京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据背后,网络文学丰而不富
探讨70亿元产值规模背后的内容、受众与管理
截至2014年底,一共已有114部网络小说被购买影视版权,成为热门IP,网络文学迎来了大好时机,但目前连“什么是网络文学”都并未形成统一定义,这种繁荣背后的诸多问题也值得探讨。
网络文学越来越成为文化产业中的焦点。截至2014年底,一共有114部网络小说被购买影视版权,有90部计划被拍成电视剧,24部被拍成电影。据市场第三方统计,到2015年网络文学的产值规模能够达到70亿元。
这样一片大好的数据背后,是否意味着我国网络文学的发展已然成熟?
值得注意的是,对于“什么是网络文学”,就没有形成统一意见。比如诞生于弄堂网文学板块的金宇澄长篇小说《繁花》是否算作网络文学?华东师范大学中文系副教授黄平告诉早报记者:“会在定义上产生分歧,也说明了我国网络文学发展还不成熟。”
9月24日至25日,“首届中国网络文学论坛”在上海举行,对网络文学的内容、读者到管理状况展开了一一探讨。
内容:参差不齐并以类型化小说为主
在会上,“内容良莠不齐”成为与会者口中出现频率最高的字眼。阅文集团CEO吴文辉认为网络文学已进入了繁荣发展阶段,但他坦言也出现了作品数量多、精品少、抄袭模仿等屡禁不止的问题。
上海作协副主席、上海网络作协会长陈村表示,网络文学一开始被质疑、被视为“垃圾”,但在当下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,网络文学成为重要的文化现象仅仅花了十多年时间。
“网络文学向来不缺内容,但泥沙俱下,许多作品题材雷同、情节拖沓、文字累赘甚至涉及暴力色情,而堪称优质的作品和具有创作潜能的作者往往被湮没。”在陈村看来,这是制约网络文学产业越做越强的关键所在。同时,陈村表示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。”
黄平则向早报记者表示网络文学目前最大的问题在于“内容模式化、同质化严重”。同时,他认为网络作家有一种身份焦虑,他们急于在文学体系中找到合法性。
受众:缺少针对读者群体的研究
截至2015年6月,我国网络文学用户规模达到2.85个亿,占网民总体的42.6%,其中手机网络文学用户规模为2.49亿,占网民总数42%。在江苏作协党组成员汪政看来,网络文学与传统文学并不一样,尤其要加强对网络文学读者(用户)的研究:“他为何点击、为何欣赏、为何乐于做粉丝?”
黄平也表示:“今天网络文学研究的关键不在文学本身,而在于它面对的读者群 。”黄平告诉早报记者,从受众层面分析,和网络文学并列的应该是美剧或好莱坞电影。他分析,如今网络文学读者群呈现“高度青年化”特征,因为青年群体能在其中得到宣泄。“比如‘霸道总裁’系列,在传统文学中是找不到的。”黄平认为若要有所倡导,就要注意把倡导的核心价值观和青年一代的想法贯穿起来。
“现在我们对网络文学读者群体的研究比较少。”在黄平看来,以往纯文学中的“作家、作品研究”未必是研究网络文学的最好办法,但研究机构里针对读者的研究方法又尚未成熟。
管理:规范发展是根本目的
据新闻出版管理部门的科研机构统计,目前我国数字出版产业达到3387亿元的产值规模,以网络文学为代表的网络出版物也已成为数字出版发展的主力军。“在数据背后,网络文学到底是不是一个强大的产业?”国家新闻出版广电总局数字出版司网络出版监管处副处长程晓龙认为,目前我国网络文学“大而不强,丰而不富,多而不优,快而不稳”。
程晓龙比喻,不少网络文学企业还挣扎在生死线上,不少作家还徘徊在温饱线上,不少作品还游走在存亡线上。他说:“当我们审视网络文学发展的时候,还必须谈论规则的问题、管理的问题。”
会后程晓龙接受早报记者采访。对于网络文学管理,他认为首先要研究网络文学的发展规律,“网民写作大多出于对文学的热爱。在网络文学发展的十多年中,我们没有认真地审视过网络文学的发展是否合理、有序。”
“有的网络文学作品过于迎合读者口味,写一些感官刺激很强的文章。这跟商业模式有极大关系。因为网络文学很大程度上是边创作、边传播、边消费,为了不断地留住人气,个别作者就会想尽各种办法。”
“网络文学正在迎来它最好的发展时机,中央对包括网络文学在内的网络文艺非常重视。”程晓龙告诉早报记者,“对网络文学来说,只有建设和管理并举,网络文学才能健康、持续并繁荣发展。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-10在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-10在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01