测试页面

大数据、大融合:新媒体传播的机遇与挑战(一)

来源:安徽广播网编辑: 查看数0评论0

大数据、大融合:新媒体传播的机遇与挑战
——2014 国际新媒体高峰论坛综述

■ 阎 峰 李本乾


    本次论坛中,中西学者所关注的传播议题有很大不同。总体而言,西方学者关注焦点在这样几个议题:无处不在的传播(Ubiquitous Communication),即传播在今天社会生活的普遍泛在;大众传播和人际传播之间界限的融合;传播的算法化(计算化)带来的大数据时代的迷思和对此的反思;传播技术的演进和传播的意义的建立等。

    德国曼海姆大学的Peter Vorderer,对当今传播进行了更为哲学化的思辨性分析。他关注的是传播的泛在性(UbiquitousCommunication),因为新媒体特别是网络媒体使得人们永远在线、永远互联(Permanently online, Permanently connected),这种状况影响了大众传播,也影响了人际传播。因为或许此刻人还在这里,但是思维却通过手机等移动终端与其他地方的人进行连接。这种无处不在的传播,也带来更复杂的人类情境:人们会因此产生网络焦虑(anxiety);网络的“出”和“入”有时也会存在冲突(contradiction)。

    新加坡南洋理工大学黄金辉和Joseph BartWalther 也从理论和实证角度分析了大众传播与人际传播融合现象。他们设计了一个巧妙的实验“兰辛地区最棒的汉堡”,让不同的被试在不同的房间,独立评价兰辛地区最棒的汉堡这个问题。但在试验中,被试可以通过PC 网络沟通,交换彼此的姓名和对以上问题的看法和排名。结果发现,被测试的对象会通过Google 搜索相关信息来验证自己的判断;同时,人际关系,比如“同盟”关系,以及对他人外表和社交能力的印象,都影响了对如上问题的态度和评价。这样,大众传播和人际传播的边界开始模糊并融合,这就形成了新互动媒介的一些特点。

    比利时布鲁塞尔自由大学FrancoisHeinderyckx 则从批判角度,分析了大数据时代的社会影响。他认为,人们对于两样东西是很盲目的,一是数字,包括数据和量化研究;二是技术,搜索引擎的算法/ 优化,用数字增加可信度,使得我们过于依赖表格、图表等,也太相信搜索引擎,如Google、 Yahoo、Bing、Baidu 等。数百万页的结果只需要零点几秒就可以呈现,但我们是否思考过,这些结果是如何计算出来的?是通过什么标准展现了当前这些页面而不是另一些页面呢?在大数据时代,我们用GDP 数字代替了发展的速度,用警察局的数据来看“安全”,用排名来代替学校好坏。这是否会使我们陷入一种数据的“迷思”?

    美国宾夕法尼亚州立大学Mary Beth Oliver的话题,则继承了传播社会学的经典之作《消逝的童年》的主题,分析了新媒体技术时代“有意义”的娱乐形态。她指出,如果问技术的发展是帮助还是伤害了我们的生活,我想两个的答案都是yes。什么是有意义的娱乐?她提出了5 个基本指标:卓尔不凡,让人超越自我;强调相连性,能与人分享;能聚焦美德;能激发丰富的情绪反应;能激励其成为“良好”。简言之,就是应该由快乐驱动的、让人享受的、浪漫的,比如童年的回忆。今天,社交媒体有可能成为有意义的娱乐媒介,它要能创造鼓舞人心的媒体流行(popularityof Inspiring Media),鼓舞人心的媒体参与(Participating of Inspiring Media)。

    英国桑德兰大学Guy Starkey 和美国佛罗里达州立大学Arthur Austin Raney,则分别对新媒体时代传统媒体的演进和变化做了分析。GuyStarkey 认为,新技术不断改变当今的媒介政治、经济环境,公民新闻学、多媒体新闻网站获得普遍发展,但传统媒体仍有巨大的影响力。90% 的15 岁以上的英国成人每周听广播,36.6% 的人通过数字平台等收听广播。他断言,互联网是否会让电视死亡,我们还不知道答案。但是电视是否会让广播死亡,答案一定是不会。Arthur AustinRaney 提出了“第二屏幕理论”,来分析当今人们观看电视方式的改变:40% 的人会在看电视的时候使用第二屏幕(如智能手机)评论,20% 的人会讨论电视上正在看到的内容,或者查看他人对于该电视节目的感受。今天的电视已经是个高度社会化的电视,技术允许远距离的电视观众同步进行社会化互动。我们的媒介环境从一对多(传统的大众传播)到多对多(群体传播)和一对一(人际传播),即大众传播和人际传播融合在了一起。

  • 国内
  • 国际
  • 财经
  • 文娱
  • 体育
  • 社会
  • 合肥
  • 芜湖
  • 阜阳
  • 安庆
  • 六安
  • 宣城
  • 亳州
  • 黄山
  • 蚌埠
  • 淮南
  • 马鞍山
  • 淮北
  • 宿州
  • 池州
  • 铜陵
  • 滁州