和重视公众议程给政府议程和媒介议程带来的重要影响,网络新闻媒体宣传影响力不断增强,牢牢掌握了网络时代中的舆论主导权。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29