AIGC驅動下的數據新聞生產趨勢與問題應對

【摘 要】在AIGC模式驅動下，數據新聞生產呈現由媒體主導轉變為社會化多主體參與、由權威結構化數據轉變為自采集多元類型、由信息傳遞轉變為用戶價值導向、由零散工具化應用轉變為智能大模型協作的新趨勢。生成式人工智能技術的發展塑造了數據新聞數智化生產的可供性，通過在策劃、采集、分析、制作、核查全過程的融入，能夠有效紓解當下數據新聞的生產困境，但同時也帶來技術依賴、內容權屬與隱私顧慮、算法欺騙與歧視等問題。人機協同模式下，數據新聞生產應強調新聞創作者的主體地位，避免過度依賴技術；明確責任歸屬，加強數據保護和隱私監管；完善審核流程機制，確保生成內容符合主流價值觀和法律規范。

【關" 鍵" 詞】生成式人工智能；數據新聞；新聞生產；媒體融合

【作者單位】李彪，中國人民大學新聞學院；張瀚文，中國人民大學新聞學院。

【中圖分類號】G212 【文獻標識碼】A 【DOI】10.16491/j.cnki.cn45-1216/g2.2025.02.004

信息的傳輸、人類的關系與行為、產品與服務的流動等通過數字設備上傳成為數據，形成“萬物互聯”式的聚合形態，媒介平臺也作為基礎設施成為人類“數據化生存”的依托。當下，數據已經成為重要的生產要素與資源，新聞行業經歷了網絡化、數據化與云端化過程，獲得了轉型與發展的契機［1］，媒介生產內容、方式與思維也亟待革新升級。

“數據新聞”（data journalism）也稱為“數據驅動新聞”（data-driven journalism），意指基于數據的抓取、挖掘、統計、分析和可視化呈現的新型新聞報道方式［2］。作為利用數據直觀、客觀呈現新聞話題的融媒體表現形式，數據分析、可視化呈現以及內容敘事是構成數據新聞的核心要素，在當前數據化轉型背景下具有獨特的生命力。

數據新聞天然脫胎于數智技術發展，隨著ChatGPT、Sora、DeepSeek等生成式人工智能大模型的相繼推出，生成式人工智能技術深度嵌入數據新聞生產的各個環節，重構了生產流程與組織形式，推動數據新聞主體、客體、本體和載體的多維升級。

一、轉型出新：AIGC驅動下的數據新聞生產新趨勢

黨的二十屆三中全會指出，要加快適應信息技術迅猛發展新形勢，推進主流媒體系統性變革。“AI+大數據”推動新聞媒體迎來供給側結構性改革，不僅推動數據新聞生產效率提升、各流程優化升級，也促使思維、流程、產品形態的全面革新。具體體現在數據新聞生產主體、客體、本體與載體等四個層面。

1．生產主體：由媒體主導轉變為社會化多主體參與

伴隨社交媒體平臺的迅速發展，我們已步入“人人都有麥克風”的時代。盡管主流媒體等專業媒體機構仍然是新聞采編、生產和發布的主體，起到“把關人”的作用，但從廣義上來看，用戶生成內容（UGC，User Generated Content）通過非權威性的多元創作與信息傳播，迸發出強大的活力與創造力，使新聞行業既往的媒體組織單向傳播模式受到沖擊。資源的開放、傳播權力的下移讓公民能夠參與新聞活動，從而呈現社會化、職業化、智能化新聞生產共生的態勢［3］。

聚焦于數據新聞生產，用戶能夠成為發現新聞線索、生產趣味內容的重要力量，起到補充與協作的作用，成為數據新聞生產的貢獻者。部分自媒體在粉絲領域、商業領域等已然呈現數據新聞創作的雛形，如bilibili平臺中@Jannchie見齊的數據可視化作品囊括競技體育、世界形勢、平臺創作者等諸多話題。相較新聞機構往往更關注普遍性的嚴肅話題，個體生產者的嘗試展現了一部分圈層的趣味性閱讀需求。然而，由于數據新聞生產難度較大、流程煩瑣、創作門檻較高，并不像文字、視頻等形式的內容受到多數自媒體創作者的青睞，迄今為止尚未追趕上 “人人參與”的普遍大眾化轉向，發展步伐略顯遲緩。

人與算法共生主體構成了計算新聞生產網絡［4］，生成式人工智能技術的融入能夠彌合受眾多樣化需求與創作門檻之間的矛盾，使數據新聞成為個體能夠且有意愿生產的內容，將數據新聞生產主體由媒體組織主導轉變為“PGC+UGC+AIGC”的聚合，實現了優勢互補的效果。其中，官方媒體、商業媒體等借助人力、財力、技術以及準入優勢，通過自身人工智能平臺搭建或依托專業數據分析機構，能夠進行復雜、完善的大數據分析，實現主流化、大眾化的數據新聞內容供給。自媒體運用生成式人工智能進行選題策劃、數據采集、可視化繪制，通過簡單的對話與指令，可在短時間內生成符合圈層興趣與互聯網表達風格的“類數據新聞形式”作品，在豐富公眾閱讀內容的同時，為媒體機構提供參考資料。在短小精悍、即時性強的消息中，生成式人工智能能夠自動生成相關數據圖表，并實現在社交媒體平臺的更新與發布，由此提升了數據的可獲得性，同時積累歷史數據作為公眾日常簡要閱讀新聞的參考。

2．生產客體：由權威結構化數據轉變為自采集多元類型

數據作為信息的表現形式與載體，根據其類型可分為結構化、半結構化與非結構化數據三種。結構化數據主要存儲在關系型數據中，多以表格形式呈現，能夠直接被計算機讀??；半結構化數據具有基本模式結構，但相對結構化數據更為靈活，能夠支持html、xml、日志文件等類型；非結構化數據沒有固定的結構或格式，包含文本、圖像、音頻、視頻等諸多形式。生成式人工智能技術的融入使數據新聞生產的數據來源、類別發生了極大的變化：個體能夠通過簡單、快速的方式實現對互聯網數據的采集、標注、清洗與分析，不僅使達到一定量級的“大數據”采集成為可能，也使得數據新聞報道內容更豐富多元、更貼近現實生活。當前，諸多媒體已基于AI技術進行自有數據庫的建設，為數據新聞的進一步發展提供了契機。如鳳凰網基于鳳凰衛視訪談與研究成果，分別建立了中文訪談對話數據集、正向價值對齊數據集等。

除此之外，既往數據新聞依托的數據大多為傳統狹義上的數據，即以數值或文字構成、表格形式為主的結構化數據，而在AI助力下，能夠實現半結構化數據甚至非結構化數據的采集與處理，支持多媒體類型數據用于新聞創作，當前已出現通過深度學習采集數據，與聲音、地圖繪制、軌跡監測等復雜任務結合的形態，如：2018年BuzzFeed獲得全球數據新聞獎的作品Spies in the skies，就是訓練計算機學習認識已知的監控飛機數據，并將其運用到數據庫中，實現對飛行監控行為的識別；2019年度“信息之美獎”獲獎作品《通勤》，通過收集噪聲污染數據并將其分貝與諧波頻率匹配，轉化成可視化波形［5］。在“萬物皆媒”的未來，傳感器將成為數據采集的新介質，通過生成式人工智能技術協助新聞創作者更好地轉換生物信號等新的數據類型，拓展人類認知的邊界。

3．生產本體：由信息傳遞轉變為用戶價值導向

生成式人工智能的介入更新了數據新聞生產的思維，即對數據新聞生產本體的認識發生了根本性轉變。在很長一段時間里，數據新聞都保持著“圖表呈現+文字闡述”的單調形態，既往媒體對數據新聞的認識也停留在基礎性的概念階段。注意力經濟時代，用戶注意力成為決定新聞作品效果的關鍵要素，而數據新聞作為閱讀門檻較高的新聞產品，關注用戶需求、引導用戶進行價值共創成為其轉型的破局之道。

生成式人工智能技術的發展使得智能化、個性化的數據新聞產品創作成為可能。一方面，AI能夠分析、監測用戶需求，給受眾提供真正需要的話題與內容；另一方面，AI能夠通過多樣化、創意化的敘事表達形態，以受眾喜愛、認同的方式吸引其關注。為此，數據新聞生產本體不僅僅是單向的信息傳播，還是基于用戶訴求生產受眾需要、喜愛的數據新聞產品或服務。

首先，在選題層面，數據新聞選題不再是媒體機構、專業記者根據對熱點的主觀把握和決策的結果，而是通過對用戶需求的精準監測與預判，形成相對個性化、地域化、圈層化的數據新聞報道。作品發布后，基于生成式人工智能技術，新聞創作者還能模擬用戶反饋機制，對既定數據新聞作品的傳播效果、熱度進行分析與監測，以更好地把握用戶喜好，在下一次創作時有的放矢。

其次，在形式層面，隨著人工智能數據采集以及文生圖、文生視頻等技術的成熟，數據新聞已由多為平面的靜態可視化轉變為視頻等形式的動態可視化，并衍生出可聽化、可交互化數據新聞等創新產品，將數據新聞客觀、理性的形式與沉浸式體驗和情感互動相互交融。對話式新聞就是將新聞以聊天對話的形式展現給用戶、提供沉浸式對話場景的交互式新聞［6］。AIGC與VR、MR、AR等技術結合，通過生成逼真的虛擬現實內容，可以增強用戶的沉浸感，將復雜的數據新聞內容轉化為易感知的、直觀的場景，讓用戶更好地理解新聞主題以及數據背后傳達的含義。

4．生產載體：由零散化工具運用轉變為智能大模型協作

生成式人工智能技術的應用使得數據新聞生產載體發生了變革，也對生產過程中的人機協作關系進行了重組與優化。在紙質媒體與互聯網發展早期，數據新聞制作依靠人工進行從選題到制作全要素的線性生產。伴隨互聯網技術的發展，在線數據分析平臺增多，大大降低了數據分析流程的難度，但人工仍然是數據新聞生產各流程的主導力量。在AIGC融入新聞行業后，諸多從業者開始選擇利用DeepSeek、ChatGPT、文心一言等生成式人工智能完成個別生產環節，這種對人工智能的零散工具化運用意味著AIGC在數據新聞生產中的淺層融入。近年來，諸多新聞媒體順應AIGC發展趨勢，建立了以人工智能為技術基礎的智能大模型，人機協作的創作模式推動了AIGC在數據新聞生產中的更深層融入。

新華社智庫報告顯示，當前有45.4%的新聞媒體選擇與外部合作開發或自主構建AI工具［7］。人工智能與人類主體的協同模式包括替代式、補充式與共生式［8］。在如今的數據新聞生產中，除了替代式、補充式的模塊化應用，新華社等還建立“媒體大腦”，進行新聞作品的數智化“共生式”生產。相比零散化運用，AI大模型在數據新聞生產中的優勢主要有以下兩點。一是擁有海量且動態擴展的數據庫，能夠在時間上留存歷史、不斷更新，在量級上匯聚資源、內容豐富。如BBC搭建的人工智能平臺“Juicer” ，可打通資源壁壘，實現來自社交平臺、新聞媒體、政府機構等多元數據的不斷更新，并根據關鍵詞進行信息整合。二是為媒體機構的新聞創作者提供個性化服務，能夠根據媒體要求的生產流程集聚數據新聞所需要的創作工具，實現從選題到數據分析、從制作到核查的全流程便捷化處理。如《人民日報》人工智能編輯部的“智能工具箱”，包含模板、核查、數據可視化、素材搬運、格式轉換、傳播力分析等多項實用功能?！皵祿?技術中臺”的模式減少了銜接成本，促進了數據新聞生產全流程的人機協同與優化。

二、技術可供：AIGC紓解了數據新聞的數智化生產困境

傳統新聞的平面化、嚴肅化表現形式已無法滿足“信息過載”環境下用戶的多元閱讀需求，同時，由于數據新聞依賴數據分析呈現，具有較高的生產與閱讀門檻，在創作上面臨一定的轉型困境。AIGC作為一種輔助性角色，能夠通過技術可供形成新的生產模式，嵌入數據新聞生產的策劃、采集、分析、制作、核查全流程，通過“人機協作”的方式紓解當下數據新聞的數智化生產困境。

1．策劃階段：信息智能整合破“選題設計之困”

由于數據的初步收集、整理、分析需要耗費大量時間，而數據新聞需要基于既有數據進行處理，無法像文字消息一樣以迅速、簡要的方式響應事件進展，導致其選題往往相對滯后，只能以事件的深度挖掘或總結形式出現。同時，相較于文字消息，數據新聞需要經過排版、設計等視覺策劃過程，創作前的準備環節相對漫長。在信息更迭迅速的當下，“跟熱點”成為新聞媒體不可避免的生存之道，而時效性滯后成為數據新聞發展亟待解決的問題。

人工智能能夠根據大量的數據、知識進行訓練并自動搜索，處理來自互聯網的多元信息，不斷更新學習自身模型，為選題策劃與設計提供建議。一方面，經過調試與訓練，人類新聞創作者能夠運用大模型設計一套預測新聞價值、捕捉實時熱點的機制，將時效、熱度、地域等多種要素融入其中。通過數據抓取，人工智能能夠實時監測輿情、分析熱點，精準把握社會動態與用戶興趣趨勢。如央視網人工智能編輯部推出的“智聞”，能夠實現對全媒體熱點輿情的源頭追溯、趨勢分析以及強度研判。新聞創作者可通過設置關鍵詞等方式，讓人工智能基于熱點生成多樣化的選題建議，甚至實現對內容架構、要點的構想，不僅縮短了選題策劃周期，也提升了選題的質量與價值。另一方面，在選題策劃后的敘事策劃、排版設計等方面，人工智能能夠通過視覺、語義理解能力對既有的數據新聞作品進行學習與分析，形成符合選題調性、富有創意與趣味性的解決方案，開拓新聞創作者的思路。如封面新聞打造的“小封智作”不僅具備大綱生成、標題推薦、文章配圖等功能，還能對內容進行設計輔助，有利于提升數據新聞作品的吸引力。

2．采集階段：線索自動獲取破“采集效率之困”

數據采集是制約數據新聞創作效率的主要因素之一，過往數據新聞往往來源于政府部門、專業統計機構等提供的數據，數據獲取高度依賴外部，從而使敘事維度受到限制。雖然部分媒體也會通過調查、搜集等方式進行數據采集，但由于新聞從業者大多沒有經過專業的數據分析學習，在采集時間跨度長、數據量龐雜、獲取方式復雜的數據時尤其困難，往往力不從心。

人工智能時代，數據的來源與類型得到了極大擴展，現實生活中社會、個體的諸多信息均被轉化為數據在互聯網上傳與存儲。人工智能能夠通過調用API、模擬數據分析軟件環境、網頁解析等方式，基于邏輯運算與數據分析能力生成機器抓取模型，實現互聯網平臺上關鍵信息的自動獲取，在簡化采集流程的同時擴展了選題的自由度與可能性，促進基于大數據的數據新聞創作。如路透社與Graphiq公司合作，為其提供數據可視化服務，在報道某一話題時可以訪問公司的網站并調取相關歷史數據，自動生成該信息的可視化呈現形式。在時間跨度較長、數據較為零散的情況下，AIGC表現出較大的優勢。如澎湃“美數課”推出的《圖解｜一票難求的上影節，近十年怎樣走過？》，借助生成式人工智能技術實現對“上影節”10年片單的追溯、采集與歸類，大大節省了時間與人力成本。

3．分析階段：數據邏輯運算破“處理門檻之困”

雖然新聞數據來源廣泛、體量巨大、形式多樣，但由于當前新聞機構融媒體化轉型與專業數據分析人才缺乏之間的矛盾并未得到解決，較高的數據分析門檻使得新聞創作者望而卻步，從而大大降低了數據新聞的數量與質量。生成式人工智能技術融入后，能夠在清洗、標注、轉化、總結等方面優化數據的處理過程。

一是在清洗層面，雖然既往由人工借助數據分析軟件進行清洗的方式能夠有效實現對異常數據、錯誤數據的篩除，但由于數據格式等方面的問題，有時會造成部分有效數據的遺失與缺漏，人工檢驗與審核過程也頗為復雜。而人工智能能夠利用算法實現對異常情況的識別，經人工審核后可自動批量實現對該類數據的篩除或糾正，提高數據的質量與說服力。

二是在標注層面，既往數據新聞中的類別數據需要依賴人類理解進行手動審核與標注，數據的量級與處理效率都在一定程度上受限。而人工智能能夠以人工標注的部分數據作為訓練集，結合其語義理解能力與機器學習能力實現對更廣泛數據的標注，在節省時間成本的同時提升標注的客觀性與準確性。

三是在轉化層面，伴隨全球化與平臺化的發展，多語言、多媒體數據成為重要的數據源。既往數據新聞在遇到語言、形式不同的數據時，只能借助人力或其他軟件進行翻譯與轉化，而人工智能能夠通過自然語言處理能力批量實現不同語言數據的翻譯和不同類型數據的轉化，極大地提高了分析效率。

四是在總結層面，不同于新聞創作者主觀分析、闡述的方式，人工智能能夠自主概括提煉數據中值得關注的重點，并生成有價值的見解，為新聞創作者提供相對客觀中立的參考。同時，還能夠基于已知信息對未來趨勢進行預測與洞察，從而延展數據新聞深度，提供新的分析視角。

4．制作階段：素材創意生成破“形式融合之困”

數據新聞報道中，視覺元素的重要性愈發凸顯。數據新聞載體經歷了“紙媒—網頁—移動新聞APP—社交媒體平臺”的發展過程，已逐漸由橫屏向豎屏、由平面向交互轉化。當前，數據新聞主要通過微信公眾號、短視頻平臺等形式推送給用戶，然而由于生產時間與設計能力的局限，微信中的SVG圖文交互以及短視頻的動態形式等優勢并沒有在數據新聞產品中得到充分體現，大多數據新聞作品仍形式單調，大大降低了內容的吸引力與趣味性。

人工智能借助自然語言處理與計算機視覺等技術，能夠對互聯網中既有的大量文本、素材進行設計分析，通過深度學習形成對審美的“理解”。新聞創作者輸入有關風格、布局、主體的要求，人工智能便能夠實現文生文、文生圖、文生視頻等多種形式的可用素材，大大提升了創作的效率與質量?；A的可視化過程也可以通過生成式人工智能技術實現全自動簡化，如《人民日報》AI編輯部的“智能數據導圖生成”功能以及新華社的可視化制作工具“圖圖”，均可通過導入數據直接進行可視化圖表生成［9］。

此外，生成式人工智能還能通過對話形式實現與用戶的互動，滿足用戶的訴求。早在2016年，《衛報》就開始利用聊天機器人進行新聞推送與信息搜索，如今的《賽博朋克2077》等游戲已開啟利用生成式人工智能技術讓玩家與NPC自如交流的嘗試。未來，數據新聞還能夠通過嵌入AIGC模塊實現對內容的深度交互，創作“體驗式新聞”，讓用戶通過提問、交流的形式沉浸式理解作品內容。

5．核查階段：知識精準匹配破“校審失誤之困”

數據新聞因其自身特性，在校審時易于受到龐雜數據信息與視覺化線索的干擾，導致以下幾個方面的新聞失實：一是文字表述上的錯別字、多字漏字、事實性錯誤等；二是數據層面的單位誤用、小數點位置錯誤等；三是由于視覺化排版造成的圖表比例有誤、圖文信息錯配等。這些新聞失實都會影響數據新聞的真實性與嚴謹性，造成對用戶的誤導。

全人工校審的方式不僅效率較低，而且因視覺線索對注意力的吸引，容易忽視畫面與文字中一些細微的錯誤。人工智能技術的引入能夠優化校審流程，提升校審的準確度。一是在文字與數據層面，人工智能能夠基于新聞創作者提供的知識庫、信息庫以及自身搜索能力，實現對關鍵人物、重大事件、生活常識等內容的精準匹配。二是在可視化層面，人工智能可以通過計算機視覺技術，精準識別圖表中的信息并與數據庫進行對應，檢查修正其中出現的各類錯誤與疏漏。

此外，人工智能基于數據挖掘與搜索功能，還能夠實現對信源的追溯、對事實的交叉驗證，進行初步的事實核查，成為新聞真實的“第一道把關人”。如由封面新聞推出的“智媒審核云”，能夠實現對視頻、音頻、圖片、文本的全維度智能審核，其建立的包括內容審核知識庫與內容校對知識庫的“智媒審校知識庫”，不僅能夠進行基礎知識的校對，還能對涉政、涉恐、廣告等內容進行鑒別與標注［10］，為人工二次審閱提供便利，提升了校審的專業性與嚴謹性。

三、邊界調適：人機協同下數據新聞生產的良性發展路徑

生成式人工智能技術使人工智能成為新主體參與新聞生產，拓展了數據新聞人機協同的新生產模式，但人工智能的“擬人主體性”不同于人類的“主體性”，新聞生產的終極主體只能是人類，新聞生產的整體邏輯或機制是由人類駕馭的［11］。如何在AIGC應用中防范可能出現的道德性問題，防止其對人類的異化，是當前亟待解決的問題。

1．明晰人工智能的輔助地位，加強對創作人員的技術素養培訓

在AIGC應用于數據新聞生產的過程中，新聞創作者的“素養”與“技能”要兩手抓，防止出現“過度使用”與“過度排斥”的極端現象。

首先，應明晰新聞創作者的主體地位與責任歸屬，加強對新聞創作者能動性與職業認同的培養，切勿出現偏聽偏信機器生成結果、“一切甩手交給機器來做”的技術依賴現象。具體而言，數據新聞創作者應“在創作上縮短時間，花時間在創意與核查上”，在選題策劃、內容把關、審核檢查等方面發揮主導作用，讓機器成為提供線索、精確分析、素材整理與制作和提升效率的“助手”。由于AI在數據的實地采集、感性化敘事等方面仍與人類創作者存在差距，新聞創作者應在AI生成數據新聞的基礎上融入人文關懷與現實洞察，與機器實現協同生產、優勢互補。

其次，新技術的應用將經歷一個創新擴散的過程。在新華社開展的調研中，仍有小部分媒體從業者對人工智能技術持悲觀態度，甚至不愿接受［7］，對此，應通過講解、試用等方式提高新聞創作者對生成式人工智能技術的基本認知，營造媒體數智化轉型的集體氛圍，防止對人工智能的“妖魔化”。同時，盡管生成式人工智能技術通過簡化步驟降低了數據新聞生產的創作門檻，但其模型界面功能復雜多樣，有時需要特定指令觸發。而創作人員人工智能使用技能水平存在差異，為此，應加強對相關人員使用技能層面的相關培訓，解決出現在傳媒業內部的“技能鴻溝”。具體而言，應建立包括使用流程、功能介紹、提問方式、關鍵詞索引等層面的多維培訓體系，并對融入較差群體的技術適應問題進行針對性解決。

2．重視內容權屬與隱私問題，制定新聞倫理與責任規范

AIGC當前是責任權屬的“灰色地帶”，數據新聞由于涉及機器生成的素材、采集的數據等，稍有不慎便會引發內容權屬與隱私的糾紛。一方面，由于基于大量現實數據訓練，如果AIGC在創意、素材生成、排版設計等方面與其他數據新聞或素材作品類似，是否會被視為抄襲或挪用，目前尚無定論；另一方面，生成式人工智能在進行數據新聞選題分析、數據采集時需要爬取來自互聯網的大量數據，其中可能包括用戶的畫像、使用行為、關系網絡等，而用戶對這一過程并不知情。

要解決這一問題，相關部門應完善相應的法律法規，細化人工智能生成內容責任歸屬的相關判定標準，加強對媒體運用人工智能模型的算法透明度監管，明晰數據獲取與素材使用的邊界。目前，我國已通過《生成式人工智能服務管理暫行辦法》等文件，規定了AIGC提供者應當依法承擔網絡信息內容生產者責任，然而現實中復雜的侵權、抄襲等問題尚未得到細化規定。數據新聞生產機構應基于共同認可的價值標準、新聞倫理制定通約的規則，搭建開放、安全、共享的素材平臺與信息聚合平臺，通過數據分級管理、數據溯源等方式加強對數據信息的保護與處理。

2024年《人工智能生成合成內容標識辦法（征求意見稿）》指出，應通過顯式標識注明人工智能生成內容，并通過在元數據中添加數字水印等隱式標識記錄來源、版權、用途等信息。數據新聞創作者應積極通過在數據與素材中添加標注、公開產品創作流程等方式接受公眾監督，并在數據新聞作品發布前完善檢驗機制，利用在線識別等技術對內容中的類似素材進行比較與溯源，有效防止侵權等問題。

3．完善審核流程機制，堅守新聞真實與客觀等傳統價值

新聞真實性強調事實真實、總體真實以及本質真實［12］，這要求新聞創作者加強事實核查，秉持社會主義核心價值觀，創作出符合事實與社會生活實際的新聞內容。在操作時，人類新聞創作者可能因為信源不可靠、核查疏漏等造成新聞不真實。生成式人工智能技術融入后，也有可能出現欺騙新聞創作者，捏造“假數據”“假新聞”等現象。而新聞客觀要求新聞創作者不偏不倚、公正客觀地報道事實，在事實、觀點等方面不可摻雜個人意見與態度，盡量做到平衡。AIGC應用后，由于訓練內容的良莠不齊，人工智能在生成內容中可能會出現種族、性別、年齡等層面的算法歧視與偏見現象，甚至可能隱含商業資本的痕跡。

為此，AIGC融入數據新聞生產，應當堅持主流價值和新聞基本原則引導，在開發與應用中加強對人工智能技術模型的底層邏輯建構，明晰數據新聞創作的“紅線”與“底線”，對機器生成內容的標準、流程進行規定，如平衡篇幅、提供信源等，尤其應當強調其數據采集來源、分析過程的透明化，以確保生成內容符合道德與法律規范和新聞規律。同時，建立機器自審自糾機制，將關鍵詞、素材圖片與特定數據庫對應，若有疑似違背社會主義核心價值觀、商業化信息、虛假信息等內容，便以標注的形式告知人類新聞創作者。

四、結語

AIGC的嵌入與應用是數據新聞適應媒體融合與數智化轉型的必經之路。在數據作為生產要素且愈發開放化、多樣化的今天，推進數據新聞生產“供給側結構性改革”不僅能夠推動公共服務，也能拓展新聞報道的深度與廣度，滿足用戶的多樣化閱讀需求，對社會、新聞行業及個體均具有重要的意義。數智技術的發展推動了傳播觀念、傳媒業態、產品形態的革新，然而在技術應用中仍然需要保持審慎的態度，堅守新聞生產的基本原則、傳統價值，通過邊界調適與良性引導，數據新聞在人機協同的背景下更好助力公眾信息素養提升，以數據優化資源配置，促進數字經濟發展，推動國家治理能力和治理體系現代化。

｜參考文獻｜

［1］ 陳昌鳳. 數據主義之于新聞傳播：影響、解構與利用 ［J］. 新聞界，2021（11）： 4-13．

［2］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（6）： 73-83．

［3］ 曾慶香，陸佳怡. 新媒體語境下的新聞生產：主體網絡與主體間性［J］. 新聞記者，2018（4）：75-85．

［4］張巖松，孫少晶. 人—算法共生主體：計算新聞生產網絡中的主體創新［J］. 編輯之友，2022（3）：55-61．

［5］方惠. 數據可聽化：聲音在數據新聞中的創新實踐 ［J］. 新聞記者，2020（11）： 68-74．

［6］劉鳴箏，朱芷瑤. 對話式新聞：AIGC 的智能化補充與沉浸式呈現 ［J］. 青年記者，2023（13）： 57-59.

［7］國家高端智庫課題組. 人工智能時代新聞媒體的責任與使命 ［EB/OL］." （2024-10-14）［2025-01-30］." https：//www.news.cn/politics/20241014/fe72c14c8d1e4e509d68d0ff04455725/c.html.

［8］雪穎，劉欣，許靜. 人機協同視角下生成式 AI 新聞的前沿應用與規制進路 ［J］. 新聞愛好者，2023（11）： 38-43．

［9］王京，徐江旭. 從三大央媒實踐看主流媒體智能化發展趨勢 ［J］. 傳媒，2023（8）： 35-37.

［10］“中國媒體智能化” 優秀案例庫 ［EB/OL］." （2024-11-10）［2025-01-30］. http：//featu

re.people.com.cn/medium/list.

［11］楊保軍. 再論“人工智能新聞生產體”的主體性［J］. 新聞界，2021（8）：21-27. 1014/fe72c14c8d1e4e509d68d0ff04455725/c.html.

［12］周海燕，張舜杰. “新聞真實”在中國的意義旅行［J］. 新聞記者，2022（6）：3-16.