迈克尔？苏德森(MichaelSchudson)在《聚光灯，不是“的机器”》中指出：“新闻不是‘的机器’，而是李普曼所说的‘聚光灯’和‘探照灯’。在大数据与信息过剩的风险社会，真正有价值的新闻应当是基于数据分析得出的‘预计明天将有暴风雨’式的对的忠告、指南、通知、预警。”概言之，大数据时代的新闻较之传统的新闻业态是一种深刻的转型，本文集中探讨大数据对于新闻业态重构的若干性改变。 一、生产信息提供者层面的变化 (一)个性化信息推荐：新闻生产机制的性转变 1.基于个性化信息聚合的信息推荐模式 这种模式是对新闻生产机制的性转变。“个性化信息推荐”首先是基于个性化的信息聚合，即通过人工智能分析和过滤机制，根据个性化需求聚合相关的信息和应用，并以此对信息进行深度智能分析，以实现用户个性化的、动态的需求。②信息聚合已经不再是由主导的信息过滤与筛选，而是基于互联网生产逻辑的信息聚合的过程，并借助特征分析、语义网等技术的发展，形成了基于个人兴趣的个性化信息合成和推荐模式。 社交网络和移动互联网的发展，为个性化信息聚合提供了更广泛和更便捷的平台，使深入分析用户标签之间的联系、用户标签的使用习惯和频率成为可能，并能够以此为用户推荐个性化内容。正如FrogDesign咨询公司的时尚观察家所言：“我们正在离开信息时代，迈入推荐时代。”③ 2.基于用户兴趣图谱的个性化新闻推荐模式 以“今日头条”APP客户端为例，其有两个最大的特点：一是基于用户兴趣图谱分析的个性化阅读推荐。“今日头条”基于大数据挖掘技术，会有一个所谓的“冷启动”过程，即通过对用户微博账号的分析建立一个“兴趣图谱”，即兴趣模型，原理是根据用户在微博上发布的内容及其所属类别、用户自标签、社交关系、社交行为、参与的群组、机型、使用时间等数据源来推断出用户的兴趣点有哪些。随后系统后台作出分析，建立初始的用户兴趣DNA数据，并根据这些兴趣的权重来进行推荐④。 二是“今日头条”通过对网易、新浪等各大门户网站的新闻进行内容聚合，完成基于“推荐”、“热门”、“好友动态”三个维度向用户进行包括资讯和评论在内的内容推送。“今日头条”应用的开发者张一鸣认为，“所谓个性化推荐，本质上是不需要用户做出任何选择的……只有让用户越方便，越偷懒的应用，才能体现出真正的个性化推荐。”⑤通过社交数据挖掘+个性化推荐的新闻生产和推送模式，给用户塑造了一种“更懂我”的使用体验，同时也使整个新闻生产流程显得更智能。 (二)众包、众筹：从信息集成者到社会意义生成者 2006年，互联网《连线》的资深编辑杰夫？豪(JeffHawe)在《众包的崛起》(TheRiseofCrowdsourcing)一文中提出了“众包”(Crowdsourcing)这一概念。“众包”是指利用集体智慧来搜集与核实信息、报道故事，或者在新闻生产中做出选择。⑥杰夫？豪还把众包生产划分成四种基本应用类型，即集体智慧(crowdwisdom)、集体创造(crowdcreation)、集体投票(crowdvoting)和众筹(crowdfunding)，它们都是基于大数据时代的海量信息，对数据和信息的重新聚合与价值挖掘。 1.众包新闻 众包新闻就是基于UGC(用户生成内容)的新闻生产。大数据时代，社会化对数据新闻生产影响深远，它既是数据搜集的重要来源，又可以帮助扩大影响力。记者乔纳森说，“构成新闻业的方方面面的工作既可在编辑部内部完成，也可在编辑部外部完成，可以是专业人士，也可以是业余人士，甚至自己也可以通过自己生成和分析数据的方式来提高对于事务的参与。”⑦因此，基于社会化的新闻生产方式，赋予新闻生产新的社会情境，而且了间的障碍。 英国卫报的“数据博客”里的很多调查性报道都是采用众包的形式完成。“杰夫？豪认为，在许多行业中，‘众包’代表了运作方式上的彻底改变，尤其是在贩卖信息的行业。”⑧从众包新闻网站的发展来看，英国卫报是影响力最大的，比如利用“众包”报道伦敦骚乱、奥运票务、议员消费情况等等。韩国的网站，也是以网络社区为核心，众包生产“新闻”的典范。如今，Ohmynews已经发展成为韩国最具影响力的新闻网站之一，其主要原因就在于这种独特的和前瞻性的众包式的新闻生产方式。 2.众筹新闻 众筹新闻(Crowdsourcingnews)，亦称新闻众筹，是指个人或机构向募集资金，实现特定的新闻报道计划。⑨相比喜闻乐见的众包新闻生产，众筹新闻尽管开创了新闻生产的新模式，但是得到的评价却是毁誉参半。众筹新闻充分发动参与新闻生产，固然增强了记者与受众的互动性，但是也会容易导致传统新闻生产孜孜以求的性。所以到现在为止，众筹新闻作为新闻生产的一种创新，前方的道仍然充满未知的变数。众筹新闻是一个开创性的模式，虽然从一定程度上丰富了新闻生产和消费，但并不能取代传统的新闻报道形式和经营模式，对于免费新闻的依赖、资金链的持续性、对透明性和性的要求、以及记者从新闻工作者向市场推销者的角色转变等问题，都影响着众筹新闻的未来。 二、层面的变化 (一)“推倒新闻编辑室的那面墙”：数据团队进驻编辑部 2014年3月24日，纽约时报发布了一份长达96页的《创新报告》，这份报告和该首位被解职的女主编一起成为业界关注的焦点，并再次引发了对于传统数字化前景的关注。《创新报告》一方面再次强调了数字化转型的必要性和紧迫性，另一方面，也对这样的传统机构的提出了：脱离过去采编部分于其他部门，只关注内容生产的单一模式，要加强与技术、设计、产品、市场部门的合作，记者编辑也要参与到内容推广的流程当中。简言之，就是要把各部门进行融合，让数据团队入驻新闻编辑部。 这里的数据团队，指的就是基于各部门融合的、跨领域合作的数据新闻生产团队。2012年首届国际数据新闻获作品的运行过程显示，数据新闻比拼的不是采访力量和团队规模，更看重具有新闻的人与具有数据挖掘、分析和可视化呈现能力的人之间的相互协作。大数据新闻的生产模式决定了头脑风暴和奇思妙想的重要性，部门与部门之间的界限日渐模糊。正如英国卫据博客编辑西蒙？罗杰斯所指出的“新闻编辑部的布局很有讲究，如果你越靠近新闻编辑部，就更方便对报道进行交流，成为新闻策划进程中的一部分；反之则两者距离越来越远。”⑩ 论坛报也正在实施把数据团队加入新闻编辑部的，双方就明确的新闻报道任务实时进行直接交流，协助记者调查和报道故事，在线描绘故事，并为当地的特定群体建立永久的网络资源。全国公司(ABC)则组建了包括网页开发及设计人员、数据采集分析人员、数据挖掘、图形可视化的技术人员等七类人在内的数据新闻团队，来完成从传统新闻编辑团队向数据新闻编辑团队的转变。 (二)融合、跨界合作与产业升级：大数据时代机构的 除了“推倒新闻编辑室的那堵墙”，让新的数据团队来主导新闻生产外，从的层面来说，还需要加强跨界合作，与社会化、移动互联网结合起来，把不同行业、领域和终端的数据进行聚合，进行关联分析和价值挖掘，增强融合及跨界合作，加速产业升级。 1.加速媒介融合 大数据技术的运用，促进了不同行业、不同领域、不同终端的数据交换和相互融合。11传统联合新正在打造的“云计算”和“全平台”，能够为大数据分析和数据驱动的生产建立庞大的数据库基础和通畅的信息交流整合渠道。同时还可以对数据进行二次价值的挖掘。在媒介融合过程中，、、电视等都成为全平台的一部分。传统在向商业公司体制转变的过程中，可以利用大数据分析，从社交、移动这些跨终端上采集评论信息和使用信息，比如对点击率、转发率等数据进行分析，分析读者偏好，把握市场脉搏。如果能把大数据分析和市场调查结合起来，就会得到更精确的结果。 2.增强跨界合作 在大数据分析技术运用方面，新闻还面临着很多挑战。数据的来源、加工和挖掘都需要专门的技术人才和设备等，跨界合作，也许是比自己事必躬亲来说是最适合的方式，不仅可以降低成本，而且可以通过合作碰撞出新的火花。比如“据说春运”就是央视与百度搜索合作制作的大数据新闻报道，央视负责专题选定和新闻制作，百度负责数据采集和挖掘，这对双方都是利好的事情，后来的“据说”、“据说就业”等也证明了这种跨界合作的可持续性和良好的合作前景。 3.加速产业升级 媒介融合和技术发展给媒介集团带来的冲击有目共睹，传统也在加快与互联网融合的步伐，加速产业升级。文汇新合报业集团和解放日报报业集团于2013年合并成立上海报业集团，除了对旗下业务板块进行重新整合之外，还将与百度公司合作，开始了与互联网融合的第一步。2012年佛山传媒集团开始与国际调研公司尼尔森公司合作，希望根据多平台数据库的整合与分析，为集团转型发展提供战略性的策略指导。在媒介融合以及跨界合作的趋势影响之下，基于大数据时代飞速发展的信息采集和分析技术，将给传媒产业带来巨大机遇和价值，基于“、关联、对接”的互联网逻辑，传统的产业升级，不仅仅包括产业结构，还在于生产、商业模式和用户体验等方面的。 除此以外，传统要想在大数据时代成功实现，在媒介内部也要模糊部门之间的界限，正如纽约时报的《创新报告》所的那样，要把原本区分采编部门和其他运营部门的“墙”推倒，加强采编部门和客户服务、技术应用与设计、数字挖掘、产品研发这些部门之间的协同合作，“产品第一、部门第二”的原则。 三、用户层面的变化 (一)从“传者中心”转向“用户中心” 信息获取方式的多元化与信息的易得性，使得信息与出现“富余化”倾向，信息生产的单位成本不断降低，信息的供应量以每年8%—10%的速度快速增长。媒介市场从“传者中心”向“受者中心”转变，信息的供应也从供不应求的卖方市场开始进入供过于求的买方市场。表现在新闻报道领域，即对数据进行筛选、整理和挖掘后为满足不同层面受众需求的细分化、定制化的新闻资讯，借助于新平台，以直观、易用的形式向提供互动式服务，满足日益增长的知情、监督和选择的需求。 (二)从单向变双向：体验至上，提升用户分析价值 转变为以用户为中心的模式后，用户的体验和反馈对的改进尤为重要。因此，通过跨的平台来收集用户意见，通过关联分析受众需求、偏好及行为模式，是提升用户分析价值，增强用户体验满意度的有效途径。 以电视为例，可以通过数字电视或者是互联网智能电视的机顶盒，采集与统计受众对节目内容的接触频次、行为轨迹等数据，甚至提取受众在观看电视时快进、暂停产生的收视率数据与传统收视率数据汇总，以此找出受众的兴趣点和喜好所在。继而，建立起受众收看习惯和口味偏好的强大数据库，为受众筛选出最适合的内容，再加以针对性推荐；此外还可打造个性化的推荐栏，生成“我的单”，推荐符合受众兴趣偏好的内容产品，帮助其更快捷、方便地找到所需内容。大数据时代，结合个性化的数据平台，通过有效的数据采集和受众洞察系统，可以实现节目定制，为受众带来更好的观看体验和推送内容。 作者：喻国明（中国人民大学新闻学院副院长、国家二级教授，中国传媒经济与管理学会会长，中国人民大学新闻与社会发展研究中心副主任) 注释： ①本文取材于即将由中国人民大学出版社出版的专著《新闻学的大数据时代——概念、原理、方法与应用案例》(专著的作者有：喻国明、李彪、杨雅、李慧娟)中的一部分。 ②程风刚：《基于智能Agent的个性化信息服务模型的构建》，《计算机时代》，2009年第10期第3-4页。 ③克里斯？安德森：《长尾理论》，乔江涛译，中信出版社，2006年，第88页。 ④⑤陈粲然(2013)：《泛阅读产品“今日头条”是如何基于微博用户兴趣图谱做个性化推荐的？》，http：//延伸内容： |