京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据开放可提升政府公信力_数据分析师
1月5日,美国哥伦比亚新闻评论网发表的文章《21世纪的新闻审查》(21st-Century Censorship)提出,互联网技术的发展产生了越来越多的媒体平台和自媒体。有观点认为,在大数据时代下,政府对信息的监管和审查会变得日益乏力。然而,学者们则认为,事实可能恰恰相反。
政府与媒体关系发生变化
美国杜克大学斯坦福公共政策学院教授菲利普·班尼特(Phillip Bennett)表示,对新闻业来讲,首先,互联网对新闻媒体的影响是破坏性和颠覆性的,这是不可阻挡的趋势;其次,它催生了互联网通信工具的创新。同样,政府公共部门与媒体间的关系也发生转变。政府不再像以前一样“单纯”地面对并处理与几家主流媒体间的关系,而是面临着由公共舆论所引发的更加复杂多样的挑战。
据美国互联网数据中心数据显示,互联网数据每年约增长50%,每两年便翻一番,而目前全球90%以上的数据是近几年才产生的。有人曾预言,随着互联网和大数据平台的日趋开放,面对海量数据的“无从监管”,政府对新闻信息的监管和审查将随之消失。但事实上,大数据概念从诞生开始,政府监管在其中扮演的角色从未被低估。正如大数据技术的战略意义不在于掌握庞大的数据信息,关键在于对这些有意义的数据进行专业化处理的能力。比如,对新闻信息的处理,就不仅仅是个技术问题。
班尼特表示,在“自由的”网络世界和各国政府对海量新闻信息源的处理过程中,我们看到了这个时代的一种悖谬的“传播风格”,一方面,人们更加善于表达自己,言论途径更加开放;另一方面,政府监管随着大数据的发展在某些方面“愈加严格”。
“当前,一个事实是:监管和审查随着信息时代的发展而不断完善。”班尼特说,理论上,新技术的发展应该使新闻信息的审查更加困难,并最终成为“不可能的审查”,政府难以控制信息的流通。然而,现实中越来越多的政府开始加大监管、审查新闻及各路媒体信息的力度,不仅是发展中国家,也包括发达国家,尤其是在互联网安全意识的提高下,对新媒体的审查越来越“用力”。
英国伦敦城市大学学者格兰达·库珀(Glenda Cooper)日前在澳大利亚对话网站刊文表示,全民新闻时代的来临,打破了传统的派记者去现场、报道、发布新闻的流程,现在很多记者都是在办公室里从社交媒体中搜索有价值的新闻。但这种新的方式,在新闻的隐私性、验证真伪、品位方面都有值得质疑的地方。自媒体新闻往往是倾向性明显的新闻,常伴随伪造、暴力的图片,给社会造成不良影响。
据了解,目前,许多国家通过立法加强对新闻媒体行为的规范,一方面是制定专门的新闻法规,如瑞士、法国、意大利、丹麦等国;另一方面,即使没有整体立法,但相关法律条文“散见”各处,如美国、英国、日本等国,尤其是针对互联网信息的传播。
杜克大学教授莫伊塞斯·纳伊姆(Moises Naim)表示,各国政府正在从数字革命的“观众”转变为数字时代先进技术的最早采用者,政府越来越有能力掌握新闻记者和自媒体的情况,并在一定程度上控制信息的流通过程和方式。政府的监管能力发生了变化,与媒介的关系也发生了变化。
监管方式的模仿与创新
纳伊姆说,今天,一方面许多国家的政府正在使信息更加开放;另一方面政府也需要在监管和审查方式上进行创新。当前,在一些国家,如匈牙利、厄瓜多尔、土耳其和肯尼亚,政府正在模仿俄罗斯等国家,对重要新闻进行更大程度的管控,并力图建立国家媒体品牌的影响力。
“虽然互联网的发展是一个全球化的趋势,但对于信息的监管和审查是每个国家或地区的自主行为,比如,在匈牙利,政府规定权威媒体有权收集记者的详细信息、广告内容和社论内容。”纳伊姆说,我们无法单纯以“新闻自由”为幌子全盘否定政府对媒体和信息的审查和监管行为,尤其是在今天的海量数据面前,每个国家都要考虑互联网时代的信息安全。纳伊姆反问道,当网民在网络平台上遭受他人肆意而名目张胆的人身攻击时,是否还能看到“言论自由”的积极面?
政府监管将更加透明化
许多学者认为,不论新闻及其他信息的监管和审查面临多少偏见和争议,在大数据平台迅速发展和广泛应用背景下,政府监管方式都将更加透明。
大数据的开放能够增加政府的透明度,提高政府的公信力。纽约大学法学院教授贝丝·诺维克(Beth Novick)表示,数据的开放可以让政府公职人员和民众一起参与进来,解决政府无法完成的、棘手的问题,更广泛地发挥群众力量,借助大数据平台进行更好的社会管理。
当然,大数据的存储和处理模式,不可避免地会带来信息安全、隐私保护等问题。一方面,大数据时代的国家信息安全需要引起政府高度重视,应大力推动国家的网络信息安全建设;另一方面,从全球范围来看,目前已有50多个国家依靠法律形式规范个人信息数据的管理与使用。显然,大数据时代,人们的隐私应该受到更好的法律保护。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 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 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 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 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18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导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 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。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 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 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13