论文投稿_医学论文投稿_核心期刊,职称论文投稿发表_论文部落

　　大数据不仅在某种程度上比媒体的个别角度、个别层面的观察更为有效，也在一定意义上比传统的问卷调查更为客观。例如，基于社会化媒体数据的分析，是以人们自发的信息与情绪披露为基础的，尽管这些信息与情绪未必百分之百真实，但是，相对人们被动接受调查的情形，人们自发的披露，通常还是更能反映他们的状态与意愿。
　　对于趋势的预测，也是大数据技术的价值所在。科学家的研究，已经越来越清晰地揭示出，人类行为多数是可以预测的，正如《爆发——大数据时代预见未来的新思维》书中所指出的：
　　各种各样的记录人类行为的数据库，虽然给人类带来了前所未有的风险，但“同时也创造了一个历史性机遇一一它第一次毫无偏见地为我们提供了成千上万人，而不是少数人的详细行为记录。在过去几年里，这些数据库为各大实验室提供了不少帮助，使很多计算机学家、物理学家、数学家、社会学家、心理学家以及经济学家得以在强大的计算机和新技术的支持下，对某些问题进行仔细研究。实验的结果令人振奋。他们有充分的证据证明，人类的大部分行为都受制于规律、模型以及原理法则，而且它们的可重现性和可预测性与自然科学不相上下”。
　　同时，在人类行为与社会的变化之间，也存在着密切的关联。大数据分析有可能将那些隐藏着的深层关联揭示出来。
　　社交媒体监测平台DataSift监测了FacebookIPO当天Twitter上的情感倾向与Facebook股价波动的关联。例如，在Facebook开盘前Twitter上的情感逐渐转向负面，25分钟之后，Facebook的股价便开始下跌。而当Twitter上的情感转向正面时，Facebook股价在8分钟之后也开始了回弹。最终，当股市接近收盘时，Twitter上的情感转向负面，10分钟后Facebook的股价又开始下跌。最终的结论是：Twitter上每一次情感倾向的转向都会影响Facebook股价的波动，延迟情况只有几分钟到20多分钟。[8]
　　联合国推出了一个名为“全球脉动"（GlobalPulse)的项目，希望利用数据分析来了解人们的生存状况，对可能发生的危机进行预警。这个项目着重对实时的数字化的信息进行分析，用来了解某些地区人们的境遇，有关政策或项目的执行情况，并以相关信息指导援助项目。（参见http://www.unglobalpulse.org/)其中一个尝试是，项目组与技术公司SAS进行合作，SAS用软件自动提取了2009年6月至2011年6月间含有“失业、被解雇”等关键词的博客、论坛和新闻网站内容，过滤精选后归入“住房”“交通”“教育”等多个类别中，再借助语言分析工具对每一条目表达的“情绪”定性，比如“焦虑”“疑惑”“快乐”等，然后将人们情绪和讨论话题的逐月变化趋势与官方失业率统计数字进行比较。SAS发布的研究结果显示，在美国失业率出现上升趋势的4个月之前，网民的“郁闷”情绪就开始上升；在爱尔兰，“焦虑”情绪和“疑惑”情绪上升分别出现在失业率出现上升的5个月和3个月之前。另外，在美国，失业率出现上升2个月和3个月后，网民讨论住房不保和汽车置换开始増多；在爱尔兰，失业率出现上升的同时，网民讨论改换交通方式开始増多，3个月和8个月之后则取消旅行和置换住房的讨论开始増多。
　　目前媒体报道中关于某一事物走向的判断主要来自于个别专家的分析，但这种方法的局限性显而易见。如果媒体能广泛借助大数据技术来进行重大趋势的预测与分析，那么，它的预测的准确程度可能得到有效提升，它对社会的影响力就能得到提升。
　　(三）大数据技术进一步提升受众反馈的价值。
　　对于媒体内容的受众反馈，在很多时候，也是以大规模数据的形式体现的。对于这些数据的挖掘，可以使受众的意见、态度得到更充分的呈现，也可以使得这些反馈的价值得到更好的发挥与利用。
　　在印度，有一个非常受欢迎的电视节目一一SatyamevJayate(《真相访谈》）。该节目谈论的都是印度当地比较受关注的社会话题，每期播出之后都会在网络上引发激烈讨论。为了让节目产生更大的社会影响力，节目组找到了一家名为PersistentSystem的IT咨询公司来帮助管理和分析“大数据”。该公司设计了一个系统，帮助搜集网络上与每期节目话题相关的信息，并对其进行分类、贴标签，以及根据兴趣水平和情感指数评分，这些数据都会以信息图的形式公布在节目的官网上。这些数据并不只是揭示了受众的整体情绪与意见，还作为社会舆论的反映被政府所关注。在以女性堕胎(将未出生的女婴作流产处理）为话题的第一期节目播出后，有99.8%的观众认为执行这类手术的医生应该受到惩处。这一结果被提交给印度政府之后，据节目组的人称，政府“几乎立即就同意了改善审判系统”。
　　大数据技术有可能使受众反馈直接转化为民意，这将使媒体在反映与传达民意方面的功能进一步増强。
　　(四）大数据技术拓展用户分析广度与深度。
　　虽然受众分析早就成为媒体的基本工作，但以往的受众分析是以传统的抽样调查手段为主，由于调查对象的有限性，这样得出的研究结论，未必能全面反映受众市场，且它们更多地关注的是“受众”语境下的孤立的媒介使用习惯（如阅读、收看、点击等），而忽略了用户的综合行为习惯以及这些习惯对他们的媒介使用的影响，例如人们的社交关系圈子或者人们的网上购物行为对于他们在新闻内容消费方面的影响等。
　　而大数据技术基础上的用户分析，将不仅关注媒介行为习惯本身，还会关注用户的整体行为，并从中寻找影响他们内容消费行为的相关因素。同样，这样的研究不是强迫用户对他们的行为习惯以问卷的方式作出回答，而是对他们日常的自发行为本身进行分析，因此，能更真实地反映用户的需求、偏好以及行为模式。
　　大数据也不仅仅将注意力放在用户整体分析上，它同样注重对于每一个用户的个性化需求的分析，未来媒体所要提供的个性化服务，也需要对用户在各种平台各种行为中产生的数据进行整体连接并在此基础上进行挖掘与分析。