新闻技术创新的新框架

编者注：

受纽约市立大学的新闻创业中心（Tow-Knight Center for Entrepreneurial Journalism）的委托，该大学的Nick Diakopolous博士发表了一份白皮书，称新闻业跟计算机科学有很多共同点，因为大家对信息的关心程度都是根本性的：即需要考虑信息如何进行获取、存储、修改/编辑，然后展现。

这份白皮书篇幅不长但是内容高端，虽然没有提出具体的创新解决方案，但是给出了研究新闻技术创新机会的框架，采用分而治之的办法多维度地分析了目前被忽视或者有待发掘的技术创新机会，对新闻技术创新者具有重要参考意义，想要重塑新闻业的人都应该看看。

想象一下，如果新闻是在今天才发明出来的，你该如何对此行业进行建构、改进和迭代？

提出这个命题的是纽约市立大学的新闻创业中心（Tow-Knight Center for Entrepreneurial Journalism）。Jeff Jarvis是该中心的负责人，他说新闻业的想法过于循规蹈矩，缺乏颠覆性，甚至连革命性也不够。他 认为，以文章作为原子单元的新闻形式需要被打破，称新闻界的人应该自问一下自己从事的是什么样的行业。

要想回答这个问题，你也许需要从拟定出一些基础问题开始：该项目的价值和目标是什么？需要满足消费群体的哪些需求？自动化程度应该如何？哪些应该由人去操作？如何设计才能尽可能地高效？

通过提出这些问题，计算机科学博士Nick Diakopoulos试图为新闻业的创新制定出一个新框架，这个框架给出的不是答案，而是提出问题的方式。尽管如此，对于新闻技术创新者来说也极具参考意义。

Diakopolous把新闻采集的过程进行了解构，以便识别出哪些部分由计算机来处理会比由人来处理更好。他的结论是完全由系统来取代人在近期是不可能的，但是技术有很多机会可以提高这些过程的效率和效能。

其研究思路是以用户为中心，以价值为核心，从新闻的制造者和消费者两个方面来思考解决方案。按照这个思路，他提出了四个概念类型：

（一）计算技术维度

要进行技术创新，首先要识别出有那些类型的相关技术。计算机科学从处理的对象来看，可以分为两类：

（ 1 ）核心计算机科学

包括离散结构、编程基础、软件工程、算法与复杂性、架构与组织、操作系统、编程语言、网络化计算、信息管理、计算科学。

（ 2 ）交互计算

包括人机交互、图形视觉计算、智能系统。

对于新闻业来说，其最感兴趣的东西大部分与交互计算有关。最后，这位博士挑选出了27个计算概念，认为可以被用到新闻业上面：

这27种与新闻密切相关的计算技术是：

社交计算（Social Computing）

自然用户接口（Natural User Interfaces）

有形用户接口（Tangible User Interfaces）

移动与普遍计算（Mobile and Ubiquitous Computing）

可穿戴式计算（Wearable Computing）

信息可视化（Information Visualization）

媒体合成（Media Synthesis）

非实景渲染（Non-photorealistic Rendering）

动画（Animation）

动作捕捉（Motion Capture）

虚拟现实（Virtual Reality）

增强现实（Augmented Reality）

计算图像信息化（Computer Vision）

游戏引擎（Game Engines）

计算摄影术（Computational Photography）

代理（Agents）

机器人学（Robotics）

机器学习（Machine Learning）

自然语言处理（Natural Language Processing）

机器翻译（Machine Translation）

语音识别（Speech Recognition）

行动识别（Activity Recognition）

知识呈现（Knowledge Representation）

数据挖掘（Data Mining）

超媒体（Hypermedia）

信息获取（Information Retrieval）

建模与仿真（Modeling and Simulation）

（ 2 ）新闻消费者需求

新闻消费者的需求包括四种：

保持消息灵通

个人识别

综合交互与社会交互

娱乐

（ 3 ）新闻业的目标

真相

独立性

公正

公共兴趣

监察者

论坛组织

通告

讲故事

聚合

释意

（ 4 ）增值信息处理

增值的过程往往需要经历三个阶段：即从数据到信息再到知识。分析这个过程可以得出以下一些增值信息处理的内容：

信息设计

可浏览性

实体可达性（Physical Accessibility）

排序

过滤

浓缩

丰富与加深（Enriching）

摘要

关联

适应性

精确度

全面性

及时性

可靠性

有效性

在此基础上，他分析了成千上万的研究论文，按照这四种类型的主题进行标记，最后确定出哪些主题最受关注，哪些最被忽视，从而识别出新闻技术创新的机会。结果表明，机器人学、增强现实以及动作捕捉等领域有待开垦。

颜色代表相关论文数，颜色深说明受关注度高，颜色浅说明被忽视或有待发掘

不过，论文里面最具实践意义的还是他跟纽约市立大学的学生进行的一次头脑风暴，他让学生分成5组来进行一个卡片游戏，每组的学生在卡片上写出自己的创意，每次思考5分钟，共进行三轮。结果学生们一共想出了54个创意。他的结论是有四分之一的创意不错。

这里摘取其中的一些创意：

• 允许目击者通过《阿凡达》电影里面的那种3D系统进行案件重演
• 利用行动识别的动作捕捉来识别微表情等身体语言判断是否说谎
• 利用行动识别来检测群体的扰动程度，从而给事件的“风险”设定指标。
• 利用机器翻译让跨文化分享更容易，以此来发掘国外的公共档案。
• 利用虚拟化进行讲解可视化，展示用户融入的效果，以此来激发公众的参与热情。
• 利用推荐引擎来向各类人群推荐服装搭配
• 识别的游戏化，以此推动大家指认图像是否被PS或篡改。
• 模拟产品的制作过程
• 提供上传有关真实事件的图片和视频的平台，允许大家把自己的解释加入进去。
• 向志愿者或市民记者提供通知告警移动应用，在其周边发生事故或新闻事件时通知对方。

完整的白皮书可到此处 下载。