马特·卡尔森的算法新闻业三部曲

栏目: 编程工具 · 发布时间: 5年前

内容简介:马特·卡尔森(Matt Carlson)是明尼苏达大学哈伯德新闻与大众传播学院的副教授,他最为著名的三篇论文共同组成了其“算法新闻业三部曲”。从 2015 年讨论自动化新闻对新闻业诸项构成要素的重新定义开始(Carlson,2015),到 2016 年与尼基·厄舍(Nikki Usher)合作对数字新闻初创公司创立宣言的元新闻话语分析(Carlson & Usher,2016),再到 2017 年的自动化判断、算法新闻对新闻专业主义的影响(Carlson,2017),内容涉及技术变迁、市场公司、人力资本、新

马特·卡尔森(Matt Carlson)是明尼苏达大学哈伯德新闻与大众传播学院的副教授,他最为著名的三篇论文共同组成了其“算法新闻业三部曲”。从 2015 年讨论自动化新闻对新闻业诸项构成要素的重新定义开始(Carlson,2015),到 2016 年与尼基·厄舍(Nikki Usher)合作对数字新闻初创公司创立宣言的元新闻话语分析(Carlson & Usher,2016),再到 2017 年的自动化判断、算法新闻对新闻专业主义的影响(Carlson,2017),内容涉及技术变迁、市场公司、人力资本、新闻生产、专业主义、新闻权威等新闻生产的核心问题,并对前沿且非常具有挑战性的议题展开了较为深入的讨论。

自动化新闻的重新定义

卡尔森认为,在新兴的以数据为中心的新闻实践中,没有一个像“自动化新闻”这样具有潜在的破坏性:这个术语是指将数据转换成叙事新闻文本的算法过程,没有人为干预,超越最初的编程局限。这预示着新闻内容将远远超过人类记者的生产能力,从而进入更为辽阔的新可能性的领域。

自动化新闻的出现给传统新闻行业带来动荡,记者们人心惶惶担心“机器人新闻未来是否要取代记者”。卡尔森对此十分理性,他认为在自动化新闻兴起的背景下,需要的是研究新闻编辑部如何利用自动化新闻技术,以及这如何改变生产实践和劳动定义。

自动化新闻改变了传统新闻的面貌和记者的工作实践,同时也改变了它的合作目标。 新闻自动化允许大量生产可互换的内容,将新闻从一个集体声明重新定义为个性化信息,从而使新闻话语商品化。 虽然过去的学者警告新闻不要商品化,但自动化新闻有可能彻底改变新闻制作和接收的条件。

因此,自动化技术在新闻中的应用也促使人们重新思考新闻写作的核心素质,更加关注新闻报道的质量和特点。自动化新闻写作介于对学习公式的依赖和对个性化风格的需求之间,从新闻输出的角度看,新闻不仅提供信息,还是一种认识世界的方式,这种风格应该受到尊重。而对记者来说,自动化技术目前还提供不了高质量新闻,高质量的新闻写作所涉及的不仅仅是新闻话语规范所包含的内容,还有新闻写作中更加深层次的丰富性、故事性。 面对自动化新闻的到来,我们需要认识到它打破了数字与新闻创新的界限,即通过利用技术力量来创造更复杂的组织,来重新审视新闻与技术之间的界限。

马特·卡尔森的算法新闻业三部曲

算法判断与新闻专业主义

自动化新闻背后的算法支撑带来了一定的社会后果,算法判断失误出现的假新闻现象,个性化算法推荐导致的“信息茧房”,算法引起的记者署名权问题以及社会伦理问题,算法判断引发的针对新闻专权威、新闻价值等方面的探讨,等等。

卡尔森认为,我们可以明确的是算法判断(algorithmic judgment)应该明显区别于记者的专业判断,人的主观性本质上是受到怀疑和需要代替的,而算法本质上是客观和需要执行的。算法判断不仅仅是新闻业现有职业逻辑的延伸,而是一种新的聚合体,这个聚合体包括行动者网络、生产新闻的系列实践、合法性判断形式的论证,以及能够合法化的知识类型假设。卡尔森指出如果以算法判断取代人工判断,会对新闻的形态及其合法性话语产生重大影响。

新闻记者拥有独特的角色观念、共享的伦理规则,以及哪一种实践是适当的或不适当的常规做法。由此,新闻记者将自己作为一个特殊的群体,与其他群体区分开来。不过,专业主义话语将记者的判断置于一个不太稳定的基础之上。相对于其他专业,新闻业并没有建构出相应的明确界限。这种模糊性导致新闻判断也不能保证其绝对的有效性,在数字新闻时代,新闻业的边界仍然具有一定的可渗透性,同时也更容易受到外界的影响。这在一定程度上说明 新闻专业主义或许受到了冲击,但是就其边界而言,它自身的边界或许模糊了,但是它依然为其他社会力量设立了边界。

算法背后的运作逻辑和专业新闻生产逻辑是具有本质差别的,对于新闻记者、技术专家和受众来讲,这促使他们要更加敏感地把握专业新闻判断和算法判断之间的区别,记者则需要积极适应,提供深思熟虑的判断,为他们的文化权威打造新的主张。从目前来看提升新闻从业者的主观专业判断力越来越有必要。

除了经典的“算法新闻业三部曲”,在卡尔森的最新研究(Carlson,2019)中,他开始转型为数字技术进入媒体生态进行理论探讨。他将将新闻研究中的六项命题,即语境敏感性、整体关系性、比较倾向、规范意识、嵌入式交际能力和方法论多元化,应用于涉及数字技术的研究,尝试构建数字新闻研究的新理论。具体探究在新闻生态系统中,行动者和行为者之间的关系,权力决定生产、分配和消费,以及在上下文和仪式上的意义构建。

媒体生态已经发生了翻天覆地的变化,我们也需要从自身,从行业、政治、经济、文化、社会的角度去理解这重大的变革本质。

参考文献

[1] Carlson,M.(2015).The Robotic Reporter: Automated journalism and the redefinition of labor, compositional forms,and journalistic authority. Digital Journalism,3(3): 416-431.

[2] Carlson,M.,& Usher, N.(2016).News Startups as Agents of Innovation: For-profit digital news startup manifestos as metajournalistic discourse. Digital Journalism,4(5), 563-581.

[3] Carlson,M.(2017).Automating judgment? Algorithmic judgment, news knowledge, and journalistic professionalism. New Media & Society,(4),1-18.

[4] Seth C. Lewis,& Carlson,M.(2019).Locating the “Digital” in Digital Journalism Studies: Transformations in Research. Digital Journalism,7(3):368-377.

[5] 马特·卡尔森,张建中. 自动化判断?算法判断、新闻知识与新闻专业主义[J]. 新闻记者, 2018, (3): 85-98.

作者:程晔彤

声明:本文来自互联网治理蓝皮书,版权归作者所有。文章内容仅代表作者独立观点,不代表安全内参立场,转载目的在于传递更多信息。如有侵权,请联系 anquanneican@163.com。


以上所述就是小编给大家介绍的《马特·卡尔森的算法新闻业三部曲》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

机器学习

机器学习

周志华 / 清华大学出版社 / 2016-1-1 / 88.00元

机器学习是计算机科学与人工智能的重要分支领域. 本书作为该领域的入门教材,在内容上尽可能涵盖机器学习基础知识的各方面。 为了使尽可能多的读者通过本书对机器学习有所了解, 作者试图尽可能少地使用数学知识. 然而, 少量的概率、统计、代数、优化、逻辑知识似乎不可避免. 因此, 本书更适合大学三年级以上的理工科本科生和研究生, 以及具有类似背景的对机器学 习感兴趣的人士. 为方便读者, 本书附录给出了一......一起来看看 《机器学习》 这本书的介绍吧!

SHA 加密
SHA 加密

SHA 加密工具

Markdown 在线编辑器
Markdown 在线编辑器

Markdown 在线编辑器

UNIX 时间戳转换
UNIX 时间戳转换

UNIX 时间戳转换