| 标题 | 数据可视化在科技传播中的应用 |
| 范文 | 盛毅韬 摘 ?要 科技与数据有着天然的密切关系，大数据时代的到来为科技传播创新提供了契机。 数据新闻是大数据时代诞生的一种跨学科、跨领域的新闻呈现方式，它旨在通过数据挖掘，探寻隐藏在大数据背后的新闻，并利用静态图表、交互式多媒体等形式将新闻内容视觉化呈现。可视化是数据新闻的呈现方式之一，它几乎涉及了生产数据新闻所需要经历所有步骤——获取数据、理解数据和传达数据，在科技传播中有巨大的应用潜力。本文以BBC和《纽约时报》埃博拉病毒报道所运用的数据可视化为例，梳理两家媒体数据可视化报道的经验。在科技传播中运用数据可视化手段可以将复杂的问题简单化，增强科技传播的准确性，帮助受众深入地理解。但是，数据可视化并不是万能的，运用得不好反而会影响受众的认知，甚至误导受众。因此，本文总结了科技传播中应避免的三大误区即“为了可视化而可视化”、“追求酷炫的数据呈现方式”和“数据可视化作品一定准确”，并探讨如何在科技传播中更好地应用数据可视化技术。 关键词 科技传播;数据新闻;数据可视化;埃博拉病毒 中图分类号 G2 ? ? ? ? ? ? 文献标识码 A ? ? ? ? ? ? ? ?文章编号 1674-6708（2014）125-0036-02 1什么是数据可视化？ 在众多领域中，科技与数据的关系最为紧密，它们之间存在天然的联系。科学技术的发展无时无刻离不开数据，小到微观粒子的裂变，大到宇宙天体的运行都与数据密不可分。 科技新闻融入数据，能够使报道更加准确，提升可信度。科技新闻运用数据并不是新鲜事，一篇科技报道只要涉及对数据的收集和整理，都可以视为数据新闻，但这是广义上的数据新闻。严格来说，科技传播创新需要的是狭义上的数据新闻即“大数据新闻”。 数据新闻是大数据时代诞生的一种跨学科、跨领域的新闻呈现方式。数据新闻旨在通过数据挖掘，探寻隐藏在大数据背后的新闻，并利用静态图表、交互式多媒体等形式将新闻内容视觉化呈现。随着大数据时代的到来，我们拥有更大的数据库，因此科技报道对数据的运用也不能停留在简单的数据分析上。越来越多开放的数据资源为科技报道提供了“富矿”，通过对大规模数据样本的采集、处理和分析，我们将有机会发现数据背后所蕴藏的规律和趋势，科技报道的深度也将进一步拓展。 可视化是数据新闻的呈现方式之一，它几乎涉及了生产数据新闻所需要经历所有步骤——获取数据、理解数据和传达数据。开放数据源的增多以及各种信息的数字化使得收集数据比以往更加便捷，各类可视化软件的不断升级也使制作丰富的数据图表成为可能。凭借简约而不简单的特点，数据可视化作品越来越受到媒体与受众的关注与喜爱。 2埃博拉病毒报道中的数据可视化 埃博拉（Ebola virus）是一种罕见的病毒，1976年在苏丹南部和刚果（金）的埃博拉河地区被发现后，引起医学界的广泛关注，“埃博拉”由此得名。埃博拉病毒是一个用来称呼一群属于纤维病毒科埃博拉病毒属下数种病毒的通用术语。埃博拉病毒能引起人类和灵长类动物产生埃博拉出血热的烈性传染病病毒，死亡率在50%至90%之间，致死原因主要为中风、心肌梗塞、低血容量休克或多发性器官衰竭。 2.1 BBC如何运用数据可视化技术 BBC网站对埃博拉病毒的报道综合运用了文字、图片、音频、视频、信息图表等形式，通过融合新闻的手段，告诉公众埃博拉病毒的是什么，它的危险性以及如何预防埃博拉病毒。在众多呈现方式中，数据新闻给人留下了深刻的影响。 BBC网站一篇题为《谁，什么，为什么：有多少埃博拉病毒感染者死亡？》的报道，深入地分析了埃博拉病毒的致死率问题，提出埃博拉病毒致死率高达90%的说法并不准确。在不同国家埃博拉病毒的致死率有所不同，例如几内亚为73%，但在利比里亚却为55%，塞拉利昂为41%。 文章援引麻省理工学院生物统计学和流行病学专家的观点，认为影响埃博拉病毒致死率变化的因素主要有三个：首先，不同国家应对埃博拉病毒的准备程度不同;其次，不同国家医疗护理的数量和质量不同;最后，引发疫情爆发的埃博拉病毒菌株的不同，在五种为人们所知的菌株中，“扎伊尔”和“苏丹”这两种菌株的致死率最高。 为了更清晰地呈现埃博拉病毒的致死率，该报道绘制了从1976年至2014年埃博拉病毒感染病例数与死亡人数的直方图（如图1），通过对40年间埃博拉病毒近感染人数与死亡人数数据的统计与处理，为受众深入地认识的该病毒的危险性提供了帮助。 图1 埃博拉病毒的历次爆发（1976—2014） BBC的另一则报道在数据可视化应用方面同样出色，这篇题为《为什么埃博拉病毒如此危险》的文章被标记为“EDITORS CHOICE”（编辑的选择），其报道水平可见一斑。这篇数据可视化报道将1976年以来死于埃博拉病毒的人数以圆面积来表示，然后用不同的颜色在地图上标注出来（1976年至2013年的死亡人数红色表示，2014年的死亡人数用绿色表示。圆面积越大，表明死亡人数越多。这样一来，读者可以清楚地看到，2014年埃博拉疫情的严重性史无前例，尤其是利比里亚的疫情最为严重。1976年至2013年，埃博拉病毒主要集中爆发于南苏丹、刚果、乌干达等中非国家，而2014年的这次埃博拉疫情主要发生在西非国家，如利比里亚、几内亚、塞拉利昂。 图2 1976年以来埃博拉死亡人数 2.2 《纽约时报》利用数据可视化呈现埃博拉病毒的历史与未来 《纽约时报》网站对埃博拉病毒的数据可视化报道比BBC更胜一筹，在题为《关于埃博拉爆发，你需要知道些什么》的报道中，运用了较多的数据可视化手段加以呈现与阐释。该报道由12个关于埃博拉病毒的问题组成，例如已有多少人感染埃博拉病毒？该病毒在何处爆发？疫情会变得多严重？为应对疫情美国正在做什么？……在回答“此次疫情与过去相比如何？”时，作者运用了时间轴的形式梳理了1976年以来历次埃博拉病毒爆发的时间、地点以及死亡人数，还对过去每一次疫情的严重程度做了排序（如图3），向读者清晰直观地展现了埃博拉病毒的历史与现实，具有历史纵深感。 图3 历年来埃博拉病毒病例、死亡人数与受影响的国家 此外，该报道还根据现有的统计数据对此次埃博拉疫情的发展趋势做出了判断（如图4），三幅折线图分别展现了“如果状况得到改善”、“按照当前的感染率”以及“状况恶化”三种不同情况下埃博拉疫情的发展趋势，其中带点折线是对未来感染病例的预测。这样的数据可视化呈现较为全面地回答了“本次病毒爆发会变得多严重？”这一问题，让读者对埃博拉病毒未来形势有了总体的认识。 图4 三种不同情况下埃博拉疫情的发展趋势 3 科技传播应规避“数据可视化误区” 在科技传播中运用数据可视化手段可以将复杂的问题简单化，增强科技传播的准确性，帮助受众深入地理解。但是，数据可视化并不是万能的，运用得不好反而会影响受众的认知，甚至误导受众。因此，科技传播应用数据可视化手段时应注意规避以下三大误区。 3.1误区一：为了可视化而可视化 并不是所有涉及数据的科技议题都适合用可视化手段来呈现，在数据量较少的情况下，科技传播可以直接采用列数字的办法。数据可视化一般需要技术人员、美术编辑参与其中，生产周期较长，如果涉及数据就进行可视化制作，意义不大并且浪费时间和资源。 是否运用可视化的方式来呈现应该取决于选题的内容、数据的大小和类型，不能为了可视化而可视化。数据可视化的意义在于通过对大量数据的收集、整理和分析，把复杂的问题简单化，让读者看得更明白。 3.2误区二： 追求酷炫的数据呈现方式 可视化通过将信息直接映射到人体感官系统的方式，减轻人体感知信息的成本，缩短信息解读的路径，是一种非常友好的表达方式[2]。数据可视化本身是为了让受众更直观、更清晰地获取信息。因此，数据可视化作品要以受众体验为导向，准确而明快地表达数据，不应该刻意追求花哨、酷炫的数据呈现形式。总之，数据可视化的功能与美感要齐头并进，既不能因为专业性太强而让人觉得枯燥乏味，也不能因为花哨繁杂让人不知所云。 目前，数据可视化的呈现方式较为多样，既可以采用传统的静态信息图表，也可以制作交互式图表。BBC和《纽约时报》埃博拉病毒报道所采用的数据呈现方式都比较中规中矩，没有出现炫技的图表。 3.3误区三：数据可视化作品一定是准确的 数据可视化作品并不一定是准确的，有时它也会欺骗我们的眼睛。导致数据可视化“说谎”的原因大致有两个：首先，在数据可视化创作的初期，数据的收集、处理和分析过程出现差错。这个原因是根本性的，因为数据本身一旦出错，呈现出来的图表一定不准确;其次，在数据呈现阶段如制表、绘图工作中也可能出现偏差。 此外，数据可视化本身也并不追求绝对的准确。如果在数据可视化作品中显示每一个数据的精确值和标准误差，这个可视化恐怕不怎么样。准确是重要的，但是数据可视化并不是关于某一个孤立的数据，它更多的是展现数据在时间和空间上的分布和变化。我们要展现数据中潜在的特征。所以数据可视化真正要做的是比较与抽象。如果要让受众看到每个数据，那么把所有数据放在一个列表里显然更为合适。 4 科技传播如何更好地应用数据可视化 4.1进一步拓展数据来源 数据可视化需要以大量的数据样本为支撑，如果没有丰富的数据来源，可视化便会流于表面，缺乏根基。对于数据可视化来说，数据是核心，可视化只是手段而已。因此，要提升科技传播中数据可视化内容的质量，就需要拓展与科学技术相关的数据来源。有了丰富的数据资源，我们就有机会从中挖掘出新规律和新趋势，然后再用可视化手段呈现出来才更具传播价值和生命力。国外开放的数据平台为媒体制作许多有影响力的数据可视化报道提供了坚实的基础，目前我国在这方面仍处于起步阶段。从我国的现实情况看，笔者认为中国科学院、中国工程院和各大科研院校可以进一步开放数据，丰富科技传播的数据来源。 4.2把握数据可视化报道的时新性 科技新闻报道中的数据可视化内容要把握好时新性。时新性是新闻价值的五要素之一，它指事实在时间上是新近发生的，在内容上是人们所未知的新鲜事。事实发生的时间越近，新闻价值越高;内容越新（包括最新的情况、最新的问题、最新的成就、最新的经验等）新闻价值也越高[2]。由于数据可视化内容的制作周期较长，或许等到内容生产出来，新闻热点早已过去。如果没有了时新性，再优秀的数据可视化报道也成了明日黄花。因此，记者平时就应该未雨绸缪，做好准备，注意收集、整理和分析相关数据。 4.3提高科技传播者的数据素养 科技传播者的数据素养的高低直接影响数据可视化作品质量的好坏。因此，科技传播者平时要增强培养自身数据素养的意识，学习数据挖掘、计算机辅助报道、统计学等方面的知识。同时，科技传播者队伍也需要更多既懂新闻，又懂数据、编程和设计的复合型人才的加入。 5 结论 数据可视化为科技传播提供了新的思路，BBC与《纽约时报》在埃博拉病毒报道中的数据可视化实践值得我国媒体借鉴。数据可视化只是一种表现手段，问题的关键在于如何更好地获取、理解数据。将数据可视化技术应用于科技传播，我们还要规避认识上的误区，只有敢于付诸实践、善于总结经验才能制作出高水平的数据可视化报道，真正实现科技传播的创新。 参考文献 [1]沈浩，谈和，文蕾.青年记者[J].2014：18. [2]何梓华，成美.新闻理论教程[M].北京：高等教育出版社，2008. 图3 历年来埃博拉病毒病例、死亡人数与受影响的国家 此外，该报道还根据现有的统计数据对此次埃博拉疫情的发展趋势做出了判断（如图4），三幅折线图分别展现了“如果状况得到改善”、“按照当前的感染率”以及“状况恶化”三种不同情况下埃博拉疫情的发展趋势，其中带点折线是对未来感染病例的预测。这样的数据可视化呈现较为全面地回答了“本次病毒爆发会变得多严重？”这一问题，让读者对埃博拉病毒未来形势有了总体的认识。 图4 三种不同情况下埃博拉疫情的发展趋势 3 科技传播应规避“数据可视化误区” 在科技传播中运用数据可视化手段可以将复杂的问题简单化，增强科技传播的准确性，帮助受众深入地理解。但是，数据可视化并不是万能的，运用得不好反而会影响受众的认知，甚至误导受众。因此，科技传播应用数据可视化手段时应注意规避以下三大误区。 3.1误区一：为了可视化而可视化 并不是所有涉及数据的科技议题都适合用可视化手段来呈现，在数据量较少的情况下，科技传播可以直接采用列数字的办法。数据可视化一般需要技术人员、美术编辑参与其中，生产周期较长，如果涉及数据就进行可视化制作，意义不大并且浪费时间和资源。 是否运用可视化的方式来呈现应该取决于选题的内容、数据的大小和类型，不能为了可视化而可视化。数据可视化的意义在于通过对大量数据的收集、整理和分析，把复杂的问题简单化，让读者看得更明白。 3.2误区二： 追求酷炫的数据呈现方式 可视化通过将信息直接映射到人体感官系统的方式，减轻人体感知信息的成本，缩短信息解读的路径，是一种非常友好的表达方式[2]。数据可视化本身是为了让受众更直观、更清晰地获取信息。因此，数据可视化作品要以受众体验为导向，准确而明快地表达数据，不应该刻意追求花哨、酷炫的数据呈现形式。总之，数据可视化的功能与美感要齐头并进，既不能因为专业性太强而让人觉得枯燥乏味，也不能因为花哨繁杂让人不知所云。 目前，数据可视化的呈现方式较为多样，既可以采用传统的静态信息图表，也可以制作交互式图表。BBC和《纽约时报》埃博拉病毒报道所采用的数据呈现方式都比较中规中矩，没有出现炫技的图表。 3.3误区三：数据可视化作品一定是准确的 数据可视化作品并不一定是准确的，有时它也会欺骗我们的眼睛。导致数据可视化“说谎”的原因大致有两个：首先，在数据可视化创作的初期，数据的收集、处理和分析过程出现差错。这个原因是根本性的，因为数据本身一旦出错，呈现出来的图表一定不准确;其次，在数据呈现阶段如制表、绘图工作中也可能出现偏差。 此外，数据可视化本身也并不追求绝对的准确。如果在数据可视化作品中显示每一个数据的精确值和标准误差，这个可视化恐怕不怎么样。准确是重要的，但是数据可视化并不是关于某一个孤立的数据，它更多的是展现数据在时间和空间上的分布和变化。我们要展现数据中潜在的特征。所以数据可视化真正要做的是比较与抽象。如果要让受众看到每个数据，那么把所有数据放在一个列表里显然更为合适。 4 科技传播如何更好地应用数据可视化 4.1进一步拓展数据来源 数据可视化需要以大量的数据样本为支撑，如果没有丰富的数据来源，可视化便会流于表面，缺乏根基。对于数据可视化来说，数据是核心，可视化只是手段而已。因此，要提升科技传播中数据可视化内容的质量，就需要拓展与科学技术相关的数据来源。有了丰富的数据资源，我们就有机会从中挖掘出新规律和新趋势，然后再用可视化手段呈现出来才更具传播价值和生命力。国外开放的数据平台为媒体制作许多有影响力的数据可视化报道提供了坚实的基础，目前我国在这方面仍处于起步阶段。从我国的现实情况看，笔者认为中国科学院、中国工程院和各大科研院校可以进一步开放数据，丰富科技传播的数据来源。 4.2把握数据可视化报道的时新性 科技新闻报道中的数据可视化内容要把握好时新性。时新性是新闻价值的五要素之一，它指事实在时间上是新近发生的，在内容上是人们所未知的新鲜事。事实发生的时间越近，新闻价值越高;内容越新（包括最新的情况、最新的问题、最新的成就、最新的经验等）新闻价值也越高[2]。由于数据可视化内容的制作周期较长，或许等到内容生产出来，新闻热点早已过去。如果没有了时新性，再优秀的数据可视化报道也成了明日黄花。因此，记者平时就应该未雨绸缪，做好准备，注意收集、整理和分析相关数据。 4.3提高科技传播者的数据素养 科技传播者的数据素养的高低直接影响数据可视化作品质量的好坏。因此，科技传播者平时要增强培养自身数据素养的意识，学习数据挖掘、计算机辅助报道、统计学等方面的知识。同时，科技传播者队伍也需要更多既懂新闻，又懂数据、编程和设计的复合型人才的加入。 5 结论 数据可视化为科技传播提供了新的思路，BBC与《纽约时报》在埃博拉病毒报道中的数据可视化实践值得我国媒体借鉴。数据可视化只是一种表现手段，问题的关键在于如何更好地获取、理解数据。将数据可视化技术应用于科技传播，我们还要规避认识上的误区，只有敢于付诸实践、善于总结经验才能制作出高水平的数据可视化报道，真正实现科技传播的创新。 参考文献 [1]沈浩，谈和，文蕾.青年记者[J].2014：18. [2]何梓华，成美.新闻理论教程[M].北京：高等教育出版社，2008. 图3 历年来埃博拉病毒病例、死亡人数与受影响的国家 此外，该报道还根据现有的统计数据对此次埃博拉疫情的发展趋势做出了判断（如图4），三幅折线图分别展现了“如果状况得到改善”、“按照当前的感染率”以及“状况恶化”三种不同情况下埃博拉疫情的发展趋势，其中带点折线是对未来感染病例的预测。这样的数据可视化呈现较为全面地回答了“本次病毒爆发会变得多严重？”这一问题，让读者对埃博拉病毒未来形势有了总体的认识。 图4 三种不同情况下埃博拉疫情的发展趋势 3 科技传播应规避“数据可视化误区” 在科技传播中运用数据可视化手段可以将复杂的问题简单化，增强科技传播的准确性，帮助受众深入地理解。但是，数据可视化并不是万能的，运用得不好反而会影响受众的认知，甚至误导受众。因此，科技传播应用数据可视化手段时应注意规避以下三大误区。 3.1误区一：为了可视化而可视化 并不是所有涉及数据的科技议题都适合用可视化手段来呈现，在数据量较少的情况下，科技传播可以直接采用列数字的办法。数据可视化一般需要技术人员、美术编辑参与其中，生产周期较长，如果涉及数据就进行可视化制作，意义不大并且浪费时间和资源。 是否运用可视化的方式来呈现应该取决于选题的内容、数据的大小和类型，不能为了可视化而可视化。数据可视化的意义在于通过对大量数据的收集、整理和分析，把复杂的问题简单化，让读者看得更明白。 3.2误区二： 追求酷炫的数据呈现方式 可视化通过将信息直接映射到人体感官系统的方式，减轻人体感知信息的成本，缩短信息解读的路径，是一种非常友好的表达方式[2]。数据可视化本身是为了让受众更直观、更清晰地获取信息。因此，数据可视化作品要以受众体验为导向，准确而明快地表达数据，不应该刻意追求花哨、酷炫的数据呈现形式。总之，数据可视化的功能与美感要齐头并进，既不能因为专业性太强而让人觉得枯燥乏味，也不能因为花哨繁杂让人不知所云。 目前，数据可视化的呈现方式较为多样，既可以采用传统的静态信息图表，也可以制作交互式图表。BBC和《纽约时报》埃博拉病毒报道所采用的数据呈现方式都比较中规中矩，没有出现炫技的图表。 3.3误区三：数据可视化作品一定是准确的 数据可视化作品并不一定是准确的，有时它也会欺骗我们的眼睛。导致数据可视化“说谎”的原因大致有两个：首先，在数据可视化创作的初期，数据的收集、处理和分析过程出现差错。这个原因是根本性的，因为数据本身一旦出错，呈现出来的图表一定不准确;其次，在数据呈现阶段如制表、绘图工作中也可能出现偏差。 此外，数据可视化本身也并不追求绝对的准确。如果在数据可视化作品中显示每一个数据的精确值和标准误差，这个可视化恐怕不怎么样。准确是重要的，但是数据可视化并不是关于某一个孤立的数据，它更多的是展现数据在时间和空间上的分布和变化。我们要展现数据中潜在的特征。所以数据可视化真正要做的是比较与抽象。如果要让受众看到每个数据，那么把所有数据放在一个列表里显然更为合适。 4 科技传播如何更好地应用数据可视化 4.1进一步拓展数据来源 数据可视化需要以大量的数据样本为支撑，如果没有丰富的数据来源，可视化便会流于表面，缺乏根基。对于数据可视化来说，数据是核心，可视化只是手段而已。因此，要提升科技传播中数据可视化内容的质量，就需要拓展与科学技术相关的数据来源。有了丰富的数据资源，我们就有机会从中挖掘出新规律和新趋势，然后再用可视化手段呈现出来才更具传播价值和生命力。国外开放的数据平台为媒体制作许多有影响力的数据可视化报道提供了坚实的基础，目前我国在这方面仍处于起步阶段。从我国的现实情况看，笔者认为中国科学院、中国工程院和各大科研院校可以进一步开放数据，丰富科技传播的数据来源。 4.2把握数据可视化报道的时新性 科技新闻报道中的数据可视化内容要把握好时新性。时新性是新闻价值的五要素之一，它指事实在时间上是新近发生的，在内容上是人们所未知的新鲜事。事实发生的时间越近，新闻价值越高;内容越新（包括最新的情况、最新的问题、最新的成就、最新的经验等）新闻价值也越高[2]。由于数据可视化内容的制作周期较长，或许等到内容生产出来，新闻热点早已过去。如果没有了时新性，再优秀的数据可视化报道也成了明日黄花。因此，记者平时就应该未雨绸缪，做好准备，注意收集、整理和分析相关数据。 4.3提高科技传播者的数据素养 科技传播者的数据素养的高低直接影响数据可视化作品质量的好坏。因此，科技传播者平时要增强培养自身数据素养的意识，学习数据挖掘、计算机辅助报道、统计学等方面的知识。同时，科技传播者队伍也需要更多既懂新闻，又懂数据、编程和设计的复合型人才的加入。 5 结论 数据可视化为科技传播提供了新的思路，BBC与《纽约时报》在埃博拉病毒报道中的数据可视化实践值得我国媒体借鉴。数据可视化只是一种表现手段，问题的关键在于如何更好地获取、理解数据。将数据可视化技术应用于科技传播，我们还要规避认识上的误区，只有敢于付诸实践、善于总结经验才能制作出高水平的数据可视化报道，真正实现科技传播的创新。 参考文献 [1]沈浩，谈和，文蕾.青年记者[J].2014：18. [2]何梓华，成美.新闻理论教程[M].北京：高等教育出版社，2008. |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。