□

内容提要 从知识社会学视角看，新闻是一种知识，处于知识连续区中。新冠疫情期间的数据新闻可被分为呈现型、解释型和预测型三种，前者生产偏向“熟悉性”的知识，后两者生产偏向“理解性”的知识。而在这一场突发公共卫生事件中，数据新闻价值体现在知识生产、知识管理和知识共享上。

2019年12月30日，武汉市卫生健康委员会医政医管处发布《关于做好不明原因肺炎救治工作的紧急通知》红头文件，新型冠状肺炎首次进入公众视野。新冠肺炎是一场突发公共卫生事件，疫情期间公众除了需要及时、准确的信息，还需要科学的健康科普知识。新闻有复杂的政治、经济和社会属性，相比研究“作为商品的新闻”和“作为意识形态的新闻”，本文将沿着知识社会学的视角研究“作为知识的新闻”[1]，进而分析此次疫情中的数据新闻报道表现。

在众多新闻品类中，数据新闻在知识生产上有自身类型特点和价值，它是指“一种运用计算机程序对事实材料和统计资料进行采集、分析和呈现的量化报道方式，也指一种通过上述方式生产的新闻品类”[2]。截至2019年5月，我国至少有过47个数据新闻栏目，其中31个栏目保持固定更新，16个已停更或无法查询更新情况[3]。

一、疫情中数据新闻的整体表现

本文选取国内32个主要的数据新闻发布主体截至2020年3月10日的256篇新冠肺炎相关数据新闻进行内容分析，样本基本涵盖了在疫情期间的主要数据新闻作品。参考澎湃“澎湃号·有数”栏目对数据创作者的类型划分，32个发布主体可进一步归纳为6个类型——机构媒体、门户网站、新媒体机构、高校、数据服务提供商、个人。在数据新闻领域，非传统媒体机构和部分个人创建的自媒体已然成为重要的生产力量，将它们也纳入观察能使研究样本覆盖更加合理。

在我们的研究样本中，32个发布主体平均发布稿件数量为8篇，每篇平均图表数量为5.6张，而机构媒体的新冠肺炎数据新闻平均数量远高于其他类型主体，如果进一步分析发稿频率，能够更清晰看到不同类型主体的数据新闻生产力差异。32个发布主体的平均发稿频率为5.4天/篇，发稿频率最高的前10位中，有2/5为机构媒体。相对而言，机构媒体的数据新闻栏目有更充足的生产人员和更成熟的生产流程，其对新闻时效性的要求也较高，故而能够压缩单篇稿件的生产周期。

本文对这256篇数据新闻的主题、数据分析深度和图表复杂程度作了整体研究。主题上分为数据通报、疫情现状、防控措施、科研科普、疫情影响和其他六类，发现稿件绝大部分较均匀分布于前五类主题。与微信公号“RUC新闻坊”对2286篇肺炎报道主题分布的研究结果对照分析[4]，数据新闻中防控措施主题占比下降，疫情现状和科研科普主题有明显上升。可以看到，疫情中数据新闻内部基本没有主题倾向，但在外部比较中，呈现出对疫情现状和科研科普主题的偏好。

数据分析深度上，80%数据新闻达到了多样化描述性统计层次，简单呈现单个或多个统计量的情况（7%）和进行复杂的推断预测的情况（13%）都为少数。

图表复杂程度上，简单统计图使用率最高，出现率高达82%；其次是出现率为30%的表格；较为复杂的复合式统计图、复合式地图和视频只有17%、17%和6%，整体复杂程度较低，且94%不可交互。

可见，在突发公共卫生事件传播中，数据新闻更多采取中度的数据分析和常规的可视化方式，以更好顾及时效性和读者接受度。

二、疫情中数据新闻的知识类型

将知识社会学引入新闻研究的芝加哥学派学者罗伯特·帕克（R.E.Park）认为新闻处于由直觉的非系统的“熟悉性知识”（acquaintancewith）和正式的系统的“理解性知识”（knowledgeabout）构成的“知识连续区”（knowledgecontinuum）中，是兼顾两种知识特性的特别知识[5]。有学者借鉴科学知识中的“核心知识”和“外围知识”进一步发展帕克的理论，认为新闻中通过描述让公众知晓的部分是偏向“熟悉性知识”的核心知识，而新闻中通过解释或论证让公众理解的部分是偏向“理解性知识”的外围知识[6]。

借鉴有学者提出的“整体-图景型”“问题-分析型”“已然-预测型”和“模型-定制型”的数据新闻分类[7]，新冠疫情中256篇数据新闻可以被划分为三个类型：呈现型、解释型和预测型。其中呈现型更偏向新闻核心知识生产，让公众知晓新冠疫情相关的事实；而解释型和预测型更偏向新闻外围知识生产，促进公众理解新冠疫情相关问题的原因和发展趋势。

256篇数据新闻中，呈现型为148篇（占比58.2%），解释型为89篇（占比34.4%），而预测型为19篇（占比7.4%）。总体而言，疫情中数据新闻依然注重告诉公众“是什么”，发挥其核心知识生产功能，再生产外围知识，告诉公众“为什么”和“会怎样”。

表1：主体及样本容量分布统计表

表2：发稿频率前十统计表

（一）呈现型数据新闻

疫情中的呈现型数据新闻主要是对疫情现状和影响的整体情况进行数据收集和呈现。数据通报和疫情影响主题尤其偏好制作为呈现型数据新闻（表5），数据通报是最为直观反映疫情态势的主题，而疫情影响是公众难以通过自身信息渠道了解宏观情况的主题，所以这两个主题更需要展现“是什么”的信息层次。

数据通报主题上，疫情地图和疫情曲线是最为典型的稿件，几乎是每家机构媒体的标配，澎湃、财新、上观都有自主开发的实时更新疫情地图。值得一提的是北京大学可视化与可视分析实验室，发布了数据维度和可视方式多样的数据通报稿件共10篇，包括《新冠病毒肺炎疫情晴雨表》《疫情方寸间》《全国疫情态势》等[8]，呈现角度全面，可视化不落俗套。

疫情影响主题上，比较常见的是对复工复产、居家生活、行业影响的展现，而个人类型主体@照路明则关注到了公众心理层面的影响。照路明的《后疫情时代|我们如何被新冠肺炎改变了生活？》采用问卷调查的方式对公众面对疫情的心态做了调查和展示[9]，这种方式能较为直接地收集到社会心理数据，补足了疫情图景的缺角。

还值得一提的是，在疫情暴发期，通过公开案例归纳呈现病毒传播规律，有重要意义。上观2月8日发表《87例没有“湖北接触史”的人，他们是怎么感染上新冠肺炎的》，基于上海确诊病例的病例类型、行程点出无湖北接触史病例和聚集性病例增加的现状，并归纳了三大聚集场所[10]。

（二）解释型数据新闻

疫情中的解释型数据新闻主要是对疫情情况和相关措施存在的问题或疑惑进行解释。科研科普是最适合采用解释型的主题（表5），通常从瘟疫历史和科学维度进行解释。

如澎湃的《图释两千年传染病史：若瘟疫无法被根除，该如何与之相处？》[11]和数据服务提供商数可视的《疫情何时能结束？人类战“疫”史的这些数据或许能给你些线索》[12]不约而同地将新冠肺炎放置到历史坐标系中，通过与其他传染病进行对比，帮助公众理解新冠肺炎。

（三）预测型数据新闻

疫情中的预测型数据新闻主要是根据现有大数据和模型对疫情走势和防控措施有效性进行预测。预测型是应用性较强的类型，故只有疫情现状、防控措施和疫情影响主题采用（表5）。

疫情现状的预测是对各地感染率的预测和真实重症率的预测。这类数据新闻多参考人流迁徙数据，并结合部分传染病传播数据模型，对各地可能的疫情走势做出预警。如DT财经《返工潮之下，哪些城市面临最大的疫情防扩压力？| DT数说》对返工潮中的各城市疫情输入风险做预测[13]。防控措施的预测是对措施有效性的推断。如新媒体机构集智俱乐部4篇预测型数据新闻中3篇是对防控措施的预测，分别是对口罩资源最优分布、防控措施见效期和舆情与肺炎扩散相关性的预测。疫情影响的预测则集中在对真实复工情况的预测。城市数据团《疫情过后，上海会从哪里开始复苏？》通过写字楼外卖数据，层层预测上海线下复工率最高的地段、商务区和写字楼[14]。

另外，值得关注的一个现象是，19篇预测型数据新闻发布主体只有约30%为机构媒体，推测可能是因为预测型报道的结论所指具有一定不确定性，这使机构媒体对之采纳更为审慎。

三、疫情中数据新闻的知识价值

新冠疫情中的数据新闻具有知识生产、知识管理和知识共享的价值，知识生产是知识管理的前提，而管理知识可以更好实现知识共享，知识共享又会促进有价值的新知识生产，知识生产—知识管理—知识共享成为一个良性回环。

□ 呈现型-可视化与可视分析实验室（高校）《疫情晴雨表》。

（一）知识生产

帕克认为，新闻的制作过程就是知识的生产过程[15]。数据新闻作为一种新闻论证，需要生产者调用分析思维、抽象思维，知识生产属性更为明显[16]。疫情中的呈现型数据新闻，能够通过数据得出事实性结论，为公众呈现更清晰的事实图景，是生产偏向“熟悉性”的知识。解释型和预测型数据新闻，则调用更多学科知识，从更为严谨、科学的进路剖析事件肌理，提高公众科学素养，是生产偏向“理解性”的知识。像新冠疫情这样的突发公共卫生事件，往往存在专业壁垒和理解门槛，大众传媒需要成为通往科学的桥梁。数据新闻兼顾科学性和可读性，在疫情期间知识生产工作中有独特的地位。

表3：主题类型分析

表4：图表复杂度分析

表5：各主题对应文章类型分析

（二）知识管理

在知识生产之后，有学者提出知识管理的问题，认为网络时代新闻不再是“一次性商品”，媒体需要对自己生产的知识加以储存、提炼和使用[17]。借助技术，数据新闻能比传统的文字稿件更好实现数据储存和更新，形成知识储备和再使用的数据库。如疫情期间的疫情地图就有知识管理的价值，作为一个需要运营维护的数据新闻产品，发布主体可以每天在上面进行更新，公众也可以通过同一个入口持续关注事件，留意到历时性变化。这样的数据库也会成为未来宝贵的历史资料库，为历史和科学研究提供素材。

（三）知识共享

数据新闻的发轫与“开放数据”运动相关，故该领域从业者非常看重数据源开放。数据开放某种意义上是开放生产后台，能够让读者在获取结论之余，还能获取方法，还可以对这些数据进行再加工，产生新知识，达到知识共享的目的。我们统计的256篇数据新闻中，91%清晰标注了数据来源，达到了数据新闻开放透明的要求。其中9%的稿件还给出了清晰的数据来源链接。新一线城市研究所将各省疫情数据放到腾讯文档共享；澎湃将实时确诊数据放到石墨文档进行共享并每日更新，这份数据成为了网易稿件中的数据来源。澎湃、大数据文摘、严肃的人口学八卦和可视分析有在GitHub上共享项目代码。新京报、集智俱乐部、城市数据团等有给出参考论文的详细地址。

疫情期间，多类型主体参与到数据新闻的生产中，通过开放数据，制作出类型丰富的作品，为公众传达清晰宏观的疫情图景和简单易懂的科普知识，实现了知识生产、知识管理和知识共享功能。

【注释】

[1]刘涛.作为知识生产的新闻评论:知识话语呈现的公共修辞与框架再造[J].新闻大学，2016（06）:100-108+150-151.

[2]方洁著.数据新闻概论 操作理念与案例解析[M].2019

[3]吴小坤，全凌辉.数据新闻现实困境、突破路径与发展态势——基于国内7家数据新闻栏目负责人的访谈[J].中国出版，2019（20）:22-28.

[4]RUC 新闻坊：《2286 篇肺炎报道观察：谁在新闻里发声？》https://mp.weixin.qq.com/s/xOUYUAZ1On3pvX7iCn1cPA，2020年2月11日

[5]Park，R.E.News As a Formknowledge:A chapter in the sociology knowledge.American Journal of Sociology.1940，45（05）.

[6]郑忠明，江作苏.作为知识的新闻:知识特性和建构空间——重思新闻业的边界问题[J].国际新闻界，2016，38（04）:142-156.

[7]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[J].新闻与传播研究，2017，24（12）:79-91+128.

[8]可视分析：新型冠状病毒肺炎疫情 可视分析系列，https://vis.ucloud365.com/ncov/home.html

[9]照路明：《后疫情时代|我们如何被新冠肺炎改变了生活？》，，https://www.thepaper.cn/newsDetail_forward_5878357，2020年2月10日

[10]上观：87例没有“湖北接触史”的人，他们是怎么感染上新冠肺炎的，https://m.thepaper.cn/newsDetail_forward_5851992，2020年2月8日

[11]澎湃：《图释两千年传染病史：若瘟疫无法被根除，该如何与之相处？》，https://www.thepaper.cn/newsDetail_forward_6058438，2020年2月21日

[12]数可视：《疫情何时能结束？人类战“疫”史的这些数据或许能给你些线索》，https://mp.weixin.qq.com/s/VIIQ3wqRvtApbdI3ZTyoww，2020年3月5日

[13]DT财经：返工潮之下，哪些城市面临最大的疫情防扩压力？| DT数说，https://mp.weixin.qq.com/s/QM7Ug6YoqETJMlaY1q7kpg，2020年2月6日

[14]城市数据团：《疫情过后，上海会从哪里开始复苏？》，https://mp.weixin.qq.com/s/Bh7lc8Vwzl1dGLu0WShIQQ，2020年2月25日

[15]同[5]

[16]同[7]

[17]郑忠明，江作苏.新闻媒体的知识管理:另一种角色期待——以《纽约时报》创新实践为例[J].新闻记者，2016（05）:27-37.