大数据时代对传媒经济研究的影响(1)_数据分析师

自2012年开始，大数据开始成为包括新闻传播学在内的学术界共同讨论的热点话题。2008年，《自然》杂志组织推出了大数据专辑，2011年，《科学》杂志也推出大数据研究专刊。麦肯锡咨询公司在2011年发布了大数据研究专题报告《大数据：下一代创新、竞争和生产的前沿》，联合国在2012年也发布了“大数据的挑战和机遇”的调查报告。在大数据趋势的推动下，奥巴马政府在2012年推出了“大数据研究与开发计划”，该计划投资额超过2亿美元。欧盟也于2011年提出了数据开放战略，要求每年增加400亿欧元的公共数据，并在2017年实现利润1000亿欧元。

　　大数据对传媒业产生了革命性的影响，其实，不仅传媒行业会受到大数据带来的影响，大数据也对传媒学术研究产生巨大的冲击和挑战。目前已经有学者开始就大数据对传媒研究的影响进行了初步分析,但总体而言，新闻传播学界对大数据的研究偏重于现象描述和情况介绍，对大数据给学术研究带来的挑战和学术创新问题的研究却较少。基于此，本文以传媒经济研究为对象，考察大数据对传媒经济研究带来的挑战，为大数据背景下传媒经济研究的发展提供行动路线图。

　　大数据对传媒经济研究带来的挑战

　　传媒经济学的理论背景来自经济学，包括微观经济学理论、产业经济学理论、制度经济学理论等。有学者认为，大数据在研究对象、研究工具、研究理论和研究方法等方面对传统经济学形成了冲击，由此提出大数据经济学（Big Data Economics）概念，认为应该运用大数据思想对传统经济学进行深化研究。在传媒经济学研究方面，大数据在研究范式、研究理论、研究方法、研究工具以及研究对象等方面都会对既有研究产生冲击，传媒经济学研究面临着理论创新的挑战。

　　1.研究范式

　　按照库恩的界定，范式是一个学术群体中大部分成员共同认可的一整套前提假设，是学术共同体公认并共享的世界观。传媒经济学基本遵循着新古典主义经济学的研究范式，新古典主义经济学的核心是理性人假设。理性人假设认为人是追求自身效用最大化的理性个体，在制定每一项决策时都会严格按照成本收益比进行考量和计算。但批评者指出，完全理性假设在现实中并不存在。在现实中，一方面，搜索信息需要花费巨大的时间成本和精力；另一方面，人们缺乏分析和处理巨量信息的工具和方法。因此，人们只会搜索有限信息，以此作为决策的依据，这就是有限理性假设。

　　有限理性假设比完全理性假设更加接近现实，但这两种假设有着共同的前提，即个体对信息的搜索和处理需要巨大的成本。因而，决定采用完全理性假设还是有限理性假设时，主要是比较获取信息的成本和从信息中得到的收益：当信息收益大于信息成本时，继续搜寻信息，逼近完全理性假设；当信息成本等于或大于信息收益时，停止信息搜索，按照有限理性假设采取决策。

　　在大数据环境下，理性假设的前提遇到了挑战，大数据技术极大地减少了受众搜索信息的成本，受众可以轻而易举地获取决策所需的各种信息，并利用数据处理技术对信息的收益进行计算，在此基础上作出决策，这使得有限理性范式失去了解释力。同时，信息成本和交易成本的大幅下降，使网络空间出现了许多新的组织形态和交易形式，如以分享、合作为主题的维基百科、开放源代码、网络共享等，这些新的组织形式无法用理性范式进行解释，如果从理性的角度计算成本收益关系，那么人们没有动力进行网络分享与合作。然而，这种“无组织的组织力量”在今天的互联网世界越来越常见。这些大数据时代的新现象很难用理性范式进行解释，我们需要用新的传媒经济学研究范式解释这些行为和现象。

　　2.研究理论

　　在研究理论上，大数据时代的传媒经济研究不仅需要经济学理论，也需要社会学理论、网络科学理论等其他学科理论。传统的经济学理论中，个体脱离了所属的社会结构和社会群体，研究者忽视了社会关系、人际传播、社会结构因素对个体的影响，脱离个体所镶嵌的社会情境因素来考察个体，犯了“低度社会化”的错误。在传媒经济理论中，无论是生产者还是消费者，他们的生产行为和消费行为都是黑箱，我们不知道生产者和消费者是如何做出生产和消费决策的，哪些因素产生影响、如何影响等一系列问题都处在黑箱中。

　　在大数据的帮助下，研究者可以借助于社会学理论和社会网络研究理论，把个体纳入到一定的社会结构和社会情境中，考察个体镶嵌其中的社会关系因素如何影响个体的媒介接触和媒介消费行为，研究影响个体行为的各种因素及其影响机制，揭开人们媒介接触和媒介消费行为的黑箱，从而发展出能够揭示传媒经济行为一般规律的理论。

　　3.研究工具和方法

　　传媒经济学主要的研究方法包括抽样调查、内容分析、假设检验、实验研究等，尽管这些方法有其优点，但它们的缺点也是显而易见的，这些传统方法都无法对海量数据进行分析，在大数据面前，这些传统方法基本是无能为力的。

　　以抽样调查方法来说，在大数据来临之前，受制于研究条件和数据可得性，研究者只能对有限的数据进行抽样，通过对有限样本的分析推断总体的状况。抽样分析的前提是所抽取的样本能够代表总体，但在研究中很难使样本能够完全代表总体，样本与总体总会存在一定的误差，抽样调查的价值也因此打折扣。在大数据时代，可以直接对总体数据进行分析，而无需通过抽样调查来估计总体状况。同样，内容分析法也是基于抽样分析，通过抽取样本对媒介内容进行研究。实验法也是对少数受试者施加试验刺激，通过与对照组进行比较研究，观察实验刺激产生的效果。这些传统方法都是小数据时代处理信息所采用的方法，并不适用于大数据环境，大数据需要学者设计运用新的研究方法与研究工具。