數據新聞社交化傳播的內容組態分析

摘要：隨著社交媒體的興起，數據新聞的社交化傳播問題逐漸得到重視，效果研究的重要性凸顯；數據新聞屬于多要素組成的復雜性對象，高熱度的數據新聞擁有多種不同的內容組合形式，因此傳統的定量分析具有局限性。基于此，文章以微信公眾平臺上的55篇數據新聞為研究對象，運用清晰集定性比較分析的研究方法，分析數據新聞高熱度社交化傳播的微觀機制。基于“新聞本位—數據應用—可視化呈現”的主體分析框架，結合理論與案例，研究提煉新聞主題、選題性質、數據類型、數據來源、數據敘事、數據處理程度、可視化類型以及可視化形式豐富度八個內容層面的條件變量。通過清晰集定性比較分析，發現了三條典型的微觀內容組態，將之歸納為專業分析型、信息描述型以及事件匯總型，并通過對微觀案例的闡釋分析了條件變量間聯動效應的發生機制。將微觀案例闡釋歸納并回歸理論的主體框架，得出如下結論：話題型數據新聞達到高熱度傳播需要具備良好的數據專業化水平；權威來源數據適用于事件匯總型新聞，而非權威來源數據適用于信息描述型新聞；動態交互圖表適用于嚴肅議題的硬新聞。本研究在應用層面對數據新聞實踐具有指導性意義，在理論層面證明了數據新聞社交化傳播具有復雜性，并對其傳播邏輯進行了初步探索。

關鍵詞：數據新聞；定性比較分析；內容生產；傳播效果；數據可視化

中圖分類號：G210.7 文獻標志碼：A 文章編號：1674-8883（2023）04-0012-04

一、研究緣起

數據新聞是由數據驅動的，從數據中發掘新聞線索，通過數據分析提煉新聞故事并進行可視化呈現的新聞實踐類型[1]。作為一種實踐導向的新聞理念，其自身的概念界定較為寬泛，理論源流是“精確新聞”與“計算機輔助新聞”理念，因為大數據技術的發展而興起，標志性事件是《數據新聞手冊》的出版。

國內引入數據新聞理念始于PC互聯網時代，而后移動互聯網的革新使數據新聞實踐逐漸轉向移動端，數據新聞的社交化傳播成了重要的研究方向。數據新聞在國內移動端社交媒體平臺傳播乏力的問題比較突出[2]，但現有的研究大多局限于對內容生產的歸納與批判[3]，缺乏對傳播效果的關注。而常規的定量分析只計算凈效應，忽視了數據新聞社交化傳播影響因素間潛在的聯動效應。

因此，考慮到數據新聞概念自身的復雜性與交叉性，本研究從新聞本位、數據應用和數據可視化三部分出發，構造數據新聞內容層面分析框架“新聞—數據—可視化”，擬通過定性比較分析的方法，探究內容層面的要素如何影響數據新聞在微信公眾平臺上的傳播，以及高熱度傳播的數據新聞應具備何種內容組合邏輯。

二、研究方法及設計

（一）研究方法：清晰集定性比較分析

定性比較分析法是一種結合了定性與定量優勢的混合研究方法，其原理是基于集合論的因果推斷。相較于只計算凈效應的相關分析方法，該方法具有將變量間聯動效應納入分析的優勢，適用于多因并發的復雜性因果問題[4]。

數據新聞的社交化傳播是一種復雜的傳播現象，其內容層面由數據驅動、新聞本位與數據可視化三個面構成，具備諸多影響因素，高熱度傳播案例具備多種構型，是典型的多因一果的復雜因果問題，適用于定性比較分析法。

定性比較分析法主要有清晰集和模糊集兩種范式，其中清晰集是最經典、應用最廣泛的范式。本研究采用清晰集定性比較分析法，特點是所處理的變量均為二分變量。

（二）案例選取

本研究采用共時性多案例比較的視角，參考現有研究的取樣范圍，選取了最具代表性的三個類型化生產數據新聞的微信公眾號：網易數讀、谷雨數據以及澎湃美數課。現有研究的樣本多截至2019年，所以本研究將2020年作為觀察的窗口期，因疫情的影響，為避免突發性事件導致的議題偏態，同時將2021年的數據新聞納入案例庫。

將網易數讀、谷雨數據和澎湃美數課2020年與2021年兩年內發布的總計563篇文章納入案例庫，閱讀量采集時間為2022年12月28日。對案例庫的文章進行文本細讀，充分掌握案例。由于定性比較分析在中小規模樣本上表現更好，因此遵循立意抽樣的原則，按照相同結果間具備最大異質性、不同結果間具備最大同質性的操作標準，從案例庫中選取了《千年一遇的鄭州暴雨，到底有多大》《中國大學最卷的專業，讓我讀上了》《中國吃肉地圖，北方輸慘了》等55個案例進行定性比較分析。

（三）條件變量設計與賦值

1.新聞主題

新聞主題是新聞內容的集中體現，參考現有研究的分類體系與新聞主題類別的標準文件，將數據新聞按照主題分為五類：社會民生、環境健康、文化科教、體育娛樂、消費商業[5]62。根據新聞價值的高低對其做進一步合并，將社會民生、環境健康、文化科教歸類為硬新聞，將體育娛樂和消費商業歸類為軟新聞[6]。

2.選題性質

選題方向意味著類型化的生產模式，從選題的性質出發，可將數據新聞分為話題型和事件型[7]。話題型是指報道主體是時效性較弱的周期性話題，一般呈現生活化與娛樂化的特點；事件型是指報道主體是時效性較強的新聞事件，主要針對新聞事件本身來搜集相關數據進行解讀。

3.新聞敘事

新聞敘事是陳述新聞內容的核心邏輯，數據新聞敘事的革新在于數據成為主導敘事邏輯的關鍵因素。數據新聞敘事的主要模式可歸納為歷時敘事、共時敘事、社會關系敘事和數據關系敘事。歷時敘事圍繞時間維度展開，重在展現變化和趨勢；共時敘事圍繞空間維度展開，重在進行分類和比較；社會關系敘事圍繞社會網絡的節點和聯結展開，重在展現主體間的關系與互動，大多應用社會網絡分析法；數據關系敘事通過數據挖掘，探尋社會問題中變量間的相關關系與因果關系[8]。前兩者形式更簡潔，應用普遍，且經常組合使用，因此將之統稱為時空敘事；后兩者則是數據驅動下產生的模式，數據分析更專業，因此將之并稱為關系敘事。

4.數據來源

作為數據驅動的新聞，數據來源是新聞內容質量的關鍵因素。數據來源渠道多樣，根據權威性的高低，可對眾多數據來源渠道劃分為兩類：政府、院校及研究機構、非營利性組織等統稱為高權威性數據來源（簡稱權威來源），企業、第三方服務商以及自行采集等渠道統稱為低權威性數據來源（簡稱非權威來源）[9]。

5.數據類型

數據不僅是數值，廣義上的數據還包括文本、圖像、瀏覽記錄以及音視頻等。就數據格式而言，數據可分為結構化數據與非結構化數據。結構化數據是指經過標準化處理的存儲于數據庫中的數據，嚴格按照預定義的格式呈現；非結構化數據是指未經編碼的原始數據，比如社交平臺上的用戶文本。一般而言，結構化數據的獲取與應用相較于非結構化數據更加便捷；但非結構化來源更廣泛，多為田野中的原始資料，潛在的新聞價值更高。

6.數據處理程度

作為從數據中發掘新聞線索與論證依據的數據新聞，對于原始數據的加工處理與分析是新聞生產的關鍵環節，代表了自身的專業性。對于數據而言，最簡單的處理是直接呈現；初級的處理是描述數據的分布特征，如比值、均值、眾數等；更進階的處理是應用多元統計分析方法，如相關、回歸、聚類、降維等[10]。結合案例的特點，將直接呈現數據與描述分布特征統稱為初級數據處理；而應用多元統計分析方法，則視為高級數據處理。

7.可視化類型

數據的可視化呈現是數據新聞的重要組成部分，對多維數據進行組織與呈現，使之形成直觀且生動的圖表，符合大眾傳播的邏輯。數據的可視化類型可分為靜態圖表、動態圖表和多感官形式三類[11]。靜態圖表即所有無動畫設計的基礎圖表，如柱狀圖、折線圖、散點圖等；動態圖表是指在靜態圖表的基礎上進行動畫設計的形式，如動態數據地圖等；多感官形式是指通過多種感覺器官同時傳遞信息的形式，包括視頻和音頻。

8.可視化形式豐富度

可視化呈現形式具體種類的多寡代表了簡潔與豐富兩種不同的可視化風格，數據新聞學者普遍認為，豐富的可視化形式能有效增強數據呈現的準確性與視覺效果，但現有的研究還未證明該觀點在社交化傳播中成立[5]64。因此本研究參考現有研究的分類標準，將可視化具體形式的種類數按照數值大小劃分為兩個水平：可視化具體形式種類數在一到四種之間為有限度的可視化形式，五種及以上則為多樣化的可視化形式。

按照條件變量設計的編碼原則，兩名編碼員分別對55個案例進行獨立編碼，采用霍斯提公式對結果進行信度檢驗，各變量的信度指均在0.9到1之間，表明各條件變量的編碼信度較強，具有良好的內部一致性。

編碼完成后，采用“二分歸屬原則”[12]對變量的權重比例進行二分閾值，大于50%的案例變量賦值為1，小于50%的案例變量賦值為0。具體而言，新聞主題方面，硬新聞賦值為1，軟新聞賦值為0；選題性質方面，話題型賦值為1，事件型賦值為0；新聞敘事方面，時空敘事賦值為1，關系敘事賦值為0；數據來源方面，權威來源賦值為1，非權威來源賦值為0；數據類型方面，含有非結構化數據賦值為1，僅包含結構化數據賦值為0；數據處理程度方面，初級處理程度賦值為1，高級處理程度賦值為0；可視化類型方面，靜態信息圖表賦值為1，動態交互圖表和多感官形式賦值為0；可視化形式種類數方面，有限度的可視化形式賦值為1，多樣化的可視化形式賦值為0。

（四）結果變量設計與賦值

對于公眾號文章而言，閱讀量可視為傳播效果的一體化數據，案例庫中網易數讀文章的閱讀量介于1萬到10萬+之間，中位數為4.4萬；谷雨數據文章的閱讀量介于1300到29000之間，中位數為6744；澎湃美數課的閱讀量介于550到26000之間，中位數為1797。由此可見，各公眾號的傳播能力存在顯著的差異，而公眾號傳播能力屬于傳播渠道因素，本研究的研究范圍是內容層面因素對傳播效果的影響，所以公眾號因素在本研究中屬于無關變量。為了消除該無關變量的影響，將案例庫中各公眾號所發布文章按照所屬公眾號的閱讀量中位數進行劃分，即高于所屬公眾號閱讀量中位數的文章視作高熱度傳播，反之則視作低熱度傳播。研究所選的55個案例中，有40個高熱度傳播案例，15個低熱度傳播案例。高熱度賦值為1，低熱度賦值為0。

三、定性比較分析及結果

（一）單變量必要性分析

對案例的編碼進行匯總，得到結果變量和解釋變量的數據組合，即真值表。完成真值表構建之后，首先需要對所有解釋變量進行單變量的必要性分析，檢驗單個條件能否成為高熱度傳播的必要條件。而定性比較分析是通過計算集合間的一致性來確定變量間的必要性關系，當一致性指標大于0.9，且覆蓋度達到了0.8時，可將該條件視作結果發生的必要條件[13]。

經fsQCA軟件計算后，所有條件變量的一致性均低于0.9，所以任一單一變量均不能構成結果發生的必要條件，需要進一步進行條件組合分析。

（二）條件組合分析

條件組合分析fsQCA軟件運算后會生成復雜解、簡單解和中間解三種方案，根據組態分析規范，復雜度適中的中間解是最優方案[14]。

本研究采納中間解方案，經過布爾最小值運算后得到六組條件組合，總體覆蓋率為0.8，意味著全部組態能夠解釋80%的案例，一致性均為1。根據研究結果，本研究發現三種高熱度傳播的典型微觀內容組態。

1.專業分析型

組態1是“話題型*非結構化數據*高數據處理”，覆蓋率為0.3。該組態的含義是當選題性質屬于常規話題型，且所使用的數據含有非結構化數據，并且使用了多元統計分析方法或數據建模進行數據分析時，該數據新聞容易高熱度傳播。該構型能夠解釋30%的案例。

第一類數據新聞大多圍繞青年婚戀、考研考公和職場文化議題進行探討，數據多為社交平臺的用戶生產文本，最常用的數據分析方法是聚類，即對用戶生產文本進行主題聚類，生成關鍵詞詞云和相應類別。典型案例是谷雨數據發布的《985高端相親平臺上，名校畢業生正在被挑挑揀揀》。文章探討了名校畢業生的婚戀話題，數據是來自名校生婚戀社交平臺上的用戶信息，通過對用戶的自我介紹文本進行主題聚類，生成關鍵詞詞云并進行定類劃分，展現高知青年婚戀的主要關注點，并通過對收入和受歡迎程度進行相關分析，展現了婚戀市場中受歡迎程度與收入的正相關性。

2.信息描述型

組態2是“非權威來源*時空敘事*低數據處理”，覆蓋率為0.275。該組態的含義是當數據來源渠道以非權威機構為主，在新聞敘事上主要采用時空敘事策略，且數據處理程度僅限于初級水平時，該數據新聞容易高熱度傳播。該構型能夠解釋27.5%的案例。

第二類數據新聞大多采用企業、社交平臺、第三方服務商或自行調查采集的數據，圍繞空間維度或時間維度展開敘事，進行數據的分類與比較；數據處理程度較低，直接呈現原數據或展示其分布特征，常用比值和均值。典型案例為網易數讀發布的《知乎上市兩個月，我們把它的財報扒了個遍》，通過知乎財務報告的數據分析解讀其財務狀況、商業模式和內容生態。對各分類要素進行橫向比較，通篇為靜態圖表，多為條形圖，用以展示財務數據，對財務數據的分析僅描述其分布特征比值。

3.事件匯總型

組態3是“硬新聞*權威來源*動態圖表*形式多樣性”，覆蓋率為0.175。該組態的含義是當新聞主題為社會民生、環境健康和文化科教這類硬新聞，數據來源渠道以權威機構為主，應用了動態圖表或者多感官形式，且應用了5種及以上的可視化具體呈現形式時，該數據新聞容易高熱度傳播。該構型能夠解釋17.5%的案例。

第三類數據新聞大多數為新冠肺炎疫情議題，所采用的數據多為各級政府和衛健委發布的感染數據以及流調報告，對這些數據進行社會網絡分析和傳播路徑分析，闡釋突發疫情的傳播與擴散，同時使用動態圖表和視頻等形式來達到較好的視覺效果。典型案例為澎湃新聞發布的《從首例到“封城”，這763份確診詳情還原了新冠病毒向全國擴散的路徑》，對各級衛健委公布的確診病例信息進行匯總，使用動態數據地圖和傳播網絡圖清晰且形象地展示了疫情從武漢向全國擴散的傳播過程，同時用流程圖展示了導致人際感染的三種微觀互動形式。該文發布于武漢“封城”后的關鍵時間段，達到了良好的傳播效果。

（三）穩健性檢驗

根據定性比較分析的應用規范[15]，本研究采用增加變量的方式進行穩健性檢驗。增加條件變量“報道對象”，對象人群為無特定年齡段賦值為1，特定年齡段則賦值為0。覆蓋率最高的三種典型組態與新組態之間存在清晰的子集關系，所以現有的研究結果較為穩健。

四、結論與討論

數據新聞的社交化傳播是多因素決定的結果，現基于組態分析結果回歸“新聞—數據—可視化”的主體框架進行闡釋。

在新聞屬性上，話題型選題是主要的數據新聞類型，該傾向與采編權以及新聞加速[16]相關聯。組態1顯示，高熱度傳播的話題型數據新聞呈現專業分析的特點，會運用較高水平的數據分析方法對非結構化數據進行深度挖掘，具有較高的數據專業化水平。而閱讀量高的事件型數據新聞往往不具備固定的內容組態，而是根據事件特點具有不同構型，如《一圖|南京疫情相關病例已途經15省份27市》的簡潔式“一圖流”，以及《從首例到“封城”，這763份確診詳情還原了新冠病毒向全國擴散的路徑》的復雜分析型。

在數據應用上，權威機構數據與非權威機構數據適應不同的內容條件組合，權威來源數據適用于事件匯總型，非權威來源數據適用于信息描述型。經微觀觀察發現，政府機構等權威數據通常比較全面，不直觀，需要結合較高的可視化水平才能有效傳播。而非權威來源的數據大多為企業與信息服務商的周期性報告，時效性強，主題多元化，在面向具體問題與細分領域時具有更強的適用性，適應大量的話題型內容的生產。

在可視化層面，當動態交互圖表應用于使用權威機構數據的硬新聞議題時，能夠取得良好的傳播效果，即組態3所示的事件匯總型新聞。這說明動態交互圖表更適用于嚴肅議題，用信息處理的核心路徑和邊緣路徑來解釋，即復雜圖表的審閱更偏向于核心路徑，需要注意力的高度投入。因此，復雜圖表不應作為吸引眼球的視覺奇觀而泛用于軟新聞或娛樂題材中。

五、結語

區別于以往的質性觀察和回歸分析，本研究采用定性比較分析法對社交化傳播環境中數據新聞的傳播機制進行了微觀探索。研究發現，數據新聞的社交化傳播屬于多因一果的復雜過程，新聞屬性、數據應用以及可視化呈現三個部分共同構成了數據新聞這一有機整體，并在社交化傳播中產生聯動效應。在新聞主題、選題性質、數據類型、數據來源、數據敘事、數據處理程度、可視化類型以及可視化形式豐富度八個條件下，形成了對“數據新聞高熱度社交化傳播”的影響因素的微觀理解。本研究發現，存在三種典型的內容微觀條件組合，分別是專業分析型、信息描述型和事件匯總型，該研究結果對新聞生產具備一定參考價值，同時對數據新聞社交化傳播機制的理論化進行了初步的探索。

參考文獻：

[1] 方潔，顏冬.全球視野下的“數據新聞”：理念與實踐[J].國際新聞界，2013，35（6）：73-83.

[2] 黃志敏.什么是優秀的數據新聞[J].新聞記者，2019（3）：13-14.

[3] 劉義昆.大數據時代的數據新聞生產：現狀、影響與反思[J].現代傳播（中國傳媒大學學報），2014，36（11）：103-106.

[4] 毛湛文.定性比較分析（QCA）與新聞傳播學研究[J].國際新聞界，2016，38（4）：6-25.

[5] 唐錚，丁振球.數據新聞的社交化傳播之困：基于兩個數據新聞微信公眾號的定量研究[J].新聞記者，2020（11）：59-67.

[6] 劉建坤，方潔.數據新聞領域專業規范的確立與變化：基于全球數據新聞獎歷屆作品的內容分析[J].新聞與寫作，2017（12）：80-84.

[7] 方潔，高璐.數據新聞：一個亟待確立專業規范的領域：基于國內五個數據新聞欄目的定量研究[J].國際新聞界，2015，37（12）：105-124.

[8] 張超.數據新聞復雜敘事的四個維度[J].電視研究，2018（2）：38-40.

[9] 孫歡.網易數讀微信號數據新聞內容呈現及傳播效果研究[D].長春：吉林大學，2022.

[10] 陳鵬.網易數讀微信號數據新聞傳播效果研究[D].大連：大連理工大學，2021.

[11] 翟紅蕾，陳一凡.數據新聞微信公眾號敘事角色變遷與數據傳播創新：基于“數讀”微信公眾號的內容分析比較研究[J].新聞與傳播評論，2019，72（6）：55-67.

[12] 蘇宏元，黃曉曦.突發事件中網絡謠言的傳播機制：基于清晰集定性比較分析[J].當代傳播，2018（1）：64-67，71.

[13] 何俊志.比較政治分析中的模糊集方法[J].社會科學，2013（5）：30-38.

[14] 杜運周，賈良定.組態視角與定性比較分析（QCA）：管理學研究的一條新道路[J].管理世界，2017（6）：155-167.

[15] 張明，杜運周.組織與管理研究中QCA方法的應用：定位、策略和方向[J].管理學報，2019，16（9）：1312-1323.

[16] 王海燕.加速的新聞：數字化環境下新聞工作的時間性變化及影響[J].新聞與傳播研究，2019，26（10）：36-54，127.

作者簡介 涂宇榮，研究方向：新媒體傳播、數據新聞。