数据新闻教学的本土化实践与探索

吴小坤?童峥

【内容摘要】本文以上海大学数据新闻理论与实践课程本土化探索为样本，采用参与式观察与书面访谈相结合的研究方法，从选题规定、数据使用和教学沟通方式等环节，对其中的本土化教学互动过程与反馈进行了研究。

【关键词】数据新闻；教学实践；本土化；中美比较

数据新闻源于北美，近年来迅速成为新闻领域的热词，尤其是2014年以来我国对数据新闻的关注陡增，新闻传播业界和学界也因此有了更多的交流。其中不乏对数据新闻现存困惑的讨论，包括国内与国外数据新闻实践的差距以及国内数据新闻人才需求和人才培养方面的路径等。国内资深的数据新闻培训师马金馨①在“数据新闻工作坊教学感想”中曾写到，大陆的数据新闻与欧美顶尖媒体的操作差距颇大，但会走一条“中国特色”的道路。所谓中国特色，在她看来，“更多是在于选题的方向和工具的选择，最重要的则是对创新的认可与对失败的接纳程度。”②

与数据新闻行业实践相呼应，这个领域的教学也同样经历着本土化创新过程。究其原因，一方面是由于数据新闻教学培训以美国为主要阵地，尤其是IRE旗下美国计算机辅助报道协会（下文簡称NICAR）对全球数据新闻记者的理论和实践培训；另一方面，中国数据新闻生产环境存在内部制约，与北美数据新闻教学所依托的数据环境等存在差异，在教学中需要根据实际情况予以调整。

所谓数据新闻课程的“本土化”，是由于本研究的考察对象为上海大学“数据新闻理论与实践”课程（下文简称DJTP）的注册学生，该课程的主体框架和教学内容来自美国密苏里大学新闻学院数据新闻方向的核心课程“计算机辅助报道”（下文简称CAR）。

授课教师在2014年至2015年赴美国密苏里大学访问学习，并将此课程带回上海大学。出于实际需求，授课过程中对选题规定、数据使用和教学沟通方式做了本土化调适。

一、数据新闻人才培养的三条途径

尽管数据新闻起源美国，但专门设置数据新闻专业的美国大学不多，除了有一定历史的哥伦比亚大学、密苏里大学、西北大学之外，斯坦福大学和迈阿密大学于2014年设立了针对数据新闻的硕士方向。③目前，新闻院系的专业方向开设与行业培训在美国的数据新闻人才培养中共同发挥着重要的作用。

2014年中国传媒大学开设了我国第一个数据新闻专业方向后，2015年起中国人民大学、 复旦大学、南京大学、上海大学、华东师范大学、华南理工大学等高校相继开设了数据新闻课程。

越来越多的高校正在开设和筹备开设数据新闻相关课程，这说明数据素养已经成为新闻专业人才培养的新的关注点。总体上看，数据新闻人才培养主要有三条并行途径：

一是通过新闻学院的专业教学。新闻学院的专业教学主要有两种模式，其一是教授新闻专业学生计算机知识，使其成为数据新闻人才，典型的如密苏里大学新闻学院；其二是招收计算机专业背景的学生并培训其担任记者的能力，典型的如美国西北大学传媒学院。艾米丽·贝尔（2012）指出，在数据新闻实践中依然缺少信息科学家和数学方面专门人才组建的团队，还不能使数据发挥最大的效用。为解决这一问题，哥伦比亚大学新闻学院、西北大学传媒学院、密苏里大学新闻学院都在加紧构筑计算机科学与新闻学之间的课程联系。④

二是通过网络平台的学习和交流。如Hacks/Hackers网站提供了大量的学习素材并开辟讨论区，为全球数据新闻爱好者以及设计师和编程师之间的沟通协作提供便利。又如国内的数据新闻网，使用案例库、工具箱、系列专题方式向国内的新闻从业者、管理者和爱好者提供学习资源。⑤值得一提的还有NICAR的在线平台，在该平台上，记者、教师以及其他对数据新闻感兴趣的人可以展示作品、分享工具、答疑解惑、交流心得。平台也作为NICAR的留言板，发布包括研讨会公告和数据库信息等有吸引力的内容。⑥

三是通过在职培训学习。以工作坊形式展开的培训在当下阶段受到广泛欢迎。致力于数据新闻人才培养的NICAR每年都会在全球不同地区举办多次工作坊，2014年12月在香港举办“2014年亚洲数据新闻工作坊”，2016年第一次在中国大陆举办NICAR工作坊。此外，数据新闻专家还与高校和媒体联合，以不同的方式开展课程培训。

在现有的研究文献中，涉及上述三种途径的讨论都侧重强调数据新闻人才培养的全球化趋势，却很少谈及本土化和适应性问题。尽管国内已经出版和引进了数种数据新闻教材，但其中的大多内容仍是依照美国标准所规定的。由此带来的是数据新闻在中国语境下的一些实践困惑，包括数据从哪里来，如何看待不同来源的数据，如何使用数据和如何选择工具进行数据处理等。这些困惑和问题在教学实践环节较为显著地呈现，也是促成本研究的一个重要因素。

二、参与式观察与书面访谈：研究方法及思路

本研究主要采用参与式观察与书面访谈相结合的研究方法，在授课过程中持续观察学生对数据新闻课程中选题、数据素养、工具使用和作品呈现等不同环节的接受和反应。在课程结束后，对参与学习的学生进行书面访谈，通过问题的预设，采集学生的反馈。研究主要关注两个方面的问题：一是教学中需要本土化的环节；二是本土化教学的效果与学生反馈。

上海大学数据新闻课程开设于2015年，该课程体系共设置了三门课程：“数据新聞理论与实践”“数据挖掘与分析”“数据可视化”，授课教师分别来自新闻传播专业、计算机工程专业和艺术设计专业。本研究的考察对象仅限于“数据新闻理论与实践”（DJTP），学生来源为新闻传播与广播电视方向的本科生，以及新闻传播专业硕士研究生。参与式观察时间段为2015年9月至2016年5月。考察对象为所有参加此课程的学生，本科生共75人，研究生共40人。书面访谈⑦共回收115份，回收率为100%。

通过这项研究，我们希望能够从一个侧面探讨数据新闻教学需要怎样的本土化实践。在这个思路下，从选题、数据获取、工具选择等不同环节观察并记录学生的表现和反馈，并结合书面访谈展开相关分析。

三、选题、数据与教学沟通：CAR课程框架下的本土化环节

依照密苏里大学CAR课程的授课框架，上海大学DJTP课程将注册学生划分成实践小组，在第一周上课时即要求学生在10周（一学期）课程结束后完成小组数据新闻作品。在这个过程中，学生需要寻找选题、采集数据、分析和挖掘数据、形成文稿、完成可视化。教师会对学生小组在不同环节中的实践进行指导。数据素养、工具使用、案例分析、可视化呈现等课堂学习与小组实践同步进行。

密苏里大学CAR课程为小班授课，每班不超过20人，本科生和研究生可选同一班级听课，可以共同组成小组，每组3-4人，教师在课业要求上会有针对性的有所区别。上海大学DJTP课程面向本科生和专业硕士分别开课，每个班级不超过40人，学生不混合上课，小组人数为4-5人。

（一）选题的本土化条件与过程

密苏里大学CAR课程教师在上课之初即要求学生自由组合，并寻找数据新闻选题。选题范围集中在密苏里州哥伦比亚市，要求以地方事务为选题切入，需要学生查找并评估数据，以确定是否可以完成新闻。在美国，有不少由学生完成的新闻由于發现了社会管理和公共服务中的某个问题而受到重视，促使政府作出相应的改变。

对课程来说，选题的成立一般基于两个条件，一个是是否具有新闻价值，另一个是数据的可获取性。密苏里州的《阳光法案》对记者获取公共利益相关数据提供了保障，新闻专业的学生可以据此向市政厅、警察署或农业部门等提交数据需求。该法案还同时规定了政府部门需在一定的时间内予以答复。在这样的情况下，学生提出的数据请求一般都会得到回复。上海大学DJTP课程采用类似方式，要求学生小组寻找选题，但考虑到国内的数据可获取情况，不要求学生局限于本地选题。

选题是决定数据新闻作品能否成立的首要条件。数据新闻选题成立的基础不仅在于这个选题是否具有新闻价值，还要看是否有足够的数据支撑。根据课程记录（见表1），学生小组平均更换选题两次，其中约37%的更换原因是新闻价值，约63%是由于数据的可获取性和完整性。研究生（22%）比本科生（40%）在对新闻价值的把握上相对较好，但数据获取困难几乎是每个小组都遇到的问题。

DJTP课程在选题方面花费了更多的时间，许多学生在听课之初并不清楚数据新闻是做什么的，认为只要有数据就可以完成数据新闻作品。当教师对学生作品的新闻性提出质疑的时候，学生常以国内一些网站数据新闻栏目中的图说作品作为参照样本。在我国数据新闻发展的初期阶段，一些媒体对数据新闻作品炫酷效果的追求所产生的示范效应，促使教师需要对此进行本土化说明与规范再引导。

DJTP课程遵循了CAR课程对新闻性的要求，强调并非所有的新闻都适合做数据新闻。书面访谈的结果显示，有90%的学生表示该课程学习后对数据新闻的理解发生了改变。

（二）获取数据困难的本土化应对

在正视选题新闻性的过程中教师发挥了引导作用，但因获取数据困难而更换选题的情况则往往是学生小组的自发行为。数据的可获取性和完整性对数据新闻选题能否成立至关重要。在美国，政府公共数据的公开程度高，尽管CAR课程上学生对数据的獲取也存在一些数据不完整和无法拿到等困难，但由于公民对关乎公众利益的数据获取受到法律保护，学生可以向政府和相关部门直接申请获取所需的数据。而我校DJTP课程的学生小组因数据不完整或无法核实等原因更换选题的情况却非常普遍。常见的问题包括，数据找不到：许多公共数据无法找到或者被用来盈利，普通公民无法获取；数据不完整：尤其是政府数据的更新不能满足新闻需求；数据源单一：许多数据都无法进行比对检验；存在数据混乱现象：不同的统计机构对一些数据的发布存在很大差异，但并不公开统计方法供检验。

参照CAR课程的要求，上海大学数据新闻课程要求学生对数据来源进行标注并使用不同来源对数据进行检验。从实践效果看，有近70%的学生小组使用了两个以上的数据来源进行验证，但对一些小组来说，要找到更多可以用来相互验证的数据并非易事。国内数据新闻生产通常要求使用官方和权威数据，学生小组在数据的使用选择上以这些数据为主，也有学生小组使用第三方数据或者从新闻报道挖掘出的零散数据予以对照检验。有95%的学生反馈获取数据困难，数据不完整和无法验证是其中最常见的问题。国家统计局和行业管理部门发布的数据是学生们最经常寻求的数据来源（见表2）。

对数据新闻的学习者来说，从数据中发现新闻除了需要有敏锐的视角之外，还需要具备一定的统计学知识，需要能够理解数据并发现其中的故事。由于在数据新闻课堂并不能对统计学相关知识进行较多讲解，这部分内容通常需要学生自学。在学生反馈中可以看到，学生在课程的学习过程中对数据的理解程度普遍有所提高（80%），但对进一步从中挖掘具有新闻价值的故事，却往往表现出力不从心，有些无所适从。

数据新闻作品的完成是一个合作过程，无论从工作量还是技能来看，一个人很难较好地完成一项作品。CAR课程强调小组协作，小组成员通常会每周碰面1-2次，交流进度和需求。从DJTP课程学生反馈来看，普遍认为小组合作的方式非常受益，“每个人都很用心，在最后的几周里，凌晨2点在KFC三三两两抱着电脑聚在一起的都是数据新闻班的学生”“小组紧密合作不仅让我们更理解了数据新闻是一个需要合作的事情，而且还收获了友谊”。

在上海大学的课程里，小组合作在最初的3-4周通常是借助网络展开，小组成员分工商讨后各自寻找数据，并使用微信进行分享；在第5周之后，小组成员见面的频率增多，在最后的两周里，许多小组成员每周见面的次数达3次以上。小组合作的频率和方式，一方面受学生学习积极性和自主性的影响，另一方面也与教师的课程引导相关。

CAR课程教师主要使用电子邮件与学生沟通，包括：布置与批阅作业、解答问题、约定见面答疑时间等。

阅读材料的分享主要在课堂进行，教师也会为学生提供一些学习案例，并在课堂进行讲解。DJTP课程借助了微信群“上大数据新闻学习在线”，参加课程学习的所有成员加入该群，主要功能包括：

作业布置、资料分享、讨论问题等。由于之前学过该课程的学生、相关教师和其他学校的部分学生也在群内，学生提出问题时，往往会得到及时回应。学生反馈显示，在线学习群的辅助学习方式能够拓宽视野，也有利于激发学习积极性。微信在线学习群是数据新闻课程本土化教学的一项尝试，借助即时性互动和在线交流，建立教师与学生、学生与学生、业界需求与课程学习之间的互动学习关系。

除课程教学在线学习群之外，学生小组成员也普遍使用微信群的方式传递和分享资料，进行交流讨论等。

四、本土化实践的困惑与期待

数据新闻教学过程的本土化并非是预设的结果，而是在教学互动过程中，受到国内数据新闻教学与实践的实际条件影响而作出的尝试，在很大程度上是一种被动的调试。

美国的数据新闻课程强调新闻性仍然是第一要素，教师对学生的新闻选题进行评判，并讲授如何理解数据、分析数据和使用工具呈现有新闻价值的数据。

国内数据新闻人才的招聘首先强调的是工具性，对数据分析和可视化工具的应用能力往往成为选择人才的标准。

上海大学DJTP课程在工具的选择和使用上基本遵循了密苏里大学CAR课程中所使用工具，包括Excel、MySQL和Tableau，但对当下数据新闻记者流行的D3、E-Charts、HTML5、GIS等軟件并未涉及。

在强调工具技能的媒体面前，国内数据新闻教学在工具的选择方面面临困惑，一方面找到既懂新闻又懂计算机工具的教师不易，另一方面在课程体系尚未完善，许多学校的数据新闻课程还主要依托1-2位教师的情况下，教学还不能与行业需求很好对接。

在这样的情况下，如中国传媒大学数据新闻实验班那样，通过系统学习与文理结合方式培养出来的学生，就变得相对紧俏。

从本质上说，数据新闻的实践遵循两条路径：其一是使用数据可视化方式对新闻予以支撑，从而让读者一目了然地读懂需要大量文字才能呈现的内容；其二是从庞杂的数据中發现异常数据，进而形成新闻故事，打破人们的常规认知，帮助公众了解在没有数据分析的情况下很难发现的问题。

尽管国内的数据新闻教学才刚刚起步，在一个学期的课程教学中还难以完成足够适合发布的数据新闻，但在上述方面，对学生认识数据新闻、理解数据，并沿着规范的路径用数据讲故事的思维培育中，国际化和本土化的教学探索仍值得更多尝试与期待。

注释：

① 马金馨曾陆续担任过《南华早报》的社交媒体编辑、国际记者网的中文主编、路透社数据新闻产品助理等职，从2011年年底开始做数据新闻和信息可视化方面的培训。

② 马金馨：《数据新闻工作坊教学感想》，数据中国网， http：//djchina.org/2014/05/07/data-journalism-workshop/，2014年5月7日。

③ 刘佳昕、吴嘉川：《迈阿密大学：Alberto Cairo 教授的数据新闻》，数据新闻网，http：//djchina.org/2015/07/12/miami-alberto-cairo/，2015年7月21日。

④ Bell， E. （2012）. Journalism by numbers. Columbia Journalism Review， 51（3）： 48-49.

⑤ 参见：数据新闻网，http：//djchina.org/about/，2016年8月2日。

⑥ Skelton， C. （2014）. How to crowd source a data journalism course. Media， 16（1）： 21.

⑦ 书面访谈以学习报告的形式提交，在报告中学生对一些预设的问题予以回应。