
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
CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11