大數據時代陜西新聞教育的應對之策*

贠 娜

(西京學院傳媒學院，陜西 西安 710123)

近幾年，從數據中發現新聞、用數據解讀新聞成為新聞報道中利用大數據的常見之舉。“大數據”使新聞呈現方式、內容生產過程和媒體的經營管理等方面產生了重大變革。面對已經到來的大數據時代，陜西新聞教育將何去何從？如何培養具有一定數據挖掘及處理能力的復合應用型新聞人才是陜西高校新聞專業必須解決的問題。

一、課程設置：注重多學科交叉

數據新聞可以說是傳統新聞在新興媒體環境下的重組。應對新興媒體的發展和媒介融合的大趨勢，實施數據新聞教育、高校對現有課程體系進行重組是非常必要的。早在2010年，美國哥倫比亞大學新聞學院為應對媒介技術對新聞教育帶來的沖擊，實行了“新聞課程+計算課程”的課程結構，將新聞計算、信息可視化、編程、跨境數據調查等課程納入到新聞專業課程體系中。在我國，中國傳媒大學也于2014年秋季率先在本科生中開設數據新聞報道實驗班，嘗試探索數據新聞報道的教學與實踐。聯合國教科文組織2015年發布的《新聞教育課程模板》已經將數據新聞列為其新課程之一。該模板指出，“新聞教育是一種社會實踐，其知識和技能是跨學科的。”這標志著新聞教育要培養跨學科復合型人才的理念已經成為全球性趨勢。

目前，陜西高校開設的新聞專業基本都將數據新聞融入到傳統新聞教育當中，并開設了相關課程。但仔細觀察就會發現，很多高校表面看起來是緊跟大數據的潮流，但實際上依然是將傳統新聞人才的培養作為其培養目標，定位不夠準確。在其課程體系中，數據新聞相關課程只占大學四年專業課程的10%左右，有的甚至更少，并沒有出現真正將數據和新聞融合的課程。陜西數據新聞教育還處于盲從的探索階段，還未形成成熟的教育模式，課程體系亟待完善。

因此，陜西新聞教育要更好地應對大數據的潮流，在課程體系的設置上必須要打破傳統的專業壁壘，注重多學科的交叉。在課程體系中將社會學、經濟學、信息工程、生物科學、物理學等融入進去。及時調整新聞教育的理念，采取可行措施教授學生處理數據的能力，駕馭跨媒介的數據處理能力，以培養真正的大數據復合應用型傳媒人才。

二、知識結構：打破單一的學科背景

長久以來新聞學專業一直以文史類學生作為招生對象。在當今媒介融合的大背景下，業界對學生的要求已不僅僅是掌握傳統的新聞采寫編評攝等技能，還需要學生了解計算機編程、數據處理分析等方面的知識與技能，并能用圖表、雕塑等可視化的方式表達出來。這對于許多文科生來說，是不小的難題。在這種情況下，學生知識結構相對單一，這對于高校培養復合應用型新聞人才的培養目標來說，難度較大。而陜西的新聞教育也面臨著同樣的困境。

因此，大數據時代的新聞教育，首先要嘗試打破傳統新聞學專業以文史類為主的招生模式，文、理、藝兼收，從學科背景上實現多元化。其次，學生入校后可以進行跨專業培養，打破學科壁壘，學生在學習新聞專業課程的同時，可在校內外根據培養目標和培養方案的要求自行選擇其他專業的相關課程，實現專業知識的交叉與重組，豐富學生的知識結構。

三、師資隊伍：倡導“從做中教”

面對大數據時代的變化，不僅僅對學生的培養要與時俱進，對教師的培養同樣也要跟進。目前，陜西高校新聞專業的教師依然是接受了傳統新聞教育、從高校到高校的教師，這些教師依然存在重理論、輕實踐的問題。因此，要培養適應大數據時代的傳媒人才，對教師的培養也是其中重要一環。新聞教育倡導知行合一、“從做中學”，而對教師的要求也應是“從做中教”。

從陜西高校新聞專業師資隊伍來看，具有業界實務經驗的教師非常少，占比不到50%，這就造成教師在課堂上實務知識的講解與業界的實際有所脫節。而在開設數據新聞相關課程的高校中，真正能夠具有數據處理分析能力、能從中挖掘新聞、并以可視化的方式呈現出來的教師數量微乎其微。試問，沒有相應能力的教師，相應課程如何支撐，如何培養具有相應能力的傳媒人才。因此，為了適應大數據時代的新聞教育，陜西高校對教師的培訓必須要抓緊。教師自己可以通過自學、進入業界進行實踐等方式掌握跨專業的知識，了解本專業的前沿動態，在實踐中進行鍛煉，豐富新聞實踐經驗，并將其融入到數據新聞的課堂教學中去，真正做到“從做中教”。另外，高校還可以定期邀請業界實踐專家來學校做講座或擔任兼職教師，對學生和教師進行面對面的親自指導。

總之，大數據時代已經來臨，陜西高校的新聞教育必須走一條“由業界推動學界”的道路，提升教師隊伍的實務經驗，積極建設復合型的教師團隊。

[1]陸佳怡，董穎慧.探索與創新：美英知名新聞學院的數據新聞教育[J].新聞戰線，2017(8).

[2]金梅珍，丁邁.我國數據新聞教育的困境與對策[J].現代傳播，2016(3).

[3]鄔建中，胡子鈺.大數據時代美國高校新聞傳播云教育產業的改革趨勢[J].西部廣播電視，2016(6).

[4]任雪菲.大數據時代的新聞教育變革[J].甘肅高師學報，2015(9).