编者按：本文摘译自即将出版的新书《下一波数据新闻浪潮》（The next wave of data journalism）。作者Paul Bradshaw是英国伯明翰城市大学（Birmingham City University）网络新闻学硕士项目的负责人，其网络新闻学博客 （Online Journalism Blog）被称作英国最有影响力的博客之一。
Bradshaw认为，过去已经有过两波数据新闻相关的浪潮，一波是20世纪60年代开始，用计算机处理数据以提高新闻报道的准确性和客观性；另一波是过去十年通过互动性和可视化更好地与读者沟通。下一波数据新闻浪潮的关键是计算机式思维，而记者的工作是创造性地将信息置于适当语境，赋予其意义。
数据新闻经过十年左右的发展，如今互联网上的新闻互动及大量可视化已被读者视作新闻理所当然的一部分。如果有一天连新闻官员发通稿都用上数据新闻的形式，则意味着该领域最终达致成熟。那么接下来数据新闻还会怎么发展呢？
为了展望未来，我们先回顾一下过去。
回望数据新闻
数据新闻的历史可以追溯到20世纪60年代始于美国的计算机辅助报道（Computer Assisted Reporting，CAR）。
当时除了计算机技术的普及，还有两个因素推动数据进入新闻报道：一是《信息自由法案》（Freedom of Information Act）推出后，政府部门逐渐公开大量公共数据；二是社会科学的定量分析方法开始进入政治和新闻领域，其代表人物是计算机辅助报道的先驱Philip Meyer。
Philip Meyer为计算机辅助报道奠定基础
和计算机辅助报道浪潮一样，最近十年的数据新闻浪潮也是由技术、政治文化因素共同推动。除了API和可视化等互联网时代的技术，政治上的“开放数据运动”和文化上的“黑客精神”一起铸就了数据新闻的繁荣。
展望未来，同样可以用技术和政治文化两大因素来分析。技术上，必然要数科技界正在热议的人工智能（AI）、机器人、物联网等应用；政治上，开放数据和信息公开运动有退潮的趋势，而政府的社会管理职能将更多地转向民间机构。
新闻原则与数据新闻
数据新闻的核心仍然是新闻，仅有数据分析是不够的，更要讲好故事。当然， 仅有故事也不成为新闻。要理解数据新闻的作用，先来回顾一下2007年出版的里程碑式著作《新闻的十大基本原则》（The Element of Journalism），书中总结的原则分别是：
1 真实：首要且最令人困惑的原则
2 新闻工作者为公民服务
3 经过核实
4 保持独立
5 监督权力并为无声者发言
6 作为公共论坛的新闻
7 引人入胜且息息相关
8 全面均衡
9 对良心负责
10 公民的权利与义务
当下的数据新闻已经部分体现了这些原则，譬如数据可视化和互动性就符合“引人入胜且息息相关”这一原则。而保证数据的准确性以及正确解读其意义，也是“经过核实”的必要步骤。
展望未来，今天数据新闻尚未体现的那些原则将成为有趣的观察角度。
新闻机器人的兴起
现在已经有媒体利用计算机程序自动采集数据和文本后生成新闻报道，主要应用于快速报道体育赛事和地质灾害事件。这些计算机程序被称为“新闻机器人”。
除了报道简单事件，新闻机器人也开始被应用于“监督权力”。每当《纽约时报》刊发含有匿名消息源的报道，名为@NYTanon的推特账号就会立即监测到并自动发送一条推文提醒人们注意，起到“监督媒体”的作用。
2016年开始，以美联社为代表的业界引入“增强新闻”（augmented journalism）这一概念，它指的是通过人工智能技术对数据等资料做初步整理，以便让记者专注于更有价值的工作。
但有一点未被提及：实现这一目标的前提是，这些从低技能重复劳动中解放出来的记者，必须有意愿和能力使用高层次的技能、批判能力以及计算机式思维。
在数据新闻过去十年的发展中，没有迹象显示计算机式思维已得到业界的重视。但另一方面，计算机式思维相关的教育已经在中小学普及，计算机编程等课程被纳入基础教育。这对于未来十年新闻业的发展具有重要启示。
计算机式思维
计算机式思维是一种逻辑化解决问题的流程，主要特点是将项目拆分成便于管理的各个板块。这一方面要求人们具有像计算机那样的逻辑性思考能力，另一方面也要懂得善用计算机本身的力量。
这个流程占据数据新闻的中心地位：让记者能够处理当代新闻中的种种问题，并能够达到新闻作业要求的速度和准确性。
总体而言，计算机式思维是属于人类的能力，并不仅仅是编写程序或让计算机代替人类工作。用学者Jeannette M. Wing在一篇文章中的话说就是：
“计算机是沉闷而乏味的，人类是聪明而具有想象力的……借助计算机的力量，我们用聪明才智来解决前计算机年代不能解决的问题，并创造出具有各种功能的系统，而唯一能够限制这些的只是我们的想象力。”
计算机式思维将成为下一波数据新闻浪潮区别于以往的关键。其中具体技能包括问题分解（decomposition）、模式识别（pattern recognition）、抽象化（abstraction）及算法（algorithm），而这些正是现在的中小学生们在学习的计算机素养。
计算机的问题
计算机技术的发展也带来了一些问题。有人文学者认为，各种信息技术带来了大量零散不成体系的信息，人人都可以获得近乎无限的知识，但缺少整合这些知识的思想。
当然这并不是说我们需要重新找一些人来限制信息获取，而是想强调信息本身并不是中性的，需要记者将这些信息置于一定的语境中来观察思考，就像教育者引导学生进行思考一样。
点击此处阅读原文
编译/周穗斌
编辑/Ivan Zhai
相关阅读：
本作品采用 知识共享许可协议 署名-禁止演绎 4.0 国际 进行许可
您可以根据知识共享协议条款免费转载这篇文章
转载
This work is licensed under a Creative Commons Attribution-NoDerivatives 4.0 International License
阅读更多
数据新闻
数据新闻中最常见的10个错误
在今年的 NICAR 会议上，GIJN 与几位数据新闻专家交谈，询问他们在数据新闻中最常见的10个错误，包括忽视空白行、混淆百分比和百分点、在图表中使用错误的刻度尺等等。
数据新闻
过去一年，有哪些不可错过的数据新闻？
在过去一年中，来自全球各地的数据记者们用数字、图表，甚至音符来呈现新冠疫情、气候变化、地区冲突等新闻议题。在这篇文章中，我们精选了过去一年中最值得一读的数据新闻报道。
数据新闻
数据新闻精选：新冠疫情如何冲击了美国监狱系统？
据统计，在世界范围内，每100人中有约2人感染了新冠病毒，而在美国的监狱里，这一比例达到了惊人的34%，情况是如何变得这么糟糕的？美国总统拜登承诺到2030年将温室气体排放量减少到2005年水平的一半，让人们将目光聚焦在碳排放与相关的环境议题上。在中文互联网上，经典电影的重映与「金三银四」的离职潮也站上了热搜。数据记者们选择了哪些角度、使用哪些方法来向读者呈现这些话题？全球深度报道网编辑精选了四月值得一看的数据新闻。
数据新闻
数据新闻精选：蝙蝠为什么会成为病毒的理想宿主？
3月，以亚裔为目标的暴力事件在美国点燃了新一轮的抗议潮；长赐号因搁浅卡在苏伊士运河，导致了全球航运的堵塞；欧洲新一波疫情反弹，关于病毒源头、传播以及疫苗接种的讨论仍在继续。对于这些重要的新闻议题，数据记者们采取了怎样的视角、使用了怎样的手法来呈现？如果你也想以数据作为切入点制作相关报道，有哪些好用的开源工具或资料库能够助你一臂之力？全球深度报道网精选了这些本月值得一看的数据新闻与实用资源。