赵曙光,南京大学新闻传播学院教授。
吴璇,南京大学紫金传媒研究院研究员。
本文系江苏省社会科学基金基地专项课题“传统媒体融合传播效果大数据评估研究”的阶段性成果。
近年来,“大数据”成为学术界广泛关注的热点。2018年,“中国知网”收录的中文论文中,题目包含“大数据”的论文数量相较于前一年增长了20%。然而,究竟什么是“大数据方法”、如何理解所谓“大数据方法”,又或者究竟存不存在所谓“大数据方法”?鉴于大数据一词在学术研究中日益增长的影响力,厘清这些问题的必要性日益凸显。只有明确“大数据方法”的本质和“大数据方法”在传播学领域所指代的含义,了解国内外对“大数据方法”在内涵和使用上的异同,才能避免因概念内涵和外延模糊所造成的误用。本研究围绕“大数据方法”梳理国内外传播学领域的相关文献,编码分析“大数据方法”在国内学术研究的诸多含义,并通过与国外学术研究的比较,对是否存在“大数据方法”进行了探讨。
一
文献综述
虽然学界对大数据这一说法的最早起源时间说法不一,但绝大多数学者接受和认可“大数据”是在2011年左右开始获得大范围关注这一观点。国外学术界对“大数据”展开了广泛的讨论,著名的信息科技研究和分析公司高德纳用规模性、高速性和多样性定义大数据。总体上看,高德纳将大数据定义为一种大规模高速产生的多样化的信息集合,且需要有效的和创新性的形式进行处理,以获得更强的洞察力、决策力和过程的自动化。
在此基础之上,又有学者和机构不断进行补充,加入了更多的维度,例如价值性和精确性。还有其他的一些定义也被广为接受,例如马尼卡等人认为,大数据是一种难以被普通的数据处理软件捕获、储存、管理和分析的大规模数据集;而博伊德和克劳福德则将大数据定义为一种文化、科技和学术现象。针对这些定义,也有研究进行了不同的分类。德毛罗等人认为大数据通常从四个不同的角度被定义,分别是信息、科技、方法和影响。
当前日新月异的计算机技术使得对大体量数据的处理和分析变为可能,对大数据的应用已经突破某一特定领域,渗透到了人们日常生活的方方面面。大数据日益增长的重要性也催生了对其广泛的研究和讨论。
在国内传播学研究领域,“大数据方法”一词在不少文献中出现,有研究指出当下我们应该具备大数据思维:大数据思维只关注相关性而非因果关系,是一种“思维的革命”;此外,大数据使得样本转变成了“总体”和“全部”,从而避免了传统随机采样方法中的不精确,;大数据时代的来临使得科学研究的关注点从“鸡零狗碎”式的小问题上升到对整个学科发展的宏观趋势,而且“更好的数据算法和有效的数据处理法则”的重要性将会超过理论。
二
研究问题
本研究将全面梳理和揭示“大数据方法”在国内传播学界的使用现状,并对大数据方法在国内外研究的应用进行对比,同时就“大数据方法”这一概念的合理性进行探讨,促进对大数据方法的科学理解,减少此概念的误用和随之带来的理论及实际操作中的分歧。
因此,本文主要探讨以下三个研究问题:“大数据方法”这一概念的内涵和外延是什么?“大数据方法”作为一种研究方法是否成立?“大数据方法”是否具有研究方法层面的创新?
三
研究方法
本文采用扎根理论作为主要的研究方法。本文基于中国知网收录的北京大学核心期刊、CSSCI及中国社科院中国人文社会科学核心期刊的新闻传播类论文,以“大数据方法”和“大数据的方法”为关键词,选取了所有时间段内全文包含任意一关键词的文章。研究将筛选后剩余的79篇论文结合上下文对相关内容进行开放式编码,在明确“大数据方法”一词在这些文献中的含义后对其进行分类。为确保分析结论的效度,共有两名编码员参与数据分析。编码员首先进行了预编码,随机抽取30%,共24篇论文,由两名编码员各自独立编码,并将编码结果进行比对,显示共识度为64%。基于两份数据分析结果,编码员就有分歧的编码进行解释、讨论、协商,最终达成了统一的意见。形成统一意见后,两个编码员分别对剩余论文进行了编码,在此期间编码员采取了持续比较的方法。最终结果显示Kappa系数为0.81,共识度为89.69%,支持了数据结论的信度。
为了解国外传播学文献对“大数据方法”的研究,本文选取“big data method”“big data methodology”“big data approach”及“method of big data”为关键词,使用高级检索功能在不限制文献发表时间段、不限制语言、不限制文献类别、不限制关键词在文献中出现区域的前提下在Web of Science数据库中进行了检索,然而结果显示在传播学类别下包含这些关键词的文献数量只有两篇;将搜索范围从传播学扩大到整个社会科学领域后,包含这些关键词的文献数量仅有三篇。此种情况意味着很难对中外相关文献进行对比分析,更合理的假设是国外研究中可能并不存在“大数据方法”这一概念。
为了进一步验证“大数据方法”是否存在于国外学界对大数据的主流研究之中,本研究进一步扩大了文献检索范围,将关键词仅限定为“big data”,并将检索范围扩展至全部Web of Science数据库之后筛选出所有有关大数据的高影响力文献并对其主要议题进行分析归纳。检索结果显示在2009年之前,大数据研究论文数量非常有限,但在此之后呈现出明显的持续性增长,因此,本文将检索时间范围确定在了2009年至2018年,共计21347篇。为了了解这些大数据论文的主题,本文运用数据分析软件Matlab抓取了论文的关键词并分析了它们的出现频率,考虑到关键词的代表性,本文选取出现率排名最高的前20个词语并筛选出关键词中包含其中一个或者多个的论文,并对论文进行了深入的全文分析。中英文数据收集及分析总流程图参见图3。
四
传播学研究领域对“大数据方法”的五种理解
根据对所选取国内传播学领域论文的内容分析,“大数据方法”一词呈现出五种不同的理解,其概念的内涵和外延较为模糊,并未形成统一的界定和共识。大数据方法在不同的研究中分别指代:大数据、大数据技术、定量研究方法、全新的研究范式和数据挖掘及分析。
将“大数据方法”等同于大数据
《浅谈大数据在图书出版中的应用》认为“大数据作为一种方法论已经在选题策划的诸多环节得到应用,信息采集、选题设计成型和组稿等环节都因为大数据方法的应用而出现了许多创新”。《国内新闻传播学大数据研究综述》也谈到“在传播学研究中,大数据还是一种研究方法。将大数据方法运用于社会舆情分析,用大数据价值挖掘与分析技术,分析当下中国社会舆情的结构性特征”。显然,这两篇文章已明确表示“大数据”等同于“大数据方法”。
然而,值得注意的是,上述研究在后续的讨论中又赋予了“大数据方法”另外一种含义。《浅谈大数据在图书出版中的应用》在将大数据定义为一种方法后,紧接着谈到大数据方法在实际工作中的具体运用,如“在信息采集方面,基于选题方向发挥大数据挖掘等技术优势,全面、快速、准确地采集选题关键信息……在选题设计成型方面,舆情分析中数据挖掘的技术手段,可以对选题的社会影响等做适当的预估;语义网络图的技术手段,可以对选题与同类选题做优劣势比较”。无论是因为措辞的不准确还是因为对概念的模糊理解,尽管这类文章在文字上明确的将“大数据方法”与“大数据”划等号,但总体上全文还是呈现出指代多样的情况。
将“大数据方法”理解为一种具体的技术手段
《处变守常:美联社的坚守——评杰里·施瓦茨的〈美联社新闻报道手册〉》认为“如今不少媒体开始用大数据方法处理海量信息,让有价值的新闻资讯通过非人工的技术手段予以呈现,甚至用机器人替代职业记者进行新闻写作”。在这里,“大数据方法”主要体现在各种处理信息,呈现资讯甚至是进行新闻写作的技术,可以说作者想要表达的“大数据方法”更侧重于技术手段。同样的,在《两会报道大数据运用的趋势与类型》一文中,谈到大数据技术也被广泛地运用到了新华社的两会报道中,并举例说某一篇报道方式主要就是“针对大数据方法从社交媒体中提取的关键词,军队人大代表、政协委员就中国军费增长进行解读”。
将“大数据方法”定义为定量研究方法的一种
《大数据在政府公众形象建设中的应用》将大数据方法与文献分析法、归纳总结法、演绎分析法和个案分析法等定性研究方法相类比,认为大数据方法的出现能够改变定性研究方法主导政府公众形象研究的现状,“增加定量研究方法的比重”且能使得该类研究“更具可靠性和可信度,有助于提高研究成果的科学性”。《大数据背景下舆论调查方法反思》明确地将大数据方法与传统定量调查方法并列,并详细地比较了二者在数据搜集方面的异同,从侧面表明了作者认同“大数据方法”属于定量研究方法这一观点。
将“大数据方法”提升到抽象化的范式层次
这一类研究认为“大数据方法”就是一种全新的、开创性的、值得推崇的研究范式。《2014年中国新媒体传播研究综述》认为“大数据方法”可被称为“继实验科学、理论科学和计算科学之后的第四种科学研究模式”,并且它作为一个“从复杂现象中透视本质”的有用工具,不仅适用于科学研究,也将广泛应用到各行各业。
在此类研究中,“大数据方法”既不指代数据本身,也不指代大数据相关的技术,更不是某一种类别的研究调查方法,而是偏向定义为一个笼统的、高度抽象化的概念,即“研究范式”。在这个定义下,“大数据方法”不涉及具体层面上的数据挖掘和分析活动及其相关的技术手段,而是作为一个与大数据相关的各种研究行为的集合存在。
将“大数据方法”指代数据挖掘、搜集或分析的行为
与前面几类研究不同,这类研究更多的是将“大数据方法”界定为对处理大数据各种行为的一个概括。例如,《媒介与媒介化的互动机制》谈到“利用大数据方法分析这些信息,建立用户需求数据库……提供个性化的信息内容和精细化的服务”。“大数据方法”指代的就是一种数据分析方法。而在一些研究中,“大数据方法”更偏向于一种数据挖掘的方法。相对于其他几类研究,此类研究在选取的所有论文中占比相对较高,着重强调了“大数据方法”作为一种特定行为的本质。
五
“大数据方法”:一个贴标签式的学术概念
通过分析国际大数据的研究成果,发现出现率最高的20个关键词集中在以下研究议题:算法层面的分析方式;大数据分布式系统基础架构;对大数据分析的泛指;除上述三种以外的其他零散研究:如数据科学、社交媒体、推特、物联网和隐私。无论所属哪一学科,这些研究的关键词或具体或抽象,但可以明确的是它们都指代明确、表述清晰,将大数据作为研究对象,而不是将大数据界定为研究方法,或者说并不存在一个模糊的“大数据方法”的概念。虽然“大数据方法”一词在国内学界热度不减,但其核心的定义与要素在国内传播学研究中还没有得到明确的界定,传播学研究对“大数据方法”复杂多样的解读也印证了这一观点。
值得关注的是,通过对关键词和高引用率论文的梳理,虽然国际学术界关于大数据的研究并未明确提及“大数据方法”的概念,但是围绕“针对大数据的分析方法”及其相关技术的讨论较为深入。Web of Science中全文包含“big data”且引用率在200以上的论文共计50篇。对这些高引用率论文进行逐一梳理,发现这些研究更多的是涉及到分析大数据的概念与方式,其中包括极限学习机、深度学习、最邻近算法、块坐标下降法、张量分解、网络理论,以及卷积网络。
“极限学习机”由黄广斌教授等人于2006年提出。其计算速度远远大于其它的前馈神经元网络,在解决回归和分类问题上具有优势。诚然,“极限学习机”也存在一些有待完善的地方,比如隐藏层节点数的选取以及对数据噪声的承受能力。
“深度学习”由辛顿等人于2006年提出。“深度学习”方法在语音识别和图形识别领域具有广泛的应用,在一些应用场景下,其隐藏层数目可以达到152层。“深度学习”的一个缺陷就是神经元网络的训练时间比较久,但是当神经元网络训练好之后,“深度学习”的测试时间比较短。
“最邻近算法”由希布逊于1973年提出,其基本思想是利用空间距离的远近来对数据进行分类,同一类别的数据可以用这个类别具有代表性的数据来表示。它的最大优点在于算法的简单性,不足之处在于其对计算机内存的要求较高,因为要同时计算各个点之间的距离。
“块坐标下降法”由伯恩哈特等人于1995年提出的一种优化算法,在处理线性模型上有优势,包括线性支持向量机、LASSO回归和逻辑回归。不过,“块坐标下降法”在使用中需要注意避免迭代收敛到局部极小值。
“张量分解”由道尔于1941年提出,是矩阵分解的一种高维延伸,其基本思路为将一个高维空间的张量表示为多个正交向量的线性变换组合。
“卷积网络”又名卷积神经网络,由勒丘恩等人于1990年提出,卷积网络通过卷积运算对输入数据进行加工,再输送到全连通网络结构中进行运算。由于“卷积网络”是“深度学习”的一种方法,其优缺点同上文所述“深度学习”基本一致。
对高引用率的国际大数据研究进行分析,可以发现大数据研究常用的上述方法并非近几年来所诞生的新方法。因此,如果把这些作为一种全新的研究方法,并定义成“大数据方法”是难以成立的。一方面,国际大数据学术研究成果中不存在“大数据方法”这一概念,并且学术文献中所提到的用以分析大数据的各种方法也早已存在,并无方法论层面的重要创新;而另一方面,国内研究界对所谓“大数据方法”的认知和定义尚未统一,其内涵和外延均较为模糊,“大数据研究方法”成为具有一定随意性和贴标签式的学术概念。
六
方法论视角下的“大数据方法”
从方法论的角度来讲,“大数据方法”也是一个缺乏严谨性和规范性的说法。在国际学术文献语境里,方法与方法论大为不同:方法是指进行科学研究所需要用到的工具,而方法论则是指对这些工具如何使用以及如何解读的一系列原则。方法论强调科学研究的哲学基础,而方法则更偏重研究中的过程及具体手段。方法论与方法之间具体的特点对比参见下表。
一方面,“大数据方法”并不是一种方法论。通过对大数据的英文文献的分析不难发现,其中涉及到的大多数应该归类于具体的大数据分析手段,很难归属于方法论。而中文文献中的“大数据方法”尽管有五种不同的解读,但不是每一种解读都能完全地回答作为一个方法论在本体论、认知学、逻辑学和价值论等方面所提出的问题。例如我们将“大数据方法”理解成大数据本身、
具体的技术手段或者数据挖掘、搜集和分析行为,那么这样的理解只是停留在具象的层面,无法反映出其对真理的本质、对知识的定义等哲学层面的认识。若是把“大数据方法”理解为定量研究方法的一种或者“全新的研究范式”,那么认为“大数据方法”是一种方法论也具有合理性。但因为目前依旧没有形成针对本体论、认知学、逻辑学和价值论这四方面成体系的论述,将“大数据方法”判定为一种方法论显然欠妥。因此,国际学术研究文献并不存在将“大数据方法”作为一种方法论来看待的讨论,而国内文献中由于对“大数据方法”这一概念的模糊而不统一的定义,也无法做出“大数据方法”是一种方法论的论断。
另一方面,“大数据方法”也不是一种方法。在国际学术研究文献中并没有提到“大数据方法”,而是以一些具象的数据分析方法来阐释大数据的应用,比如前文提到的极限学习机、深度学习、最邻近算法等。在中文文献中,学者们对“大数据方法”有五种不同的解读。虽然其中一种解读将“大数据方法”理解成具体的技术手段或数据挖掘、收集和分析行为,但是这些具体的技术手段或数据挖掘、收集和分析行为之间差异显著,以至于无法依靠一个统一的技术实施步骤来进行“大数据方法”的执行和操作,使得“大数据方法”无法作为一种方法。
无论从方法论角度来看,还是从方法角度来看,都无法把“大数据方法”归类到其中任何一个,这种左右两难的处境是和当前的时代背景息息相关的。总体上看大数据是当前席卷全球的一个热门词汇,在很多人看来象征着最尖端的科技和最领先的潮流。因此,“大数据”一词形成了席卷社会的热潮,学术界也不可避免地受到这股热潮的影响,从而营造了“大数据是一种研究方法”的氛围和环境。但是,通过对国内外学术研究文献的比较分析,可以发现,将“大数据方法”作为一种创新性的研究方法来看待缺乏严谨的科学依据。因其复杂且模糊的内涵和外延,大数据研究方法作为一个概念来说难以成立。当然,“大数据是一种研究方法”的说法在国内学界的存在与流行也是有其客观原因的。囿于语言的不同,国内传播学界与以英文为主导的国外学术圈仍存在着一定的壁垒。相对于后者的体量而言,国内传播学界的知识生产与流通在一定程度上仍局限在一个较小的范围,并不利于对新知识的广泛批判与检验,因此也为类似“大数据方法”的伪概念提供了传播的土壤。
学术界应该谨慎对待所谓“热点”,避免人云亦云,大胆怀疑,小心求证,使得知识成果站得住、立得稳,经得起时间的检验。
本文系简写版,参考文献从略,原文刊载于《国际新闻界》2020年第11期。
封面图片来源于网络字样
本期执编/阿宋
订阅信息
全国各地邮局均可订阅《国际新闻界》,国内邮发代号:82-849,欢迎您订阅!
您也可通过下方二维码或网址file/tupian/20220520/www.weidian.com userid=1185747182,进入国际新闻界微店,购买当期杂志和过刊。
您还可访问《国际新闻界》官方网站 file/tupian/20220520/ ,免费获取往期pdf版本。



