說起數(shù)據(jù)新聞，你可能會想到數(shù)據(jù)圖表、炫酷的可視化效果；可能會想到一些工具，比如Excel、Python、Tableau等等；也可能一頭霧水。數(shù)據(jù)新聞在中國還年輕，但行業(yè)從業(yè)者、學術研究者、個人創(chuàng)作者們，已經圍繞著它做了不少探索。

這一次，中國傳媒大學新聞學院“白楊數(shù)新觀察”團隊和澎湃新聞“湃客·有數(shù)”共同推出系列訪談“數(shù)據(jù)新聞訪談錄”。

我們抱著觀察記錄、答疑解惑的想法，采訪了國內外十多位在數(shù)據(jù)新聞領域有創(chuàng)見、有思想的學者、媒體人及學子，闡釋數(shù)據(jù)新聞的新理念新發(fā)展，介紹數(shù)據(jù)新聞教育的經驗、方法和路徑，分享數(shù)據(jù)新聞作品的創(chuàng)作過程，在數(shù)據(jù)新聞的業(yè)務實踐前沿、行業(yè)發(fā)展前景、教學體系現(xiàn)狀等話題中進行思維碰撞。

輸入同一個問題，誕生于不同背景的 ChatGPT、文心一言等人工智能給出的回答不同，這是為什么？輸入給人工智能學習的數(shù)據(jù)，其背后是否隱藏了不同的價值取向，輸出反饋給人類時是否會隱含偏差和誤導？這對我們的認知又將產生怎樣的影響？對于以上問題，沈浩表示，人們應當對數(shù)據(jù)抱有信心——數(shù)據(jù)依舊是最有事實的東西，在大量數(shù)據(jù)中挖掘出的隱藏在數(shù)據(jù)中的模式、趨勢和相關性，幾乎不可能造假。而數(shù)據(jù)新聞，就是用數(shù)據(jù)去呈現(xiàn)真實。

沈浩，男，傳播學博士。中國傳媒大學新聞學院教授、博士生導師，中國傳媒大學媒體融合與傳播國家重點實驗室媒體大數(shù)據(jù)中心首席科學家，中國市場信息調查業(yè)協(xié)會副會長。

2003 年，沈浩開始研究數(shù)據(jù)挖掘相關領域，后投身于空間信息分析和大數(shù)據(jù)領域。從大數(shù)據(jù)和人工智能，到區(qū)塊鏈，再到元宇宙和虛擬數(shù)字人，沈浩一直在追尋科技的前沿。2013 年，在其引導下，數(shù)據(jù)新聞專業(yè)成立。

從專業(yè)上講，沈浩從“最理科”干到了“最文科”。畢業(yè)于北京師范大學數(shù)學系的他更偏好用數(shù)學的方式解決社科，特別是新聞方面的問題。

Q1：在跨專業(yè)過程中，不同學科的邏輯思維體系是否有很大的差別，您又是如何將它們融合再運用的？

沈浩：我可以說是從“最理科”干到了“最文科”。微博剛出來的時候，我經常在微博發(fā)一些數(shù)據(jù)相關內容，網(wǎng)上會有一些人會和我杠，質疑我一個新聞學老師怎么會懂大數(shù)據(jù)、人工智能呢？文科、理科的思維方式是普遍存在的，盡管我不喜歡這樣的二分。

近幾年我愈發(fā)認識到數(shù)學的重要性，會向文科生灌輸數(shù)學思維方式和腦句，這在解決實際問題中很有作用。雖然我現(xiàn)在可能有些走極端，就是說我更偏好用數(shù)學的方式解決社科問題，特別是新聞方面的問題，我越來越重視大數(shù)據(jù)智能技術對傳統(tǒng)新聞變革的影響，因為我們本身就是做傳播研究方法的，做方法需要定性定量。

不過，數(shù)據(jù)新聞做的是產品，是有組織的團隊創(chuàng)新。新聞報道的思路和深度的數(shù)據(jù)挖掘過程需要共同討論和仔細考量，靠一個人不能完成這么工作量大的任務。

Q2：您剛剛提到數(shù)據(jù)新聞的生產是需要團隊的，為什么當下中國沒有形成高度專業(yè)化的數(shù)據(jù)新聞團隊形式？

沈浩：我們是有意識在帶領學生形成團隊去做數(shù)據(jù)新聞生產的，但是互聯(lián)網(wǎng)或者說新媒體中傳播效率不如預期。

當數(shù)據(jù)新聞起來的時候，除了探討數(shù)據(jù)技術要求，我們還需探討這種數(shù)據(jù)報道形態(tài)。這種形態(tài)是一種產品，既然是產品，那就跟傳統(tǒng)的新聞宣傳報道是不一樣的。產品是有成本的，我們需要去考慮這個產品能不能賣得出去，它的受眾是什么，以此來衡量能不能做。如此龐大繁雜的過程，決定我們的數(shù)據(jù)新聞不是一個人能做出來的——我們需要 News room。國外就有很多這種 News room，News room 里有一些編碼程序員，還有數(shù)據(jù)科學家。境外的數(shù)據(jù)新聞主要是揭露造假腐敗國際政府陰暗面的維度，我們對這維度不擅長，于是我們更加偏向于人文關懷，還有社會重大事件，比如青島爆炸、深圳垮塌事件、周老虎事件，就是對已經確認的腐敗通過天眼查去做。 

然而，數(shù)據(jù)新聞選題是最重要的，我們做的是一種新的深度報道，新聞的生產已經發(fā)生了根本的改變，現(xiàn)在的數(shù)據(jù)新聞已經不是以前狹義的數(shù)據(jù)新聞了。數(shù)據(jù)新聞傳入的時候，當時還沒有人工智能，只有大數(shù)據(jù)，但同學處理不了大數(shù)據(jù)，只能處理小數(shù)據(jù)，只是在可視化方面玩得好一點。

Q3：您剛剛提到現(xiàn)在挖的都是小數(shù)據(jù)，沒有真正應用到大數(shù)據(jù)。那作為一個學生，或是從業(yè)者，應該怎么利用大數(shù)據(jù)讓新聞更好地實現(xiàn)敘事作用呢？

沈浩：為什么說“大數(shù)據(jù)才有數(shù)據(jù)新聞，小數(shù)據(jù)沒有數(shù)據(jù)新聞”？這樣說可能有點絕對，但其中還是有些道理的。新聞要有 5W1H 要素，但小數(shù)據(jù)沒有這些要素。大數(shù)據(jù)是邊生產邊應用、邊應用邊生產，有時效性。而小數(shù)據(jù)是實證的，例如 45 天出一份報告，沒有時效性。真正的大數(shù)據(jù)新聞應當是具有時效性的深度報道。大數(shù)據(jù)挖出來的東西不是靠直覺發(fā)現(xiàn)的，甚至是違背直覺的東西，是事先不知道的，缺乏相關理論的。大數(shù)據(jù)運用的技術更像是類似知識圖譜或關系圖譜，關系圖和空間地理天生有可視化的效果，于是我們就有挖掘的能力。

目前來講，希望學習新聞的同學們能在數(shù)據(jù)選題和敘事上有特色，努力開辟報道角度和敘事方式的獨特性；并且了解數(shù)據(jù)新聞生產的過程，同時與寫代碼的、具有可視化表現(xiàn)能力的人通力合作。

Q4：數(shù)據(jù)的標準化過程中會不會存在傾向性，如何保證標準化后的數(shù)據(jù)的代表性呢？

沈浩：這是一個很技術的問題。為什么要標準化呢？其實主要是針對特定的分析，數(shù)據(jù)的量綱不一樣，所以我們需要標準化。標準化是數(shù)據(jù)處理，或者叫數(shù)據(jù)預處理的工作。這里邊包括三個方面。

第一個方面，就是我們在分析中把變量進行標準化。把量綱一致化之后，就可以進行相應的處理。在標準化的過程中可以產生“轉換”，比如說數(shù)據(jù)過去不服從正態(tài)分布，我們通過一種標準化的方式，那么就可以使它顯示出正態(tài)分布的形態(tài)。

第二個方面，就是在像排名這樣的問題上。排名是技術，發(fā)布是藝術。排名的過程中，數(shù)據(jù)可能來自于不同的指標和不同的權重，那么為了能夠加權，指標應該都是標準化的，但是在這個過程中如何標準化？是否會影響權重？這是很明顯的。

第三個方面，就是標準化的預處理模式。比如去除異常值，這個算不算標準化呢？這就看廣義的標準化概念。異常值的清洗，包括兩個變量的相關性。如果兩個變量具有相關性的話，那我們其實可以只用一個變量就可以了。所以標準化過程，其實也是一個數(shù)據(jù)消解的過程。

Q5：由數(shù)據(jù)分析得出的結論可信度高嗎？評估標準是什么呢？它能夠如實反映真實情況嗎？

沈浩：我剛才說了一句話，其實內涵比較深，就是“排名是技術，發(fā)布是藝術”。也就是說，什么樣的排名、用哪些變量，是人在決定。但如何排、如何標準化，其實也是一個重要的人為因素。在這個過程中，一個合格的數(shù)據(jù)分析人員應該秉承客觀的理念，循著符合數(shù)理邏輯的過程。這不是篡改數(shù)據(jù)，而是改變算法。像傳統(tǒng)的回歸、因子分析、主成分分析，甚至包括現(xiàn)在我們的深度學習技術、比如最近的火的 ChatGPT，所有輸入給計算機學習的數(shù)據(jù)都是需要經過標準化的。

那么標準化的過程會不會帶來所說的“偏向”呢？這就是看到底是算法的偏，還是人為的、有意或者無意的偏，這二者是截然不同的。如果探討人的原因，人有意篡改數(shù)據(jù)，希望模型怎么樣，那又是另一個問題，這事情就變得復雜了。所以我們只能談算法，這種算法會不會比另一種算法更有欺騙性？我們在模型訓練的時候，一般都有 training data 和 testing data 以及 validation，經歷不同的數(shù)據(jù)的分區(qū)和不同的標準化以后，算法是要經過不斷驗證的，以保證最后能夠實現(xiàn)對新數(shù)據(jù)的應用，這是算法的問題，而不是人類在這里考慮的因素。

Q6：《數(shù)據(jù)如何誤導了我們》一書中認為，“闡釋數(shù)據(jù)背后意義的權利”為國家所掌控，您認為這和實際情況相符嗎？當前數(shù)據(jù)新聞是否承擔起了“展現(xiàn)真實情況”的責任？

沈浩：除了上帝，都應該用數(shù)據(jù)說話，數(shù)據(jù)是最有事實的東西，用數(shù)據(jù)說話就是用事實說話。

在大量的數(shù)據(jù)中挖掘出的隱藏在數(shù)據(jù)中的模式、趨勢和相關性，幾乎不可能造假。在這種情況下，我們需要去思考數(shù)據(jù)的價值是什么，數(shù)據(jù)能否揭示商業(yè)和社會發(fā)展規(guī)律的問題。

到了大數(shù)據(jù)時代，數(shù)據(jù)已經不僅僅是我們的一門學科，而且成為國家掌控的重要的信息來源。我們經常談信息戰(zhàn)、輿論戰(zhàn)，實際上信息戰(zhàn)就是數(shù)據(jù)戰(zhàn)。

新聞是新近報道的事實。數(shù)據(jù)新聞從數(shù)據(jù)中挖掘，它一定是事實。事實是否是真相，是否符合社會倫理，這里面涉及到價值的問題。我們說數(shù)據(jù)呈現(xiàn)了真相，但是受眾如何理解，這需要我們去了解和判斷。當然結論一定是數(shù)據(jù)新聞通過數(shù)據(jù)展現(xiàn)真實，這是不可或缺的要件。否則你做出來的數(shù)據(jù)新聞可能就是假的，會誤導別人。

然而，這些概念、我們討論的語境都是普世價值范圍內的。如果我們要打的是輿論戰(zhàn)、認知戰(zhàn)，那我們也知道，“造假”也是一種新聞。這種 disinformation、misinformation，像 BBC、紐約時報，他們那些東西盡管呈現(xiàn)了所謂的客觀真實，但是他的用意可能對我們來講就是敵意。

我們還是需要有數(shù)據(jù)支撐的，至少比沒有數(shù)據(jù)更好。但是用數(shù)據(jù)說謊、統(tǒng)計的謊言——數(shù)據(jù)所帶來的偏，這些其實一直伴隨著數(shù)據(jù)和統(tǒng)計的發(fā)展。我們可以看一看 ChatGPT。ChatGPT 是一個由全人類的數(shù)據(jù)生成的一個知識信息機器人。但是我們同樣會思考，ChatGPT 后邊有沒有價值觀的問題？文心一言是不是也有這樣的問題呢？這些東西其實都是不可或缺的話題，也是需要我們去深入研究的。

Q7：您認為數(shù)據(jù)新聞為傳統(tǒng)新聞注入了怎樣的新鮮血液？

沈浩：未來的新聞是數(shù)據(jù)分析。今天的數(shù)據(jù)新聞是讓新聞更具有科技感，圖像、語言文字、聲音都可以進行智能處理，所以有“有圖像無真相”的事情。現(xiàn)在做新聞的人，都變成了事實審核師。對開源的情報信息可視化技術、對事實進行追查和核實，都將帶來數(shù)據(jù)新聞一種新的功能體現(xiàn)——新聞真實。尤其針對 disinformation（虛假信息），針對輿論戰(zhàn)和信息戰(zhàn)，對故意傳播的新聞進行審核，這是數(shù)據(jù)新聞的能力和方向，這是第一點。

第二點，數(shù)據(jù)新聞在智能媒體出現(xiàn)后，可能會借助智能媒體快速生成新聞的新的表達形式，生產出既具有數(shù)據(jù)新聞的特色，同時又有更好的表達形式和傳播能力的新聞產品，來測繪社會，使受眾感知。

第三點，現(xiàn)在的武器在媒介化，媒介在武器化，對于國際上的傳播，我們如何通過數(shù)據(jù)對敵，加強我們用數(shù)據(jù)說話外宣的能力，這是很重要的內容。

我作為一位 30 多年教齡的老教師，沒辦法跟上年輕人的節(jié)奏，這些東西都是年輕人的事業(yè)。我從數(shù)學到新聞又離開新聞，每天在寫代碼還有學新的東西。學生的創(chuàng)意完全超過老師，對于全新的東西，學生和老師都在共同成長。 

采寫 / 文知知 黃燦 宋京豫 董雨荷

編輯 / 徐心遠 賈司瑒

統(tǒng)籌 / 詹新惠 汪惠怡 湃客·有數(shù)