楊光植

摘要：大數據時代下，廣播電視新聞采編工作者應當具備較高的新聞敏銳性與較強的大數據技術應用水平，在新聞思維與新興技術的支持下及時捕捉民生民情、政務服務、生態(tài)環(huán)境、城市建設等方方面面的輿情信息，并將其采編、制作為高價值新聞，擴大廣播電視新聞的宣傳面與影響力，培養(yǎng)忠實的受眾群體。本研究著眼于大數據技術在廣播電視新聞采編工作中的融合創(chuàng)新，提出了一系列應用舉措，可以更好地適配社會民眾的個性化新聞需求。

關鍵詞：大數據技術；廣播電視新聞；創(chuàng)新路徑

數據獲取方式的優(yōu)化與發(fā)展使得數據生產、采集、獲取的速度日益加快，海量、多元、動態(tài)、異構的數據孕育并加快了大數據時代的到來。對于廣播電視新聞而言，一方面大數據的出現(xiàn)以及現(xiàn)代信息技術的發(fā)展極大地改變了人們的閱讀習慣與知識獲取方式，傳統(tǒng)的廣播電視采編模式未能快速升級、適配現(xiàn)代民眾對于精神文化的高要求，給廣播電視新聞采編工作帶來了極大的挑戰(zhàn)與威脅；另一方面大數據技術所包含的云存儲技術、云計算技術、深度學習算法、人工智能技術等為廣播電視新聞的采編工作升級與效率提升提供了堅實的技術支持，為廣播電視新聞的可持續(xù)發(fā)展，提升其對個性化精神文化需求的契合度奠定了良好的方法支撐，是廣播電視新聞發(fā)展的重要機遇。

一、大數據技術與廣播電視新聞采編融合的必要性

（一）提高新聞推送的準確性

物質生活水平不斷提高的同時，社會民眾對精神文化的需求也不斷高漲。面對海量的新聞信息，個性化推薦與推送成為了大數據時代媒體營銷的重要研究內容。個性化新聞是指通過算法把關、個性化推薦、協(xié)同過濾等方式推送給用戶的新聞內容。其通過“個性化推薦”，結合大數據對用戶閱讀習慣的捕捉，結合個人的興趣、偏好、社會屬性及行為特征等，對用戶閱讀興趣進行預測和推斷，為其推送更符合需求的新聞內容[1]。簡而言之，個性化新聞就是基于“用戶洞察”的個性化信息智能匹配，根據個性化需求聚合相關的信息和應用，以滿足用戶需求的個性化內容[2]。因此，個性化需求打破了用戶主動尋找信息的情況，轉變?yōu)槔谩巴扑]”的形式為內容找到與其相匹配的用戶，以較高的新聞推送準確性滿足了新聞受眾的個性化新聞需求[3]。

（二）提高新聞信息的真實性

真實性是新聞的核心要求，也是新聞可信度最本質的特征[4]。廣播電視新聞在真實性考證方面多采用現(xiàn)場調研與實地考察的方式，這在一定程度上延誤了廣播電視新聞采編、制作與報道的時間，影響了廣播電視新聞的時效性[5]。大數據技術的出現(xiàn)為新聞真實性考證提供了技術支持，借助互聯(lián)網平臺以及數據過濾分析技術，對有關該新聞事件的各類輿情信息進行匯總，輔助廣播電視新聞采編工作者分析與研判新聞的真實性[6]。因此，大數據技術與廣播電視新聞采編的融合可以有效剔除不真實的輿情信息，將真實、客觀、可靠的輿情信息加以整合，使得新聞的準確性更高，新聞采編的時效性更高。

（三）提升新聞采編的創(chuàng)新性

廣播電視新聞中應用大數據技術，可以提高新聞采編的可預見性與預測準確性，進而提升新聞采編工作的創(chuàng)新性。一方面，大數據技術從海量數據中過濾、整合、分析、挖掘、提取出新聞事件的特征與規(guī)律，從而輔助判別新聞事件的發(fā)展態(tài)勢，預測新聞事件的發(fā)展方向，并及時給出前瞻性應對方案，這在醫(yī)療衛(wèi)生、交通出行、財經投資等對預見準確性要求較高的熱點領域成效突出[7]；另一方面，大數據技術中的關聯(lián)分析技術可以對廣播電視新聞事件內容的語義特征構建特征向量，分析不同事件的語義關聯(lián)性，從而引入類似事件的發(fā)展軌跡，準確預測該新聞事件的發(fā)展態(tài)勢，做出應對的決策，提高新聞采編的創(chuàng)新性與針對性。

二、廣播電視新聞采編工作中存在問題分析

（一）采編模式單一

當前廣播電視新聞采編模式存在單一化問題，新聞采編方式陳舊，創(chuàng)新性與靈活性不足，新聞采編流程為采訪部撰稿、主持部配音與口播、新聞采訪與拍攝、攝制部合成采訪與配音并輸出成品、新聞審核與包裝、新聞報道與推送等。受到傳統(tǒng)廣播電視新聞采編思維與工作思路的束縛，新聞的采訪方式、制作方式與報道方式仍舊沿用傳統(tǒng)方法，如采訪方式多為現(xiàn)場采訪或電話連線，制作方式多采用廣播電視臺內部的制作平臺或軟件，報道方式也多經由電視臺或電視臺的官方社交網絡賬號，對技術的創(chuàng)新性研究與應用不足[8]。此外，由于新聞采編模式未能高度融合大數據技術，使新聞采編內容單薄，表達形式單一，難以給予用戶視覺與聽覺刺激，吸引力不高。

（二）采編與制作分離

廣播電視新聞的采編與制作工作受到單位內部組織機構體系所限，其采編工作與制作工作通常是獨立且分離的狀態(tài)，以保證不同工作之間不受干擾、按流程開展。但是，廣播電視新聞的創(chuàng)作工作無法獨立切割為一個個環(huán)節(jié)，采編與制作工作之間存在著一定的關聯(lián)性與重疊性，將兩個環(huán)節(jié)從管理體系、工作內容上強行切割，會影響新聞創(chuàng)作的時效性與新聞產出質量。例如，在新聞創(chuàng)作過程中，若采編部與制作部之間存在意見相左的情況，新聞的編輯工作將出現(xiàn)擱置，新聞的時效性將受限于兩個部門協(xié)商的效率，不利于激發(fā)廣播電視臺各部門的工作與創(chuàng)新積極性，不利于廣播電視新聞的有效創(chuàng)作與及時報道推送。

（三）采編視角狹隘

在廣播電視新聞的采編過程中，新聞采編視角的客觀性與全面性是影響甚至決定新聞播出反響以及受眾忠實度的重要因素。但是在實際新聞采編過程中，采編人員或個人觀念狹隘，或看待事物不夠全面，導致新聞事件以及新聞中所呈現(xiàn)的態(tài)度與觀念偏離實際真相或者主流價值觀，這在一定程度上會影響用戶的閱讀體驗，難以與其產生情感共鳴。同時，對新聞事件存在偏差的解讀與觀念將會降低用戶對廣播電視臺的信任度與忠實度，用戶對新聞乃至背后創(chuàng)作平臺的質疑對廣播電視臺而言將是發(fā)展的致命性打擊。

三、大數據技術與廣播電視新聞采編工作的融合應用

（一）建立與完善集中化數據分析體系

大數據時代，各類新興技術帶給傳統(tǒng)廣播電視新聞采編工作重重沖擊與挑戰(zhàn)。在海量信息的堆疊下，如何篩選出有價值的新聞信息，是廣播電視新聞采編工作的重點。完善的數據分析體系是實現(xiàn)海量無序輿情信息分類、整合、統(tǒng)計、挖掘的重要保障。廣播電視新聞采編工作應積極引入大數據技術，建立與完善集中化數據分析體系，打破傳統(tǒng)現(xiàn)場調研與素材收集對時間與空間利用的局限性，借助互聯(lián)網與社交網絡平臺實現(xiàn)輿情信息的實時獲取、動態(tài)更新，為海量輿情信息的集中與匯合提供存儲平臺[9]。同時，數據分析體系的建立有助于幫助廣播電視新聞采編工作者將多平臺、多渠道收集到的輿情信息進行梳理、整編、挖掘分析，快速攫取最具社會價值與思想深度的新聞作為報道內容。此外，集中化的數據分析體系是個性化新聞創(chuàng)作與推送的前提，依托受眾的用戶畫像技術以及新聞個性化推薦系統(tǒng)，將集中化的數據分主題、分時間、分興趣，提高用戶對個性化新聞的接受度。

（二）利用大數據技術深入挖掘新聞事件信息

大數據時代，數據具有海量、多元、異構、動態(tài)、價值密度低等特征，需要從海量數據中提煉與挖掘出潛在的高價值信息與規(guī)律，為廣播電視新聞采編工作增添創(chuàng)新性服務色彩。例如，廣播電視新聞采編工作者可以根據受眾對某類新聞的閱讀時間，挖掘受眾對不同新聞主題的關注度，分析用戶與新聞主題之間的相關性，結合集群環(huán)境與大數據分析技術提煉出受眾的新聞偏好。此外，對數據進行二次開發(fā)，挖掘深層次的新聞內涵與數據聯(lián)系，基于數據新聞中所包含的大量數據信息，進行分析預測，在向受眾傳遞信息時，同期產生“增值”的服務效果，如用戶通過新聞中所呈現(xiàn)的數據、信息，產生一定的對諸如投資、創(chuàng)業(yè)生成引導性和指向性的結論，并由此獲得經濟收益。利用大數據技術深入挖掘新聞事件信息，不僅可以提高新聞采編工作者的信息整合與大數據挖掘分析能力，更可以為新聞采編工作增值。

（三）基于大數據實現(xiàn)新聞采編多樣化轉變

廣播電視新聞中，單一的模式化數據圖表會帶來審美疲勞，弱化數據新聞原本的優(yōu)勢特征。大數據時代下，融合各類高級信息圖（如詞云、氣泡圖、矩形樹形圖、熱力圖、地圖等）及組件（如時間、音頻、視頻、文件、網頁、動態(tài)文本等），推動廣播電視新聞的表達形式朝著多元化的方向發(fā)展，更多的數據可視化手段帶給用戶更加有趣、更有參與感的數據新聞閱讀體驗。盡管可交互式和視頻化的形式受到歡迎，但豐富而詳盡的信息內容只有文字和靜態(tài)圖表才能更全面地進行闡述，使用戶能全面整體了解新聞信息。傳統(tǒng)意義上的數據新聞多以靜態(tài)圖片為主，可視化效果的手段較為單一。大數據時代下，廣播電視新聞通過數據圖表和動態(tài)圖示，憑借其可視性、交互性等特點，將枯燥的數據變得動態(tài)且有趣，使用戶更加直觀地理解新聞。在大數據時代，人們通過內容和形式交互的數據新聞可以深入理解數據背后隱藏的信息，也促進了用戶之間的探討和交流，使得可視化數據在反饋中得到進一步的升華。廣播電視臺可以將新聞結合方便高效的視覺化技術，配上直觀的音視頻基礎，制作出視頻化數據新聞，降低用戶的閱讀壓力，以動態(tài)的形式傳達更多的信息，吸引用戶觀看。

（四）結合大數據技術創(chuàng)新廣播電視新聞選題

廣播電視新聞選題一般包括七個部分：時政、社會、民生、環(huán)境、教育、軍事和科技。在應用集中化數據分析體系及相關軟件的基礎上，廣播電視新聞采編工作者需將收集到的海量輿情信息對應映射到相應的新聞選題分類中，或者根據輿情信息中的關鍵詞進行自然語言處理與語義分析，創(chuàng)新新聞選題，從中提煉出新的熱點話題。這種結合大數據技術創(chuàng)新廣播電視新聞選題的舉措一方面可以極大地促進新聞報道的傳播力提升；另一方面在對新聞信息進行綜合研判的基礎上，利用敏銳的洞察力與前瞻的態(tài)勢預測能力對新聞中的論點加以解剖，從中提煉出主流價值觀、策劃正向選題、聚焦新聞主題，并通過源源不斷的優(yōu)質內容持續(xù)性推進新聞議題發(fā)酵，在尊重事實的基礎上引領社會輿論、把握輿情話語權、轉移公眾視線、化解社會矛盾與輿論壓力。

四、大數據技術與廣播電視新聞采編融合注意事項

（一）保證新聞內容的真實性

將大數據技術與廣播電視新聞采編融合應用的過程中，應注重保證新聞內容的真實性，從根本上保證新聞的準確性與時效性。大數據時代，海量的數據紛繁復雜、真假難辨，廣播電視新聞采編工作者應當充分利用集中化數據分析體系，對海量信息的真實性進行考證與研判，確保新聞素材的真實性與客觀性。廣播電視新聞采編過程中，需要切忌采用狹隘的觀點或片面的數據信息對新聞事件進行猜測與播報，這種歪曲背離真實事件或現(xiàn)象的新聞制作行為嚴重損害了新聞的真實性，不利于受眾基于真實新聞事件發(fā)表客觀評論。

（二）保證新聞內容的新穎性

大數據時代下，人們的閱讀習慣較之以往發(fā)生了較大的變化，“短平快”的閱讀行為特征以及碎片化的閱讀時間對個性化新聞推薦提出了更高的要求。廣播電視新聞采編工作應注意新聞的新穎性與新鮮感，著力挖掘用戶不斷變化的個性化需求，為其匹配更適合其當前閱讀的新聞，讓新聞采編成為一項貼心的個性化服務工作，讓新聞報道成為滿足人們個性化精神文化需求的一項享受型服務。

（三）保證新聞信息的引導性

在信息碎片化與快餐化時代，人們更樂于閱讀“短、平、快”的信息，其視線與關注度很大程度上會受到話題的影響，在一目十行的閱讀習慣下，奪人眼球的標題可以擁有更多的關注與流量，引發(fā)人們的廣泛討論，從而推動輿論發(fā)酵、聚合、擴散、傳播。因此，新聞標題的設置在很大程度上決定了社會公眾的關注目標與關注程度，廣播電視新聞采編工作者應充分認知標題的引導性作用。在策劃新聞標題時，應考慮到新聞傳播者與新聞標題關注者的平民視角，避免程式化、居高臨下式的表達，可結合用戶的興趣點優(yōu)化標題表達方式，讓標題接地氣、接民氣。

五、結語

近年來，隨著互聯(lián)網、物聯(lián)網和云計算等傳播技術的發(fā)展，大數據被越來越廣泛地提及，成為當今時代的熱詞。隨著大數據所引發(fā)的信息傳播方式的變革，數據統(tǒng)計、信息生產和目標精確等已經悄然改變了傳統(tǒng)新聞傳播理念和新聞生產方式，基于對新聞素材進行數據的統(tǒng)計、分析與挖掘，經過濾后再以形象化、可視化方式呈現(xiàn)，大數據時代下的廣播電視新聞新型采編模式便產生了。廣播電視新聞采編工作者不僅要從戰(zhàn)略性新聞采編與制作角度挖掘互聯(lián)網中的大數據資源，還應關注受眾的個性化新聞需求，從而提升新聞信息的接受度。

參考文獻：

[1] 趙超.大數據技術與電視新聞采編深度融合發(fā)展分析[J].新聞研究導刊，2020，11（9）：178-179.

[2] 蘭京.大數據技術與電視新聞采編的融合發(fā)展[J].衛(wèi)星電視與寬帶多媒體，2020（6）：168-169.

[3] 蓋如峰.關于大數據技術與廣播電視新聞采編的融合研究[J].傳播力研究，2020，4（3）：83+85.

[4] 熊瑞琴.大數據技術與電視新聞采編的融合發(fā)展問題分析[J].記者觀察，2020（3）：101.

[5] 孫東昊.淺析大數據技術與電視新聞采編的融合發(fā)展[J].新聞文化建設，2020（1）：51-53.

[6] 馬宰華.分析電視新聞采編中大數據技術的應用[J].傳播力研究，2019，3（17）：116.

[7] 陳玉紅.淺談大數據技術與電視新聞采編的融合發(fā)展[J].傳播力研究，2019，3（2）：92.

[8] 黃琴華.大數據技術與廣播電視新聞采編的融合體會[J].新聞研究導刊，2018，9（21）：144.

[9] 郎大鵬.淺談大數據技術與電視新聞采編的融合發(fā)展[J].視聽，2018（2）：115-116.