新闻传播人才数据分析能力培养路径

摘要：本文基于新闻传播人才数据分析能力培养实践，提出面向问题解决的数据分析能力培养路径。在此基础上系统化构建指向培养路径实现的数据分析能力培养体系，该体系包含课程、实训、师资三个子体系。

关键词：大数据时代；新闻传播；数据分析；培养路径；培养体系

大数据时代高校人才培养面临新挑战，受技术发展影响深刻的新闻传播专业更是如此。新闻传播教育融入大数据内容迫在眉睫，然而现实培养效果不尽如人意。分析其原因是当前培养方式主要停留在课程层面，通过直接在传统课程体系中加入一门或几门数据类课程实现，课程设置缺乏理论依据，课程之间缺乏逻辑关联。数据分析能力独立于新闻传播传统核心能力培养之外，需在专业内生需求驱动下，系统化设计培养路径与培养体系，设计过程需充分考虑专业特点。

新闻传播人才数据分析能力培养路径

大数据时代新闻传播生态面临重大调整的同时也深度参与时代形态塑造，因此数据分析能力培养目标指向：深刻理解大数据内涵，既能利用数据分析方法支持新闻传播领域需求，也能清楚认识新闻大数据在解决其他领域问题上的潜能。培养路径设计亦围绕该目标实现，主要内容包括：（一）强化数据分析思维培养，弱化技术细节传授。数据分析能力分为两个层面：数据分析思维能力与数据分析技术能力。前者包括：理解分析方法背后数学逻辑，明晰方法适用问题类型，能正确解释分析结果；后者包括：根据数据分析方法特点能利用可视化软件或编写程序实现数据分析过程。因此，数据分析能力培养方式细化为三种：数据分析思维与技术并重培养；重技术实现，弱分析思维培养；重分析思维，弱技术细节培养。毋庸置疑，思维与技术并重培养最为全面，但在加重学习负担的同时不可避免地会压缩其他能力培养空间。正如哥伦比亚大学教授James W.Carey所言“新闻学的学术来源应该根植于人文科学和人文类的社会科学中，新闻应该与政治、文学、哲学、艺术、历史联系”[1]，并重式培养不免舍本逐末，影响人才整体培养目标实现。得益于集成软件的可视化操作以及新一代编程语言丰富的可调用程序“包”，数据分析技术实现难度降低，为“重技术实现”培养方式创造条件。但集成操作在封装数据分析过程的同时也导致学生对方法内涵及其背后逻辑理解不透，缺乏举一反三的能力，更无法融合知识背景对分析结果进行深度解读。另一方面，计算机性能提升促进数据分析方法快速迭代，从技术角度培养学生，容易导致教学内容滞后或在该能力培养上投入过多时间。因此，笔者倾向“重分析思维，弱技术细节” 培养模式。该模式重点讲授数据分析方法原理，适用问题场景以及对分析结果进行有效解释。在原理讲授上可根据内容难易程度采用不同方式，例如对于基于单一数学公式的可直接补充数学知识；对于涉及复杂数学原理的，可采用通俗的符合现实逻辑的语言来讲述。无论采用何种讲授方式，其目的就是让学生真正理解数据分析方法内涵，切实具备将方法应用到现实问题解决的能力。（二）开展信息素养教育，提高信息检索与连接学习能力。采用“重思维，弱技术”培养方式必然存在两个弊端：一是学生技术实现能力不足；二是无法及时跟进技术前沿。总结教学实践，笔者认为开展信息素养教育是解决这两个问题的关键。“信息素养”概念由美国信息产业协会提出，根据Doyle在《信息素养全美论坛的终结报告》中下的定义可知：理解信息在问题解决上的重要性，描述面向信息需求的问题，利用工具获取目标信息，选择有效信息并将其准确运用到问题解决上是开展信息素养教育的目的[2]，也正是克服“重思维，弱技术”培养方式下人才技术短板的关键。首先，针对技术实现能力不足问题，可通过与有技术优势的专业人员合作来弥补。识别合作对象是开展合作的前提，当前数据分析方法种类繁多，在解决现实问题时需要与有不同技术专长的对象合作。因此仅依靠人际网络很难全面识别，需运用信息检索技术，多渠道获取信息才能更全面定位潜在合作对象并与之建立关联。另外，不同专业人员的思维习惯以及对问题的理解存在差异，这种差异将影响合作效果。为提高沟通效率，除加强本专业学生沟通技巧外，关键在于提高学生对信息处理需求进行准确的、符合专业逻辑的描述的能力，而这正是信息素养教育内容之一。其次，针对无法及时跟进技术前沿问题，除了需要授课教师及时更新授课内容，保证课程紧跟技术前沿，更为重要的是培养学生连接学习能力。连接主义学习理论认为数字时代的学习可以看作在特定时间访问与使用所需信息的过程，与之对应，连接学习能力就是在学习需求驱动下获取与利用分布广泛的信息的能力[3] [4]。信息素养教育正是该能力的养成途径之一。（三）深化人文社会学科教育，促进深厚人文素养养成，提高数据分析结果的深度解读能力。上述两条路径培养学生适应大数据时展的能力，但在发挥新闻传播专业优势方面效果有限。本节将探讨新闻传播专业在数据分析流程中的优势以及如何强化这种优势。面向问题解决的新闻传播人才数据分析流程可划分为：问题解析、数据分析结果获取、数据分析结果解读三个阶段。问题解析阶段任务包括：判断问题是否可采用数据分析方式解决，如可行需要采集那些数据、选择那些数据分析方法，该阶段考验学生的数据分析思维。数据分析结果获取阶段任务包括：确定数据获取渠道并明确采集需求；定位专业人员并与之建立关联；通过与专业人员合作获取数据分析结果，该阶段需要学生具备坚实的信息素养。数据分析结果解读阶段任务包括：准确理解数据分析结果，融合背景知识对结果进行深度解读，形成可供阅读的分析报告，该阶段需要学生具备深厚的人文素养。近年来，数据分析结果解读在分析流程中的重要性日益凸显，深厚的人文素养是开展深度解读的前提，而这正是新闻传播专业学生的优势所在。一方面，新闻传播专业重视人文主义教育，与文学、历史学、哲学等不断交融，培养学生人文情怀、独立思考能力与批判精神[5]。更有学者呼吁在当前环境下更要加强文史哲教育，夯实新闻传播人才的人文基础[6]。另一方面，新闻传播学科内在基因强调与法学、经济学、政治学等社会学科交叉，培养学生跨界能力[7]。由此可知，数据分析过程中凸显新闻传播专业优势的关键在于深化人文社会学科教育，促进学生深厚人文素养养成，提高数据分析结果深度解读及对解读结果准确描述的能力。

新闻传播人才数据分析能力培养体系

培养路径指明实现培养目标的方向，而真正实现目标需构建相应培养体系。参考美国密苏里新闻学院方式与郝红霞、刘峰学者研究[8]，培养体系包含三个子体系：课程、实训与师资子体系。

（一）数据分析能力培养课程子体系

面向数据分析能力培养的课程子体系既是内部关联紧密的完整课程集合，又隶属于新闻传播人才培养上层课程体系，因此既包含完全独立的课程门类，又有与新闻传播传统课程相融合的模糊边界。课程子体系包含三个模块：数据分析思维培养课程模块、信息素养训练课程模块、人文素养养成课程模块。1.数据分析思维培养课程模块。该课程模块目的是培养学生数据分析思维，使其理解数据分析方法内涵，在面对现实问题时能选择正确分析方法。总结实践经验认为案例式教学能更好实现培养目标，但课程设置上有两条不同思路：一是以数据分析方法为维度设置课程。可开设课程包括：“数据挖掘”“社会网络分析”等。课程讲授时可先讲授方法理论基础，包括方法的定义、数据逻辑、适用场景等；然后介绍数据分析方法在现实问题解决中的成功案例，帮助学生掌握方法的运用技巧。另一思路以新闻传播领域需求为维度设置课程。可开设课程包括“网络舆情分析”“数据新闻”等。课堂中可以讲授解决领域需求的传统做法是什么，在大数据环境下有什么新的思路，并以案例形式介绍成功运用于领域需求解决的数据分析方法。2.信息素养训练课程模块。该课程模块目的是培养学生信息意识以及掌握信息检索与数据获取技能。课程设置分为三部分：一是信息素养理论课程，从宏观层面向学生展示社会信息化过程、数据时代特征及对社会各方面影响等。该部分既可独立开设课程，也可融合在其他课程内容中，例如“数据挖掘”“网络舆情分析”；甚至可融入新闻传播核心课程，如“新媒体概论”。二是信息检索课程，训练学生准确检索所需信息技能。该部分既可单独开设课程，如南京财经大学（以下简称“南财”）开设的“文献与信息检索”，也可融入其他公共基础课中，如融入“计算机基础”课程。三是数据获取课程，训练学生利用数据采集工具，获取目标数据的技能。因为此类课程开设的目的是从技术角度强化学生数据意识，所以将课程设置为选修课更为合适。3.人文素养养成课程模块。该课程模块目的是促进学生人文素养养成，提高数据分析结果深度解读能力。课程设置分为两部分，一部分为夯实，学习文史哲基础，如南财新闻学院开设的“中国文学史”。另一部分为丰富学生其他领域知识，具体可结合学院自身特点，例如南财新闻学院依托学校财经背景开设了“宏观经济学”“管理学原理”等课程。

（二）数据分析能力培养实训子体系

数据分析能力培养的根本目标是培养学生将数据分析方法熟练运用到现实问题解决上，开展课程实训是实现目标的重要途径，而实训体系是进行课程实训的保障。实训子体系包含三个模块：硬件保障模块、软件保障模块、成果模块。1.硬件保障模块。硬件保障模块分为两部分：一部分为计算机硬件保障；另一部分是教室硬件保障，数据分析过程是团队分工协作过程，教室设置更推荐采用翻转课堂模式。2.软件保障模块。笔者倾向与专业人员合作来获取分析结果，同时鼓励学生通过选修课等方式学习分析技术，另外参与数据清洗等预处理工作可训练学生数据意识。软件保障模块分为三部分：第一部分是数据采集软件，例如：火车浏览器；第二部分是编程软件，例如： R语言、Python；第三部分是可视化软件，例如：用于数据预处理的Notepad++；支持数据挖掘的SPSS；支持社会网络分析的Ucinet、Gephi等。3.成果模块。数据分析报告生成后如能及时出去不但能激发学生积极性，还能让成果接受大众检验。与传统媒体时代新闻报道刊发平台稀缺不同，社会化媒体资源丰富，可利用微博、微信等平台创建公众号[9]，及时数据分析成果，并根据受众反馈持续改进。另外，公众号有运营管理需求，数据分析成果前也需经过编辑、排版、配图、美工等操作，客观上促进新闻传播人才综合能力提升。

（三）数据分析能力培养师资子体系

课程子体系确定授课内容，实训子体系提供实践平台，师资子体系则是两个子体系发挥实效的保证，也是培养体系中最为关键一环，包含三个模块：师资准备模块、教学培训模块、学术认同模块。1.师资准备模块。师资来源有两条渠道：从本学院选择或跨专业教师聘请。根据课程性质，思维培养模块课程更适合从本学院选择教师，原因有二：核心模块课程需要稳定的师资队伍；数据分析思维课程讲授需依据学生已有知识结构采用针对性方法，本院教师对学生了解更透彻。信息素养训练与人文素养养成模块课程更适合聘请跨专业教师，原因有二：其一，两个模块课程性质以公共基础课、选修课、通识课为主；其二，训练信息素养与人文素养目的之一是开阔学生视野，跨专业教师更可能带来新视角。2.教学培训模块。教师选聘有两条渠道：从新闻传播相关专业选聘或数据相关专业选聘。前一渠道选聘教师对新闻传播专业及其学生知识结构了解清晰，但数据分析能力相对薄弱，需有针对性地加强数据分析方法及其技术前沿培训。后一渠道选聘教师刚好相反，需及时补充新闻传播知识，通过专业学习更好定位领域需求及时调整授课内容，并依据学生知识结构改进授课方式。不同专业背景差异较大，课程先验知识也不尽相同，直接套用跨专业授课方式，容易增加学习难度。3.学术认同模块。学术研究与教学工作相辅相成，也是衡量教师专业水平的指标之一。跨专业选聘教师必然会面对“是否需要学术转型”这一问题。不转型，容易缺乏专业归属感；转型，数据相关专业与新闻传播专业的研究对象、范式差别大，学术成果发表存在一定难度。因此，该模块任务是制定跨专业学术认同标准，帮助跨专业教师顺利度过学术磨合期，保障师资层面的有机融合。

结语

针对当前新闻传播教育中数据分析能力培养不足的问题，本文系统化设计培养路径、构建培养体系。培养路径设计综合了新闻传播整体人才培养目标、专业知识结构等多方因素，在确保不影响整体人才培养目标实现前提下凸显新闻传播专业优势。围绕培养路径构建的培养体系全面涵盖了课程、实训、师资三个子体系，可操作性强。另外，鉴于数据分析能力培养是近年来对新闻传播教育提出的新要求，相关教学实践还在探索阶段，相关理论还需在实践中检验并不断改进与完善。

参考文献：

[1]JamesW.Carey撰，李昕译.新闻教育错在哪里[J].国际新闻界，2002(03):8-11.

[2]何智.中学教师使用信息技术教学的影响因素研究——以北京市中学为例[D].首都师范大学，2006.

[3]余秀才.新媒体语境下新闻传播教育面临的困境与革新[J].新闻大学，2015(04):133-139.

[4]郭应寿.连接主义学习理论[EB/OL].（2019-6-17）.

[5][7]张明新.多学科交融的新闻传播教育：过去、现在和将来[J].新闻与传播研究，2018，25(S1):93-95.

[6]胡德才.媒介融合时代新闻传播人才培养的理念与路径[J].新闻大学，2015(05):119-125.

[8]郝红霞，刘峰.基于云计算的全媒体新闻人才创新培养模式探析[J].新闻大学，2014(06):116-123.

[9]郝红霞.媒体融合下的全媒体新闻实践教学探索[J].新闻大学，2015(06):129-132.

作者：肖璐 曾爽