京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据背后的网络文学:繁荣还是平庸
“在数据背后,网络文学到底是不是一个强大的产业?”网络文学发展的这些大数据表明,网络文学的题材素材,越来越成为电影、电视剧艺术创作中内容题材的来源,并形成自己独特的IP品牌,加上网络文学被改编成其他文化样式,网络文学的产值到2015年可以达到70亿元的规模,这说明网络文学已经成为文化产业的重要组成部分,占文化产值比例越来越大,这越发凸显了网络文学在人们的阅读文化生活中,在艺术创作中,在文化产业中的价值和地位。
我们知道,网络文学一开始被质疑、被视为“垃圾”,但在当下却已经成为作者以数十万计、最活跃、最引人注目的文学形态。从1999年榕树下网站第一次颁奖算起,到网络文学成为重要的文化现象,仅仅花了十多年时间,并且取得了如此的成绩,我们是应该看到网络文学这一方面对文化的贡献的。
但是,正像文学批评界所指出的那样,目前我国网络文学的发展有目共睹,但却存在着数量多、精品少、抄袭模仿这些“大而不强,丰而不富,多而不优,快而不稳”的比较突出的问题。
这表现之一是,网络文学的思想内容品质问题。网络文学很大程度上是边创作、边传播、边消费,这种商业模式决定了有的网络文学作品,为了不断地留住人气,其作者就会想尽各种办法,过于迎合读者口味,写一些感官刺激很强的作品,出现了涉及暴力色情的内容。
这是网络文学的内容审美以及写作导向问题,已被看作是制约网络文学产业越做越强的关键所在。
网络文学作品深受年轻读者的欢迎,但网络文学作品表达的作者的思想趣味、生活态度和对世界的看法,它的思想性、价值取向,对网络读者尤其是青少年读者的价值观会产生不小的影响,也正因此,对网络文学作品,我们需要加强文学方向,思想内容方面,审美格调方面,精神趣味和价值方面的积极、正确、鲜明的引导,网络文学在其发展过程中在品格、道德伦理、审美方面应体现出新追求。
在我们的文学生活中,网络文学一直是处在文学界激烈争议的漩涡中。网络文学处在今天这样一个浮躁的时代,充满喧嚣的商业消费文化,纷繁多变的多元价值观念、流行时尚,构成了网络文学的生存环境和文化情境。这种外在环境决定了一些网络文学作家、写手的写作心态。他们所追求的网络写作往往是急功近利,获得点击率,赢得不错的商业收益,得到纸质文学的认同,获得出版市场,以至一些堪称优质的大数据分析作品和具有创作潜能的作者被湮没。这正像有的文学批评家所说,当前网络文学以类型化小说为盛,较为单一,“但我们期待的更加个人化的风格尚未出现。”还有就是,“点击率”、“流水作业”、“炒作”与网络文学如影随形;许多网络文学作品题材雷同、情节拖沓、文字累赘,抄袭模仿盛行。这是我们必须看到的网络文学的现状。
这也正是我们的文学批评界,这次网络文学论坛上,对网络文学提出的批评,网络文学在思想深度、精神信仰、艺术表现和审美原则方面存在着许多问题。近些年来,我们看到有的网络文学作家、写手出版的网络文学作品,动辄几十万册,获得了大量读者的阅读和追捧,但这仍然无法掩盖如今网络文学的思想、精神、文学性、艺术性和创始性力量方面的欠缺。
我们盘点网络文学的发展,也在思考和寻找衡量优秀的网络文学的标准。内容高雅优美、笔触精致、富有文学表现力和艺术审美魅力,这从来就是一个衡量优秀文学艺术作品的重要标准。所以,网络文学的发展方向,就是必须具有鲜明、坚定、高远、宏大的文学精神的坐标,不断提升文学的品位,超越网络文化流俗,超越它的平庸、苍白和低俗,坚持文学性和艺术性的不懈美学追求,并成为自觉的精神意识、文化意识、创作意识。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15