论文部分内容阅读
摘 要 计算传播学的思维增强了数据新闻生产的计算力、整合力、表现力以及传播力。但新闻媒体对其本质的认识偏差可能会带来数据新闻表达与核心价值的偏移，我们需要通过对抗数据伦理、提升数据素养以及加强软实力建设等举措，来纾解新闻生产中的困境。
关键词 计算传播学；数据新闻；开放数据
中图分类号 G2 文献标识码 A 文章编号 2096-0360（2021）03-0014-03
数据新闻所包含的新闻真实、技术价值以及设计理念使其成为一种独特的新闻品类。智媒时代数据新闻生产中的矛盾已经初步显现，并呈现出互斥性。但放眼未来，它们之间应是共生关系。在实践中，我们需要控制影响矛盾的多重变量，重新调整自身的内部结构，找到矛盾中间的平衡支点。
2009年，Lazer、Pentland等多位学者共同撰写的文章《计算社会科学》的发表，标志着“计算社会科学”这一新兴学科的建立[1]。计算科学与社会科学的交叉融合，为计算传播学的发展提供了操作范例。“计算方法”对新闻传播领域的渗透，不仅在理论层面弥补了传统传播学研究范式的缺陷，更在实践层面拓展了新闻业务的广度与深度，实现了新闻内容到受众的“软着陆”。数据新闻属于计算传播学实践层面的一个分支，它是利用算法获取有效的数据，并可视化地呈现数据分析的结果或搭建系统模型。其中，数据“链式反应”所生成的“新物质”是可以为社会治理所应用的。
然而，计算传播学的方法并不是数据新闻生产的“乌托邦”，精准的算法技术对应着算法黑箱，可计算的海量数据必然也对应着数据盲区，多重因素的共同作用让数据新闻生产陷入了困局。
2.1 数据、信息层面的矛盾：开放与加密
2020年4月，微软提出了“开放数据运动”，旨在缩小数字鸿沟，并帮助各种规模的组织实现数据及新技术的支持[2]。“开放”是一种手段，被“开放”的不仅仅是“数据”本身，而是由此衍生的数据价值，包括相关的技术、工具、政策以及人才。“开放数据”运动扩展了可信数据的容量，可“开放”与可“共享”的数据也将会促成一种可信数据的协作。数据开放与共享也许能够给予人们“安全感”，让他们看到可预测的未来。在这个充满不确定性的社会当中，充分挖掘可信数据的价值将会成为抑制信息“熵增”的一种途径。
由于“开放”的边界意识模糊，这给个人隐私带来了巨大的威胁。目前，平台下的用户已经形成了深度“数字化生存”的状态，虚拟环境中的个人从多维度被测量与建构。平台出于精确画像的目的，通常能够与用户达成信息的“对等”交换，这有时是一种“无意识”的交换。数据抓取的触角已经伸入到了用户的私人领域。剑桥分析公司曾“窃取”了5 000万Facebook用户的信息，此次的数据泄漏事件也使个人隐私保护成为焦点。
2.2 可视化表达层面的矛盾：理性与感性
数据新闻是基于数据素材的可视化创作，有效地避免了个人主观意见的参与，增强了新闻的客观性。操作者从多维度构建新闻的立体模型，进行交叉叙事，一步步引导用户探索其内部的相关性。例如财新发布的《2020美国总统大选民调数据实时动态》，它采用地图与折线统计图的方式大大精简了文章篇幅，并从宏观的视野对新闻事件进行延伸性与预测性的报道，以互动作为辅助，加深了用户对于政治性事件的理解与记忆。
数据新闻的整个流程就如同新闻媒体的“编码”过程，受众基于个人意义空间进行“解码”。但在目前的数据新闻实践中，生产者往往放大了理性的数据分析，淡化了感性的人文关怀和“新闻语境”，难免会造成意义传播的偏移。新闻媒体在数据与技术方面掌握着话语权，受众处于相对“信息劣势”的地位，传者与受众之间信息不对称也可能会造成传播隔阂。
2.3 价值理念的转向矛盾：内容生产与市场需求
根据新浪新闻对疫情期间国内外数据新闻的分析，国外的传统媒体专注于数据挖掘与内容生产，例如《纽约时报》利用3D建模还原地铁中的病毒颗粒，动画模拟口罩如何减少感染风险等。国内的传统媒体、门户网站则更加偏向用户互动与分享。阅读量与转发量可以作为数据新闻的评判标准，但如果把“流量至上”思维引入数据新闻的生产，可能会让我们失去数据新闻的初心。
数据新闻注重挖掘连续性数据的关系，也意味着它的发布会出现延时性，很难凭借话题热度吸引受众眼球。最终还是要将重点放在数据的深度分析与可视化呈现上面。只有抓住数据新闻生产的内容核心，我们才能避免生产路径的偏移。数据新闻如同可视化的“深度报道”，高品质的数据新闻必定会耗费大量的时间成本、人力成本以及技术成本。尽管知识付费已经成为当下的发展趋势，但数据新闻的“知识变现”依然步履维艰，这也打击了新闻媒体对其资源投入的积极性。
3.1 分布式生产内容的再思考
数据新闻可以解构为三个要素：数据、数据关系、语境，我们可以从这几个关键因子来化解矛盾在主观层面的困境。
3.1.1 算法与数据伦理：技术应用的边界把关意识
算法层面：正如《黑镜》当中讽刺式的呈现了科技对人性的利用、重构与破坏，“算法克制”与“技术敏感”也扩充了AI时代新闻伦理的范畴。由于算法应用的边界模糊，我们很难生成一个明确的技术规范，更多的还是由生产者的职业道德与责任感来把控。彭兰教授提出，对于机器带来的黑箱问题，算法的可解释性是一个重要的制约方式。及时确保算法的可靠性、透明性和可解释性，从而让人们做出合理的判断[3]。新闻工作者充分了解算法语言，能够大大降低算法带给我们的不确定性，继而减小算法风险。
数据层面：数据分析处理的过程其实也是数据价值“最大化”的过程。数据如同核能，其中蕴藏着巨大的能量，但同时它的边界也是不可逾越的。未来新闻生产的数据把关必定是人机协同的模式。如今，我们已经可以利用智能化技术来筛选“伪数据”或者“脏数据”，但人力把关依旧是不可缺失的一道围墙。技术擅长大数据监测，而人则可以对“微数据”以及越界数據再分析判断，这样的双重把关可以保障建立一个健康的数据库。 3.1.2 潜在变量：深度挖掘“相关关系”
舍恩伯格曾在《大数据时代》中提出建立在相关关系分析法基础上的预测是大数据的核心。相关关系可以为我们提供新视角。如果把因果关系作为重要的考量，那这些视角就有可能被蒙蔽掉[4]。
梳理新闻的脉络，我们可能直观上看到的是自变量与因变量这样单向的对应关系，但有时它内部不是简单的单变量交互，而是存在着巨大的关系网络。横向数据与纵向数据之间透过现象挖掘潜在变量，以辅助社会治理做一些风险评估及预案。你可以直接去报道事实的数据，也可以进一步去挖掘数据背后隐藏的点，让你的报道更“深”一度。
3.1.3 语境回归：数据新闻不止于“数据”
有人曾这样评价可视化：语言没有零度，图像同样如此。我们最初面对的可能是一串冷冰冰的数字，但是数字之间的“反应”会释放出巨大的能量。语境回归数据新闻，是语态平民化的关键环节。财新网在疫情期间发布的一篇数据新闻《新冠逝者：献给疫情中离去的生命》，其中就注入了人文主义的思想。这座“悼亡纪念馆”将每一位逝者用一片片花瓣来表示，花瓣的枯萎凋零带给读者很强的视觉冲击。同时，它也融入了互动元素，我们点击带有抗疫医生名字的花瓣，会看到他们生前的年龄、从医事迹以及逝世时间。无论何时点开，都会将我们带入到那个集体记忆的空间，唤起内心的感动与敬畏。我们需要记得：每一个数字背后，都是一个个活生生的人。
如何赋予数字以生命力，引发读者的思考与共情，做出有深度、有温度的数据新闻将是我们新闻工作者的新课题。
3.2 “用户-数据”关系与数据素养的再构建
3.2.1 “用户-数据”：两个集合之间的映射关系
用户群体与大数据之间就像两个集合，它们之间存在对应关系，从而产生了部分映射。我们虽然不能用一个具体的函数关系式来揭示内在的传播规律，但是数据处理分析与可视化却提供了一种简洁而又精确的计算方法。
今天的媒体平台对用户进行全景式地信息监测与信息推送，部分用户恰好依据个人爱好接触一些轻松娱乐化的选题，并且热衷于浅层的图解与互动新闻。久而久之，他们依旧会停留在被动的知识累积层面。正如我们所体验到的，用户参与互动时并不是物理层面的参与，而是一个设定好的“数据大脑”操控着虚拟ID完成整个参与过程。用户需要时刻警惕这种物理身份的剥离，一旦陷入到“数据茧房”中，便很容易被“麻醉”。提升“用户-数据”关联并不意味着我们将被数据“主导”，而是以数据辅助我们更加深入地理解世界。
3.2.2 “寓教于乐”：公民数据素养的提升
在互联网时代，公民与海量的数据信息之间应是双向的作用关系。公民提升数据素养一方面是为了“破解”数据，延伸用户个人理解的意义；另一方面是为了构筑起“数据危害”的围墙。
有研究者提出，“数据素养”是指人们有效且正当地发现、评估和使用信息的能力，包含数据意识、数据获取能力、分析和理解数据的能力、运用数据进行决策的能力以及对数据的批判和反思精神[5]。数据素养的提升不一定需要独立进行，数字化产品以及数据化内容的普及本身就是一个“再教育”的过程。
数据新闻的初衷不是为了呈现数据分析的复杂流程，它应以结果为导向，尽可能地增强用户黏性。例如，网易的“数读”以“提供轻量化的阅读体验”为宗旨，以数据讲故事。它分为国际、经济、民生和社会等七个板块，选题覆盖面广泛，严肃与活泼并存。趣味性的融入有利于消除用户对数据和技术的抵触与顾虑，激发用户的分析意识、参与意识和互动意识。
3.3 交叉学科建设与人才培养的再定位
数据新闻学作为一个更加垂直细分的领域，理论与实践并重。这将不断推动高校新闻传播教育探索新的发展路径，也会激励新闻传播学子走出“舒适圈”，更新自身的知识储备与技术能力。
高校新闻传播学院不仅是新闻传媒业的人才培养基地，也是新闻学子向新闻人转变的“社会实验室”。借力大数据的浪潮，越来越多的传统媒体联合高校培养交叉学科人才，也加快了自身的媒体融合转型。例如，在2019年，暨南大学与南方报业传媒集团联合发起成立了“未来媒体研究院”。南方报业集团近年来建立了“媒体大数据应用实验室”“南方数据服务”等多个实践平台，基于暨大计算传播的理论研究，前者为后者提供“技术赋能”，后者则为前者提供“人才驱动”。目前，很多高校可能会陷入资源分配不均的窘境，这也提醒着我们要打破传统思维的茧房，勇于“拥抱”大数据。
校园平台“媒体化”也逐渐成为一种新趋势，高校可以充分结合自身新闻传播学院的发展定位与特色，打造独特的新媒体实践平台。中国人民大学新闻系运营的微信公众号“RUC新闻坊”已经成为一个优秀的实践案例，其中原创数据新闻作品板块充分融入了数据处理分析以及可视化创作，并与澎湃新闻·湃客有数栏目联合出品了一系列数据新闻作品。传统媒体助力校园新媒体平台极大地激发了新闻学子的创作活力，并提供给他们一个理论结合实践的契合点。
当下数据新闻人才的培养框架已经呈现出了学科融合的趋势，计算科学可以作为量化研究的工具嵌入到新闻传播学当中。因此，“新闻思维”“人文思维”、以及“数据思维”将会是一个数据新闻工作者需要构建的多重思维体系。
回顾数据新闻在我国的发展历程，它始终晃晃悠悠地前行。受限于内容生产的市场，数据新聞偏向于“小众化”。但如今，受众大量地在移动端聚集，阅读习惯的重置与迫切的参与感成为数据新闻发展的一个契机；从新闻生产本身来看，它摇摆于事实判断与价值判断之间，前者是基础，而后者却决定着发展方向。我们不难找到一种优化的技术手段，但更需要探寻的是价值的船帆，最终才能达到工具理性与价值理性的和谐统一。
参考文献
[1]张伦，王成军，许小可.计算传播学导论[M].北京：北京师范大学出版社，2018：2-6.
[2]詹妮弗·横山.缩小数据鸿沟：需要开放数据[EB/OL].[2020-04-21].http：//ii066.cn/2bSmrU.
[3]彭兰.变革与挑战：智能化技术对传媒业的影响[J].信息安全研究，2019，5（11）：966-974.
[4]维克托·迈尔-舍恩伯格，肯尼斯·库克耶.大数据时代：生活、工作与思维的大变革[M].周涛，译.杭州：浙江人民出版社，2012：86-88.
[5]金兼斌.财经记者与数据素养[J].新闻与写作，2013（10）：5-7.
关键词 计算传播学；数据新闻；开放数据
中图分类号 G2 文献标识码 A 文章编号 2096-0360（2021）03-0014-03
数据新闻所包含的新闻真实、技术价值以及设计理念使其成为一种独特的新闻品类。智媒时代数据新闻生产中的矛盾已经初步显现，并呈现出互斥性。但放眼未来，它们之间应是共生关系。在实践中，我们需要控制影响矛盾的多重变量，重新调整自身的内部结构，找到矛盾中间的平衡支点。
1 计算传播学与数据新闻的兴起
2009年，Lazer、Pentland等多位学者共同撰写的文章《计算社会科学》的发表，标志着“计算社会科学”这一新兴学科的建立[1]。计算科学与社会科学的交叉融合，为计算传播学的发展提供了操作范例。“计算方法”对新闻传播领域的渗透，不仅在理论层面弥补了传统传播学研究范式的缺陷，更在实践层面拓展了新闻业务的广度与深度，实现了新闻内容到受众的“软着陆”。数据新闻属于计算传播学实践层面的一个分支，它是利用算法获取有效的数据，并可视化地呈现数据分析的结果或搭建系统模型。其中，数据“链式反应”所生成的“新物质”是可以为社会治理所应用的。
然而，计算传播学的方法并不是数据新闻生产的“乌托邦”，精准的算法技术对应着算法黑箱，可计算的海量数据必然也对应着数据盲区，多重因素的共同作用让数据新闻生产陷入了困局。
2 数据新闻生产中的潜在矛盾与困境
2.1 数据、信息层面的矛盾：开放与加密
2020年4月，微软提出了“开放数据运动”，旨在缩小数字鸿沟，并帮助各种规模的组织实现数据及新技术的支持[2]。“开放”是一种手段，被“开放”的不仅仅是“数据”本身，而是由此衍生的数据价值，包括相关的技术、工具、政策以及人才。“开放数据”运动扩展了可信数据的容量，可“开放”与可“共享”的数据也将会促成一种可信数据的协作。数据开放与共享也许能够给予人们“安全感”，让他们看到可预测的未来。在这个充满不确定性的社会当中，充分挖掘可信数据的价值将会成为抑制信息“熵增”的一种途径。
由于“开放”的边界意识模糊，这给个人隐私带来了巨大的威胁。目前，平台下的用户已经形成了深度“数字化生存”的状态，虚拟环境中的个人从多维度被测量与建构。平台出于精确画像的目的，通常能够与用户达成信息的“对等”交换，这有时是一种“无意识”的交换。数据抓取的触角已经伸入到了用户的私人领域。剑桥分析公司曾“窃取”了5 000万Facebook用户的信息，此次的数据泄漏事件也使个人隐私保护成为焦点。
2.2 可视化表达层面的矛盾：理性与感性
数据新闻是基于数据素材的可视化创作，有效地避免了个人主观意见的参与，增强了新闻的客观性。操作者从多维度构建新闻的立体模型，进行交叉叙事，一步步引导用户探索其内部的相关性。例如财新发布的《2020美国总统大选民调数据实时动态》，它采用地图与折线统计图的方式大大精简了文章篇幅，并从宏观的视野对新闻事件进行延伸性与预测性的报道，以互动作为辅助，加深了用户对于政治性事件的理解与记忆。
数据新闻的整个流程就如同新闻媒体的“编码”过程，受众基于个人意义空间进行“解码”。但在目前的数据新闻实践中，生产者往往放大了理性的数据分析，淡化了感性的人文关怀和“新闻语境”，难免会造成意义传播的偏移。新闻媒体在数据与技术方面掌握着话语权，受众处于相对“信息劣势”的地位，传者与受众之间信息不对称也可能会造成传播隔阂。
2.3 价值理念的转向矛盾：内容生产与市场需求
根据新浪新闻对疫情期间国内外数据新闻的分析，国外的传统媒体专注于数据挖掘与内容生产，例如《纽约时报》利用3D建模还原地铁中的病毒颗粒，动画模拟口罩如何减少感染风险等。国内的传统媒体、门户网站则更加偏向用户互动与分享。阅读量与转发量可以作为数据新闻的评判标准，但如果把“流量至上”思维引入数据新闻的生产，可能会让我们失去数据新闻的初心。
数据新闻注重挖掘连续性数据的关系，也意味着它的发布会出现延时性，很难凭借话题热度吸引受众眼球。最终还是要将重点放在数据的深度分析与可视化呈现上面。只有抓住数据新闻生产的内容核心，我们才能避免生产路径的偏移。数据新闻如同可视化的“深度报道”，高品质的数据新闻必定会耗费大量的时间成本、人力成本以及技术成本。尽管知识付费已经成为当下的发展趋势，但数据新闻的“知识变现”依然步履维艰，这也打击了新闻媒体对其资源投入的积极性。
3 困境纾解：数据新闻的再思考、再构建与再定位
3.1 分布式生产内容的再思考
数据新闻可以解构为三个要素：数据、数据关系、语境，我们可以从这几个关键因子来化解矛盾在主观层面的困境。
3.1.1 算法与数据伦理：技术应用的边界把关意识
算法层面：正如《黑镜》当中讽刺式的呈现了科技对人性的利用、重构与破坏，“算法克制”与“技术敏感”也扩充了AI时代新闻伦理的范畴。由于算法应用的边界模糊，我们很难生成一个明确的技术规范，更多的还是由生产者的职业道德与责任感来把控。彭兰教授提出，对于机器带来的黑箱问题，算法的可解释性是一个重要的制约方式。及时确保算法的可靠性、透明性和可解释性，从而让人们做出合理的判断[3]。新闻工作者充分了解算法语言，能够大大降低算法带给我们的不确定性，继而减小算法风险。
数据层面：数据分析处理的过程其实也是数据价值“最大化”的过程。数据如同核能，其中蕴藏着巨大的能量，但同时它的边界也是不可逾越的。未来新闻生产的数据把关必定是人机协同的模式。如今，我们已经可以利用智能化技术来筛选“伪数据”或者“脏数据”，但人力把关依旧是不可缺失的一道围墙。技术擅长大数据监测，而人则可以对“微数据”以及越界数據再分析判断，这样的双重把关可以保障建立一个健康的数据库。 3.1.2 潜在变量：深度挖掘“相关关系”
舍恩伯格曾在《大数据时代》中提出建立在相关关系分析法基础上的预测是大数据的核心。相关关系可以为我们提供新视角。如果把因果关系作为重要的考量，那这些视角就有可能被蒙蔽掉[4]。
梳理新闻的脉络，我们可能直观上看到的是自变量与因变量这样单向的对应关系，但有时它内部不是简单的单变量交互，而是存在着巨大的关系网络。横向数据与纵向数据之间透过现象挖掘潜在变量，以辅助社会治理做一些风险评估及预案。你可以直接去报道事实的数据，也可以进一步去挖掘数据背后隐藏的点，让你的报道更“深”一度。
3.1.3 语境回归：数据新闻不止于“数据”
有人曾这样评价可视化：语言没有零度，图像同样如此。我们最初面对的可能是一串冷冰冰的数字，但是数字之间的“反应”会释放出巨大的能量。语境回归数据新闻，是语态平民化的关键环节。财新网在疫情期间发布的一篇数据新闻《新冠逝者：献给疫情中离去的生命》，其中就注入了人文主义的思想。这座“悼亡纪念馆”将每一位逝者用一片片花瓣来表示，花瓣的枯萎凋零带给读者很强的视觉冲击。同时，它也融入了互动元素，我们点击带有抗疫医生名字的花瓣，会看到他们生前的年龄、从医事迹以及逝世时间。无论何时点开，都会将我们带入到那个集体记忆的空间，唤起内心的感动与敬畏。我们需要记得：每一个数字背后，都是一个个活生生的人。
如何赋予数字以生命力，引发读者的思考与共情，做出有深度、有温度的数据新闻将是我们新闻工作者的新课题。
3.2 “用户-数据”关系与数据素养的再构建
3.2.1 “用户-数据”：两个集合之间的映射关系
用户群体与大数据之间就像两个集合，它们之间存在对应关系，从而产生了部分映射。我们虽然不能用一个具体的函数关系式来揭示内在的传播规律，但是数据处理分析与可视化却提供了一种简洁而又精确的计算方法。
今天的媒体平台对用户进行全景式地信息监测与信息推送，部分用户恰好依据个人爱好接触一些轻松娱乐化的选题，并且热衷于浅层的图解与互动新闻。久而久之，他们依旧会停留在被动的知识累积层面。正如我们所体验到的，用户参与互动时并不是物理层面的参与，而是一个设定好的“数据大脑”操控着虚拟ID完成整个参与过程。用户需要时刻警惕这种物理身份的剥离，一旦陷入到“数据茧房”中，便很容易被“麻醉”。提升“用户-数据”关联并不意味着我们将被数据“主导”，而是以数据辅助我们更加深入地理解世界。
3.2.2 “寓教于乐”：公民数据素养的提升
在互联网时代，公民与海量的数据信息之间应是双向的作用关系。公民提升数据素养一方面是为了“破解”数据，延伸用户个人理解的意义；另一方面是为了构筑起“数据危害”的围墙。
有研究者提出，“数据素养”是指人们有效且正当地发现、评估和使用信息的能力，包含数据意识、数据获取能力、分析和理解数据的能力、运用数据进行决策的能力以及对数据的批判和反思精神[5]。数据素养的提升不一定需要独立进行，数字化产品以及数据化内容的普及本身就是一个“再教育”的过程。
数据新闻的初衷不是为了呈现数据分析的复杂流程，它应以结果为导向，尽可能地增强用户黏性。例如，网易的“数读”以“提供轻量化的阅读体验”为宗旨，以数据讲故事。它分为国际、经济、民生和社会等七个板块，选题覆盖面广泛，严肃与活泼并存。趣味性的融入有利于消除用户对数据和技术的抵触与顾虑，激发用户的分析意识、参与意识和互动意识。
3.3 交叉学科建设与人才培养的再定位
数据新闻学作为一个更加垂直细分的领域，理论与实践并重。这将不断推动高校新闻传播教育探索新的发展路径，也会激励新闻传播学子走出“舒适圈”，更新自身的知识储备与技术能力。
高校新闻传播学院不仅是新闻传媒业的人才培养基地，也是新闻学子向新闻人转变的“社会实验室”。借力大数据的浪潮，越来越多的传统媒体联合高校培养交叉学科人才，也加快了自身的媒体融合转型。例如，在2019年，暨南大学与南方报业传媒集团联合发起成立了“未来媒体研究院”。南方报业集团近年来建立了“媒体大数据应用实验室”“南方数据服务”等多个实践平台，基于暨大计算传播的理论研究，前者为后者提供“技术赋能”，后者则为前者提供“人才驱动”。目前，很多高校可能会陷入资源分配不均的窘境，这也提醒着我们要打破传统思维的茧房，勇于“拥抱”大数据。
校园平台“媒体化”也逐渐成为一种新趋势，高校可以充分结合自身新闻传播学院的发展定位与特色，打造独特的新媒体实践平台。中国人民大学新闻系运营的微信公众号“RUC新闻坊”已经成为一个优秀的实践案例，其中原创数据新闻作品板块充分融入了数据处理分析以及可视化创作，并与澎湃新闻·湃客有数栏目联合出品了一系列数据新闻作品。传统媒体助力校园新媒体平台极大地激发了新闻学子的创作活力，并提供给他们一个理论结合实践的契合点。
当下数据新闻人才的培养框架已经呈现出了学科融合的趋势，计算科学可以作为量化研究的工具嵌入到新闻传播学当中。因此，“新闻思维”“人文思维”、以及“数据思维”将会是一个数据新闻工作者需要构建的多重思维体系。
4 结语
回顾数据新闻在我国的发展历程，它始终晃晃悠悠地前行。受限于内容生产的市场，数据新聞偏向于“小众化”。但如今，受众大量地在移动端聚集，阅读习惯的重置与迫切的参与感成为数据新闻发展的一个契机；从新闻生产本身来看，它摇摆于事实判断与价值判断之间，前者是基础，而后者却决定着发展方向。我们不难找到一种优化的技术手段，但更需要探寻的是价值的船帆，最终才能达到工具理性与价值理性的和谐统一。
参考文献
[1]张伦，王成军，许小可.计算传播学导论[M].北京：北京师范大学出版社，2018：2-6.
[2]詹妮弗·横山.缩小数据鸿沟：需要开放数据[EB/OL].[2020-04-21].http：//ii066.cn/2bSmrU.
[3]彭兰.变革与挑战：智能化技术对传媒业的影响[J].信息安全研究，2019，5（11）：966-974.
[4]维克托·迈尔-舍恩伯格，肯尼斯·库克耶.大数据时代：生活、工作与思维的大变革[M].周涛，译.杭州：浙江人民出版社，2012：86-88.
[5]金兼斌.财经记者与数据素养[J].新闻与写作，2013（10）：5-7.