傳播手段創新視域中大數據時代新聞生產流程重構*

□文│夏雨禾

習近平總書記在黨的十九大報告中提出，要“高度重視傳播手段建設和創新，提高新聞輿論傳播力、引導力、影響力和公信力”。[1]在技術日新月異的傳播語境中，提出“傳播手段建設和創新”，具有重大現實指導意義。傳播手段，指的是為達到特定傳播目的而使用的工具、方法和技巧。推動傳播手段建設和創新，并不單純指技術層面的問題，“任何技術都體現人的目的要求，人將自己在社會中形成的生活與生產目的注入到技術中，使技術具有了在社會中形成的意義”，[2]就此而言，傳播手段建設和創新是一個目標指向鮮明的系統工程，其重心并不在于技術本身，而是在充分認知技術本質和運行邏輯的基礎上，確定以何種方式、方法恰如其分地運用技術手段來提高新聞輿論傳播力、引導力、影響力和公信力。

本文的研究，將圍繞大數據思維中的新聞生產、新聞生產中大數據技術的運作邏輯和應用場景、大數據時代新聞生產流程重構面臨的風險等問題展開探討和分析，以期拋磚引玉。

一、大數據思維中的新聞生產

大數據這個概念正面臨被濫用的風險，似乎規模龐大的數據集合都可以被稱為大數據，這是一個認知誤區。大數據是特定技術條件下的產物，即通過網絡和計算機技術進行捕捉、存儲，并可以被用于管理和分析的數據集合。

1.大數據的本質特征

大數據的本質特征并不只是它的規模，更在于它的三個主要特性。

其一，在線性。大數據來自于在線行為，只有在線行為所產生的“數據足跡”才有可能通過網絡和計算機技術進行抓取、捕獲和存儲。因此，任何離線或線下行為所產生的數據信息，比如，線下調研所產生的數據集合，無論規模多大，也不能稱為大數據。

其二，流動性。大數據在形態上具有“液態”流動性特征，由于大規模網絡節點的在線行為無時不刻都在生產數據，由此而生成的數據集合并不是一成不變的靜態存在，而是處于變動不居的迭代更新狀態。因此，大數據具有很好的流動性和成長性，這是通常所說的數據庫所不具備的。

其三，精準性。大數據在質量上具有精準性特征。“精”指精確，大數據是在線行為的“全景”記錄，任何肉眼無法察覺甚至是自身未曾留意的“蛛絲馬跡”都有可能被記錄，因此數據的“粒度”很高；[3]與此同時，由于大數據具有迭代更新的流動性特征，這就有利于形成有效的優化和反饋機制，相應的，數據對在線行為的描述或標簽也不是一成不變，而是不斷趨于準確。

表面來看，大數據是一堆無組織且雜亂無章的數據集合，其間卻隱含著很多肉眼無法識別的規律和趨勢特征。要從沙粒般的數據中識別這些規律或趨勢特征，就必須借助于“算法”。所謂算法，即通過計算機解決、分析問題的策略和方法體系，簡而言之，就是計算的方法和技巧。相應的，利用算法對大量的數據進行分析，進而揭示數據中隱藏的關系、模式和趨勢，這個過程就被稱作是“數據挖掘”。[4]大數據離不開算法，可以說，沒有算法的大數據只是一堆冰冷、無用的數字“垃圾”。從這個角度來看，稱算法為大數據的“靈魂”毫不為過。近年來，隨著數據科學和統計學的發展，算法領域的創新層出不窮，而突飛猛進的計算機技術更是讓各式各樣的算法“如虎添翼”。

2.大數據思維中的三大需求

大數據并不是簡單的技術，更是一種集在線化、數據化和算法化于一體的思維方式。大數據思維方式中的新聞生產，同樣也必須滿足在線化、數據化和算法化“三大需求”。

一是看是否已經實現在線化。從某種程度上說，傳統媒體布局“中央廚房”“三微一端”，其目的之一就是試圖通過在線化改造的方式，提升新聞生產的效率和質量，從表面上看，已經滿足了在線化的需求。

二是看是否已經形成數據反饋系統。在線化只是一個開端，關鍵是要看能否產生數據反饋并形成源源不斷的數據流，為新聞生產提供全新的動力源。如果布局“中央廚房”“三微一端”只考慮“播”而很少顧及“傳”的問題，其所導致的可能性后果就是，很少甚至是沒有數據反饋，無法滿足數據挖掘的需求，新聞生產對接大數據技術將只能是“空中樓閣”。

三是看是否具備數據挖掘能力。在擁有反饋數據流的情形下，是否擁有特定的算法模型，挖掘新聞生產所需的素材或信息，將數據轉化為新聞生產中的“現實生產力”。值得注意的是，這種“現實生產力”并不是新聞報道的內容，而是提升新聞生產效率和質量的手段。

綜上所述，大數據思維中的新聞生產，既不是將大數據作為新聞報道的內容，也不是單純的技術應用，而是如何通過在線化、數據化和算法化三個環節，讓大數據真正服務于新聞生產的實踐需求，這也是大數據時代傳播手段建設和創新的重要原則。

二、技術邏輯的變革及應用場景

在傳統的新聞生產流程中，人是唯一的主體性因素。這雖然可以在最大程度上保證新聞傳播活動的可控性水平，但其間也不可避免地會摻雜大量與人有關的“非生產性”因素。比如，權力結構、從業者個人經驗、程式化的工作流程、人際關系的協調、重復性或事務性的活動等，都有可能會對新聞生產造成干擾。更為重要的是，由于技術能力有限，傳統新聞生產始終無法突破“傳—受”之間的隔閡，縱使是借助受眾調查等手段，也無法得到全面、動態的反饋信息，這就使得新聞生產難以擺脫“閉門造車”式的困局。

1.技術使“人—機”關系發生變化

大數據時代來臨后，“人—機”關系格局發生了變化，上述問題有望得到較為徹底地解決。在傳統編程環境下，計算機只不過是聽令于人的“工具”，它根據人發出的指令執行運算任務，再將運算的結果反饋給人。大數據時代來臨后，上述邏輯發生了變化，如下圖所示，計算機在給定算法模型和樣本數據集的情況下，可以以“自我反饋”的方式對樣本數據集所隱藏的關系、特征、模式等信息進行歸納，在此基礎上，設定算法模型的參數或閾值，并繼續對新的數據流進行自動跟蹤分析；值得關注的是，算法模型的參數和閾值并非一成不變，還可以根據新數據流的反饋信息不斷進行自我調整和優化，使分析的結果更趨準確。由于這個過程與人的學習過程非常相似，因此被稱為是“機器學習”。不難發現，機器學習的過程中，計算機、算法和數據三者之間構成了一個相對獨立的反饋閉環，計算機的“工具性”角色趨于蛻變。

圖 機器學習中的反饋閉環

2.技術應用在生產新聞中的表現

在機器學習的環境下，人只需提供“教材”即算法模型和樣本數據集，計算機就能夠“自主學習”并相對獨立地完成原本應該由人來完成的許多工作，它不僅可以將人從許多費時、費力以及重復性的勞動中解放出來，更為重要的是，它為消除新聞生產過程中許多“非生產性”的干擾因素提供了全新的思路，這主要體現在以下四種典型的應用場景。

雪到底是誰造的呢？動物們爭論不休。鼴鼠爬爬怕鳥，所以盡管他期待看雪，卻又畏懼哥哥們口中描述的像白鳥一樣的雪花。媽媽說，死去的鼴鼠會變成白色，去天上造雪，可小貓頭鷹堅持說，造雪的是死去的貓頭鷹。生命旅程，往復不息，“雪”成為引導我們坦然面對死亡的線索。死后的動物化作白色的精靈去云上造雪，美好的想象化解了死亡的傷痛，《是誰造了雪？》因而成為讀者愛不釋手的“生命之書”。

應用場景一：機器寫作。即給定計算機特定的樣本數據集如財經類、體育類、環境類報道或相關領域的研究報告，以及特定的算法模型，計算機經過“學習”以后，就可以根據數據源的動態變化直接生成新聞報道。比如，新華社的“快筆小新”、南方都市報的“小南”、第一財經的“DT稿王”等機器寫稿人，依循的就機器寫作的原理。隨著物聯網社會的到來，只要機器寫稿人與植有傳感器的終端設備相連接，便可根據傳感器反饋的數據自動生成新聞報道。由于計算機的運算能力遠超人類，所以機器寫稿人的工作效率極高。據相關報道，騰訊寫稿機器人“夢幻寫手”（DreamWriter）財經+科技應用的發稿量已經超過了2000篇/天，體育稿量也達到了500篇/天。[5]這種出稿速度顯然是人力所無法匹敵的。

應用場景二：用戶畫像。即以數據挖掘的方式對人的在線化行為留下的“數據足跡”進行分析，并添加各種標簽。但凡用戶有在線的媒體使用行為，其ID、終端、位置、時長、頻度和軌跡等數據就會被記錄，媒體也就有機會獲取用戶行為的“全樣本記錄”。當然，在擁有開放數據源的情形下，用戶的其他“數據分身”如社交、消費、流量等數據信息還可以幫助媒體了解用戶更為多維、立體的生活“畫像”，從而使新聞生產更加有的放矢。當然，在社交媒體迅速崛起的背景下，新聞生產的信息來源也日益增多，用戶畫像還有助于媒體在追蹤信息來源“數據足跡”的基礎之上，對他們提供新聞線索的價值、可信度等進行評估，有效防止虛假信息和謠言的擴散。

應用場景三：文本挖掘。除了能夠對用戶進行“畫像”之外，大數據技術還可以對海量的網絡信息進行“畫像”，即通過分詞、向量化處理等技術手段，對以自然語言方式呈現的網絡信息進行快速分類并添加標簽，從而將采編人員從繁重的新聞背景資料檢索、組織等事務性工作中解放出來。除此之外，文本挖掘還有助于從海量的信息中快速辨識熱點和有價值的新聞線索，使新聞主題的發現與跟蹤、熱點趨勢預測等工作更具科學性，進而有效解決困擾新聞生產中經驗主義、權威主義等問題。

應用場景四：推薦系統。即在對用戶“畫像”或用戶新聞產品選擇和使用行為進行推算的基礎上，“投其所好”向用戶推送他們可能喜歡的新聞產品。推薦系統一般用于新聞產品的分發環節，它有助于將新聞產品更加精準地“送達”有需要的用戶，從而實現所謂的“定制化推送”。

不難發現，上述應用場景已經基本上實現了對新聞生產各環節的全程覆蓋，機器寫作部分地取代了新聞生產中的人工寫稿，大幅提升了新聞生產的工作效率；用戶畫像和文本挖掘使新聞生產不再是“閉門造車”，不僅擺脫了經驗主義和權威主義的困擾，還有助于媒體從浩如煙海的用戶和信息中迅速找到可靠的信息來源和新聞素材；推薦系統則有望解決新聞傳播活動中的“傳—受”隔閡，使千人千面、精確到達的理想化傳播生態成為可能。當然，從技術發展的角度來看，機器學習還只是初級階段，隨著以人工神經網絡算法體系為基礎的深度學習技術的出現，上述應用場景的面向領域將更為廣闊。2017年12月，中國第一個媒體人工智能平臺——新華社的“媒體大腦”已投入運行。據報道，該系統除了能夠實現機器學習的各種應用場景之外，還能利用深度學習技術，幫助媒體在海量的新聞圖片中精確識別圖片中的人物，并可以構建圖像中人物的關系圖譜。[6]深度學習技術的應用和推廣，預示著新聞生產將真正邁入人工智能時代。

三、流程重構的問題及對策

技術的變革雖然能夠給新聞生產帶來諸多美好的“愿景”，但并不意味著，前方就是一路坦途。大數據時代新聞生產流程的重構，首先要解決好數據來源問題，還必須直面因“人—機”關系格局變化而產生的新型風險。

1.“人—機”關系的新格局帶來的風險

數據是大數據時代新聞生產的生命線和動力源，新聞生產流程的重構是以數據流為基礎的，離開數據一切都只是空談。因此，搭建多樣化的數據共享平臺，從各個渠道獲取滿足新聞生產所需的數據，已經是迫在眉睫。整合媒體“三微一端”聯動優勢，讓來自各媒體端口的數據“匯聚成流”，是獲取數據的現實途徑之一。2017年8月19日，《人民日報》社發起建設“全國黨媒公共平臺”，目前已經有200多家黨媒加盟，其目的之一，就是匯集來自各黨媒在線端口的反饋數據，供所有加盟者分享使用。[7]當然，除縱向整合媒體自身的反饋數據之外，地方性媒體還可以通過橫向打通的方式，對接本地的政務數據和服務數據，擴大新聞生產的數據來源。

除解決數據來源問題之外，大數據技術給新聞生產帶來了全新風險也不容小覷。第一，機器寫作自動生成的新聞稿件，可能會因“把關人”缺失而產生不良社會后果。比如，2016年1月4日，央視新聞、澎湃新聞發布消息稱江西九江發生6.9級地震，事后就被證明是機器寫稿人根據“地震臺網自動后臺錄入信息”而導致的“烏龍”事件。第二，文本挖掘技術雖然有助于新聞主題的發現與追蹤，但也可能導致的新聞主題大規模同質化現象。第三，基于用戶偏好的推薦系統雖然可以實現“定制化推送”，但傳播學意義上的“回音壁”效應卻有可能導致用戶在不斷重復的自我證實中強化固定成見，從而身陷“信息繭房”。在這樣的情況下，新聞傳播的輿論引導和社會整合功能將愈發難以實現。

2.多維度評價指標體系的建立

上述新型風險的產生，均與技術語境變遷背景下“人—機”關系格局的變化密切相關。事實上，無論計算機的“學習”能力多么強大，新聞生產流程中人的主體性地位依然不能喪失，構建以人為主導的“人—機”新型協作系統勢在必行。第一，把關機制的重塑。目前，用戶畫像和文本挖掘等應用雖然已經不同程度涉及“把關”環節，但很難保證沒有“漏網之魚”，比如，各種擦邊性質的不良內容，與意識形態相關的政治、宗教等敏感信息等。因此，有必要建立以人工審核、用戶舉報和計算機過濾于一體的多元主體新型把關機制，從源頭上防范風險的產生。第二，技術規則的設置。樣本數據集和算法之間的搭配使用充滿著辯證關系，不同樣本數據集或算法所導致的“學習”效果有可能大相徑庭，即使同一樣本數據集和算法搭配使用的情況下，不同參數和閾值的設置同樣也會影響數據解讀的科學性。在這樣的情況下，科學設置技術規則和標準，對樣本數據集和算法的采用方式、流程等作出具體規定，就顯得十分必要。第三，評價機制的建立。作為大數據時代傳播手段建設和創新的有機組成部分，新聞生產的流程重構始終是以服務于新聞輿論工作為目標指向的。就此而言，探索建立一套多維度的評價指標體系，從傳播力、引導力、影響力和公信力等角度對新聞生產中大數據技術應用的效果進行評價，也是勢在必行。

參考文獻：

[1]習近平.決勝全面建成小康社會 奪取新時代中國特色社會主義偉大勝利——在中國共產黨第十九次全國代表大會上的報告[N].新華社北京2017年10月27日電

[2]肖峰.論技術的社會形成[J].中國社會科學，2002（6）

[3]數據的“粒度”，即數據的細化程度。細化程度越高，粒度就越小；反之，細化程度越低，粒度就越大

[4]涂子沛.大數據[M].南寧：廣西師范大學出版社，2013：98

[5]趙思強.世界互聯網大會頻頻提及的“人工智能”，到底如何影響傳媒業[EB/OL].來自微信公眾號“傳媒茶話會”，2017-12-05

[6]新京報.新華社已搭建人工智能平臺[EB/OL].2017-12-05，http://bigdata.idcquan.com/news/132012.shtml

[7]葉蓁蓁.黨管數據是必然趨勢，黨媒要抓住數據機會[EB/OL].來自微信公眾號“傳媒茶話會”，2017-12-07