微店链接：新闻传播考研名词解释手册【点击可跳转】
来源：《新闻与写作》 作者：王佳航
数据与算法不仅给传统媒体集团带来创新的活力，也改变了其新闻生产方式——媒体集团的新闻生产模型正在从单向型新闻生产转向闭环式新闻生产，数据与算法已经渗透到闭环式新闻生产的各个环节——人机共同完成新闻生产的时代已经到来。
这是一场完全无法预测和预先张扬的革命，技术飞速迭代更新，传媒业充满了超越以往逻辑的想象。数据科学家悄然进驻欧美各大媒体集团，除数据新闻及可视化设计以外，数据与算法的影响逐步深入到新闻生产的各个核心环节——生产、传播、用户。从一定意义上说，数据与算法正在重塑新闻业的整个生态系统，新闻生产模式从单向型新闻生产转化为闭环式新闻生产。
一、数据与算法促进欧美媒体革新
欧美媒体对技术的依赖正进一步加深。随着数据成为各行业的基础性设施，新闻生产也被数据和算法深刻改变，媒体集团采取了一系列措施应对大数据时代的来临。
第一，调整组织架构，数据科学家进驻媒体。数据科学团队对媒体集团的意义不仅在于外界能够看到的数据新闻生产机制，他们在新闻生产策略、用户增长、个性化服务、广告营销等多个方面对媒体集团进行了全线升级改造。2013年底，纽约时报曾设立两个“编辑室创业”团队，其中一个团队是“连接数据和新闻的纽带”①，生产数据新闻。但是，这只是一个开始。大数据时代来临，数据科学将可能更深远地影响传统媒体集团转型，诸多传统媒体集团调整了组织架构。2014年2月纽约时报再开媒体先河，率先设立首席信息科学家，并聘请哥伦比亚大学运用数学副教授克里斯·维金斯(Chris Wiggins)兼任这一职务。维金斯及他领导的小型数据分析团队能够进行算法设计及数据分析，利用专业的数据分析方法帮助解决纽约时报的运营问题。例如，“人们为什么订阅纽约时报的纸质版或电子版？有什么办法才能留住他们②”。很快，这一高级职位成为欧美媒体集团的普遍设置，例如，横跨各类媒体的多元化媒体集团赫斯特集团也设立首席数据科学家，该科学家同时还担任集团副总裁。华尔街日报的数据科学团队也有相似的日常工作，如帮助华尔街日报做更好的新闻策略，个性化用户体验，深度挖掘用户数据，提高报社收入等。“北欧最大媒体集团，挪威老牌家族企业施伯史泰德媒体集团(Schibsted Media Group)的全球产品副总裁Edoardo Jacucci说：‘我们的竞争对手已经从过去的传统媒体转向全球性的新媒体公司。我们必须创立一个强大的领导和管理体系，将数据分析转化为我们的DNA，才能更好地转型为数字媒体。’该集团于2013年建立数据团队，团队人数由最初的1人增加至目前的70人，现在已达到每天搜集6亿个事实数据(events)的能力，并正在将这些数据的分析转化为数据驱动的广告增长、用户增长和有针对性的用户服务。”③
第二，媒体进行一系列内容生产革新，以应对社交媒体平台的算法推荐。社交媒体正在成为受众获取媒体集团新闻的主要渠道。路透社《2016数字新闻报告》④对26个国家50000个在线新闻消费者进行了调查，有一半称曾利用社交媒体获取过新闻，把社交媒体作为主要新闻源的则占12％。美国皮尤研究中心的2016年美国新闻媒体年度报告显示，“62％的用户在社交媒体上阅读过新闻，其中18％的用户将其作为常用新闻渠道”⑤。这一发展趋势使得传统媒体集团纷纷调整策略，面向社交媒体平台生产内容，如何在Facebook、Twitter上获得更多用户成为各媒体集团的重要战略之一。皮尤研究中心关注了40家原生数字新闻发行商的内容分发策略。结果显示，这些发行商都在使用成熟的社交网站，包括Facebook、Twitter和YouTube。”⑥。面向多个社交媒体平台分发内容已经成为常态。
由于社交媒体平台多数采用算法推荐的方式推送内容，各媒体不得不针对算法做诸多创新。华盛顿邮报开发了很多数据工具，用来实现华盛顿邮报控制人杰克·贝索斯的主要目标——扩大受众群。2016年1月，该报月独立访客量达7600万，较上年同期增长78％，其中移动端的月独立访客增长126％⑦纽时时报数字部门的数据科学团队则研发了一款能够进行文字编辑的机器人Blossom。Blossom的后端采用了十分先进的机器学习技术，通过Java、Python和HapReduce等语言和技术的支持，融合了非常前沿和复杂的算法；Blossom通过基于像Facebook这样的社交平台上所推送的海量文章大数据分析，它能够预测哪些内容更具有社交推广效应，以及帮编辑挑选出适合推送的文章和内容，甚至可以独立制定标题、摘要文案、配图等。目前Blossom专门负责从每天超过300篇各式文章当中挑出最火的文章，推荐给各大版面的增长编辑(Growth Editor)以及社交媒体编辑⑧。事实上，纽约时报不仅对应算法调整内容生产以适应社交媒体平台的传播规律，也把算法应用于纽约时报自己的网站。纽约时报网站“Recommended for You”栏目使用了纽约时报自己研发的使用协同过滤算法与LDA模型建立新的推荐系统，基于读者喜好调整文章布局，能够帮助读者找到与他们相关的内容，比如在正确的时间推送读者感兴趣的内容、重大事件的个性化补充内容、符合他们偏好的多媒体格式故事等⑨。
第三，借助数据分析工具分析用户阅读行为，提升编辑部效率。数据科学团队成为传统媒体集团的常规机构之后，对于用户而言，最明显的变化是大量优质数据新闻涌现。作为全球数据和可视化新闻的领军团队，纽约时报、英国卫报、华盛顿邮报在数据新闻制作方面均有上佳表现，2016年华盛顿邮报凭借用数据解剖美国枪击的痼疾，获得了普利策新闻奖。事实上，除了这些显而易见的大数据应用，近年来各媒体集团还用心研发了用户分析和反馈系统，这些工具使得传统媒体新闻编辑部得以升级改造。纽约时报Stela系统于2015年9月向整个新闻编辑室开放，主要聚焦于单篇文章的相关分析。Stela是一款基于“故事与事件分析学”的分析工具，能够帮助记者和编辑获得反馈，Stela也可以实时关注报道的流量变化，通过监测这些流量激增的故事，帮助记者抽取出围绕这一报道的热点话题，进而缩短报道的响应时间。英国卫报的编辑室分析神器Ophan年年升级，功能日趋完善，可以担任数字舆情分析助理的工作。英国金融时报开发了Lantern分析平台，记者能够调取整个公司的内部数据，长期追踪他们所写的内容。此外，大量第三方用户数据分析平台也纷纷上线，如来自加拿大的社交媒体管理工具HootSuite专门监测社交网站，能够帮助媒体在大多数社交平台上写作并安排推送计划，追踪推文带来的会话和导流，并且可以提供推送内容的相关数据分析。这些数据分析工具提升了新闻传播效率，也帮助编辑部更好理解新闻在新媒体平台的传播规律。
数据时代的闭环式新闻生产模式呈现出这样几个特征：
第一，算法推荐机制引导了媒体集团的新闻产制。
第二，数据与算法布局新闻生产全生态系统。
第三，新闻生产进入人机协同时代。
二、数据与算法推动新闻生产从单向型转向闭环式
数据与算法不仅给传统媒体集团带来创新的活力，也改变了其新闻生产方式——媒体集团的新闻生产模型正在从单向型新闻生产转向闭环式新闻生产，数据与算法已经渗透到闭环式新闻生产的各个环节——人机共同完成新闻生产的时代已经到来。
如图1所示，传统媒体的新闻生产属于单向型的粗放模式。媒体从业者采集事实进行报道，再传递给受众，传播效果如何，受众是怎样的群体均需花很长时间采集数据和分析。
图1 单向型新闻生产模式
大数据时代来临，数据和算法影响新闻的采集、制作、分发、用户反馈等各个环节，推动新闻业全方位升级。新闻生产模型也从单向型转变为图2所示的闭环式模式。
图2 闭环式新闻生产模式
大数据时代的闭环式新闻生产模式呈现出这样几个特征：
第一，算法推荐机制引导了媒体集团的新闻产制。社交媒体逐步成长为聚合超量信息的内容分发平台，媒体集团为获得用户注意力不得不适应和服从于社交媒体平台的算法推荐机制。内容生产商和内容分发平台加速分离是当前欧美传媒产业重要发展趋势，传媒业产业链条拉长。社交媒体平台为聚合优质内容，发布了很多激励性措施，吸引媒体集团进入。而这些分发平台因为积聚海量用户，往往也获媒体集团青睐。社交媒体平台上的新闻推送业务大多基于用户的使用习惯，通过算法预测用户感兴趣的信息和话题，再将其推送给用户。社交媒体平台的算法机制、算法调整都对媒体集团新闻生产产生重要影响。
第二，数据与算法布局新闻生产全生态系统。在单向型新闻生产模式中，信息采集环节，传统媒体记者只能通过采访获得新闻事实。在闭环式新闻生产模式中，数据与算法几乎重构了新闻生产整个生态系统。记者获取新闻线索及新闻信息的方式被改变，大数据时代的记者可以通过开放数据库获取数据，分析数据，获得新闻线索；即便是事件性信息，记者亦可以通过数据监控发现热点积聚事件，获取新闻线索，进行后续采访。在新闻制作环节，数据新闻是当前备受用户欢迎的新闻形态。在新闻传播环节，社交媒体平台不断研发更能满足用户需求的算法，以促使新闻更精准抵达用户。在用户分析环节，数据分析工具对用户行为的精准测量不仅优化了内容生产，也助力媒体集团广告营销。
第三，新闻生产进入人机协同时代。正如百度总裁李彦宏在第三届世界互联网大会上感慨的“移动互联网时代结束了，互联网未来发展机会将是人工智能”，新闻生产领域也开始了人机协同时代，很多媒体已经习惯在机器的辅助下工作。美联社机器人记者wordsmith每季度写3000篇稿件，纽约时报数字版的新主编机器人Blossom专门负责挑出可能会在社交媒体变成爆款的文章推荐给版面编辑，让纽约时报的流量涨了30多倍。数字商业新闻网站Quartz推出同名新闻移动应用，Quartz聊天机器人无需用户自己去看新闻，它可通过类似好友聊天的方式帮你解读新闻。在竞争激烈的媒体领域，研发聊天机器人应用成为新的战略举措，2016年华尔街日报、CNN、BuzzFeed都推出了Messenger聊天机器人。
三、数据与算法给新闻业带来新问题
数据与算法带来了新闻业的创新与创意，也带来了很多无法预期答案的新问题、新挑战。
第一，算法推荐机制主导的新闻生产尚缺乏足够的公众信任。路透社发布的2016年数字新闻报告显示⑩，各国受访者都对社交媒体平台的算法推荐机制可能带来的负面影响表示关注，68％的挪威人、65％的英国人、50％的美国人担心“我错过了关键信息”；67％的挪威人、61％的英国人、59％的美国人担心“我可能错过了有挑战性的观点”；54％的挪威人、49％的英国人、49％的美国人认为“影响了我的隐私”。事实上，在学界，对算法机制主导的新闻生产担忧更多，信息茧房效应、算法偏见、商业性新闻分发平台的动机……都曾被关注和讨论。宾夕法尼亚州立大学传播系副教授、国际中华传播学会主席钟布指出，“算法正在代替新闻媒体过滤信息，令人担忧的是算法会否取代人类做价值判断。因此，针对当前流行的算法决定论，有必要从算法审计、算法素养、算法伦理等方面展开研究。”(11)
与业界的欢呼相比，来自公众和学界的担心更值得深思。一定意义上，Facebook、Twitter等超级社交媒体平台已经具有垄断色彩，这些商业性科技公司聚集了超巨量用户，垄断了用户数据，算法推荐机制主导了媒体新闻生产的偏好，目前还难有平衡其可能带来的不明朗的负面影响的力量。并且，算法本身由人来设计，因而并不能理想化地认为算法比算法创建者更客观，而社交媒体公司如何操作也缺少透明度。2016年5月，“据英国卫报报道，数份泄漏文件显示，Facebook平台上广受欢迎的新闻推送功能，实际上严重依赖于公司内部一组编辑团队来决定新闻内容的取舍和筛选。这一事实或在未来会引发舆论对Facebook存在政治偏见的思考”。(12)算法的偏见、社交媒体平台的垄断会带来什么，是未来值得长期研究的课题。
第二，社交媒体平台主导新闻分发，可能使媒体集团进一步弱化。路透社发布的2016年数字新闻报告(13)中还有一个值得新闻业深思的数据，该数据显示媒体集团正在失去对分销的控制，在Facebook取代新闻媒体主页成为在线新闻消费的主要来源时，市民与报纸品牌的关系也在发生转变。“在美国，只有52％的人会注意到社交媒体上的新闻品牌，在新闻聚合应用上这一比例则是49％。在日本和韩国，只有1/4的读者会在通过新闻聚合器获取新闻时注意到新闻品牌”。尽管不同国家的这一比例不尽相同，但是在数据与算法主导的社交媒体平台，用户对新闻媒体品牌的重视度在下降。事实上，除了品牌，还有收入问题，尽管Facebook的instant article承诺三七分成，媒体集团入驻instant article可以获得7成的广告收入，但是从各媒体集团的财务报表来看，这些收入都几乎忽略不计，并不能弥补或者支撑媒体集团的新闻生产成本。正在失去分销控制力的媒体集团也正在失去渠道收入，这在媒体集团的经营中是致命的。
第三，数据与算法弱化媒体把关人角色。在单向型新闻生产阶段，大众传播的一切信息，都要经过这些媒体从业人员过滤或筛选，才能同公众见面，媒体扮演强把关角色。但是数据与算法几乎彻底改变了这一模式，例如机器人通过算法和人工智能完成的稿件未经新闻编辑人工把关，就上传到社交媒体平台，并经由算法推荐，直接被推送到用户的移动端。在这一过程中，真正把关的是用户。因为社交媒体平台的算法是经由对用户阅读偏好的数据积累而设定。在闭环式新闻生产模型中，媒体和用户的关系发生了深刻变化，一定意义上说，新闻生产的主导权、新闻信息的选择权部分甚至全部交回用户，这一深刻变化可能会带来哪些行业影响，亦值得深入研究和观察。
（原文刊于《新闻与写作》2016年第12期）
上海大学新闻传播考研，上海大学新闻传播学、上海大学新闻与传播，新传土拨鼠
网友评论