
反思大数据新闻的思维逻辑(2)
(三)重信号而轻噪声。
大数据新闻重要的功能之一就是减少或消除不确定性,以预测未来事态。信息的指数型增长有时被人们视为万灵药,以至于人们根本分辨不清大数据中的信号和噪声。纳特·西尔弗在《信号与噪声》一书中指出,在任何一个数据丰富的领域,寻找预测模式都很容易。关键是要分辨出这些模式到底是噪声还是信号。他举了天气预报、政治选举预测、地震预测、棋牌游戏、股市、恐怖袭击等多个领域的例子,认为我们对未来的预测,应该基于可能性,以概率的方法思考问题,在不断试错中进步。从某种意义上说,大数据新闻传播也必然在预测和证实(证伪)之间有其独特的实践逻辑设计。但该认知逻辑必由两个组合的构成因素所支配:一个是新闻实践成功的程度所必须的认知资源,如信息、时间和计算能力。另一个是新闻实践推理主体所瞄准的认知目标的高度。由于这两个因素有程度之别,因此,某一具体的新闻实践行为是一个相对的、可比较的概念,而不是一个绝对的、没有参照物的死物。按此观点,只有当大数据新闻推理者心中拥有的认知任务和其可利用的认知资源相匹配时,推理才是正确的。对于传统新闻主体而言,认知的信息、时间和计算能力资源与作为高层次的大数据新闻推理者相比较而言,相对不丰富,因而,传统新闻主体的认知目标相对适中。尽管如此,我们可能还会以对自己有利的方式对这些数据进行分析和解释,而这些方式很可能与这些数据(所代表)的客观现实不相吻合。数据驱动预测机制可能会成功,也可能会失败。一旦我们否认数据处理过程中存在着主观因素,失败的概率就会增加。因此,在1970年出版的《未来的冲击》一书中,阿尔文·托夫勒对他所说的“信息超负荷”的一些后果进行了预测。他认为,尽管世界本身正走向分化,变得更加复杂,但人类仍会以坚持自身看法的方式使这个世界变得简单,这便是我们的防御机制。
(四)用事实说话和用数据说话。
大数据时代既要用事实说话,也要用数据说话,这句话是没错,但关键在于应该说清楚用事实说话是用具体的、抽样的个体性事实说话,而用数据说话是用抽象的、普遍性规律说话。前者是必然的理由,后者具有或然性。因为大数据样本不仅需要更多的时间去分析,它们往往还包含被抽样的所有个体的许多不同信息,从统计学的角度讲,这意味着这些样本是“高维的”。更多的维度增加了发现欺骗性关联的风险。比如,在医学研究中,可能会将某种药物的疗效与病人的身高联系在一起。但是这可能仅仅是因为大数据包含方方面面的信息,从身高、体重到眼睛的颜色等等。需要考虑的维度如此之多,有些维度显得重要似乎只是出于偶然。因此,用数据说话是媒体在大数据时代展现共识性、公信力的重要手段,但不是必不可少的手段。
(五)重传者分析而轻受众理解。
时下西方媒体惯常于通过对数据挖掘的方式进行新闻报道,通过仔细分析大量数据来揭示有意义的新的关系、趋势和模式,笔者试问:这些发现的所谓常规新闻中不能体现的逻辑,真的能帮助读者对新闻事件进行深度解读吗?当然,无可厚非的是计算机领域的科学家通过开发出卓越的计算能力和信息存储技术,让大数据的积累成为可能。但是收集数据及存储信息与理解这些内容并不是一回事。了解大数据的真正意义并不等同于对小数据进行解读。对于广大非专业的受众而言,对大数据分析结果的理解绝不应是简单回忆,而是具有历史的连续性和非连续性特点,即尽管过去了的东西其本身不可能原样再现和重演,这是讲的非连续性。但历史事件一旦过去,它总会给后人留下对它的某种理解,这理解就是给出历史事件的意义,正是这理解才使得一去不复返的历史事件持存着、继续着,而这也就是历史连续性的具体内涵。而大数据新闻因为过多的强调非结构化序列的连续性而割裂新闻事件历史意义的非连续性传承,从而使得新闻历史意义空洞化,从而加大其随机性定义生成的可能性,使得新闻总体上缺乏历史必然性的观照。
综上,(自然)科学视域下的大数据新闻以探索统一性的、普遍的本质为己任,其新闻客观性逻辑就是最大普遍性,最大的同一性就是最大的客观性。而人文科学视域下的传统新闻在于追求个体性的人生意义,其客观性诉求在于将普遍意义与丰富的个体性的人文意义统一起来。具言之,大数据新闻客观性来源于对一个个具体的个体所持有的丰富意义域向普遍性方向进行抽象的结果,其特征是一步一步地撇开个体身上道德的、功用的、审美的和哲学的意义等,以至最终达到最为抽象的同一性。反其道而行之,传统新闻客观性则在于首先以抽象的同一性意义为逻辑起点,超越但不抛弃抽象走向具体,通过把功用的、审美的和道德的意义与普遍意义融贯在一起,构建一个包括所有这些意义在内的有机统一体。这就是大数据新闻实践更大的理性——人文法则所必须遵循的根本逻辑和基本途径。这无疑也应该是当下大数据新闻研究的基本方向和进路。那些一味坚持大数据新闻普遍本质的自然科学研究范式,既不能深刻反映社会意义的原型结构与超自然的高位阶的社会信息需求,也不是大数据理性的完满表现。因为,对于人类社会而言,超越大数据理性的更大的理性原则是人文法则,是人生的根本意义。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28PCU:游戏运营的 “实时晴雨表”—— 从数据监控到运营决策的落地指南 在游戏行业,DAU(日活跃用户)、MAU(月活跃用户)是衡量 ...
2025-08-28Excel 聚类分析:零代码实现数据分群,赋能中小团队业务决策 在数字化转型中,“数据分群” 是企业理解用户、优化运营的核心手段 ...
2025-08-28CDA 数据分析师:数字化时代数据思维的践行者与价值推动者 当数字经济成为全球经济增长的核心引擎,数据已从 “辅助性信息” 跃 ...
2025-08-28ALTER TABLE ADD 多个 INDEX:数据库批量索引优化的高效实践 在数据库运维与性能优化中,索引是提升查询效率的核心手段。当业务 ...
2025-08-27Power BI 去重函数:数据清洗与精准分析的核心工具 在企业数据分析流程中,数据质量直接决定分析结果的可靠性。Power BI 作为主 ...
2025-08-27CDA 数据分析师:数据探索与统计分析的实践与价值 在数字化浪潮席卷各行业的当下,数据已成为企业核心资产,而 CDA(Certif ...
2025-08-27t 检验与 Wilcoxon 检验:数据差异比较的两大统计利器 在数据分析中,“比较差异” 是核心需求之一 —— 如新药疗效是否优于旧药 ...
2025-08-26季节性分解外推法:解锁时间序列预测的规律密码 在商业决策、资源调度、政策制定等领域,准确的预测是规避风险、提升效率的关键 ...
2025-08-26CDA 数据分析师:数据治理驱动下的企业数据价值守护者 在数字经济时代,数据已成为企业核心战略资产,其价值的释放离不开高 ...
2025-08-26基于 SPSS 的 ROC 曲线平滑调整方法与实践指南 摘要 受试者工作特征曲线(ROC 曲线)是评估诊断模型或预测指标效能的核心工具, ...
2025-08-25神经网络隐藏层神经元个数的确定方法与实践 摘要 在神经网络模型设计中,隐藏层神经元个数的确定是影响模型性能、训练效率与泛 ...
2025-08-25CDA 数据分析师与数据思维:驱动企业管理升级的核心力量 在数字化浪潮席卷全球的当下,数据已成为企业继人力、物力、财力之后的 ...
2025-08-25CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22