对中美数据新闻人才培养模式的比较与思考

乔笛宇

原文刊于《国际新闻界》2016年第十期。
本文为国家社科基金项目“我国数据新闻的理念、实践及其人才培养模式研究”的阶段性成果之一，项目批准号：16BXW018
作者
许向东，中国人民大学新闻学院副教授，中国人民大学新闻与社会发展研究中心研究员。

正文
一、数据素养是数据新闻人必备的业务能力
根据目前掌握的文献，较早提出这一概念的是 2004 年发表的《信息素养、统计素养和数据素养》一文(Shields，2004)。有的学者称之为“数据信息素养”( Data Information Literacy)，即理解数据的意义，包括如何正确地读取图表，从数据中得出正确的结论，以及能够指出数据被错误或不恰当使用(Carlson，Fosmire & Miller，2011)。。综观现有的数据素养定义，一是基于科研数据管理视角，二是基于数据利用视角。如果说“数据信息素养”的概念更适合于科研人员，那么，国内学者孟祥保、李爱国(2014)的定义“具有‘数据’意识，具备数据基本知识与技能，能够利用数据资源发现问题、分析问题与解决问题”，则更适用于新闻从业者。2015年，密苏里新闻学院大卫•赫尔佐格教授出版了《数据素养——用户指南》（Data literacy: a user’s guide）一书,内容涉及如何收集、评估数据；如何清理“脏数据”；如何可视化数据和使用数据分析和可视化工具等（Herzog，2016，preface）。很明显，该书的用意是为那些缺乏数据分析与统计知识的新闻从业者所写，指导他们掌握数据的识别、获取、评价、清洗与可视化等技能，提升数据素养，更好地从事计算机辅助报道和数据新闻。

数据素养在实践中主要体现在两个方面：数据意识和数据处理能力。数据意识（data awareness）类似于新闻敏感，是新闻工作者对数据的一种直觉，是对数据的批判、反思意识，是新闻从业者在生活、工作中表现出来的关注和发现相关数据的意识和兴趣，是发现数据价值的本能反应。新闻从业者对数据持有两种截然相反的态度，要么深信不疑，要么不以为然，深信者以为数据就是科学依据，排斥者认为数据就是数字，过于抽象枯燥。我们应该正确看待数据，像对待其他信源一样，对数据保持谨慎的态度和清醒的头脑。数据处理能力包括获取数据、解读数据和呈现数据的能力。获取数据（data collection）不仅要考虑关联性、代表性和价值，也要考虑数据的广度与深度。另外，还要重视与数据源建立良好的供给与需求合作，主动与一些数据供应商、专业数据公司建立合作关系。分析数据（data analysis）是对数据的解读和整理。数据正变得越来越重要，这并不是因为数据量的巨大，而是我们拥有了工具和能力去分析数据、发现模式并揭示趋势（麦克坎德莱斯，2012，1）。但是，如果缺少洞察，那么再好的数据处理工具也无助于新闻质量的提升。呈现数据（data visualization）是指将大型数据集中的数据以图形图像形式表示，并利用数据分析和开发工具发现其中未知信息的处理过程。

2012年哥伦比亚大学的托尔数字新闻中心（Tow  Center）发布了一份关于后工业化时代，新闻工作者所应该具备的技能的报告，提出了九项技能。1其中包括：熟悉数据和统计知识；了解用户分析工具，更好地理解受众；熟悉基本编码知识等。未来几年，社交媒体、数据分析、编程设计等实操能力将可能成为新闻从业者的标配。如何培养新闻从业者和新闻院系学生的数据素养，成为了新闻传播业界和学界的共同关注点。

二、我国数据新闻人才的培养模式及其特点市场
目前，国内数据新闻的人才培养尚处在起步阶段。经初步调查发现，除了一些新闻院校相继开设相关课程之外，各种数据新闻工作坊也为提升新闻从业者的数据素养拓宽了学习途径。

开设与数据新闻相关课程的院校主要有中国传媒大学、清华大学、中国人民大学、复旦大学、华东师范大学等，这些院校在强化课堂教学的同时，积极与业界建立联系，加强合作，期望所培养的新闻人才能跟上业界的发展步伐。2014年中国传媒大学新闻学院组成全国首个数据新闻报道实验班，率先开展数据新闻的教学、科研与人才培养的探索。中国人民大学新闻学院于2015年春季学期开设了《数据新闻基础》作为新闻学专业的选修课，以讲授数据新闻报道的基本规律和方法为主。华东师范大学传播学院的《数据新闻》以培养学生的数据素养和实操能力为目标。总的看来，目前国内的“数据新闻”教学主要是以教师系统讲授为主，实践操作为辅，多采用案例教学方法，外加课后作业的教学模式。

通过分析一些院系的教学方案、授课大纲以及师资情况等，笔者认为，当前我国数据新闻教学具有以下几个特点：

第一，课程设计先理论后技术，遵循生产流程。数据新闻的教学目标是帮助学生了解业界的前沿动态，培养基本的数据素养和掌握专业操作技能，使学生掌握并能够熟练运用数据新闻报道的基本技能，适应大数据时代新闻工作的需要。梳理人大、复旦、华东师大等院校数据新闻的课程大纲发现，业务课的传统风格——先基本理论，后技术操作得到体现，即课程内容都是从介绍数据新闻产生的背景、概念入手，然后按照数据新闻的生产流程，从数据获取、数据清理到数据分析和数据可视化逐次展开，反映出在设计该课程的内容时，大家都不约而同地以数据新闻的生产流程为内容讲授的顺序。调查发现，教师推荐的软件主要有Excel、Google Refine、Tableau Public以及Adobe系列等。对于需要具有统计学基础才能掌握的软件则较少涉及。尽管编程写代码不在培养方案的要求范围之内，但鼓励学生通过自学或者搜索一些对代码可以稍加调整即可达到目的的应用软件，如Echart等。但是，也有个别院校强调技术训练，如2015年南京大学开设的数据新闻课程在内容安排上有着明显的技术倾向。16周的课时中，只有第一周是理论导入内容（数据新闻简介+课程简介），余下的课时都安排给技术讲授，内容涵盖了R语言、Python、H5、Javascript、D3、Echart等，课外作业也多为编程练习。

第二，授课以本院系教师为主，辅以外请专家讲座。国内新闻院校里同时拥有编程、统计和新闻学科背景的教师寥若晨星。在访谈中发现，任课教师的学科背景和从业经历直接影响了数据新闻课程的内容结构。如果主讲教师具有计算机学科背景，其主讲内容往往侧重于互联网行业发展和操作技术。具有新闻业务背景的教师在讲授从数据中如何发现新闻时，往往比较细致，但对于操作技术，如数据分析、编程等的讲授则显得力不从心。因此，一些具有新闻业务、研究方法、媒介市场研究等教学背景的教师，涉及技术问题时更多的是讲述经典案例，而更具体的软件操作则倾向于鼓励学生去自学或者选修其他院系的相关课程。开设数据新闻课程的院系，偶尔也邀请业界人员做专题讲座。受限于外请人员课酬的多寡、任课教师的工作量要求，以及业界专家的业务水平、时间安排等多种内外因素，外请业界专家授课仅能偶尔为之。他们多以讲座的方式介绍自家媒体的产品，分析一些国内外的典型案例等，很难形成稳定的、系统的合作授课模式。

第三，课程体系表现出先基础后专业的教学顺序。国内新闻教育长期以来形成了理论、历史和实务的固定框架，这一教学传统同样体现在数据新闻的教学顺序上。无论是作为专业方向，还是专业课程，新闻院校的本科生在大一大二所接触到的均为基础课程，如新闻史论、采写编评等。通过分析几家院校的本科培养方案发现，数据新闻的课程安排体现出优先夯实理论基础和业务基础，再发展专业教育的特点。如中国传媒大学的数据新闻报道方向，大三时开始“网页抓取与数据处理技术”、“可视化软件工具与应用”、“数据新闻报道”与“数据实践项目”的学习与实践。中国人民大学的《数据新闻基础》作为专业选修课也是安排在了大三的下半学期。与数据新闻相关联的一些新闻实务课，如新闻信息的采集整合及信息图表的设计制作等，大多安排在大二和大三的上半学期，遵循的是从理论到实践，先“道”后“术”的教学顺序，为更精专的数据新闻学习打下了基础。

第四，各类工作坊的举办开阔新闻从业者和教师的视野，发挥了师资培训的作用。比较早的工作坊当数2013年12月初由华媒基金会（后更名为财新公益基金会）在广州举办的第一届“数据新闻工作坊”，第二年4月、7月和12月又相继举办了三届工作坊。学员主要来自都市报、网媒、财经媒体的记者、美编或网络技术人员，第四届有少数高校教师参加。为期五天的工作坊主要讲授数据新闻技术及应用策略，旨在提升学员们数据收集、分析和可视化应用方面的能力。2015年4月，清华大学新闻与传播学院联合美国国际研究与交流协会（IREX）共同举办了一期“数据新闻工作坊”。学员为在校教师和博士后，工作坊结合实际案例针对数据新闻的基本概念、生产流程进行了讲解，内容涉及数据搜集与挖掘、数据清理与理解、基础统计学、基础代码编辑（HTML/CSS/JavaScript）、可视化等。同年5月，复旦大学新闻学院也主办了一期数据新闻工作坊。招募了一批来自一线的新闻工作者、程序员、设计师以及在校学生，讲授内容包括数据挖掘、抓取、分析的基本技术，数据可视化原则、工具使用、以及网页开发等内容。这些工作坊在培训内容上有着高度的相似性，不仅邀请来自国外知名院系的专业教师或业界专家来讲授理论与操作方法，同时设计了实操环节，让学员们通过实际练习，加深对数据新闻生产过程的认识和理解。每一期工作坊的时间虽然短暂（仅4～5天），但是对从业者、教师而言，既开阔了视野，又增强了技术能力。

三、美国数据新闻人才培养模式及其特点
2016年3月，在奈特基金会的资助下，哥伦比亚大学新闻学院托尔数字新闻中心的研究员Charles Berret和斯坦福大学数据新闻课程的教师Cheryl Phillips对美国新闻院校的数据新闻教育进行了调查，并发表了调研报告《数据和计算新闻学的教学》（Teaching Data and Computational Journalism）。调研中的113所新闻院校中有59所至少提供了一门数据新闻的课程。其中18所开设三门及以上的数据新闻课程，14所开设两门课程，27所仅仅开设一门课程（多为基础课程）。开设这些课程主要致力于全面培养学生的批判性思维和通过数据发现故事、用数据讲故事的理念与能力。在实践教学中，Excel是应用最多的，其次是结构化查询语言，还有一些课程讲授Tableau Public或者Google Fusion等软件。仅有少数院校讲授SQL、Python和R等编程语言，以及web框架开发工具，如Django、Ruby on Rails。多数教师认为，数据新闻从业者至少应该明白编程的工作原理，这是开启计算思维的第一步。从网页中抓数据需要运用一些简单的Python编码 ,但是因为很多数据并不是以表格形式呈现的，所以，要在网站和其他数据库里寻找数据还需要懂一些编程的解决方法。各院系的教学内容表现出较高的一致性，首先提供数据给学生分析；接着指导学生寻找、获取所需要的数据，并提交公共记录请求。最后成果以备忘录或者故事的形式体现，提高学生讲故事的技巧。众所周知，数据新闻在呈现环节离不开用户体验的设计，但是，美国新闻院校通常都将关注点放在基本的设计原理、网站综合设计或者静态图表上，很少有教授学生设计交互式产品和创建APP。尽管数据新闻的教师们在表述数据新闻相关概念和技能培养方面高度一致。但是在教材问题上却莫衷一是。事实上，大多数课程都不使用教材，而是仅仅提供一系列的选读材料。在师资建设方面，大家认为吸引专业的数据新闻从业者来兼职是必要的，有助于培养学生的批判性思维。

在掌握美国数据新闻整体教学情况的基础上，笔者以哥伦比亚大学新闻学院和密苏里大学新闻学院为个案，重点考察了两所学院围绕数据新闻所进行的教学体系建设、课程内容设计、教学资源开发等方面所体现出的特色。

第一，教学次序先实践后理论，本硕教学并重。与国内新闻教育的课程序列相反，美国新闻院校的课程设置体现出明显的先实践后理论的特色。以密苏里新闻学院课程为例，在其选课系统中，大一大二主要为实践性强的业务课程，而史论、伦理法规类则安排在大三、大四年级。另外，硕士研究生阶段依然设置了大量实践为主的课程，并非像国内新闻院系侧重于理论研究。2014年之前，密苏里新闻学院开设的与数据新闻相关的课程主要有5门：《数据报道基础 (Fundamentals of Data Reporting)》、《计算机辅助报道（Computer-Assisted Reporting）》、《地图和信息图表制作（Mapping for Stories and Graphics）》、《信息图表（Information Graphics）》，《信息图表的应用（Using Infographics）》,这些课程之间存在着递进或互补的关系，并且无论是本科生还是研究生，每学年都有两次选修的机会。2014年秋季，该学院开始了数据新闻硕士项目，其核心课程包括融合新闻报道、计算机辅助报道、高级数据新闻、多媒体策划与设计、信息图表、地图和图表制作、调查性报道等，体现出较强的实操特色。

第二，重视技能训练，强调实践能力。美国的新闻教育有着较强的培养业务实践能力和新闻职业化的传统。在哥伦比亚大学新闻学院推出的新闻和计算机硕士双学位项目中，基础工程和应用科学学院负责技术培训,范围从数据挖掘、数据库系统设计、高级软件工程、用户界面设计到计算机图形学、安全和网络，旨在帮助学生掌握把原始数据合成到相关内容。略有理论色彩的计算新闻研讨课，其讨论话题也多涉及技术领域：信息推荐系统、数据过滤，统计分析的原则，网络分析及其在新闻调查中的作用，可视化技术和可视化的认知效果等。4该学院的数据新闻硕士项目在课程设置上更是体现出较强的实践特色。参与此项目的学生要求除了掌握记者的所有基本技能之外，还要学习如何使用编程语言和数据分析工具，在数据采集、数据清理和分析,写作和可视化数据报道等方面接受严格的训练。在春秋两个学期中,他们要求参加一个数据工作坊,涵盖了构建一个数据故事的,从获取、收集、提取、清理和可视化的每个环节。5密苏里新闻学院的数据新闻课程除了讲授Python语言、API接口、Django网络应用外，还包括了MYSQL数据库的应用等。选课学生有在《密苏里人》报实习的任务，或者通过各种项目把学生安排在《华盛顿邮报》、《纽约时报》等社会媒体实习。

第三，积极开发网络教学资源，提供自主学习的便利。互联网技术的日益发展，加上网络平台具有开源的特性，促进了教学内容的共享与公开，使得网络教育成为一种新型的教育形式，是知识经济、信息社会背景下人们获取知识的一条重要途径。美国奈特基金会在数据新闻兴起之初就着手筹备网络公开课程，来满足有志于数据新闻报道而未受过专业训练的新闻从业者的需求。2014年5月，欧洲新闻中心（EJC）上线了系列数据新闻公开课（Doing Journalism with Data），教授记者如何使用数据来提高报道水平。该课程由5个模块组成：媒体的数据新闻、寻找数据支持报道、用数据分析法寻找新闻、处理杂乱数据、以及可视化报道方式。课程由视频讲座、辅导、作业、阅读和讨论组成。授课教师皆为资深业内人士，如《卫报》前编辑Simon Rogers和普利策获奖者Steve Doig等。课程的顾问团队包括来自《纽约时报》、ProPublica、推特等多个机构的编辑记者。截止2015年初，约有3万人注册了该课程。6Poynter新闻大学是全球最具创新性的在线新闻和媒体培训项目之一，开放给任何想要提升新闻技能的人。其在线讲座和课程涵盖从多媒体技术到新闻写作、报道以及更多相关议题。关于数据新闻的课程，有讲制作可视化的“用Silk.co制作数据新闻”和“适用于移动端可视化的数字工具教程”，也有像“谷歌研究工具：检索、趋势、建立相关性和公共数据的探索器”这样主要讲检索数据方法的课程。7除以上这些平台外，不少科研机构与高校也都提供数据新闻相关的课程或资源：如奈特数字媒体中心，奈特美洲新闻中心，哥伦比亚大学的托尔数字新闻中心，加州伯克利高级媒体研究所，西北大学麦迪尔新闻学院等。这些教学科研机构利用互联网交流的便利性与传播符号的多媒体性，整合各种优秀资源，大大提升了数据新闻人的自主性学习几率，激发新闻从业者的创新能力和意识。

第四，举办数据新闻训练营，增强从业者的技术水平。NICAR是密苏里新闻学院建立的“计算机辅助报道全国协会”的简称，该协会致力于训练记者的数据素养和数字技能，培养记者利用计算机技术和互联网查找资料，分析数据。如今，该协会已经从计算机辅助报道阶段进入到数据新闻阶段。NICAR每年多次举办训练营（Boot Camps），招募美国各类媒体的新闻从业者、相关课程的教师，训练内容涉及计算机辅助报道、数据新闻生产流程的方方面面。训练营的类型主要有：
●计算机辅助报道训练营（CAR boot camps）一年组织多次，主要帮助学员掌握获取数据信息，学会应用表单和数据库分析信息，把数据转换为新闻故事。

●地图训练营（Mapping boot camps）是指导如何应用地理信息系统（GIS）软件，以数据地图的方式呈现新闻故事，学员需要事先有Access 或 MySQL等关系数据库的基础知识。

●统计训练营（Statistics boot camps）旨在强化学员的统计分析技术，增加讲故事的深度和信度。学员需要事先了解数据库的管理应用。

●编程项目训练营（Coding for Journalists）由美国调查性新闻协会和洛杉矶时报合办，讲授如何从网络上抓取数据，把数据解析成可辨识的形式，以及如何清理数据集，为分析数据做准备。

数据新闻训练营的举办让更多的记者和教师获得了生产数据新闻的技能，在数据新闻调查和分析方法；项目设计与方案评估；了解基本的编程等方面有所收获；并知道自己如何继续学习。

四、对我国数据新闻人才培养的思考
数据新闻的兴起在给业界带来生机活力的同时，也触及了当前新闻教育的改革。虽然对复合型人才的需求与培养由来已久，但大数据时代的到来又赋予了新闻教育改革新的内涵。数据新闻人才所应具备的素养与新闻传播的教学内容、技术训练等如何实现深度结合，需要进行全面的思考。

第一，过于夸大数据新闻在新闻传播领域的重要性，缺乏对该类专业人才需求的理性研判。自2013年数据新闻兴起以来，各类文章、学位论文如过江之鲫，一些媒体和新闻院校视之为新闻业发展的新宠和未来方向，在对我国新闻业的发展情况缺少调研的前提下，过于乐观地认为就业市场将出现数据新闻人才的严重供不应求。在这种观点的左右下，一些新闻院校强调以培养职业技能为目标，忽视了通识教育、基础学科和专业教育。《华尔街日报》、《今日美国》和《纽约时报》可以说是美国的顶级大报，这些报纸是数据新闻的实践先锋，但是对于中、小媒体而言，数据新闻的实践则是非常有限的。在挪威只有有限的新闻编辑室在实践数据新闻；在瑞典，数据新闻是相当不普及的；而在比利时的法语区，关于数据新闻的实践，讨论的比做的多。10从被称为大数据元年的2013年至今，我国新闻传媒界也仅有百度、财新传媒、四大门户网站和央视、新华网数据新闻部等少数媒体在尝试数据新闻的实践，况且一些打着“数据新闻”旗号的产品也不属于真正意义上的大数据范畴，实际情况是，数据新闻的实践并没有想象的那么“无处不在”，数据新闻人才的需求量也被无端夸大了。因此，保持冷静的头脑去看待数据新闻的发展与人才培养问题是非常必要的。

第二，教学方式单一，网络共享资源缺乏，限制了数据素养的学习与推广。近年来，“慕课”（MOOC）等新型在线开放课程和学习平台迅速兴起，拓展了教学时空，增强了教学吸引力，有助于激发学习者的积极性和自主性，也扩大了优质教育资源的受益面。在此趋势下，中国大学MOOC（爱课程网）上线，这是教育部“十二五”期间启动实施的以大学生为主要服务对象，同时面向社会公众免费开放的高等教育课程资源共享平台。通过课程关键词搜索发现，与大数据相关的课程仅有两门：暨南大学开设《开启“智慧生活”的大数据》和西南财经大学开设的《经济数据探秘》，而在新闻传播类中没有发现与数据新闻相关的课程。与数据新闻关系密切的网络学习平台仅有数据新闻中文网（DJCHINA.ORG）一家，这是由一群热爱新闻又热爱数据的志愿者创办，是以数据新闻为主题的中文信息平台，面向国内的新闻从业者、新闻传播教育者以及对传媒感兴趣的设计师、程序员，该网站定期分析海内外优秀的数据新闻作品，报道数据新闻业界会议，翻译授权的学习课程及资料，组织线下的讲座培训等。当前我国数据新闻的教育模式主要还是依靠传统的课堂教学，自主学习数据新闻的方式还不够丰富多彩。充分利用网络资源共享平台，有助于为媒体从业者和新闻学子提供更自由的学习时间、更丰富的课程内容。

第三，师资队伍缺乏实践经验，学校教学资源亟待整合。以本院系教师为主干的教学队伍往往缺乏媒体工作经验，即便采用案例教学法，在讲授实操环节（数据抓取、数据分析和可视化）的软件应用，难免捉襟见肘。而要从根本上解决问题，即业界师资的引进，又非学院层面所能为之的。数据新闻需要的是跨学科的复合型人才，而仅凭新闻院系一己之力难以完成复合型人才的培养。媒体融合时代表面上看需要的是人才的技术适应性，实际上更需要的是人才的内容适应性，需要的是在某个领域、某个学科有较深造诣的专才。这样的专才仅仅靠新闻传播学院的教育资源难以培养，也无法靠一般性的通识教育来完成（蔡雯，2016）。这就需要突破传统的办学模式，在跨学科联合培养方面进行探索，新闻传播学院可以考虑和统计、视觉设计、信息管理等学院合作办学，在学校层面整合资源，加强学院之间、专业之间的沟通融合，创新课程体系。

结语
用数据讲故事不失为变革新闻传播方式的一条新思路，特别是在主流新闻媒体的专业性、权威性受到挑战的情况下，深层次解读、预测性报道和直观性呈现在逐渐被视为主流媒体安身立命的“法宝”，因此，培养具有一定数据素养的新闻从业者也是顺势而为。但是，无论媒介形态、报道方式如何变化，必要的职业精神和专业素养，是从事新闻职业的基本条件，而这也是新闻教育的核心。任何课程建设、培养模式的改进，无不围绕着这个核心展开。数据新闻是一种传播新闻信息的方式，并不是新闻传播的本质与核心。培养服务大众的职业理想，保证新闻真实、客观、公正的职业精神，以及为实现这些理想所必备的职业素养，依然是培养新闻人才的根本，才是以不变应万变。
来源：国际新闻界
http://www.media-edu.com/portal.php?mod=view&aid=12575