京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代:重构文化空间的人文向度
随着大数据时代的来临,人们在虚拟空间与物理空间的杂居,以及“拟态环境”对文化空间的重构,导致了知识在获取、存储、交流、再生产等诸多环节发生深刻变化。如何面对由此带来的挑战成为摆在广大学者面前的重要课题。
大数据时代首先带来了传播话语权的迁移。在印刷时代,知识分子常常是报纸书籍等纸媒话语权的拥有者。比如,民国时期的《新青年》、《新潮》、《语丝》、《晨报·副镌》等报刊,其编者常常具有大学教师、编辑、作家等多重身份,这为他们重构文化空间、进行文化启蒙打下了重要基础。而在大数据时代,由于媒介身份和教育身份的分离,当今学者难以形成占据主导地位的话语权。文化话语权逐步从传统学者移至媒介巨头,尤其是以电视、网络等现代传播手段为代表的传媒机构。无论如何,大数据重构了文化传播的空间形态,也打破了原有的话语体系平衡,缔造出新的话语权分布,进而带来了一个迫在眉睫的问题:作为掌握媒介话语权的传媒机构如何重塑文化价值空间?从目前看,媒介文化产业正迅速崛起、快速发展,但由于从业人员的芜杂,资本力量渐渐成为传媒文化的主宰。特别是在资本逻辑的驱动下,文化的价值向度被严重剥落。不仅如此,媒介偏好也是一个重要原因。印刷文明推崇客观和理性的思维,同时鼓励严肃、有序和具有逻辑性的公众话语。而大数据不仅用视像渐渐取代传统文字,还使信息变得海量且混杂无章,这导致公众话语变得散乱无序。正如尼尔·波兹曼的喟叹:这是一个“娱乐至死”的时代。因此,在大数据时代,广大学者必须积极应对文化空间和教育背景的深刻变化,特别要处理好“为学”及人文教育等问题。
首先,就为学而言,在印刷媒介时代,藏书、购书与纸媒阅读常常是文人学者为学的主要方式。民国时期,学者家中的藏书一般都要超过上万册,据邓云乡回忆:“教文史的大教授通常都藏书几万册”。“据统计,现存鲁迅藏书有4062种,约14000册,其中中文书籍2193种,外文书籍1869种,包括中文线装书、中文平装书、俄文书、西文书、日文书等。”可以说,鲁迅的文学及学术成就与其藏书、借书乃至抄书密不可分。而在知识的交流与传承上,也多是通过课堂、宴饮、聚会、拜访等方式进行。比如20世纪30年代的北京,林徽因的“太太客厅”、朱光潜的“读诗会”、《晨报·副镌》“沈从文们”的聚会等都是当时为学交流的典型代表。
而在大数据时代,人们足不出户就可以查到各地的藏书状况及学习资源,国内外开放的网络数据资源使知识获取更为便捷迅速。数字化出版的崛起更是重新塑造了人们的交流方式、交流对象和文化传递模式。在知识的存储上,电子图书具有纸媒所不具备的携带方便、易于查询等长处,实现了从古昔的汗牛充栋到当今的大容量可移动介质的重大转变。在知识的交流上,网络的发展提供了更多的交流机会,E-mail、博客、微博、论坛、微信等网络平台已经成为日常交流的重要方式,而知识的分享、交流和传递也更为迅速和便捷。在知识的再生产上,海量网络资源为人们的书写记录提供了重要平台。比如,部分史料在搜集、整理、编写、保管、出版、传播等环节开始趋于数字化发展。由此可见,大数据时代的“为学”方式较纸媒时代已经发生很大改变。随着“数字鸿沟”的不断拉大,广大学者除了要秉承传统的为学精神,还要不断学习新的知识获取及交流方法,使自身的学术研究不断适应时代的发展要求。
此外,人文教育也是必须面对的一个问题。30年前,尼尔·波兹曼在谈到电视对美国教育的影响时指出,“美国目前最大的教育产业不是在教室里,而是在家里,在电视机前。”这种警醒亦如当下的大数据之于教育。传统课堂传授的知识备受各类现代传播媒介的信息冲击,学生获取知识及价值认同的途径已发生重要改变。大数据时代使得我们的教育变得越来越“教条化”。这就要求人文教育工作者既要注重网络传播的伦理规范,还要加强高校自身的职责建设,推动网络新媒体与传统教学资源的有机组合。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13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 ...
2026-04-13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 ...
2026-04-13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