
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。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29