大数据在科技新闻传播领域的应用

《大数据在科技新闻传播领域的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、大数据在科技新闻传播领域的应用　　科技领域丰富的数据资源从内容上为大数据在科技新闻传播领域的应用提供了可能性，以下是小编搜集整理的一篇探究大数据在科技新闻传播领域应用的论文范文，欢迎阅读查看。　　摘要：大数据时代，海量数据改变了传统的信息传播方式，信息传播领域正经历着巨大的变革。而作为传播的一种特殊类型，科技传播也正面临着前所未有的挑战和机遇。如何抓住大数据带来的机遇、化解大数据带来的挑战，这是摆在科技传播工作者面前亟须解决的问题。文章将目光投向科技传播重镇新闻业，分析大数据在科技新闻传播领域应用的可行性及现实困

2、境，并在此基础上对其优化发展策略进行了探索，希望能给广大科技新闻传播者以启发。　　关键词：大数据;科技新闻传播;可行性;现实困境;优化策略　　1大数据及其带来的机遇和挑战　　提到大数据，业界通常会将其特点归纳为4个V，即多样性(Variety)、体量(Volume)、速度(Velocity)和价值(Value)。通俗来讲，大数据就是具有来源多样、数量巨大、处理速度极快、有多重价值特征的数据。然而，大数据的应用并非简单的事情。在笔者看来，大数据所具有的多样性和体量的特点，使得其速度和价值的实现困难重重。如果把多样性

3、和体量看作是大数据与生俱来的特点的话，那么速度和价值在新闻界的实现则需要从业人员来助它一臂之力。　　彭兰教授在《大数据时代：新闻业面临的新震荡>一文中提出了当今新闻业面临的两大挑战：一方面，社会化媒体的兴起使得公民新闻在一定程度上侵蚀着过去专业媒体的领地;另一方面，在大数据技术等的支持下，计算机这样一种机器，也在对媒体人形成直接的冲击。大数据时代，海量数据改变了传统的信息传播方式，新闻业正面临巨大的震荡。在科技传播领域，科技类新闻也正经历着大数据带来的变革，感受着新技术带来的不安与彷徨。与此同时，大数据也为

4、新闻传播带来了新的发展机遇，为其探索和开辟新的传播路径提供了可能。广大科技新闻工作者应与时俱进，积极创新工作方式，为增强科学传播力度、提高新闻媒体在科技传播中的地位和影响贡献自己的力量。　　2大数据在科技新闻传播领域应用的可行性及现实困境　　在大数据时代，信息传播方式的转变已是大势所趋。那么，在科技新闻传播领域，运用大数据技术进行新闻生产，有没有现实的可能性呢?答案是肯定的。甚至可以说，科技类传媒在数据新闻生产方面具有特有的优势。然而，任何事物的发展都不会是一帆风顺的，大数据技术在科技新闻传播领域的具体应用也存在

5、着现实的困境。下面，笔者将从技术和内容两个方方面对其可行性和现实困境进行分析。　　2.1技术层面　　从可行性的角度来看，科技传播者更易接受新技术，这有利于大数据在科技新闻中的应用。数据新闻的生产，需要以大数据技术的应用为前提。然而，在传统媒体中，不同程度地存在着安于现状、拒绝改变的现象，一些从业者甚至对新技术具有抵触心理，这些问题严重阻碍了大数据技术在新闻生产中的应用。作为科技信息的传播者，科技新闻从业者相较于其他新闻从业者而言，对于科学技术的接触频率更高、掌握程度更深，在观念上更易接受新技术，在大数据技术的应用

6、实践中也必然会更为积极、主动。　　然而，数据技术普及率低、实际操作难度大等问题仍给大数据在科技新闻传播领域的应用带来不小的现实障碍。虽然科技新闻工作者对技术的接受程度较高，但他们作为非技术人员，对于大数据的实际了解和掌握程度十分有限。新闻单位缺乏相关专业技术人员，而其数据新闻生产的实际操作者　　记者和编辑又缺乏熟练的大数据相关技能，这使得数据新闻生产存在实际操作者不懂技术运用，而懂技术的人又不懂内容编排的现实困境。在新闻生产领域，内容与技术不是相互独立的关系，而是相互制约、相互影响的两个方面。如何达到技术与内容的

7、统一是数据新闻生产亟须解决的问题。　　2.2内容层面　　科技领域丰富的数据资源从内容上为大数据在科技新闻传播领域的应用提供了可能性。数据新闻的生产不仅需要技术支持，更需要内容支撑。数据新闻的主要内容来源就是大量的有规律、有价值的数据。科技工作离不开数据，同时又能够产生大量的数据。在科技研发领域，有观测数据、实验数据等;在科技应用领域，有运行数据、监测数据等。除此之外，科技领域还涉及其他各种数据资源，体量非常庞大。这些数量可观的数据资源是科技领域运用大数据技术生产信息量大、浓缩度高的数据新闻的内容支撑。　　然而，任

8、何事物都是具有两面性的，数量庞大的科技信息资源在为科技新闻提供内容支撑的同时，也给新闻工作者快速筛选有用信息带来了极大困难，影响着新闻的时效性，并最终影响新闻价值的实现。在各个行业、领域，信息正以数据存储的方式高速增长着，海量信息这笔宝贵的财富仍有待开发和挖掘。虽然大数据在总体上蕴含着巨大的价值，但其本身却有着价值密度低的特点，也就是说单位数据的价值量并不高。面对庞大的、