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。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25