但當(dāng)數(shù)據(jù)量達(dá)到上十萬或者百萬時(shí)，Excel就會(huì)開始顯得有些力不從心，有時(shí)光是打開表格就要處理很久。這樣一組結(jié)構(gòu)整齊，數(shù)量龐大的數(shù)據(jù)稱為數(shù)據(jù)庫。同屬于微軟辦公軟件的Access是一款容易上手的數(shù)據(jù)庫軟件， 如果每個(gè)Excel 表格是一個(gè)子文件，那么 Access就是存儲(chǔ)和調(diào)用這些表格的工具。使用數(shù)據(jù)庫軟件可以方便管理、查詢、訪問、調(diào)取庫中的具體信息。沒有經(jīng)過處理的數(shù)據(jù)被記者當(dāng)作一手資料使用，找到這樣的數(shù)據(jù)令記者興奮不已，因?yàn)槟抢锟赡芫陀邢乱粭l獨(dú)家新聞。但處理原始數(shù)據(jù)往往是最消耗時(shí)間的，對(duì)記者的數(shù)據(jù)能力也是一個(gè)很大的考驗(yàn)。錯(cuò)誤的拼寫，不連貫的格式，以及中間缺失的信息，這些都是最常見的數(shù)據(jù)問題。而若想從政府部門獲取更加準(zhǔn)確和完整的數(shù)據(jù)，得到的答復(fù)往往是滯后的。為了滿足新聞的時(shí)效性，記者需要學(xué)會(huì)一些處理“骯臟”數(shù)據(jù)的技巧：比如在數(shù)據(jù)庫中建立一個(gè)“錯(cuò)字表”，將錯(cuò)誤的拼寫和正確的拼寫分別錄入兩列中，然后通過對(duì)比“錯(cuò)字表”和原始數(shù)據(jù)，找出數(shù)據(jù)庫中所有出現(xiàn)錯(cuò)誤的地方，再將它們統(tǒng)一替換為正確的拼寫。整個(gè)過程一分鐘都不需要。而且也便于日后追蹤和更新記錄。

　　對(duì)于熟悉編程的記者來說，還可以使用數(shù)據(jù)庫語言SQL直接對(duì)數(shù)據(jù)下達(dá)各種指令，至于電腦如何實(shí)現(xiàn)這個(gè)指令，則是不需要用戶去考慮的。此外，在處理數(shù)據(jù)方面，Python和R被數(shù)據(jù)記者廣泛使用。Python是一款多功能的計(jì)算機(jī)語言，由于其功能全面，語法簡單，成為不少編程入門者的首選。不同于軟件，編程語言允許用戶在高層數(shù)據(jù)結(jié)構(gòu)上工作，功能也更加強(qiáng)大。比如Python中一款熱門的繪圖插件Matplotlib，讓用戶可以直觀地看到數(shù)據(jù)的走勢發(fā)展或是同類對(duì)比，這些通常是記者最感興趣的地方。

　　三、數(shù)據(jù)分析在實(shí)際工作中的運(yùn)用

　　在課程設(shè)計(jì)上，美國的新聞學(xué)院整體走實(shí)用路線，lede項(xiàng)目也不例外。個(gè)人作業(yè)和小組項(xiàng)目貫穿整個(gè)課程。這樣的安排不僅讓學(xué)員有更多機(jī)會(huì)練手，豐富個(gè)人作品集，為畢業(yè)后找工作鋪路。此外，對(duì)于編程新手來說，一個(gè)主要障礙是自己寫的程序經(jīng)常出現(xiàn)“bug”，而又不知道問題出在哪兒。 幸運(yùn)的是網(wǎng)絡(luò)上關(guān)于編程的資源很多，大部分問題在谷歌、百度上搜一下就能找到答案。 對(duì)于應(yīng)用為主的數(shù)據(jù)記者而言，能夠找到解決代碼問題的方法，甚至比學(xué)習(xí)編程本身更有意義，而課堂練習(xí)的目的也正在于此。

　　每學(xué)期末，學(xué)員都要完成一篇獨(dú)立的數(shù)據(jù)新聞報(bào)道，題材不限。我的選題是利用自然語言處理，分析微博網(wǎng)友對(duì)去年五一期間“成都女司機(jī)變道被打”這個(gè)熱點(diǎn)議題的態(tài)度和立場。通過對(duì)7000多條微博的分析，我發(fā)現(xiàn)在女司機(jī)劣跡斑斑的駕駛記錄被公開之前， 97%的網(wǎng)友表示了對(duì)她的同情和支持，而這一比例在她劣跡斑斑的駕駛記錄被曝光后，迅速跌至38.4%。這個(gè)語義分析用到了機(jī)器學(xué)習(xí)中兩個(gè)使用廣泛的模型：決策樹和樸素貝葉斯。我將自己人工分析的大約1000條微博錄入到模型中，而它通過一系列復(fù)雜的運(yùn)算，建立起一個(gè)分類器，將剩下的6000條微博按照語義進(jìn)行分類。概括來說，就是將數(shù)據(jù)按比例分成培訓(xùn)用和測試用兩部分，先人工處理培訓(xùn)用的數(shù)據(jù)，然后將它們“喂給”你所選擇的統(tǒng)計(jì)模型，讓電腦“學(xué)習(xí)”你的處理結(jié)果，再將測試用的數(shù)據(jù)盡可能地按照你的邏輯思維去分類。

　　近年來，科學(xué)家不斷地在機(jī)器學(xué)習(xí)（machinelearning）方面有所突破，人工智能離我們的生活越來越近，而自然語言處理一直是機(jī)器學(xué)習(xí)的一個(gè)重要領(lǐng)域。《紐約時(shí)報(bào)》和英國廣播公司（BBC）率先在公司內(nèi)部建立起新聞實(shí)驗(yàn)室，讓電腦學(xué)習(xí)語法結(jié)構(gòu)，自動(dòng)生成新聞稿件。去年《紐約時(shí)報(bào)》制作了一個(gè)名為“Blossom”的機(jī)器人，可以預(yù)測新聞在社交媒體上的點(diǎn)擊率，從而幫助編輯選擇應(yīng)該發(fā)布的內(nèi)容。截止目前，有不少媒體都開始嘗試更加復(fù)雜的數(shù)據(jù)分析和處理。《達(dá)拉斯早報(bào)》在一篇調(diào)查德州學(xué)生作弊的新聞中使用統(tǒng)計(jì)學(xué)中的回歸模型分析學(xué)生的成績分布；《洛杉磯時(shí)報(bào)》利用聚類分析法，計(jì)算出每個(gè)社區(qū)的犯罪情況，并對(duì)犯罪率有可能上升的地區(qū)做出預(yù)報(bào)；路透社去年通過一系列復(fù)雜的模型分析，調(diào)查出美國最高法院的判決結(jié)果是由一小群精英律師主導(dǎo)著，這則報(bào)道后來被普利策獎(jiǎng)提名。

　　四、技能固然重要，但內(nèi)容才是新聞的靈魂

　　Lede課程已經(jīng)舉辦了兩屆，學(xué)員來自不同國家，背景多種多樣。在我的這些同學(xué)中，既有編輯室的主編，也有剛畢業(yè)的大學(xué)生，既有學(xué)新聞出身的，也有學(xué)社會(huì)學(xué)和其他人文學(xué)科的。大家參加這個(gè)項(xiàng)目的目的各有不同，有些人想集中學(xué)習(xí)一下數(shù)據(jù)技巧，然后返回編輯室繼續(xù)工作；有些人希望通過這個(gè)項(xiàng)目申請(qǐng)計(jì)算機(jī)或是數(shù)據(jù)科學(xué)的研究生。在與同學(xué)的交流中，我開始了解數(shù)據(jù)新聞在其他國家的發(fā)展，以及不同國家的記者最關(guān)注的話題，這個(gè)項(xiàng)目也讓我認(rèn)識(shí)了不少同行。

　　離開學(xué)校回到編輯室，我更加意識(shí)到，數(shù)據(jù)技能固然重要，但并非數(shù)據(jù)新聞的全部。想要做出好故事，依舊不能忽略傳統(tǒng)新聞中采訪和寫作的重要性。數(shù)據(jù)可以幫助我們找到突破口，可視化可以幫助我們豐富畫面，但內(nèi)容才是新聞的靈魂。因此，在談?wù)摂?shù)據(jù)新聞時(shí)，我們不能只依賴電腦和網(wǎng)絡(luò)上的信息，而是要繼續(xù)親自走訪現(xiàn)場，采訪專家和線人，調(diào)查取證，一遍遍修改稿件，核實(shí)內(nèi)容的準(zhǔn)確性，這樣才能讓報(bào)道更加準(zhǔn)確、深入、全面，具有影響力。
 

　　相關(guān)推薦：

小升初試題、期中期末題、小學(xué)奧數(shù)題

盡在奧數(shù)網(wǎng)公眾號(hào)

　　 歡迎使用手機(jī)、平板等移動(dòng)設(shè)備訪問幼教網(wǎng)，幼兒教育我們一路陪伴同行！>>點(diǎn)擊查看