AIGC视域下数据新闻的发展困境、契机与路径探寻

张艳茹 陈功

作者简介   张艳茹，湖南科技大学2022级新闻与传播专业硕士研究生；陈功，湖南科技大学人文学院副教授，硕士研究生导师

【摘 要】数据新闻的发展经过了萌芽、兴起到繁荣的阶段，但囿于成本、技术和受众等方面的限制，难以保证长期持续多题材、高时效、多元化的内容生产，因而在繁荣之后，逐步进入瓶颈期。AIGC的兴起，创造了全新的人机协同工作模式，其在可视化、可听化和可触化信息建构方面的优势为数据新闻的进一步发展提供了新的契机，有助于数据新闻在完成内容拓圈、生产周期缩短、技术升级的同时，建立合适的受众反馈机制，创建新型的数据新闻生产模式。

【关键词】AIGC；数据新闻；数据可视化

数据新闻的概念最早可以追溯到20世纪60年代美国学者菲利普·迈耶提出的精确新闻报道理念，但这一阶段囿于技术限制，精确的数据依赖于大规模的民意检测、问卷调查等过程，在此期间数据新闻并未大规模应用。21世纪初期，计算机辅助新闻实践逐渐增多，相应的新闻数据库也不断增长，数据逐渐成为精确新闻报道的组成部分。2013年《纽约时报》制作的“雪崩”题材数据新闻报道获奖，将数据新闻推上研究热潮，此后，数据新闻的制作及研究不断推陈出新，迎来数据新闻的繁荣期[1]。但2020年以后，数据新闻的创作陷入了瓶颈期，技术创新的乏力和报道形式的限制，使数据新闻的热潮逐渐褪去。2022年ChatGPT（生成型预训练变换模型）问世，掀起了AIGC（人工智能生成内容）的讨论热潮，这一新型的技术模式或可为人机协同的新闻生产方式提供新鲜活力，其大数据、个性化、多样化信息生产等特点，为解决当下数据新闻面临的创作、技术和受众等方面困境提供新的路径。

一、数据新闻发展的困境分析

受限于成本和技术等方面的影响，2020年后，数据新闻的发展逐渐进入疲软期，长生产周期限制了其题材创新和内容多元化制作，也影响了新闻的时效性，主流的图文模式提高了部分受众的准入门槛，增强了拓圈难度[2]。

（一）创作困境：题材创新和内容制作中的成本限制

区别于传统的新闻创作模式，数据新闻需要传播者（以下简称传者）额外进行数据统计并对结果进行“可视”化处理，创作成本相对较高，这便要求傳者在创作时必须选取高关注度的主流话题，以保证在投入成本之后，能降低因低关注度而产生亏损的可能性。基于此种需求，高成本的数据新闻创作模式一定程度上压缩了传者的题材选取范围。

题材确定后，数据新闻的内容制作也在传者构思、数据抓取与可视化处理等方面存在着成本限制[3]。首先，从传者的初构思层面来看，确定选题后传者需要考虑如何才能制作出系统规范的数据新闻，这一是要求传者能够把握能生成数据新闻的数据特点，二是要求传者能系统地将所需数据梳理出来，这个过程中涉及创作的第一个成本，即人才成本。传播主体需要招募或培养能承担此步骤的创作人才，这一环节就要投入足够的成本。其次，在数据抓取和可视化处理方面，则要同时投入人才成本和技术成本，甚至需要和其他企业合作来达成目标。

（二）传播困境：新闻时效和多屏转换的技术限制

新闻时效性是新闻生产的重要参照标准，为弥补数据新闻在长周期制作过程中出现的时效性滞后不足，现有的数据新闻在创作中往往遵循提前预测和事后汇总两条创作思路。提前预测的创作思路是指数据新闻的创作者在新闻生产的过程中会提前预测部分会火爆的选题来进行汇总报道，像“6·18”“双十一”，以及国庆、春节等时间确定年度事件。事后汇总的创作思路则是对于一些突发的大热选题，创作者从中选取难度较低、创作周期较短的热门题材，对其进行系统化的原因梳理以及相关数据抓取，然后着手进行数据可视化处理。但无论是提前预测还是事后汇总的创作思路，受技术的限制，都需要一段或长或短的数据准备与处理周期来编写数据抓取代码，运用可视化编辑软件分析处理数据。

技术限制一方面影响了新闻的时效性，另一方面也对传播渠道产生了影响。传者在生产内容的过程中，比起视频模式更加倾向于低成本的图文模式，这限制了部分的传播渠道。

（三）接触困境：受众素养和可见性视域的传播限制

预测和总结是数据新闻生产的两种创作思路，但无论是事前还是事后创作，数据新闻在生产过程中始终遵循着系统呈现的原则。分析我国当前数据新闻的生产现状，单篇的数据新闻偏向于软新闻，在厘清前因后果的同时，也会融入一些建设性、批判性的思考。这种建设逻辑有利于数据新闻在公众心目中树立权威的形象，但也将其受众割裂开来。受众获取新闻的过程中，有一部分是为了探究新闻事件或热点话题的始末及其背后的深层逻辑，但更多的则是通过简单的叙事报道来了解事件过程即可，系统化的数据新闻报道在一定程度上加深了受众阅读新闻的难度，将更广泛的受众隔绝在新闻之外[4]。基于此，建立软硬并行的数据新闻模式有利于广泛吸引受众关注。

系统化的数据新闻报道不仅限制了受众关注程度，也在某种程度上限制了其可见性视域扩展。值得一提的是，数据新闻系统化的内容偏向有助于增强受众黏性，其超脱了原本新闻传播中的信息获取，上升到了信息和知识的双重获取层面，部分受众在看到数据新闻之后可能会进行转发、收藏等，因此，数据新闻易于产生良好的“私域”用户，例如，艾媒咨询每年发布各项数据调研结果，潜移默化地吸引了一批相关爱好者关注其内容生产。但是客观来看，这种稳定性也会反作用到数据新闻的生产过程中，限制其进一步的圈层拓展。一方面，传者要稳固自身的受众基础，就要不断推出系统的新闻内容来保持用户黏性，然而稳定的用户群形成以后，传者也有了自己的生产风格，偏向已有的用户需求，这就导致其在后期制作中很难走出自身虚设条件的限制。另一方面，受众无论是转发还是收藏，都建立在一个稳定的兴趣团体中，很难为数据新闻的知识类形态拓宽可见性视域。自身风格固化和受众传播的双重限制，一定程度上影响了数据新闻的可见性视域扩展范围[5]。

二、AIGC视域下数据新闻发展的环境契机

汇总已有的数据新闻报道，可以分析出数据新闻生产中涉及题材选取、数据设计与抓取、可视化处理三个主要步骤[6]，AIGC可以通过海量的数据分析和预处理系统进行类人脑的内容生产，在视觉、听觉、触觉三个方面，为数据新闻的生产提供了新契机。

（一）可视化契机

ChatGPT问世以后，以其为引推出的文本AI（人工智能）、图像AI接踵而来，像抖音剪映智能AI、百度文心一言等，均为数据新闻的创作提供了新的可视化契机。

1.文本契机

数据新闻生产首先要列出具体的数据需求类型，其次再根据抓取的数据来确定文本内容。比起人脑，AIGC建立在大数据的基础上，一方面，它能够根据已有的数据新闻模板来系统分析并完成一篇数据新闻需要的数据框架。以ChatGPT为例，可以直接将选题提供给ChatGPT，然后再设定数据需求，它便能提供给创作者一套基本的创作模板，极大地简化了初步构思的过程。另一方面，它能够根据已有数据生成文本描述，在数据处理完毕后，需要加入文字描述时，可以将数据信息提供给AIGC，借助其内容库生成一份具有前因后果的翔实的内容报道，并且创作者可以直接对其提问“该报道有何不足”等类似的问题，借助其提供的意见进行细致修改[7]。总而言之，无论是前期思路搭建还是后期文本完善，AIGC都为数据新闻的创作提供了文本契机。

2.圖像契机

图像设计是数据新闻的呈现灵魂，也是拉长数据新闻生产周期的一项主要指标。汇总已有数据新闻得出的优秀数据新闻，在数据呈现上往往让人眼前一亮，尤其是在图文制式中，阅读者很多会跳过文本内容直接锁定图片内容，所以清晰又细致的图像数据设计也是新闻生产的关注点。当前AI绘画软件已经日趋成熟，国内的百度AI作画、抖音AI绘图等都为数据新闻的图像设计提供了新的机遇。一方面，比起人工生产，AIGC风格更加多变，可以应对不同的市场需求，有利于多种主题的报道；另一方面，AIGC的生产速度更快，可以在短时间内完成一篇数据新闻构成多种图像的需求，缩短制作周期，降低制作成本。

3.视频契机

与图文类数据新闻相比，视频类数据新闻受限于技术，生产数量和规模都较小。生产视频类数据新闻需要在原有的创作基础上加入剪辑、配音等后期处理，同时也要求数据的处理建立在动态的模型中，加大了新闻的生产难度。AIGC的出现则为视频类数据新闻的生产提供了新的契机，一方面，AIGC可以设计数据代码，便于获取将静态数据图像转换为动态数据视频所需要的大量数据，静态图像往往只需要部分的数据即可，但如果生产动态的视频则需要抓取即时或者历年的数据信息。另一方面，AIGC可以辅助创作者将抓取的内容进行可视化处理，例如，Flourish等可以提供成品模板的AI网站，可以将数据直接应用到模板之中，然后再进行后期编辑，极大地简化了视频类数据新闻处理的动态过程。

（二）可听化契机

数据新闻的可听化处理往往是与可视化信息相结合来完成一篇数据新闻，可听化信息可以分为两种：一种是音乐类信息，与报道内容无关，是为了丰富传播内容而加入的背景音乐；另一种则是文字播报类，与报道内容相关，是为了增强报道可读性而加入的内容解说。在视频类新闻中，两种类型的可听化信息应用都较为广泛：面对单一动态数据时，比如某一段时间内影视剧热度变化表或某一段时间内市场营销规模的变化，音乐类信息往往比文字播报类适用，其可以通过音乐节奏和简单的动态内容将受众代入到新闻之中，但如果面对的是复杂的数据，纯音乐的背景就显得有欠妥当，不同类型的数据切换使得受众难以在一晃而过的画面中稳定跟随传者的思路，此时播报类的可听化信息便能辅助受众紧跟报道内容。

传统的数据新闻生产中，获取一份音乐类内容尚不会影响生产周期，但如果将文本转化成可听化的播报语音则会极大地提高生产成本，播报文本编写、字幕制作、播报人员选取等都会不同程度地影响生产周期[8]。AIGC的引入，一方面可以完成文本类的改写，编辑出适合播报的文案，另一方面也可以运用AI软件进行后期智能配音或变声，然后在剪辑中再度运用AI生成智能字幕，缩短创作周期。

（三）可触化契机

可触化内容生产主要建立在新闻互动层面。内容呈现上，数据新闻多由文字、图像等多元素构成，其丰富的素材满足了用户的数据获取需求，但与之并行的互动需求则有所欠缺。作为新技术应用下的新闻模式，数据新闻的创作仍旧仿照传统的新闻制式，以内容传播为主，用户参与程度不深。造成这种情况的原因主要在于互动类型的新闻创作技术难度系数更高，数据新闻在数据抓取的过程中就拉长了生产周期，再加入互动制作环节，会更加影响新闻的时效性。AIGC生产模式的出现为生产者提供了新的新闻可触化内容，即用户参与内容的生产契机。一方面数据设计的过程中可以运用AIGC生成易交互的数据模式，如动态数据生成；另一方面在后期加工的过程中，AIGC也能间接为传者制作完善的互动新闻内容提供系统的脚本和模板。

三、AIGC视域下数据新闻创作的路径探寻

AIGC为数据新闻的发展提供了新的契机，结合当前的数据新闻生产现状，AIGC可以在内容创作、生产周期、设备转换和受众素养四个方面为数据新闻创作提供新的发展路径。

（一）题材设置：创作内容的圈层拓展

较前两年的数据分析，当下数据新闻的热度在渐渐消退，其中一方面的原因是数据新闻在生产过程中受限于题材限制，创新的题材选取是拓宽受众圈层的主要思路[9]。AIGC缩短了数据新闻的生产周期，降低了制作难度，为数据新闻的多样化题材创作提供了环境基础。以往的数据新闻在报道内容的题材选取上集中在主流议程中，很少能涉及一些小圈层的新闻需求，但AIGC的出现为其题材创新提供了新的思路，主要集中在以下三点：其一，建构在大数据模型下的AIGC能精准分析不同用户的新闻需求与兴趣爱好，深度挖掘多种圈层特点，建构数据新闻生产的长尾理论环境；其二，AIGC为题材的解读和编写提供了多种便利，以往圈层性的新闻热点出现后，传者需要花费时间去了解系统的圈层文化内容，然后再进行内容创作，AIGC则为传者提供了一个集中性的内容处理中心，传者可以通过提问题的方式获取自己想要的答案，并根据自身需求运用AIGC创作所需要的圈层性新闻报道的内容；其三，AIGC在圈层性的个性化生产中提供了后期便利条件，独特的圈层有其更喜欢的新闻形式，AIGC的多样化实践可以灵活切换新闻创作的模式，提供视频、互动等多元化的创作素材，通过题材选取完成圈层拓展的最大化。

（二）生产周期：新闻时效的静止与滚动

数据新闻在新闻时效性面前多处于被动地位，以AIGC作为辅助，传者可以通过静止和滚动两条创作思路来弥补数据新闻创作的时效性缺失。首先，从静止层面来看，即一次性推出新闻热点事件的综合报道，传统的数据新闻生产为系统阐明事件过程，需要厘清事件前因后果，设计抓取数据的思路和范围、分析所得数据等步骤，对人力资源的依赖性较大。AIGC则简化了以上生产步骤，为传者提供了和传统新闻生产周期相近的数据新闻生产周期，为一次性的系统的数据新闻报道提供了新的生产模式。其次，从滚动层面来看，囿于成本限制，传统的数据新闻生产往往难以对一个热点事件进行跟踪持续报道，影响了跟踪新闻尤其是反转新闻中的时效性。AIGC的规模化运用则代替了此间的人工成本投入，在传者创设的问题环境下快速总结当下热点的来龙去脉，辅助传者将数据新闻的生产也融入滚动新闻的报道模式之中，为受众提供权威且翔实的数据分析。

（三）技术赋能：设备切换中的多屏创新

AIGC为同题新闻的不同形式快速创作提供了低成本的现实可能。当下的数据新闻主要是图文和视频两种形式，图文比起视频更便于受众快速获取信息，然而视频却更利于用户理解信息，尤其是对于部分门槛较高的数据新闻报道[10]。AIGC的引入，一方面可以快速地将图文消息转化为视频模式；另一方面也可以根据已有的素材快速生成新的适用于电视、广播等媒体的文本内容和背景音乐，极大地缩短了生产周期，为多屏数据新闻生产提供了现实可能性。

（四）受众反馈：可见性扩展中的阅读普遍化

受众是新闻传播的最后一个环节，受众的反馈直接影响新闻的规模化传播。传统的数据新闻生产方式，多以传者思维为主，融入受众的环节较少。在此，需要辨析的是，部分数据新闻在统计数据时会加入用户对热点事件的看法，或是在研究某种市场需求时加入用户需求，这在某种程度上已经将用户纳入新闻生产的环节中，但这种用户的调研和新闻内容传播的受众可能会存在一定程度的脱节，不能作为完全意义上的受众互动。建立良性互动的传受关系，需要创作者在创作过程中深挖受众特点，在反馈阶段有效分析受众需求，通过始末相连来创作适合受众的数据新闻。AIGC在开始环节为创作者挖掘受众特点提供了便利，创作者可以借助AIGC的数据分析来探究何种新闻主题的用户关注度最高，在后期反馈中，AIGC一方面可以用搭建互动化的数据新闻内容来收集用户反馈；另一方面也可以对用户的反馈内容进行统计分析，确立更加合理且满足受众需求的数据新闻创作方向。

四、结语

技术的发展和进步从生产、传播多角度革新了新闻业的生产模式，AIGC的出现为当下的数据新闻发展提供了新的可能性。但值得思考的是，AIGC的兴起为数据新闻的生产提供新思路的同时可能也潜藏着其他弊端，比如在縮短生产周期、简化生产路径的同时也存在伦理等方面的风险，尤其是数据新闻的文本多建构在海量数据分析与统计之上，这要求创作者在运用AIGC生产新闻内容的同时，要建立与之匹配的审核机制，将技术背后潜藏的伦理风险防患于未然。除此之外，未来的数据新闻研究也可以探讨数据新闻生产中人机协同的平衡问题，合理利用两者的关系，最大限度地促进数据新闻的发展。潮

参考文献

[1]陈虹，秦静.数据新闻的历史、现状与发展趋势[J].编辑之友，2016（1）：69-75.

[2]董卫民，吴坤玉.数据新闻演进中的创新向度与未来发展[J].未来传播，2022（4）：48-54，129.

[3]王建峰.从知晓到理解的新闻知识转向：形态演变、模式生成与发展路径[J].南京社会科学，2023（10）：115-124.

[4]徐海丽.交往合理性理论视域下数据新闻发展研究[J].南宁师范大学学报（哲学社会科学版），2023（5）：110-114.

[5]陈梦亭.转向与反思：浙江县级融媒体的数据新闻可视化探析[J].传媒，2023，（S1）：105-109.

[6]任瑞娟，李心玉.数据新闻的三重意义建构及重构社会共识研究[J].当代传播，2023（4）：36-41.

[7]谢沁露，张译匀.AIGC在视频创作中的技术实践与迷思：以B站UP主为例[J].传媒，2023（22）：43-45.

[8]刘瑶，吴楠.融“慧”贯通：智媒时代主流媒体的破局之策：央视网人工智能编辑部的实践探索[J].青年记者，2023（19）：66-69.

[9]郝雨，文希.AIGC一个“特类”：再论ChatGPT应用新闻生产新模态[J].新闻爱好者，2023（9）：14-17.

[10]胡泳，刘纯懿.UGC未竟，AIGC已来：“内容”的重溯、重思与重构[J].当代传播，2023（5）：4-14.