论数据新闻的实用主义客观性原则

摘 要： 客观性是新闻业确立自身边界、实现自身合法性的重要基石之一。数据新闻诞生、发展于新闻业遭受信任危机、客观性备受质疑的时代。面对传统客观性的质疑，实用主义客观性的提出不仅较好地回应了相关争论，也为数据新闻生产提供了通往专业规范的路径。实用主义客观性包括经验效度、完整性和影响性、一致性、自我意识、主体间客观性检验五个标准，数据新闻生产的实用主义客观性原则贯穿数据采集、数据分析和数据可视化各个环节。实用主义客观性的提出，有助于重新审视客观性的含义，更有助于对数据、数据科学和数据新闻的批判认知。
关键词： 数据新闻;客观性;实用主义客观性
中图分类号：G212????? 文献标识码：A
文章编号： 1003-0751（2018）09-0166-07
數据新闻（Data Journalism）是基于新闻价值和公共利益，采用数据科学方法从各类数据中发现事实，通过数据可视化方法呈现数据的新闻形态。 ?① 2006年，EveryBlock网站创始人阿德里安·哈罗瓦提出数据新闻理念。2008年12月，《卫报》前数字编辑西蒙·罗杰斯正式提出了数据新闻的概念。在最初十年的发展中，数据新闻从理念、概念的完善，到成为被新闻业广为认可的新闻实践，正经历新闻生产新的范式转向。媒体实践数据新闻，公众信任数据新闻，很大程度上是因为其认为“数据是客观的”“数据新闻是客观的”。但是，数据新闻既可以借助数据的光环传递真相，也可以利用数据的伎俩误导认知。数据新闻生产如何实践客观性，成为一个现实问题。
近些年来，西方新闻业正面临公众的信任危机和新闻客观性的质疑。从20世纪中叶开始，后现代主义思潮质疑着真相和客观性的理想。 ?② “现实的新闻并不客观”“新闻不可能客观”“新闻没必要客观”等观点甚嚣尘上。 ?③ 客观性是新闻业确立自身边界、实现自身合法性的重要基石之一。对新闻客观性的质疑与挑战，本质上反映了西方社会对“作为专业的新闻”的再审视。实际上，数据新闻正是西方新闻业重建与公众的信任关系、提升新闻报道客观性和专业性的产物。但西方媒体实践数据新闻时，不得不面对一个基本的逻辑问题：不客观的新闻业如何做出客观的数据新闻？当下数据新闻虽然发展得如火如荼，但专业规范的缺乏正逐步蚕食数据新闻领域的公信力和专业价值。 ?④ 客观性究竟是什么？新闻业是否需要客观性？如果是，需要什么样的客观性？数据新闻如何实践客观性？笔者拟就以上问题进行探讨。
一、“多义”的客观性
在新闻学中，客观性是一个复杂、多义、动态的概念，包含三个层面的含义：广义层面的客观性，源自启蒙理性主义的主、客观二元论思想的客观性概念。中间层面的客观性，指新闻事实不依人的主观意志而改变的基本特性，传播者在从事新闻报道时应如实反映事实的本来面目。狭义层面的客观性，指新闻报道的客观性理念。 ?⑤ 由此衍生出“客观报道”——一种体现客观性的报道形式，它要求将事实与意见分开，以超脱情感的观点表述新闻，努力做到公平和平衡，给受众提供全面的信息。 ?⑥ 客观性与客观报道不能等同，客观性远比客观报道复杂。新闻是一种行事话语（performative discourse），用以说服读者相信其内容为真。 ?⑦ 客观性是一种价值观，客观报道是实践这种价值观的形式。客观报道的主要目的是体现客观性，以获取受众的信任。
目前人们对客观性的认识大体可分为两种：一种是实体论的（ontological），一种是认识论的（epistemology）。实体论的客观性与现实主义有关，客观即为真，这种观点认为客体独立于主观而存在，将客观性视为一种“目标”。认识论的客观性聚焦的不是信念的客体，而是信念形成的过程。在认识论的客观性的讨论中，人们经常讨论态度、信仰、判断和获取方法的客观性。传统的新闻客观性是实体论客观性和认识论客观性的结合，但是它更多从认识论的层面上强调规则和方法。一个记者通常会说，他用客观的方法（认识论的客观性）获得了客观的事实（实体论的客观性）。 ?⑧
罗伯特·哈克特和赵月枝认为客观性可以从五个维度来理解：第一，客观性是“一种规范化的理想，一套新闻写作应瞄准的目标，即便这些目标永远也不能完全实现”。这些目标分为新闻认知层面的目标——如实报道世界的能力，新闻评价目标——传播有价值的意义和解释世界的能力。第二，客观性是“一种认识论，即一套对知识和现实世界的假定”。客观性这一层面意味着记者反映世界或者全真地捕获世界是有可能的，记者可独立于事件之外而不对其产生影响，通过中性和适当的报道技能来向受众传递事实或事件本身的意义。第三，客观性包含“一套采写新闻的实践和统一的技术标准”。这些实践或操作程序随着时间的演变和转换，在不同的媒体有所区别。第四，客观性是“以种种机构化了的形式体现出来的社会结构”。第五，客观性是“有关新闻的公众话语中的一个活跃成分”。客观性是公众评判新闻的重要标准，当公众批判新闻报道不客观时，实际上是“强化客观性作为评价新闻的标准的特性” ?⑨ 。可以看出，新闻客观性争论的最大问题在于其内涵的不相通约性（incommensurability）。美国学者科瓦奇和罗森斯蒂尔认为，客观性“最初的意义现在已经彻底被误解，并且基本上被抛弃” ?⑩ 。
新闻客观性究竟是什么？回答这个问题需回溯到新闻客观性的源头。现实主义产生于19世纪美国新闻与政党分离并追求准确性的时代，也是倒金字塔结构诞生的时代，客观性理念发端于现实主义。现实主义认为，只要记者发掘事实并将其按照一定的顺序结合在一起，真相就会自然浮现。当时，新闻工作者认为此举有助于理解事件。 ?（11） 李普曼则认为，民主的危机在于新闻事实的匮乏。由于新闻界没有履行好自身职责，导致大量的扭曲事实，公众无法获得真相。 ?（12） 新闻业需要找到能够使新闻工作者“在观察、理解和再现新闻时保持清醒，不受非理性的、非检验的、未被承认的臆断影响”的方法 ?（13） 。解决新闻偏见最好的方案是新闻工作者具备更多的“科学精神”，“在我们这个丰富多样的世界里，只有一种东西有可能定于一尊，那就是方法的统一，而非目标的统一，即通过标准实验加以统一” ?（14） 。最初的客观性观念将客观性理解为一种方法，可以让美国不同类型的媒体在一般的新闻原则之下和谐共存，符合美国多元文化的统一价值标准。这也意味着对媒体报道客观性的评价不是基于报道内容，而是程序和采编方法。但现在人们对客观性的讨论显然已经超越了方法，还包括了目标。
实际上当将客观性被理解为“目标”时，也预示着客观性是无法实现的，换而言之，以“目标”为取向的客观性不是绝对的，也是不可能实现的。新闻场域向来不是独立、真空式的存在，它与其他场域相互依存。当前人们对客观性的抱怨之一在于（实体论意义上的）客观性对于新闻业而言是个要求过高的理想，客观性是一个“神话”（myth）。 ?（15） 西方新闻业的现实状况也印证了这一点。在新闻市场竞争中，传统新闻生产强调时效性和独家，侧重争夺注意力这个稀缺资源，却使真相成为真正的稀缺资源。由于利益集团的介入和“眼球经济”的刺激，新闻品质不断下降。新闻记者过分注重新闻事件，有意无意放弃了对新闻事实真相的追求，限制了新闻业在社会民主生活中的作用。 ?（16） 与此同时，后真相时代来临，人们认为“认识真相是不可能的”，或是“真相是不重要的” ?（17） ，在形塑舆论上，诉诸情感（emotion）和个人理念（personal belief）可能比客观事实更加有效 ?（18） 。传统的客观性受到巨大挑战。
二、客观性再定义：实用主义的观点
新闻业的合法性基石之一在于对客观性的坚持，否则新闻业与广告业、公关业别无二致。面对客观性争议，新闻业有两种选择：一种是放弃传统的新闻客观性，寻找新的替代伦理准则;另一种是重新定义客观性。对前者而言，新闻业目前还没有可以替代客观性的准则出现。况且客观性广泛存在于法学、科学等领域，并不是一种没有基础的伦理准则。作为通往真相、真实之路的一种可能的方法，只能重新定义客观性。 ?（19） 史蒂芬·沃德提出用“实用主义客观性”（Pragmatic Objectivity）替代传统客观性。
实用主义发端于19世纪70年代哈佛大学“形而上学俱乐部”成员的讨论。1877—1878年，皮尔斯发表了《信念的确定》和《如何使我们的观念清晰》，正式提出了实用主义的概念，标志着实用主义的产生。威廉·詹姆斯把皮尔斯的实用主义方法论原则发展成一个比较系统的实用主义理论，用于分析各种问题。约翰·杜威则使实用主义具有科学色彩，力图与科学方法相一致，并将实用主义称之为“经验自然主义”。 ?（20） 实用主义的主导精神是重视经验的流变性，反对讲话死板;重视探索行动，反对空洞的理论空谈;重视科学方法，反对迷信;重视创造、进取，反对因循守旧。 ?（21） 实际上作为方法的客观性只是实现了获得真相的可能性。特定条件下的客观方法在未来也可能是错的，没有绝对的客观。客观是有条件的、历史的概念。“对于理性主义来说，实在永远是现成的、完全的;而对实用主义来说，实在是不断形成的，它的一部分状况有待将来形成。” ?（22）
传统的客观性是一维的，即陈述由事实检验，陈述超越事实就是主观的，这导致记者在新闻报道中的地位是消極的。然而，新闻记者是真相的积极追求者，需要对问题质询和解释，实用主义客观性可以发挥记者的积极作用。 ?（23）
实用主义客观性包括一个立场和五个标准。 ?（24） 一个立场是指“客观的立场”（objective stance）。客观的立场包括道德品质（如诚实）和学术品质（如整体真实和具体真实）。客观的立场要求记者置于自我与新闻之间，对证据和相左观点保持开放态度，公平呈现其他视角，不因自己的兴趣而影响对真相的追求。五个标准包括以下五个方面：第一，经验效度（empirical validity）。检验新闻中证据的获取和搜集是否认真，数据的呈现是否准确。经验效度比报道事实更为宽泛，包括将事实置于语境中。记者不仅需要评价自己获取真相方法的适切性，也要评价科学家和其他信息获取者的方法，即记者要对所获信息的结果和方法持批判态度。第二，完整性（completeness）和影响性（implications）标准。报道是否包含了所有的事实，是否避免了广告宣传，是否涉及该事件积极和消极的影响。“新闻事实并不能自证其存在。一个新闻事实自身不包含客观性，也不代表客观，之所以客观是因为它与其他不同事物相关联，包括证人、数据、言论、引语、事物的另一面、各种文件等组成的一个关系网络。” ?（25） 第三，一致性（coherence）标准。一致性标准是指报道内容与现有知识和可信赖的专家观点相一致。如在报道药物临床实验等研究时，记者需要对现行标准心存敬意。第四，自我意识标准（self-consciousness）。一个客观的报道对呈现研究或事件所用的框架及消息来源要有自我意识。记者要意识到消息源对媒体的控制，意识到对一些问题的报道并不限于事件本身。如对欠发达城市犯罪的报道也是关于社会不平等议题的报道。第五，主体间客观性（intersubjective objectivity）检验。罗蒂认为：“非强制的一致在所有这些学科中的出现，为我们提供了可能需要的走向‘客观真理的一切，即主体间的一致性。每当对引导我们行动的信念具有主体间同意的时候，我们便拥有了客观性。这意味着客观性来自同意，正如主体间性来自同意一样。” ?（26） 客观性鼓励信息获取者分享观点和事实。通过交流，错误被指出，对立面的证据被指出，对问题的阐释更进一步，记者要对不同的视角持开放态度。
三、数据新闻生产的客观性原则
实用主义客观性对数据新闻生产有很大的借鉴意义。数据看似中立、客观，实则不然。数据的本质是对现实世界的“表征”而非“镜像”。数据新闻是一种新闻论证，也是一种社会科学研究的论证。 ?（27） 如何评价数据新闻结论的可靠，客观性是一个重要的标准。数据新闻的各个环节，都与实用主义客观性有着密切的关联（见表1）。笔者依据数据新闻生产流程，参照实用主义客观性的五个标准，提出数据采集的客观性原则、数据分析的客观性原则和数据可视化的客观性原则。
1.数据采集的客观性原则
数据的可靠性直接决定了数据新闻的真实性。
在经验效度层面，记者需要对所采集的数据质量进行系统的评估。数据质量的界定标准是“适合使用”，这是一个相对的概念。一个数据集的数据质量满足某个模型的要求，却不一定满足另一个模型的要求。记者要基于自己的研究评估所采集数据的质量，评价的维度主要包括以下四个方面。其一，数据的准确性。记者要检查、核实数据是否正确。有时搜集的数据会存在错误，如格式、拼写、归类错误，这些数据在获得后不能立刻进行分析，需要检查、清洗数据。其二，数据的可信度，包括数据源的可信度、与内部的惯用标准相比的可信度以及基于数据年龄的可信度。《华尔街日报》图像编辑埃利奥特·宾利表示：“一定要对数据保持质疑，除非数据来自一个公认非常权威的数据源。当你在做一个原始数据的分析时，这一点至关重要。” ?（28） 通常情况下，权威消息来源（如政府、政府组织、知名调查公司、声誉良好的非政府组织和高校）的数据值得信赖。其三，数据的适量性。记者需要判断解决某一数据问题所需要的数据量，需要记者在数据采集前根据研究需要进行评估。其四，数据采集方法的科学性。无论是一手数据还是二手数据，对数据采集方法的科学性进行评估都是尤为重要的。在2016年美国总统大选期间，一些媒体希望通过操纵民调结果影响选情，在民调的问题设计、样本确定、抽样数量、误差解释等都根据自己的偏好做选择 ?（29） ，背离了数据采集方法的科学性。
在数据采集的完整性和影响性方面，数据记者需要对所采集数据的完整性、数据的优点及不足做出判断。如对一些二手数据，其搜集的初衷与记者研究的问题并不完全一致，记者需要了解这些数据针对的问题、研究目的、结论的适用性、误差范围、数据缺陷等。有时研究某些问题找不到或者找不全直接的数据，记者可能会通过替代数据进行研究，这时记者需要考虑何种数据能与被替代的数据相吻合。2014年5月，尼日利亚极端恐怖组织“博科圣地”绑架了276名女学生，538网站制作的数据新闻《尼日利亚绑架（1984—2014）》对历年的尼日利亚绑架案件的变化趨势进行梳理。通过对2万多个样本统计发现，尼日利亚的绑架案从1984年的2起激增到2013年的3608起，30年来增加了1800多倍。然而，这些数据并不符合实际情况，发生错误的主要原因在于记者错误地将媒体报道的案件数等同于实际发生的案件数。 ?（30）
一致性标准要求记者在数据采集过程中思考数据采集的方法是否遵循了目前普遍被认可的操作程序。如在采集二手数据时，不能只采用单一数据集，应尽可能从多个渠道搜集，让不同的数据可以相互印证。西蒙·罗杰斯认为：“对于数据新闻来说，多样化的数据来源至关重要。” ?（31） 在数据新闻生产中应当至少包含两个数据来源以体现客观性，但在实践中，并非所有的数据新闻报道都能达到这一标准。
自我意识标准则是要求数据记者保持对数据的审慎态度，多运用批判思维，系统了解数据质量，将数据置于特定的原初语境中理解，这是数据采集阶段客观性的重要保证。
主体间客观性标准是指在采集阶段，记者需要与数据搜集者和专家进行沟通，对数据采集的各个方面进行探讨，多听来自不同方面的意见和建议，确保采集的数据符合专业标准和研究需要。例如，《迈阿密先驱报》一篇关于法官未对一些酒驾者进行处罚的报道被证实为失实报道，原因在于记者在获得这些数据时，并没有对列表中的一些特殊情况做了解。在记者拿到的数据集中，对于首次被捕而经济窘迫交不起罚款的被告，法官判罚他们去进行社区服务，这些特殊情况在数据库中并没有被标注。 ?（32） 这让记者误认为法官对酒驾者未进行处罚。
2.数据分析的客观性原则
纽约大学教授丽莎·吉特曼在《原始数据是矛盾修辞法》中认为，采集数据的方法一旦确定便决定了数据的呈现面貌。数据分析的结果看似公正客观，实际上价值判断选择贯穿了从构建到解读的整个过程。 ?（33） 所以通过诚实的推理过程，人们在数据中可以找到真相，也可能找到假象。 ?（34）
在经验效度层面，记者需要判断选择的数据分析方法能否有效解答自己的问题，对于自己设计的算法、模型需要按照专业标准进行评判。以算法为例，算法有优劣和适用性之分，如正确性、可读性、稳健性、高效率与低存储量需求。 ?（35） 在不同的业务、不同特点的数据、不同的挖掘目标中，同一个算法可能表现出截然不同的性能。 ?（36） 而且算法也有偏见，算法偏见存在于算法设计和运行的每一个环节中 ?（37） ，在设计和选择算法时，需要遵照算法伦理，避免偏见和误导。
在完整性和影响性方面，数据新闻记者要对所用的分析方法能否全面、深刻揭示问题，避免有意或无意的偏见做出评价。如纽约公共广播电台的《美国中值收入水平统计地图》使用了平均数来展示收入分布，这种简单化的处理方式导致数据地图与实际情况有差别。在地图上绿色代表富有，红色代表贫困。一些标注为绿色的地方其实是城市中最贫穷的，原因在于图中颜色所代表的是该街区居民收入的中位数。在一些贫困街区，10多人合住一间房，虽然家庭总收入多了，却不等同于高收入和高生活水平。 ?（38）
数据分析的一致性标准是指记者所用的数据分析方法是否符合专业标准。在数据分析中，不同的分析方法在实践中会不断完善，形成某种共识。对记者而言，通常不要挑战这种共识，要针对不同问题选用目前被认可的数据分析方法。
数据分析的自我意识标准是指记者在数据分析时要明白自己所选用的数据分析方法的优点与局限、在解答特定问题上可能出现的解释力不足等问题。对数据分析方法要有全面的评价，保持批判的态度。在数据分析时，要了解所采集数据的原始语境和数据分析的语境。如在2016年美国总统大选中，数据新闻使用的数据分析法包括传统的民调、投票聚合/平均值（polling aggregations/averages）、预测模型（forecasting models）、谷歌检索分析（google search-term analytics）、社交媒体自动分析（automatic social media analytics）和选举预测市场（election prediction markets）等。 ?（39） 记者在使用这些数据分析方法时应当对各种方法有较为全面的了解，对各种方法的适用情境有自己独立的判断，不能盲目使用。
数据分析的主体间客观性检验标准是指记者对数据分析方法及其结论本身要与专家、同行进行交流探讨，而不是自己单独做出决定，通过倾听不同的意见或建议，完善数据分析和对结论的解读。“数据本身是对事物的一种简化，简化就有失真的危险，对于社会现象规律的总结离开人的思考和思辨是无法想象的。” ?（40） 所以，在数据分析环节中，专家的作用是非常重要的。
3.数据可视化的客观性原则
斯图亚特·霍尔在《编码，解码》中提出，“一个没有经过话语形式编码的历史事件是无法通过电视传播的” ?（41） 。在新闻传播过程中，从编码到解码有一个前提是“必须编码和得以编码”。“必须编码”是指“传播主体对新闻事实的认识，必须经由编码过程转换为新闻文本” ?（42） 。“得以编码”是指编码必须遵循社会的、媒介的、技术的话语通用规则，这些话语通用规则是编码得以准确“解码”的前提。实际上，这些规则本身并非全然“中立”或者“生来如此”，规则本身就是各方力量协商的产物，只是规则在确立后，往往以“自然化”的“客观”面貌出现。数据可视化是数据新闻的“最后一公里”，其客观性要求如实、准确地呈现、表达数据及其含义，避免误读和歪曲，要做到信息传达准确、遵循设计惯习。 ?（43）
数据可视化的经验效度标准，要求数据可视化在设计时对数据的呈现是准确的。在数据可视化中常见的不准确情况包括：数据大小与在数据可视化中的面积不成比例、圆饼图各部分加起来大于100%等。西蒙·罗杰斯认为，形式上的美感缺憾和设计不足情有可原，但事实失真和信息错误不可原谅。 ?（44）
完整性和影响性标准是指设计者需要了解该数据可视化作品是否完整地呈现了数据结果，数据可视化中是否存在有意或无意地设计缺陷导致受众的误读以及这种负面影响有多大。例如，纽约公共广播电台制作了一条关于“截查搜身”（Stop and Frisk）的数据新闻，纽约警察局公开了所有截查搜身的数据。原图中粉色越亮表示拦截搜查行动越多，绿点则表示发现枪支的地点，绿点没有出现在亮粉色区域，说明拦截和搜查政策实际上不够奏效。 ?（45） 有人将该图变换颜色之后发现，该政策其实是奏效的。再如，2012年美国大选后，一些数据可视化作品以美国地图显示民主党候选人奥巴马和共和党候选人罗姆尼的获胜州。单纯看地图双方不相上下，实际上奥巴马总共拿下了332张选举人票，罗姆尼只拿下了206张。因为，面积大的州，选举人票不一定多，用正常的美国地图呈现选举结果，看似客观，实则不客观，会带来误导。《纽约时报》则做了一张变形地图，把所有的州按照选举人票数量变成了面积大小不一的方块，依照地理位置排列，两位候选人的得票对比便更直观、更准确。 ?（46）
数据可视化的一致性标准是指其设计是否遵循设计常规，是否符合一定时期、一定文化背景下人们对视觉符号（元素）的认知。如在色彩运用上，应保证色彩与其代表的数据能产生正确的“语义共鸣”。数据可视化的设计者需要尽可能地运用这些固有联系，避免一些陌生的设计疏远受众与图的距离。 ?（47） 例如，2012年美国佛罗里达州男子达恩与黑人青年发生争执，并开枪将其杀死。达恩被指控二级谋杀罪，他利用佛罗里达州的《坚守阵地法》（ Stand Your Ground ）为自己辩护。根据该法律，任何人在任何地方认为自己受到攻击，或者相信自己的生命或安全处于危险时，都可使用武器。路透社的数据可视化意在表现2005年佛罗里达州《坚守阵地法》实施后该州枪击事件数量增加（见图1左图），但给人的感觉是该法实施后枪击事件是下降的，原因在于Y轴的数值增长方式由传统的由下到上变成了由上到下。正常的设计应该如图1右图所示 ?（48） 。这样就不会使受众产生错误判断。数据可视化的自我意识标准是指将数据转化为可视化的过程不是一个自动操作的过程，数据可视化也不是看待数据的中立窗口，记者对自己设计的作品既要考虑一般受众的接收需求，又要契合自己的传播意圖。
数据可视化的主体间性检验则要求数据可视化设计出来后，需要征求多方的意见，修改设计中显在或潜在的偏见、误解因素，让作品的表意更准确。通过对国内一些数据记者的访谈，笔者发现，在数据可视化制作前和制作后，编辑部或相关负责人往往会在这一过程把关，与设计者进行较为充分地沟通，而设计者也会意识到，数据可视化作品不是一个“个人”作品，而是需要综合考虑多方因素的集体智慧作品。
四、结语
数据新闻的本质是新闻话语借由数据和数据可视化表征现实。作为通往事实和真相的一条可能路径，数据新闻不保证实体论上的客观，只能保证认识论上的客观。实用主义客观性的提出，不仅有助于人们重新审视客观性的含义，更有助于人们对数据、数据科学和数据新闻的批判认知。数据新闻生产唯有践行好客观性，才能树立权威，承担起重建公众信任、提升新闻专业性的重任。
?注释
①张超：《数据新闻复杂叙事的四个维度》，《电视研究》2018年第2期。
②⑧（15）（19）（23）（24）Stephen John Anthony. ?Ethics and the Media：An Introduction . Cambridge：Cambridge University Press， 2011， p.132， pp.128-129， p.132， p.152， p.152， p.154-155.
③谢静：《美国的新闻媒介批评》，中国人民大学出版社，2009年，第87页。
④方洁、高璐：《数据新闻：一个亟待确立专业规范的领域——基于国内五个数据新闻栏目的定量研究》，《国际新闻界》2015年第12期。
⑤许燕：《新闻报道的客观性的基本涵义辨析》，《新闻大学》2007年第4期。
⑥刘建明：《当代西方新闻理论》，中国人民大学出版社，2015年，第89页。
⑦[荷]保罗·范登侯汶：《批判修辞：一种新闻透明理论》，杨颖译，《全球传媒学刊》2016年第4期。
⑨[加]罗伯特·哈克特、赵月枝：《维系民主？西方政治与新闻客观性》，沈荟、周雨译，清华大学出版社，2010年，第57—59页。
⑩（11）（13）（14）[美]比尔·科瓦奇、[美]汤姆·罗森斯蒂尔：《新闻的十大基本原则》，刘海龙、连晓东译，中国人民大学出版社，2014年，第97、98、99、97—98页。
（12）胡翼青、吴越：《新闻客观性的幻象与大众传播研究的缘起》，《当代传播》2010年第2期。
（16）姜华：《新闻业能为民主做什么——简评迈克尔·舒德森〈为什么民主需要不可爱的新闻界〉》，《新闻记者》2011年第2期。
（17）汪行福：《“后真相”本质上是后共识》，《探索与争鸣》2017年第4期。
（18）周睿鸣、刘于思：《客观事实已经无效了吗？——“后真相”语境下事实查验的发展、效果与未来》，《新闻记者》2017年第1期。
（20）（21）[美]约翰·杜威：《实用主义》，世界知识出版社，2007年，第4—5、7页。
（22）[美]威廉·詹姆士：《实用主义》，李步楼译，商务印书馆，2012年，第145页。
（25）Juliette De Maeyer. ?Objectivity，revisited . http：//www.niemanlab.org/2015/12/objectivity-revisited/，2015年12月。
（26）[美]理查德·罗蒂：《后哲学文化》，黄勇译，上海译文出版社，1992年，第80页。
（27）曾庆香、陆佳怡、吴晓虹：《数据新闻：一种社会科学研究的新闻论证》，《新闻与传播研究》2017年第12期。
（28）Mdlina Ciobanu. ?Advice from FT and WSJ for getting started with interactive graphics . https：//www.journalism.co.uk/news/advice-from-the-financial-times-and-the-wall-street-journal-for-getting-started-with-interactive-graphics/s2/a677894/，2016年9月27日。
（29）王山：《2016美国总统大选，民调为何测不到选民的心？》，法国国际广播电台中文部2016年11月14日播出，参见http：//cn.rfi.fr/政治/20161114-2016美国总统大选，民调为何测不到选民的心？
（30）方洁：《数据新闻概论》，中国人民大学出版社，2015年，第194页。
（31）（44）[英]西蒙·罗杰斯：《数据新闻大趋势》，岳跃译，中国人民大学出版社，2015年，第5、275页。
（32）常江、杨奇光：《数据新闻：理念、方法与影响力》，《新闻界》2014年第12期。
（33）徐端：《大数据战略：个人、企业、政府的思维革命与红利洼地》，新世纪出版社，2014年，第59页。
（34）Alexander Howard. ?The Art and Science of Data-Driven Journalism . http：//towcenter.org/wp-content/uploads/2014/05/Tow-Center-Data-Driven-Journalism.pdf，2014年5月30日。
（35）吕国英：《算法设计与分析》（第2版），清华大学出版社，2009年，第7页。
（36）洪松林、庄映辉、李堃：《数据挖掘技术与工程实践》，机械工业出版社，2014年，第74页。
（37）张超：《作为中介的算法：新闻生产中的算法偏见与应对》，《中国出版》2018年第1期。
（38）（45）Jake Porway. ?The Trials and Tribulations of Data Visualization for Good . https：//marketsforgood.org/the-trials-and-tribulations-of-data-visualization-for-good/，2016年3月15日。
（39）Ozan Kuru. ?What The Failure of Election Predictions Could Mean for Media Trust and Data Journalism . http：//mediashift.org/2016/11/136541/，2016年11月29日。
（40）孫应钦：《警惕技术逻辑侵害新闻理念——浅析大数据影响下的新闻业》，《东南传播》2014年第2期。
（41）罗钢、刘象愚：《文化研究读本》，中国社会科学出版社，2000年，第346页。
（42）肖伟：《新闻框架论：新闻传播主体的架构与被架构》，中国人民大学出版社，2016年第56页。
（43）Louise Amoore. Lines of sight：On the visualization of unknown futures. ?Citizenship Studies ， 2009， No.3， pp.17-30.
（46）方可成：《美國大选投票日来了！围观时请拿好这张图》，http：//mp.weixin.qq.com/s/I4KM7WfdsAZXLPaAl-FfHA，2016年11月8日。
（47）Sharon Lin， Julie Fortuna， Chinmay Kulkarni. Selecting Semantically-Resonant Colors for Data Visualization. ?Computer Graphics Forum ， 2013， No.3， pp.401-410.
（48）Pamela Engel. ?This Chart Shows An Alarming Rise In Florida Gun Deaths After "Stand Your Ground" Was Enacted . http：//www.businessinsider.com/gun-deaths-in-florida-increased-with-stand-your-ground-2014-2，2014年2月18日。
An Analysis of the Pragmatic Objectivity of Data Journalism
Zhang Chao
Abstract： Objectivity is one important cornerstone that gives legitimacy to journalism and establishes borders for it. Data journalism emerges and develops in a time when journalism is under trust crisis and objectivity is met with rising skepticism. In face of skepticism about traditional objectivity， pragmatic objectivity not only blows over relevant disputes， but also paves the way for professional standards for the production of data journalism. The pragmatic objectivity comprises five criteria： empirical validity， completeness and implications， coherence， self-consciousness， and inter-subjective objectivity test. The pragmatic objectivity of data journalism production runs through the stages of data collection， data analysis， and data visualization. The pragmatic objectivity will help to re-examine the meaning of objectivity， and help to understand data， data science and data journalism in a critical way.
Key words： data journalism; objectivity; pragmatic objectivity