2014年大数据与新闻传播研究综述

《2014年大数据与新闻传播研究综述》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、2014年大数据与新闻传播研究综述张冰清【摘要】2014年大数据与新闻传播的研究涵盖广泛，包括新闻传播理论更新、传统媒体转型、新闻形态变革等诸多话题，但研究深度仍有欠缺。在研究方法上，定性研究为主，个案研究法出现较多。..关键词大数据新闻传播综述随着信息技术的发展，全球的数据存储能力不断在数量级上增长，海量数据带来“大数据”的时代。2014年，大数据的相关话题已经成为新闻传播领域的研究热点，研究内容涵盖了新闻传播理论更新、传统媒体转型、新闻形态变革等诸多话题。一、大数据与新闻传播理论更新2014年，众多学者从宏观角度把握大数据对新闻传播理论带来的影响，主要包括新闻传播理论研究在大数据

2、环境下为什么会不可避免地进行更新、应该向哪些方向进行更新，以及如何进行更新。这一类的研究数量较多，在研究方法上以定性研究为主。喻国明的研究在其中较为典型，他指出，大数据带来的是新闻传播理论和实践的范式革新。具体来说，包括四个方面的转变：大数据环境下，“因果”关系及由“果”到“因”的推理都不再重要，重要的只是对“关联”的呈现本身、而无需知道“关联”背后的原因；同时，由于数据存储和处理能力的增强，新闻传播研究在研究对象的选取上从“随机抽样”走向“总体”、“全部”；由于大数据分析在对研究结果的把握上更适合进行整体分析和把握，新闻传播领域现有的、追求精确和具体结论的“小问题”研究趋势将会发生

3、扭转，走向“宏观叙事”；在研究方法上，理论的重要性将会下降，而算法、规则会变得更受关注。①也有学者将目光投向大数据环境下新闻传播理论在哪些具体领域有创新可能。如骆正林提出，在政治传播领域如何处理各个传播主体的关系成为新的突破点；互联网日益成为人类社会生活的一部分、蕴藏着大量的人类活动数据，而为社会传播的研究提供了新的空间；怎样解决大数据环境下新媒体对利润的追逐引发一系列问题，带来媒体经济领域研究的新空间；如何更好地利用大数据技术进行新闻传播研究，成为在研究方法和技术方面的创新可能。②学者们的研究内容也包括大数据下新的人际交往模式。毛德胜将大数据时代的人际交往称为“半虚拟化”的人际交往

4、。他提出，大数据改变了人们的行为模式，人际交往与互联网产生紧密联系、催生新的人际交往模式：海量信息满足人际交往的需求；多样信息造就了成员高度异质性、更具创新潜力的交往圈子；信息高速传递保障虚拟人际交往的质量；以分享为目的的价值取向巩固了交往的原动力。这种虚拟人际交往又往往可以向现实人际交往转化，或者稳固现实中的交往圈子。③二、大数据与传统媒体转型大数据环境下传统媒体面临何种挑战与机遇，应当怎样进行转型，这是新闻传播领域的热点话题，相关研究数量最多。此类话题的研究在研究方法上常见个案分析法。有学者关注报纸、电视等特定种类的传统媒体的转型问题。如史安斌、刘滢认为在大数据技术影响下，电视业

5、在收视测量上将从抽样分析变为全采样分析，并将社交媒体的关注度也列为考察收视情况的重要指标；在内容生产上，大数据环境下可以进行实时的收视数据收集和分析，再根据收视情况实时地进行内容生产和播出的调整，实现“制播同步”；电视的功能得到进一步拓展，观众从被动地“看电视”走向主动地“用电视”；在传播模式上，借助对观众喜好的精确分析，实现有的放矢的“智能化”传播。④也有学者主要研究大数据时代传统报业的转型问题。如陈曦提出，传统报业转型的典型路径。其中数据资产中介主要指通过数据收集和分析产生新的价值，主要适合通讯社和财经类媒体；数据资产管理是传统的舆论监督和危机公关的延伸；数据驱动解决方案则包括多

6、个方面的内容，如根据用户兴趣定制推送内容、利用大数据进行舆情分析和预测、通过数据分析和过滤产生新闻报道的新形态等。⑤除了关注特定种类的传统媒体的转型问题，也有部分学者从更宏观的角度出发，研究大数据环境下传统媒体面临的挑战和转型的路径。如王俊荣、崔爽爽指出，在大数据技术兴起之前，新媒体行业的崛起已经给传统媒体带来强烈冲击，传统媒体面临“内容薄弱”和“受众减少”等困境。大数据技术给传统媒体带来机遇：与专业数据机构合作、提供更符合受众需求的传播内容；通过动态的大数据分析，进行新型的议程设置；从既有议题的数据分析中发掘新议题；基于海量数据分析提出预测性报道，完善新闻媒体社会瞭望的功能。⑥在针

7、对大数据与媒体转型的研究中，还有相当数量的研究采用个案分析法，通过对具体案例的深入研究来分析大数据环境下各种传媒主体应当如何进行转型。这类研究往往选取国外的成功案例进行剖析。如高山冰在对美国传媒公司Netflix的研究中分析指出，Netflix的成功是一种立足于传统、维护原有用户而不断探索新业务、寻找新用户的转型。其转型的重点包括四个方面的内容：一、通过搜集用户数据分析和预测用户喜好、进行产品推荐和新产品的策划生产；二、注重用户体验，维护传统产品的用户服务