京公网安备 11010802034615号
经营许可证编号:京B2-20210330
反思大数据新闻的思维逻辑(1)
作为一种技术,大数据只是计算机数据分析技术新发展的一环。但就其对于新闻传播的影响或者意义而言,国内外研究者对大数据的内涵和外延都已进行了从自然科学到人文社会科学的思想跃迁和现象学式的想象,并将其价值和功能无限延宕。笔者认为,所谓大数据新闻传播,实质可视为计算社会科学的一个新发展,它要求新闻发现、生产与传播范式由传统意义上的以经验、理论和计算为中心转变到以数据处理为中心的新范式,这也就是我们所说的用数据思维产制新闻,即电脑化新闻模式,与传统的人脑(或人工)新闻模式相并立。
与传统文字叙述为主的新闻报道相比,大数据新闻主要通过数据统计—数据分析—数据挖掘等技术手段发现新闻线索,并用逻辑化的数据拓展既有新闻主题的广度与深度,最后以图表、数据为主,辅之以必要的少量文字的可视化方式加以呈现,从而致力于新闻报道的客观、系统和可视体验。这种想象和设计十分契合现代科学追求数字化、量化,把一切都还原为数学方程式的思维逻辑。按照这种思维逻辑的设定,新闻文本只要从纷繁芜杂的数据海洋(现象)中找到某种所谓的本质的东西,比如自然科学的公式,那么信息世界就尽可把握了,如是乎?作为一种认知新闻事物的思维程序,大数据新闻认知的普遍性逻辑必然会抽离个别新闻事物的具体性,其特征是一步一步地撇开个体新闻事物身上道德的、功用的、审美的和哲学的等意义,以还原为最为抽象的同一性。这种新闻生产逻辑必然会遗漏与特定本质属性缺乏关联的非本质新闻属性,从而使个别新闻事物的整体形象和全部意义无法得到认知与传播,最终导致大数据新闻的本质和客观性既不能深刻反映社会意义的原型结构,更不能反映超自然的、高位阶的社会信息需求。也就是说大数据本身是一种理性的表现,但还需要更大的理性——人文法则的观照。依据狄尔泰的看法,人文科学乃至生活世界中的客观性,在于解释与反思一系列视域和融贯性内的诸种关系。一般认为,这些意义、关系越融贯为一体,生活世界和人文科学中的客观性便越是客观的、真实的、具体的。对于大数据新闻而言,如何实现这些关系的内在融合,以实现新闻客观性、真实性和具体性之人文内涵,必须澄清当下“大数据”给我们在如下关系领域内造成的混乱。
(一)重普遍性而轻个体性。
对于大数据新闻人文与科学态度的划分,就是以强调个体性还是强调普遍性为基本依据的。因为人文科学强调的是个体性的人生价值意义而自然科学强调的是普遍性的规律。从大数据的实践层面看,一般认为大数据的时代其实是弘扬理性精神的时代,但如果大数据分析和使用在于满足非正义的事情,那么,这正好说明大数据本身不完全等同于理性,更大的理性是人文法则。最后,大数据新闻从自然之物到文化之物的转化过程,实际上就是普遍性本质转化为个体性本质的过程,也是一个由重共同性到重特异性的转化过程。因此,对于大数据新闻中的人物或者事物,我们都既可以从自然科学的角度来分析和报道,也可以从人文科学的角度来分析和报道。至于大数据如何推动社会进步,这种进步的速度有多快,或者进步的同时是否还会倒退,这些都取决于我们自己。
(二)重关联性而轻因果性。
维克托·迈尔·舍恩伯格在《大数据时代》中指出,随着人们看待数据的方式的变化——从局部变为全部以及从纯净变为凌乱,思维方式也应该转型,即从因果关系转向相关性。或者说,只要知道“是什么”,而不需要知道“为什么”。这观点有些类似于休谟怀疑论的知识论。休谟指出,对象之间并没有可以发现的联系,我们之所以能根据一个对象的出现推断另一个对象的存在,并不是凭着其他的原则,而只是凭着作用于想象上的习惯。这里休谟将因果关系归因于一种未经反思的心理经验,认为一切的抽象以及逻辑推理都是这种心理经验的派生物。这种“想象上的习惯”的关联方式无异于这个经典的社会学考题:冰淇淋的销量和强奸案的发生率存在线性关系,即一个增长,另一个也增长。不过,两者之间显然没有因果关系,而只有相关关系。另一个变量,即天气变暖,才是两者之间的真正桥梁。所以,舍恩伯格这种放弃因果关系而只考察相关性的思路,与其说是一种进步,倒不如说是一种思维紊乱。因为它不利于我们消除不确定性而进行下一步预测,也无法采取行动。研究者辨明因果关系并非来自统计,而是来自研究者的理论和假设。但是大数据分析更关注数据的相关性测量和商业应用价值。大数据是发现那些不能靠直觉发现的信息和知识,甚至是违背直觉的,有时候越是出乎意料可能越有商业价值。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在实验检测、质量控制、科研验证等场景中,“方法验证”是确保检测/分析结果可靠、可复用的核心环节——无论是新开发的检测方法 ...
2026-03-04在数据分析、科研实验、办公统计等场景中,我们常常需要对比两组数据的整体差异——比如两种营销策略的销售额差异、两种实验方案 ...
2026-03-04在数字化转型进入深水区的今天,企业对数据的依赖程度日益加深,而数据治理体系则是企业实现数据规范化、高质量化、价值化的核心 ...
2026-03-04在深度学习,尤其是卷积神经网络(CNN)的实操中,转置卷积(Transposed Convolution)是一个高频应用的操作——它核心用于实现 ...
2026-03-03在日常办公、数据分析、金融理财、科研统计等场景中,我们经常需要计算“平均值”来概括一组数据的整体水平——比如计算月度平均 ...
2026-03-03在数字化转型的浪潮中,数据已成为企业最核心的战略资产,而数据治理则是激活这份资产价值的前提——没有规范、高质量的数据治理 ...
2026-03-03在Excel办公中,数据透视表是汇总、分析繁杂数据的核心工具,我们常常通过它快速得到销售额汇总、人员统计、业绩分析等关键结果 ...
2026-03-02在日常办公和数据分析中,我们常常需要探究两个或多个数据之间的关联关系——比如销售额与广告投入是否正相关、员工出勤率与绩效 ...
2026-03-02在数字化运营中,时间序列数据是CDA(Certified Data Analyst)数据分析师最常接触的数据类型之一——每日的营收、每小时的用户 ...
2026-03-02在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28在数字化时代,“以用户为中心”已成为企业运营的核心逻辑,而用户画像则是企业读懂用户、精准服务用户的关键载体。CDA(Certifi ...
2026-02-28在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27在数字化时代,企业积累的海量数据如同散落的珍珠,若缺乏有效的梳理与分类,终将难以发挥实际价值。CDA(Certified Data Analys ...
2026-02-27在问卷调研中,我们常遇到这样的场景:针对同一批调查对象,在不同时间点(如干预前、干预后、随访期)发放相同或相似的问卷,收 ...
2026-02-26在销售管理的实操场景中,“销售机会”是核心抓手—— 从潜在客户接触到最终成交,每一个环节都藏着业绩增长的关键,也暗藏着客 ...
2026-02-26在CDA数据分析师的日常工作中,数据提取、整理、加工是所有分析工作的起点,而“创建表”与“创建视图”,则是数据库操作中最基 ...
2026-02-26在机器学习分析、数据决策的全流程中,“数据质量决定分析价值”早已成为行业共识—— 正如我们此前在运用机器学习进行分析时强 ...
2026-02-25在数字化时代,数据已成为企业决策、行业升级的核心资产,但海量杂乱的原始数据本身不具备价值—— 只有通过科学的分析方法,挖 ...
2026-02-25