论文部分内容阅读
本文通过梳理相关文献,结合实际工作经验,深入了解融媒体时代对新闻采编内容、新闻传播速度及新闻服务对象的影响,明确了新闻采编流程再造的要点,即重视内容、团队协作、精准化内容生产、全天候及针对性传播.
融媒体时代采编流程再造的思考与实践
【摘 要】
：
本文通过梳理相关文献,结合实际工作经验,深入了解融媒体时代对新闻采编内容、新闻传播速度及新闻服务对象的影响,明确了新闻采编流程再造的要点,即重视内容、团队协作、精准化内容生产、全天候及针对性传播.
【机 构】
：
闻喜县融媒体中心
【出 处】
：
中国报业
【发表日期】
：
2022年1期
其他文献
针对单项灰色模型、指数平滑法在建筑安全事故预测方面存在的局限性,建立了一种基于最优加权的组合预测模型.以综合当量死亡率为样本数据,分别采用灰色模型、指数平滑法、两者的最优加权组合模型对建筑安全事故进行预测.对比分析单项预测模型和组合预测模型的预测结果与精度,并选取精度较高的模型对未来几年的建筑安全事故进行预测.结果表明,组合预测模型优于各单项预测模型,未来建筑安全形势依然严峻.
文章提出一种两阶段二次判别分析建模方法,该方法将高维协方差阵的估计转化为低维矩阵的估计问题,从而有效解决了超高维二次判别分析计算量大的问题.数值模拟和实际数据分析结果表明,在有限样本情形下,两阶段估计方法在变量选择和分类误差率方面的性能更好.
构建多元线性回归模型前通常需要对原始数据进行无量纲化处理,以减小各变量间的量纲差异,从而能真实地反映解释变量与被解释变量之间的依存关系.现有的无量纲化方法众多,但经不同无量纲化方法处理后所得的多元线性回归结果不同,甚至差异较大,因此选取合理的无量纲化方法是多元线性回归结果可靠与否的关键.文章首先从理论上对多元线性回归模型和无量纲化方法进行剖析;然后建立无量纲化方法优劣的评价指标体系;最后通过数值模拟实验来分析不同无量纲化方法的优劣,并探究方法的稳定性.结果发现,不同的无量纲化方法对多元线性回归模型的影响不
运用数字技术和人工智能提高城市固体废弃物的治理水平,探索中国特色的城市管理新路径,是智慧城市建设的重要任务.俄罗斯与中国在城市建设、经济发展等方面有许多相似之处,其城市固体废弃物管理经验对中国城市建设有重要意义.分析了俄罗斯城市固体废弃物的基本情况和改革历程,考察了俄罗斯在智慧城市建设过程中对城市固体废弃物的管理方法,总结其成功经验,并结合沈阳的现状,提出了沈阳智慧城市固体废弃物治理建议.
文化振兴是乡村振兴之魂,提升乡村文化供给水平,实现文化供给与农民需求“同频共振”是时代之需.新时代乡村文化供给面临着精神文化需求线上迁移与供给渠道滞后、精神文化需求异质性增强与供给结构失衡的矛盾,以及文化供给城乡同质化严重与传承创新不足、文化供给主体单一与乡土人才参与不足的问题.对此,应着眼矛盾立足现实,依托新媒体技术,拓宽供给渠道;立足农民实际,丰富供给内容;增强个性化服务,优化供给结构;遵循文化发展规律,创新供给形式;完善文化服务标准,健全供给制度;推进供给主体多元化,激发文化供给活力;培育文化自觉意
如何培养大学生英语自主学习能力是我国大学英语教学改革的一大主题.科学合理的大学英语教学评价体系,能提高大学生英语自主学习能力.本文阐述了网络环境下大学生英语自主学习能力的评价原则、评价指标、评价方法,构建了完整的自主学习能力评价体系,旨在为日后相关研究提供参考.
智能手机和5G网络的快速普及,使传统移动音频迅速发展.在内容庞大的有声世界中,最具声音特色的广播剧如何在新媒体领域分得一杯羹,实现广播剧的振兴与发展,是媒体人需要思考的问题.笔者从当前广播剧的困境出发,提出创新广播剧形式、选取多元化素材、树立精品意识、开启付费收听等发展策略.
网络调查是大数据背景下一种重要的抽样调查方法,然而大多数网络调查样本属于非概率样本,其入样概率未知,需要进行建模估计.之前的研究大多通过构建Logistic倾向得分模型计算入样概率,但是Lo-gistic 倾向得分模型通常适用于协变量或混杂变量较少的情况,存在较多协变量或混杂变量时如何进行倾向得分建模推断是一个亟待解决的问题.针对此问题,文章充分考虑经典的变量选择方法Adaptive LASSO的降维特点,提出对网络调查样本建立Adaptive LASSO Logistic倾向得分模型估计倾向得分,进一步
受到新媒体的冲击,电视新闻媒体不得进行改革和创新.播音主持人怎样更好地掌握新闻播读技巧,是不可忽视的重要方面.本文从重视新闻播读基本功的训练、对新闻播读状态进行快速调整、对口头语言加以合理运用、关注新闻直播现场细节的掌控和处理、强化专业知识的拓展等方面,提出播音主持新闻播读技巧有效提升的策略.
基于机器学习进行因果推断是学术界研究的一个热点,双重机器学习是最新的因果效应估计方法之一,然而,相关理论并没有对不同机器学习方法之间的选择提供指导.鉴于此,文章运用蒙特卡洛模拟方法,研究不同情况下常见机器学习方法在双重机器学习处理效应估计中的表现,比较分析各种机器学习方法的估计结果,研究发现:基于不同机器学习方法的因果效应估计结果存在明显差异,双重机器学习方法的表现受到非线性函数形式以及样本容量的大小的影响;最后,在此基础上提出对机器学习方法选择的建议.