曾润喜，潘颖 | 媒体融合时代的计算新闻成熟度评价研究

媒体融合时代的计算新闻成熟度评价研究

曾润喜，潘  颖

曾润喜

     重庆大学弘深优秀学者，教授、博士生导师，入选国家级青年人才和重庆英才计划。中国新闻史学会网络传播史专业委员会副会长，中国新闻史学会计算传播学专业委员会理事，美国得克萨斯大学奥斯汀分校政府学系、香港城市大学媒体与传播系访问学者。受聘华中科技大学新媒体实验室研究员、华东政法大学新媒体数据研究院高级研究员、渤海大学客座教授等。担任《电子政务》《数字治理评论》编委、SSCI期刊Sage Open论文编辑。主要研究方向：传播与公共政策、媒体融合与发展、网络心理与行为。

潘   颖

     重庆大学新闻学院新闻传播与社会发展研究院研究助理，主要研究方向：媒体融合。

摘 要: 计算新闻是计算社会科学应用于新闻传播领域的实践形式，可以理解为是媒体、政府、企业、公众等多元主体，应用算法、数据及社会科学方法，共同开展的集参与、互动与合作于一体的新闻生产过程。可从产品创新、资源共享、业务重组、流程再造等四个基本维度来评价计算新闻的成熟度。产品创新是计算新闻成熟度的表征方式，包含对产品内容、形态、分发模式的创新；资源共享是计算新闻成熟度的实现基础，主要关注媒体、政府、社会组织和受众等多元主体间的协作共享；业务重组可谓计算新闻成熟度的内生驱动，侧重于对媒体组织内部结构和外部业务的调整；流程再造可谓计算新闻成熟度的外部效应，体现出对整个新闻业态乃至社会生态的深层变革与重塑。四个维度并非完全按照线性顺序发展，各维度内部亦存在着成熟度的差异。

关键词：媒体融合；计算新闻；成熟度；数据新闻；业务重组；流程再造

基金项目：国家社会科学基金重大招标项目“媒体深度融合发展与新时代社会治理模式创新研究”（19ZDA332）

正文

▼

约12500字

一
引言 

      计算新闻是计算社会科学的组成部分，是计算技术在新闻传播学领域的具体应用。2009年，大卫•拉扎尔（David Lazer）等人在《科学》（Sicence）撰文，提出计算社会科学是一个正在兴起的新领域，它利用数据收集与分析的方法揭示出个人和群体的行为模式，开启了计算技术在社会科学的应用研究。随着新闻业出现量化转向，计算新闻成为囊括量化新闻、数据新闻、算法新闻等众多新闻实践的新概念。早期相关研究将计算新闻定义为“算法、数据和社会科学知识的结合，以补充新闻的问责功能”，它从新闻生产主体的角度出发，强调计算新闻一方面让记者在寻找新闻线索时能够挖掘出更多的结构化和非结构化信息，另一方面则提供了一种新的监督报道方式。此后，有研究提出计算新闻是将计算方法和计算思维应用于新闻活动的创新形式，它将概念延展到新闻信息收集、传播意义构建与展示、公众反馈等双向传播方面。亦有研究认为计算新闻既可以为调查性新闻活动的开展提供新条件，也可以为媒体与读者的互动提供新空间，提出了多元主体互动的新视角。从以上研究可以发现，学界对于计算新闻的研究，历经了从计算机辅助新闻报道到促进新闻传受双方沟通再到围绕着新闻生产过程多元主体互动的转变，也即计算新闻推动了新闻生产网络的多元协作趋势。计算新闻作为计算社会科学应用于新闻传播领域的实践形式，可以理解为是媒体、政府、企业、公众等多元主体应用算法、数据及社会科学方法共同开展的集参与、互动与合作于一体的新闻生产过程。

      计算新闻的前期实践发展经历了三个阶段：一是20世纪50年代的计算机辅助报道阶段。这是成熟度较低的阶段，所谓的计算机辅助仅仅停留在利用计算机的计算能力作为辅助手段帮助新闻业进行新闻采集和数据统计分析，而在资源开放、组织结构、新闻生产流程等方面并无太多改变；二是20世纪60年代开始兴起的精确新闻阶段。在此期间，计算机开始逐渐摆脱单一的计算功能，转而采用多种技术方法收集信息与核查事实，注重以计算和算法为核心来获取和分析数据，并运用多种技巧强化数据可读性，以创新新闻报道；三是兴起于21世纪大数据背景下的数据新闻阶段。此时，计算机在数据收集和分析的深度、广度等方面都有较大幅度的提升，并以可视化、交互性、多模态的形式加以呈现，新闻业内部组建专业数据团队，新闻生产流程亦更加开放共享。总体来看，上述阶段的演进反映出技术和机器越来越多地参与到新闻生产过程中，数据对新闻塑造的影响力不断增大，新闻从“作为公共服务”的观念逐渐向“作为个人服务”的观念转变。

      不同发展阶段的背后不仅是技术的革新，本质上反映出计算新闻成熟度的不同。能力成熟度模型是美国卡内基梅隆大学软件工程研究所提出的，用于描述和衡量计算机软件开发的成熟度过程、软件结构组件、软件在实践中的应用以及未来发展方向等方面的内容，后续研究将其扩展到技术应用领域，例如电子政务、社交媒体、企业数字化以及数据管理能力等方面的成熟度评价。国内一些研究也开始将成熟度概念引入新闻业态评价中。例如尝试提出技术与内容的两个成熟度维度对5G新闻产业链进行成熟度评价。由于计算新闻并非像软件开发一样遵循线性过程，尚不能完全套用能力成熟度模型进行分析，但借助能力成熟度的基本思想，例如提炼关键要素，识别特定关键过程域，以及通过调整生产活动方式、组织工作目标、组织流程等方式提升组织活动和组织管理效率，我们可以尝试提出计算新闻的基本评价维度。

      就计算新闻的成熟度评价而言，需要跳脱出传统的“浅层次”创新思维。一直以来，不少人将计算新闻理解为是对新闻产品或者新闻呈现形式的创新，认为只要在这些方面达到足够高度，计算新闻即达到成熟高度。然而，计算新闻不应仅仅停留在针对新闻生产过程中传统问题的创新，也不仅仅只是采用新的计算方法以实现更“酷炫”的新闻呈现。事实上，尽管计算新闻是以新闻生产为核心，但不仅仅指产品创新本身，它超越了技术本身，在政治、经济、组织、文化、技术等多维度都可能产生影响，这是在计算技术引入新闻业之后，形成的一种与新闻形态、新闻媒体组织结构、新闻信息传播效果乃至社会生态产生关系的耦合状态，体现的是复杂的系统观。有研究提出计算新闻既要探究计算技术和计算思维如何应用于新闻实践活动中，也要探讨人们获取、浏览和传播新闻的数字足迹、新闻传播效果和社会影响等，以及计算观念在植入新闻产制之后对公共政治生活产生的影响。特别是在媒体融合时代，计算新闻本身即是跨媒介、跨技术、跨组织、跨领域的产物，其成熟发展有赖于媒体深度融合；同时，计算新闻又可以促进不同媒体、技术和社会的融通共享和协同创新，形成新的行业生态和范式体系，从而推进开放、共享、智能的智慧社会生态构建。基于此，本文通过总结既有实践，结合计算新闻自身特点以及未来技术、产品形态、组织形态等方面的发展趋势，以计算信息技术为媒体乃至社会组织带来的不同变革程度为依据，归纳出产品创新、资源共享、业务重组、流程再造等评价计算新闻成熟度的四个基本维度。

      产品创新是媒体为适应媒体融合发展趋势对新闻产品的内容、形态、分发模式进行全方位的变革与创新，目的是满足用户的多元化需求和应对传媒市场竞争浪潮。资源共享侧重关注信息层面的变革，由产品端的浅层次创新过渡到内部生产要素的配置问题，体现出媒体组织注重内外部协作共享，推动媒体、政府、社会组织和受众等多元主体协同发展的积极意义，使大数据信息技术和各种新闻资源在社会间充分流动，有利于实现计算新闻媒体和其他社会多元主体间的优势互补和合作共赢。业务重组指深入组织内部的业务变革，关注的是对媒体组织内部结构和外部业务的调整，是组织由内而外、由上至下开展的全方位转型，有助于媒体在媒体融合时代提升内生管理能力和效率，激发组织创新活力，强化市场竞争力并更好地发挥新闻功能。流程再造是指在实现产品创新、资源共享、业务重组的基础上，对整个新闻业态乃至社会生态的深层变革与重塑，包含着新闻内部生产模式和外部社会环境的变革，是计算新闻业发展到一定高度的结果。

      总体而言，产品创新是计算新闻成熟度的表征方式，资源共享是实现基础，业务重组是内生驱动，流程再造是外部效应。借助这四个维度，我们可以回过头来更好地理解计算新闻在不同历史阶段的成熟度表现。随着计算新闻的不断发展成熟，新闻业的量化导向和技术导向愈发显著，在不断创新产品、共享资源、革新业务的基础上，计算新闻正逐渐以其信息价值和技术手段全面渗透到人们的生产、生活乃至政治、经济、文化等方面。在这一发展过程中的每个维度都是一个渐进的发展过程，并非一蹴而就，各维度内部间亦存在着成熟度的差异。四个维度并非完全按照线性顺序发展，同一个媒体在同一个时期可能同时存在其中几个维度，如当组织实现业务重组时，可能同时也进行着资源共享，甚至有着向流程再造变革发展之势。四个维度也需要相互支持和依托，如某些新闻的产品创新也可能需要流程再造才能实现。

二
产品创新: 计算新闻成熟度的表征方式

      计算新闻的产品创新是其发展过程中能被受众直接感知的表征方式，主要体现为借助计算技术和计算工具，在新闻内容、形态、分发模式等方面进行创新，以更好地满足用户多样化、个性化的需求。

（一）产品内容创新

1.提供定制内容

      媒体融合时代的新闻内容特征主要表现为定制化和个性化。由于用户在网络上留下大量吸引公众注意力的“数字痕迹”，搜索、浏览、点赞、评论等行为数据，空间地理数据和实时场景数据都变得有迹可循，媒体可以从中识别出用户的兴趣、偏好和需求，从而精准勾勒用户画像，进而有针对性地对不同个体组织新闻内容生产，实现新闻内容的“千人千面”。提供定制内容既要满足当下需求，也要预测未来需求走向。一是针对当下场景提供内容。以用户为核心，整合人、事、物、空间、时间等要素，提供适配场景化、个性化需求的内容产品；二是通过预测未来场景提供内容。结合用户画像、历史数据、环境数据、社会关系数据等，预判用户未来的可能需求，提供更加周到完善的信息内容，从而引导、辅助和满足个体决策的完成。

2.实现智能报道

      人工智能、机器运算等技术和智能采编工具进入新闻生产领域，革新了传统新闻采写系统，在内容上呈现出自动化、时效性强、精确性高等特点。具体而言，自动化是指支持智能挖掘出有价值的新闻线索，自动聚合热点内容和社会资讯，并对大量数据信息进行二次加工、内容整合；时效性强指在面对突发事件或者热点事件时，智能报道可以基于自动化模板迅速生成文本，进而模仿人的语言习惯进行内容输出，从而提升采写效率，弥补了传统新闻即时性不足的弊端；精确性高指人工智能、机器人写作、算法技术可以提供数据匹配和数据统计分析结果，支持自动查重、纠错、引用提示等功能，使得报道内容具有高可靠性和低出错率。

3.挖掘数据价值

      随着计算社会科学以前所未有的方式不断增强数据收集的广度、深度和规模，“数据”日益贯穿计算新闻内容生产全程。在信息呈现上，数据本身可以看作是一种承载信息的符号，通过数据可视化向用户直观呈现事件发展态势。在增强说服力上，传统新闻通常以采访权威人士、调查某一个案等方式来提升报道的可信度，计算新闻则基于海量数据进行统计分析，从中归纳出一般性规律，从而具备较强的解释力和客观性。在揭示深层含义上，计算新闻不再强调事实中的因果关系，而主要探究数据和社会现象间的相关关系，进而揭示其发展过程并进行预测分析。

（二）产品形态创新

      媒体深度融合发展使传播手段更加丰富，计算新闻的产品形态也更加多元。具体而言，其形态特征可以归纳为四个方面：一是融合性，不同模态的传播样态既支持移动端、电视大屏、VR传感器等不同设备跨屏呈现，也可以依托各大社交媒体等渠道进行延伸，让信息广泛触达用户；二是移动性，信息在呈现方式上力求适应用户“短平快”的阅读方式，提升与移动端的适配性；三是交互性，媒体可以充当人类社会的社交伙伴，人机互动将成为一种合理对话，这意味着用户可以根据自己的行为和偏好与报道界面产生互动；四是临场感，通过网络视频直播、VR/AR新闻、新闻游戏等形式配合传感器、可穿戴设备，触发用户以“第一视角”体验新闻现场的真实感。

      当前计算新闻产品创新形态主要包括文本、图像、视频、音频、AR/VR/MR新闻、交互式动画等（见表1）。文本形态突破过去单一、枯燥的文字表达，转向依靠数据处理软件洞察文本深层内涵，挖掘数据关键信息。图像和视频形态因其利用数据可视化来提升新闻可读性，并适配用户碎片化、场景化的阅读习惯，目前已广泛应用于大部分报道中。除了数据可视化，可听化也是其重要表现形式之一，即在以声源信号为关键信息的报道中，通过将数据转换为音符或音频，以更加富有情感的方式传播信息。AR/VR/MR新闻和交互式动画是计算新闻业发展出的新型报道形态，注重对数据和新闻场景的全方位感知和交互式体验，为用户带来身临其境的“沉浸感”和“在场感”。

表1  计算新闻产品创新形态方式一览表

      在此基础上，未来的新闻产品将在形态上演进为“数字孪生新闻”。“数字孪生新闻”是利用物联网、人工智能、虚拟现实、模拟仿真等数字信息技术，将现实世界中的新闻场景全息映射到数字世界中的新型新闻形态，它通过对新闻所有要素的全方位还原，使受众可以更具真实性、互动性、沉浸式、场景化地体验新闻原发情境，让新闻作为构建、连接“真实物理空间”和“孪生媒介空间”的桥梁。“数字孪生新闻”还能结合人的认知神经，通过模拟受众的认知加工过程，在感知、知觉、情绪、记忆和认知控制等方面进行精确计算，对受众产生个性化的刺激。

（三）分发模式创新

      除了内容和形态上的变革，计算新闻产品创新还体现为以智能化为导向的产品分发模式创新。新闻分发过程可以看作是自动收集反馈信息、再服务用户的过程，用户的浏览、点赞、评论等所有社交行为数据都被纳入实时监测系统，机器算法在汇集、读取、分析数据的基础上做出更符合读者阅读导向的决策，进而形成“精准分发—实时反馈—优化分发”的智能逻辑闭环。

      目前常用的新闻内容分发模式主要为社交分发和算法分发。社交分发模式是由线下的“口碑传播”转移至线上的表现，它依托于人际社交网络来聚合信息流，经过沉淀、筛选、过滤后向用户进行新闻内容推荐。算法分发则主要基于对海量用户数据进行分析，构建用户画像，通过协同过滤、内容特征提取、关联规则等不同算法模型来判断用户需求，从而精准推荐新闻内容。

      总体而言，当前新闻分发还主要停留在帮助用户搜索、过滤信息等方面，随着未来物联网、传感器设备、智能采集技术的不断普及，未来的计算新闻分发将与个体的心理和生理数据相结合，实时监测用户在心跳、血压、脑电波等方面的状态反应，以优化新闻推荐内容。在更远的未来，高度智能化的机器可能出现自主意识，具有和人一样的自主判断和决策能力，甚至拥有人的自我意识和情感情绪等。由“人工智能”进化为“人脑智能”，机器或将具有识别人类内在想法、读懂人心的能力，可能达到“想你所想”“操纵你想”“替代你想”的境地。

三
资源共享：计算新闻成熟度的实现基础

      形成计算新闻赖以生存和发展的资源生态，需要对新闻信息、媒介、受众、技术等多方面资源和生产要素进行有效整合和共享。从范围上看，资源共享主要包含媒体内部、媒体之间、媒体与政府、媒体与社会大众之间的资源共享。

（一）媒体内部资源共享

      媒体内部的资源共享是把信息内容、人力资源、品牌、技术设备等多种资源要素进行重新配置和整合，形成媒体内部跨部门、跨层级间的要素流通与协作共享。要实现媒体内部的资源共享，一是形成完整的资源链条，链条上的各部门合力开发并深入发掘新闻数据资源价值，从而降低数据信息配置成本，优化资源配置水平；二是深入推进跨层级、跨部门的数据平台建设，依托分布式数据存储、云计算等技术建立媒体大数据“资源池”和“云存储”平台，便于各方人员自主调度资源；三是构建媒体内部资源共享保障机制和资源匹配机制，对数据格式、含义等进行统一管理，提升新闻生产的数据治理和把控能力。

（二）媒体之间资源共享

      媒体融合要求媒体组织之间和新旧媒体之间实现资源共建共享，破除“数字隔”和“信息孤岛”困境。一是搭建各媒体融通共享的云端全媒体平台，让生产资料和数据汇集在云端，短视频、客户端、公众号、网页等不同终端可以二次加工，实现“一次采集，多媒体呈现”，各主体共享共建，各取所需；二是组建跨区域、跨行业的媒体联盟，加强不同机构间多层次、多领域、全方位的合作共享；三是引入跨域信息资源共享技术，整合不同行业和区域的媒体资源，破除条块分割的行业现状。

（三）媒体与政府资源共享

      随着政府加快公共数据开放进程，媒体与政府之间的资源共享既可以使政府与媒体间形成良好互动生态，又可以丰富计算新闻的基础数据，使之成为新的业务增长点。

      一方面，政府数据开放将为媒体数字转型提供更多机遇。媒体可以基于开放数据生态链的信息流动和节点互动从政府开放的数据平台中挖掘新闻线索和议程信源，依托政府开放数据实现社会资源整合和信息增值开发，将数据共享和开放转换为数据产品或服务。

      另一方面，政府也可以利用媒体提供的政务平台、用户数据、传播网络等，加快推进数字政府集成式服务进程。政府和媒体间的数据共享有利于优化政府决策，提升政务服务质量和治理效能，特别是随着计算新闻深度融入社会治理，为构建数字政府提供了强大的信息支撑和技术辅助。在政府资源共享机制发展成熟的基础上，未来可以通过建设政务服务数据仓库，优化政务新媒体之间的数据开放共享，为政府提供决策支持。

（四）媒体和社会大众资源共享

      计算技术驱动下的媒体和社会大众之间的数据具有更高的开放性和流动性，双方形成一种相互利用、相互支持的信息生产交互共享机制。

      一是媒体提供的交互式平台和可视化工具为不同身份、不同行业领域的用户带来了广泛参与内容生产的机会。作为计算新闻生产要素的源数据经过编辑加工后上传至云端与公众共享，便于公众自由探索、分析、计算和二次加工，用户/专家/职业生成内容、众包新闻、众筹新闻、分布式新闻等新兴内容生产模式随之产生，算法生成内容和机器生产内容也随之出现。作为“数字劳工”的用户在享受社交媒体平台带来的乐趣的同时，用户的“免费时间”正加速转化为“消费的劳动”，其产生的个性化数据成为新闻内容生产必需的“数据燃料”，反过来助推媒体更精准地预测用户需求。

      二是基于用户共享的数据，媒体可以实现社会舆情预警、社会发展状态监测、社会信息洞察等功能。随着各类泛在智能设备遍布虚拟和现实空间，建立在数据挖掘分析基础上的计算新闻可以从中关注社会网络的结构和过程，更好地洞察和理解社会复杂现象和人类行为。获取数据本身只是一个起点，从中探索人类传播行为的模式才是意义所在。最终媒体平台和用户通过相互介人，彼此影响，共同形成“用户生成数据—媒体实时监测—收集反馈数据—关照社会现实”的逻辑链条，推动着智慧社会建设和服务能力的提升。

四业务重组：计算新闻成熟度的内生驱动    

      业务重组指按照新闻媒体组织的战略目标和定位，对所有新闻业务和新闻功能进行重新梳理、整合和创新，以驱动媒体组织在组织结构、业务功能、跨界整合等方面进行变革与优化。

（一）媒体组织结构变革

      一是面向新闻生产人员，提升整个组织结构的开放化、扁平化、去中心化。开放化是指由过去各部门封闭化的独立运营逐步转变为不同新闻部门业务间的交互协作与开放共享，各部门人员在拥有大数据新技能、能力和素养的同时，还能在分布式和协作式的新闻生产工作中贡献新知，并具备在技术辅助下进行抽象思考和合作解决问题的能力；扁平化是指打破媒体组织横纵向间的冗余层级和规则壁垒，以减少信息间的传递阻碍，从而提升信息反馈速度和工作效率；去中心化是指降低整个媒体组织中管理者的集权程度，由部门管理者决策转变为以数据为依据进行决策，向真正了解用户市场的基层新闻工作者下放更多自主权。

      二是面向用户，考虑媒体组织如何满足用户需求。从用户角度看，首先，顶层设计应从流程范式向数据范式转变，从用户或服务对象出发而非从管理者角度出发来组织业务流程和进行数据价值创造，在规划新闻业务流程时更加注重用户体验；其次，组织结构由分散化向平台化转变，数字商业平台将打破“组织”与“市场”边界，成为未来网络社会中的主要组织形式，进而构建容纳多方主体、资源整合共享的组织结构，以便更好地为用户提供产品和服务；再次，业务架构由等级制向模块化转变，通过将传媒业务细分为不同专业子业务模块，搭建对应的回应渠道，以便灵活、全方位地回应用户的多元化需求。

      三是面向环境，考虑媒体组织如何适应和融入新的融媒体市场环境。从外部环境看，当前数字经济不断发展，技术更新速度快，市场环境变化节奏加大，竞争日益激烈，给媒体组织带来了巨大的创新挑战，媒体组织需要利用信息技术对自身进行重新设计，并寻求一种灵活的、具有适应性的组织结构来应对外部环境。产生于工业经济环境下的金字塔型、流程复杂、等级严密的传究科层制结构已不再适应当前环境，需要通过人机协同、数据驱动等适应性组织学习，转变为具有资源融合共享、多主体自主决策、多管理区域可灵活组合的网格制结构，以增强媒体组织的可持续性竞争优势，从而顺应市场发展前景。

（二）业务拓展

      计算技术进一步激活了新闻业在“新闻+政务+服务+商务”方面的探索，整个行业由过去聚焦于内容、产品、采编转变为更加重视用户、数据、服务、产业、平台，推动新闻业向网络信息产业和智慧服务业进行转型升级。今天的媒体已不再只是提供信息的载体，而是超越新闻本身，开始承担起更多信息产品与服务业务，形成覆盖媒体智库、便民服务、智能产业、社会治理等多元业务功能的新型业态。

      一是构建智慧服务生态。媒体不仅是信息的载体，还是承载着不同社会主体生产、生活多元需求的工具和场域。未来的智慧全媒体不仅融合多种传播媒介，更要打造以用户需求为中心的智慧全媒体服务对象体系，依托不同平台全天候、全方位探测用户所处的场景状念，提供与用户需求高度匹配的内容生态与产品服务。未来计算新闻业的服务对象将更加广泛，并在社会多元主体中充分发挥好提供便民服务、促进社会沟通、协调多元各方、增强社会共识的作用。

      二是布局数字产业链条。大数据与人工智能技术支撑的智能新兴业态将在各个领域应用、覆盖与渗透。计算转向下，媒介技术以用户需求为出发点，不断驱动产业链条的转型升级。一方面，全媒体传播时代需要构造资源云端化、内容垂直化、服务场景化、产业智能化的新型媒体业态和融通共享、协同高效、合理布局的数字化经营产业链。另一方面，计算新闻业要发挥勾连“政府—媒体—公众”各方主体和承载技术创新的平台优势，整合电子商务、物流、电信部门等产业资源，带动关联产业进行跨界融合、协同发展。

      三是服务管理决策支持。诺贝尔经济学奖获得者赫尔伯特•西蒙（Herbert Simon）指出，管理就是决策，决策的基础是拥有充分而有效的信息。相对于传统新闻形式，计算新闻具备更多信息价值属性，能够将不同领域的计算新闻信息实现深度整合、存储、分析和共享，通过海量数据分析、构建预测模型、仿真模拟场景等，进而嵌入问题分析、方案设计、过程监管、效果评估等一体化信息决策流程，实现决策支持系统的数据获取、优化决策支持场景模拟、推动决策支持分析研判精细化等功能，为政府或企业等管理主体提供决策支持。

      四是融人社会治理体系。计算新闻正以全新的信息传播结构和信息技术为社会治理提供新动能、新方式和新场景，以更加智能、先进的信息处理技术和更加精准、有效的信息供给融入社会治理体系，创新社会治理场景，使得新闻和新闻媒体从“喉舌”变成“喉舌”+“耳目”+“参谋”+“尖兵”，从摇旗呐喊的“啦啦队”变成上场奔跑的“运动员”，在基层社会治理、网络社会治理、社会危机治理乃至全球社会治理中发挥重要作用。

（三）跨界整合

      新闻媒体的跨界整合包含跨界和整合两个层面，将各种生产要素和外界资源加以整合，实现新资源、新功能的链接。在跨界方面，一是媒体自身与外部其他产业组织进行跨界合作，包括与社会化媒体、数据公司、互联网公司等进行数据交换或业务拓展，链接新的商业资源、社会资源。这种跨界合作不仅仅限于简单的业务合作，未来更要向资本、技术、信息资源等层面进行深度融合；二是媒体可以作为各组织间跨界合作的“中介”和“推手”，通过盘活用户社群、构建社交网络、催生分享经济等方式，充分发挥“媒体+”的战略优势，实现不同行业、不同领域间的内容共享和业务关联，拓展组织双方的市场空间。在整合方面，以媒体平台为核心驱动力，将各个领域和终端的数据进行聚合和关联分析，发挥媒体在资源聚合、信息分发、数据分析、技术融合等方面的作用，对组织人力、品牌、产品、信息、政务、市场、社会内容等多方面要素进行集约式整合，构建出跨主体跨层次跨功能的泛在融合生态圈。

五流程再造：计算新闻成熟度的外部效应    

      计算新闻产生的外部效应体现在对新闻生产流程和社会运行过程的双重颠覆，一方面，对整个新闻生产体系进行重新设计，重塑传统线性新闻生产模式；另一方面，释放信息要素价值，嵌入智慧社会生态，更新信息流动网络和社会关系网络。

（一）再造新闻生产流程

      计算技术为新闻业带来的变革不仅在于提供了一种辅助性工具，更在于突破了传统新闻生产所形成的“采集—加工—审核—发布”线性流程。具备自学习和自动化两大属性是计算新闻生产模式区别于传统新闻生产的重要特点。自学习就是让机器像人一样拥有自主学习能力，从有限的案例中发现、归纳、揭示规律，并对未知事物进行预测。自动化则体现出人类在新闻生产中参与决策和干预程度的不同，从低自动化到高自动化可分为计算机辅助人类主导决策、人类部分参与决策以及完全交由机器进行决策三阶段。按照新闻生产的自动化程度和自学习深度这两个维度可划分出四类新闻生产模式（见图1），这四类模式具有对不同的新闻场景分配相应新闻生产模式的能力，是计算新闻成熟度的评价标准之一。

图1  计算新闻生产的四种模式

1.人力采编模式

      人力采编模式对应着自动化和机器学习水平都较低的新闻实践。计算新闻虽然是技术驱动的新闻产业，但并不意味着人的全面缺席。由于机器不能像人那样拥有批判性意识、独立性思考、创造性思维、情感表达以及良好的“新闻敏感”，在一些需要挖掘新闻价值和社会情境的领域，离不开新闻生产者的经验总结和行业智慧。如涉及复杂、敏感的社会、时政、文化类议题，以及在时评、调查报道等新闻类型中，作为人的主体性价值将发挥无可替代的优势。

2.人机协同模式

      人机协同模式的自学习能力强但白动化水平较低，需要人工参与。在当前计算新闻实践中，选取模型、调节参数等工作都需要大量的人工干预，有监督学习占据绝大部分应用，机器无法达到完全脱离人类帮助而自主发现规律，也无法实现所有新闻生产流程的全自动化。例如，当前业界所广泛使用的计算新闻挖掘系统，可以基于算法规则和机器学习自动监测用户在社交平台上发布的大量内容，再由编辑对新闻线索进行把关和价值判断。随着机器自主学习技术的不断深化，未来的机器将和人的学习一样，经历有监督学习到无监督学习甚至是深度学习、增强学习等阶段的进化，逐渐摆脱人类干预。

3.机器自动模式

      机器自动模式的自动化程度高但自学习程度低，被认为是“将数据转化为叙事新闻文本的自动算法过程”。它包括信息采集、存储、编辑、数据分析、可视化等所有流程的自动化，整体遵循“人工模板+数据填充”的自动生成稿件模式。如新华社“快笔小新”、南方报业“小南”、今日头条“xiaomingbot”等写稿机器人都是这一模式下的成功典范，可以代替部分技术劳动，提升新闻生产效率和数据处理精准度。这一生产模式当前主要适用于体育赛事、会议报道、灾难报道等时效性强、多数据或者突发性的报道领域中。

4.新闻智人模式

      新闻智人模式是计算新闻生产自动化和机器学习能力都达到较高水平的产物，其优势在于通过数据驱动，自动选择最佳的算法模型和训练方案。机器具备强大的自主学习能力，可以应用于视觉处理、自然语言处理、智能推荐、智能识别等方面，并将不断向深度学习方向发展。随着技术的进步，深度神经网络、大计算、大模型等过去不可能实现的技术和资源都将成为现实，未来机器学习可以完全脱离人类帮助而成为“新闻智人”，所有的计算新闻生产流程都可以实现自动化。

（二）嵌入智慧社会生态

      智慧社会是未来人类社会的空间形态，信息则是构成智慧社会的基础。计算新闻正在作为一种信息要素嵌入智慧社会生态中，成为支撑智慧社会的“数字基础社会设施”和“信息支点”。在大数据时代，人的思想、行为以及周围环境等所有生产和生活要素都可以被信息化，计算新闻以更加精准、全面、多样的数字化信息技术手段传播信息，搭建出智慧社会生态的底层逻辑。计算新闻嵌入智慧社会后，与其他信息产品共同发挥外部效应，在社会信息流动、社会关系网络等方面形成颠覆性作用。

      一是促进社会信息流动。信息技术变革的本质是技术平权，技术导向下作为“沟通性工具”的计算新闻凭借更快速、高效、便捷的获取方式释放信息流动，重构传者、受者、内容和媒介等要素间的关系，推动社会各阶层和主体间的信息流动。基于对复杂、大规模人类行为数据分析的计算新闻可以帮助理解社会结构的不平等性，有助于打破传统科层制“金字塔”式权力结构所形成的信息垄断，消弭新闻生产者和消费者间的信息不对称，促进信息普惠，实现社会权力距离的调节。同时，计算新闻也可以推动现实和虚拟社会间的信息流动，数字孪生新闻将重塑信息流动时空，实现数据跨时空流动和融通共享。

      二是重构社会关系网络。计算新闻通过创新社会底层信息传播格局，从强调信息传递的“传播”功能向联结万物的“传联”功能转变，从而成为社会最基本的基础设施，对整个社会关系网络进行重构。对个人而言，个体的心理数据和身体数据皆可被计算成为计算新闻的数据来源，用户在离身状态下也能完成信息传播；对群体而言，计算新闻正以其信息属性影响着社会大众的信息交换、社会交往、认知互动、情感态度，形成以群体传播为核心的互动网络结构和圈层化信息传播模式：计算新闻以新型信息形态和媒介工具的身份参与构建数量上无限制、强度上全时在线的智慧连接，形成链接终端、内容、服务以及数十亿潜在用户的智能网络；计算新闻还可基于媒体与政治、经济、文化等其他社会子系统间的互动，加速系统间各要素的融合和子系统间关系的重构。届时，人与人、人与物、人与场、人与社会之间都将真正实现万物互联，形成新的社会关系网络。

六结语     

      本文探索性地提出评价计算新闻成熟度的四个维度，旨在“抛砖引玉”，引发学界对计算新闻研究的重视和争鸣，促进计算新闻的良性发展。其一，本文在对计算新闻概念、发展阶段、现有研究进行梳理的基础上，探究计算新闻的发展与成熟问题，以期丰富计算新闻学、计算传播学、计算社会科学的相关理论研究；其二，本文提出产品创新、资源共享、业务重组、流程再造四个维度，阐释了各个维度的内涵、特征和基本内容，希冀能够为计算新闻的成熟度评价提供解释框架；其三，本文对如何评价计算新闻的成长阶段和发展态势进行了讨论，以期为计算新闻业在媒体融合时代下开展数字化的实践提供有益的参考；其四，本文还将政府、企业、社会组织、公众等其他多元主体纳入计算新闻生产实践中，试图探索其如何合理利用计算新闻的信息价值来服务自身，以发挥计算新闻在公共服务、决策支持、社会治理等方面的经济效益和社会效能。

      在计算新闻日益成熟的背后，也有几个方面的问题值得反思和讨论。其一，从技术角度看，计算新闻在享受着智能信息技术所带来的便利的同时，也要警惕被人工智能、算法技术操控的风险。技术只是辅助人类前行的工具，新闻从业者必须在计算新闻实践中凸显人的主体地位和价值，学会趋利避害，引领科技向善。其二，从媒体角度看，要平衡好计算新闻的工具理性和价值理性。今天的计算新闻已经超越了传统意义上的新闻，不再仅是传递事实的载体，而逐渐成为具备数据存储、环境监测、提供服务等功能的中介平台和技术手段，面临着沦为纯粹技术工具的困境。面对技术导向对价值观念的冲击，应明确价值是计算新闻的灵魂，计算新闻是为“人”服务的，要重视计算新闻的守望功能和监督功能，凸显新闻的价值追求和人文精神。其三，计算新闻的发展是一个长期性、渐进式的过程。任何一个阶段的成熟都只是一种“暂时性”的状态，是技术、政治、经济、文化形塑的结果，只能代表当时所在历史时期的发展状态，未来也可能出现突现的关键节点，改变整个计算新闻的发展进程。计算新闻作为不断发展的新领域，要在发展中处理好其中出现的问题，促进计算新闻向更成熟的方向迈进。

      本文还有进一步深化的空间。一是在计算新闻评价的具体案例和实际应用操作方面没有过多阐述，未来可以研究细致的可量化的评价体系；二是四个评价维度主要基于计算新闻生产系统观视角提出，未来可以基于计算新闻受众观、环境观等多元视角建立更丰富的评价体系；三是在归纳计算新闻成熟度评价维度时受制于当前媒体融合时代下计算新闻的发展态势。未来的计算新闻还将出现新态势和新特征，不同环境和时代背景下的计算新闻成熟度评价体系有待后续探究。

（责任编辑：林春香）

福建师范大学学报（哲学社会科学版）是面向国内外公开发行的哲学社会科学综合性学术理论刊物，创刊于1956年，是福建省最早创办的高校学报之一。目前为“全国中文核心期刊”“中文社科引文索引来源期刊（CSSCI）”“中国人文社会科学核心期刊”“全国高校社科名刊”等。

本刊声明

本刊对所有来稿概不收取版面费、审稿费等任何费用，亦未委托任何中介机构或个人收费组稿。本刊严禁编辑私收作者任何费用或贵重礼物。如作者由于上当受骗而遭受损失，与本刊无关。

严禁一稿多投，如由于作者原因造成一稿两刊或多刊的，作者须承担全部责任和损失，本刊保留追究作者法律责任的权利。

作者网络投稿时为防止误入假冒本刊网站，建议先登录福建师范大学官网（www.fjnu.edu.cn）在“科学研究”栏下找到本刊网页，再根据提示进行在线投稿。

本刊编辑部联系电话：[phone]。

往期推荐阅读

- since 1956 -

欢迎转载传播

点击左下方“阅读全文”  可下载本期全文