
新闻是否可以从数据中发现和挖掘?数据新闻将给我们带来什么?大数据对传媒行业、传媒学科以至人文社会科学的发展意义何在?就这些话题,本报记者采访了相关学者。
春节期间,央视利用百度大数据推出“据说春运”特别节目,播报国内春节人口迁徙情况,受到了广泛关注。大数据的出现和广泛运用催生出一种全新的新闻传播方式——数据新闻,这种新颖的报道方式在满足公众全方位观察社会的需求的同时,也引发了社会各界对“大数据”的再次关注。
新闻是否可以从数据中发现和挖掘?数据新闻将给我们带来什么?大数据对传媒行业、传媒学科以至人文社会科学的发展意义何在?就这些话题,本报记者采访了相关学者。
数据新闻反映现实更为全面
春运期间,百度上线“春运迁徙地图”,人们通过该网站可以获悉8小时内排在前十位的“迁入热市”、“迁出热市”和“最热线路”。据介绍,迁徙地图的奥秘来源于人们日常运用的手机定位服务,百度分析网民的定位信息,利用大数据处理,得出国内各大城市的春运迁徙人口数据。
央视综合频道《晚间新闻》栏目引入该网站数据推出“据说春运”专题报道,以直观图像形式向观众展示全国春运迁徙的情况,并结合相关调查挖掘出诸如“逆向迁徙”等出现的新现象。与传统新闻报道相比,这种新闻建立在大量的数据基础上,反映的现象更为全面。
南京大学信息管理学院院长孙建军认为,大数据包含两重核心内涵:大数据是资源,而且是“人造资源”,依托于人类活动而产生,并能积极影响人类未来活动;大数据是应用,可改进现有思维模式、提高人类“观察能力”。在他看来,大数据之“大”更体现在其中的信息和数据是关联的。
数据新闻更易被理解
依托新闻机构开展的数据服务在世界范围内早已有之。在我国互联网领域,一些网站在美国总统选举、灾难应急事件等报道中,都大量采用了数据报道方式。
“数据新闻是对大数据做二次或更高层次的智能应用。”南开大学计算机与控制工程学院副教授史广顺表示,传统的数据信息大多是事后总结,像统计报表一样,现在所说的大数据则是“实时的”、“鲜活的”。他认为,把大数据和传媒相结合,媒体不仅能实时掌握数据,还能实时知道新闻传播效果,判定受众心态。
“数据新闻是快捷式新闻,不需要铺垫,观点鲜明。从生成方式看,如果数据分析流程顺畅,数据新闻可以做到随时随地报道,且能够满足‘发生及生产’。”孙建军表示,从信息传播角度看,传统新闻需要受众通过阅读抽取信息,有一定的“阅读负担”;而数据新闻则通过深度加工的语义信息呈现给受众,受众更易理解。
不过,孙建军表示,数据新闻一般只“敏锐地”发现问题,却很少给出合理的解释,也无法给出针对性的对策;数据分析的集群研究会忽略重要的个体特征,但个体反而是人文社会研究关注的焦点。
孙建军提到,因为数据新闻信息密度大,信息加工的难度很大,容易出现数据生涩、缺乏可理解性和适用性等状况。
全样本调查:改变传统抽样方法
事实上,大数据的出现和广泛应用不仅创造了全新的新闻传播形式,在更深层次上,或正改变着新闻传播行业及相关学术研究的方方面面。
中国传媒大学新闻学院教授沈浩表示,数据新闻的重要特征是数据可视化,其关键要注重合适的新闻选题。该选题既要满足传统新闻的基本要素,还要有叙事性,以便让人们更好地理解,这涉及对数据的挖掘、分析、可视化等。数据新闻使传统新闻工作者面临新的挑战,它要求人们不仅要有报道新闻的能力,还要具备挖掘数据价值的能力。
孙建军说,大数据这一概念具有超越行业、领域的特点,比如交通部门实时传送的车流量数据、天气预报趋势分析数据等。这些数据并不是新闻机构主动采集的,但也是数据分析的重要来源。
中国社会科学院信息化研究中心秘书长姜奇平表示,在大数据之前,对数据的利用都是抽样调查,而大数据则采用全样本进行调查。在大数据中,人们可以非常精确地看出哪一种事实最有代表性,从而使新闻报道更接近事实的真相。
据了解,除新闻传播等与社会热点紧密联系的领域,大数据在其他人文社会科学研究领域也有着更广泛的应用前景,在历史、文学、法学领域,一些学者开始采用大量的数据分析技术。这正逐渐改变着人们对传统人文社科的理解。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15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