数据新闻多元，应探索更多交互体验******

陈积银

　　（陈积银简介，西安交通大学新闻与新媒体学院教授，博士生导师。中国数据新闻大赛创始人，西安交通大学青年拔尖人才（A类），中组部国家万人计划青年拔尖人才，陕西省智媒研究基地主任，福建省闽江学者特聘教授。曾获第六届全国广播影视“十佳百优”理论人才称号。主持中宣部、中组部、教育部等部委项目多项，在CSSCI期刊等发表论文40余篇。）

　　随着我国前沿科技的迭代更新，媒体融合不断向纵深发展，数据新闻应运而生。新闻生产方式的创新发展也反映出大众信息需求的变化。全媒体环境下，加强媒体融合视角下数据新闻的技术创新与理念创新成为数据新闻发展的题中应有之义。近年来，新文科建设的呼声高涨，数据新闻也成为新闻传播教育中颇有成效的尝试，推进了技术与人文教育的进一步融合。《中国新闻出版广电报》记者日前就媒体融合视角下数据新闻的发展前景及新文科思维背景下数据新闻人才培养等问题，采访了西安交通大学新闻与新媒体学院教授陈积银。

　　数据新闻教学应势而生

　　经过多年的发展与沉淀，数据新闻应用日臻成熟，业界成立了不少专门的制作团队，学界则设置相关课程以培养专业人才。

　　“数据新闻是在技术推动下发展起来的。”陈积银介绍说，在智能化、5G及媒体融合情境下，数据新闻融合也将获得新的发展机遇，朝着更加成熟与理性的方向发展。

　　陈积银认为，数据新闻的实践性、专业性非常强，业界的实践领先于学界，但无论是学界还是业界，人才匮乏的现象仍然存在。因此，数据新闻的未来发展方向主要集中在提升人员数据素养，培育数据发掘、可视化制作人才团队等几个方面。

　　由于学界、业界对数据新闻关注度逐渐提高，学界与业界融合也更加紧密。“学界与业界应积极构建平台，推动优质资源接轨，为数据新闻的发展蓄力。”陈积银建议，可以通过工作坊沙龙等形式进行培训与交流，关注数据新闻制作的核心环节，共同寻找难题的应对方案。

　　“为贯彻中央媒介融合有关精神，培养大数据时代的一流新闻人才，我于2015年创办了中国数据新闻大赛。”陈积银介绍，该赛事的初衷是“以赛促教”，为中国新闻教育更好地适应大数据时代需求提供探索平台，为国内新闻教育学界师生数据新闻作品提供展示平台。目前，该赛事已经成为引领国内重要新闻院校进行科教融合，开展学科交叉融合（传统新闻传播与现代信息技术）的一个新赛道，并获得业内不少数据新闻团队的认可与积极参与。西安交通大学通过大赛平台，有效促进了文、理、艺交叉的新闻传播教育探索，近年来培养了不少复合型、专家型、国际化的新型新闻人才。

　　“国内数据新闻的议题越来越多元，应进一步探索交互体验形式。”陈积银说，在每一届的中国数据新闻大赛作品中，都包含经济、政治、环境、民生、体育、娱乐等多种议题，而其交互性逐年提升。未来，将会有更多的创作团队对可听化的数据新闻进行探索，或将数据新闻与游戏等进行结合，实现内容形式和读者体验的双重升级。

　　探索学科交叉教学模式

　　“当前数据新闻在追求可视化效果的同时一定程度上忽略了新闻价值和社会功能。”陈积银认为，现在数据新闻在呈现形式上也存在一些问题。部分以网页形式呈现的数据新闻在移动端阅读时存在不兼容问题，导致数据新闻传播受阻。此外，移动阅读的快节奏和碎片化对数据新闻而言也是一个挑战，数据新闻在呈现方式上应注重数据的多样性、内容的交互性及叙事的多维度，以吸引受众阅读和交互。

　　“尽管当前数据新闻的制作还存在普惠性不强、交互性有待提高、可视化水平参差不齐、思想性有待提高等问题，但也呈现出有数据更有共享、有图表更有内容、有故事更有情怀、有融合更有信仰、有问题更有反思等鲜明特点。”陈积银建议，未来在选题方面，期望更多作品与“坚持面向世界科技前沿、面向经济主战场、面向国家重大需求、面向人民生命健康”相结合；在数据使用规范方面，希望作品全面保障用户数据安全；在可视化呈现方面，期待作品在可视化实践时注重庞大数据的易读性，以增强传播效果。

　　“媒体融合大背景下，新闻人才培养特别是数据新闻人才培养过程中存在着一些亟待解决的问题。”陈积银认为，传统新闻学院的教育以文科为主，教师与学生存在技术性知识结构短板的问题，具备跨学科背景的数据新闻领域教师相对较少。目前，我国不少高校的新闻传播学院不断探索专业设置和教学设计，在发展中逐渐走向学科交叉的教学模式。同时，还应注重培养学生的数据思维和算法思维，积极学习数据新闻所需的技术性知识与技能。

　　“对于文科学生而言，网页制作、可视化技术等操作技能的学习，短期内掌握有些困难，这使得数据新闻教学局限于理论知识。”陈积银说，中国数据新闻大赛为学生们提供了一个理论与实践相结合的机会，缩小了数据新闻领域人才培养与新闻行业需求之间的差异。近几届大赛作品，在选题上内容多元、角度丰富、注重社会价值，在可视化呈现上技术多样、形式丰富、交互性强，在评审方面坚持学界、业界与政界相结合，在教学实践方面收到了良好的成效。

　　契合新文科背景要求

　　受疫情影响，智慧教育已成为教育模式转型发展的客观需求，慕课、云课堂现已成为教育新景象。这些新的教育模式颠覆了原有的传统教育模式，同时也促进了新闻传播教育的创新与发展。

　　“我们需要立足学界、携手业界、服务政界、融入世界，在传统的教育模式上进行自我教学革命。”陈积银认为，业界在技术研发方面的投入，政界在引智方面的投入，使得其在新闻传播技术、应用方面的水准远超学界。因此，当前的新闻传播教育一方面应积极改革，拥抱现代信息技术带来的红利；另一方面，也应保留原来教学中的先进经验，守住意识形态的红线，积极用马克思主义新闻观武装师生的头脑。

　　“作为新闻传播教育工作者也应完成相应的转变，进一步激发学生学习的主动性、积极性，培养学生的创造力、表达欲、动手能力和团队合作精神。”陈积银建议，一是转变原来上课靠书本的理念，将研讨式教学与体验式教学相结合、启发式教学与自主学习式教学相结合；二是转变原来的身份，从知识传授，转化为方向引领、动力激励、方法指导、结果督察和过程讨论；三是提升前沿知识的学习与科研能力，向学生传授新闻传播国际前沿知识。

　　“西安交通大学新闻与新媒体学院以工字牌为旗帜，新闻人才培养方案的建设契合了新文科建设背景下新闻教育改革的整体趋势。”陈积银介绍，新闻与新媒体学院组建计算机、公共管理、新闻传播等多学科背景的核心师资队伍，根据新文科建设理念与市场需求，建设协同育人基地以提升学生的数据素养。学院与政企共建的“陕西省智媒研究基地”沿用文理交叉的思路，背靠政界、立足学界、携手业界，为学生提供全智能化的平台资源，使学生在学习传统新闻采编技能的同时，学习短视频摄制、大数据舆情分析等新媒体技术技能。

　　在教学实践方面，陈积银一直鼓励学生放下课本、走出校园、走进社会，在实践中发现问题、解决问题。他介绍说：“在数据新闻课程教学上，我鼓励同学们根据特长和兴趣自由组队，走到社会上采访调研、收集数据、自主解决难题，共同完成一个数据新闻作品的制作。同学们认为这种学习方式动手操作性强，比课堂教学收获更大。”

　　“通过鼓励学生们自由组队参加中国数据新闻大赛，磨炼提升了他们的团队合作、沟通协调、专业实践以及前沿探索等各项能力。”陈积银认为，大赛“以赛育人”“以赛促教”，推动了传统新闻传播教育模式向现代化转型，引导学生在作品制作中从简单的多学科知识累加向多学科知识相融转变。同时，也为高校学生和新闻工作者搭建起新闻传播教育学界与业界沟通的桥梁。

　　（中国新闻出版广电报记者 杜一娜 常湘萍）

聚焦人工智能技术前沿与治理 中外专家学者国际论坛建言献策******

　　中新网北京12月5日电 (记者 孙自法)2021人工智能合作与治理国际论坛“人工智能技术前沿与治理”主论坛，12月5日在清华大学以线上线下结合方式举行，中外人工智能(AI)领域专家学者聚焦人工智能技术前沿与治理这一主题，发表主旨演讲建言献策，并深入研讨交流。

　　美国国家科学院院士、美国艺术与科学院院士、约翰·贝茨·克拉克奖得主、斯坦福大学商学院技术经济学教授、以人为本人工智能研究所副所长苏珊·阿西(Susan Athey)认为，大学在指导人工智能创新方面可以发挥优先引导的关键作用。由于私营部门的技术人员缺乏伦理、哲学方面的训练，难以开发出具有可解释性的算法框架，深化这类研究能够在人工智能治理的问题识别、建立开发实践框架、提供指引等方面发挥重要作用。此外，由于数据可以带来巨大的规模效应，当前“软件即服务”的平台经济模式已非常普及。人工智能和数据需求可能带来“伪”市场集中，因此，未来对“机器换人”的预测非常具有挑战性，需要重新关注和思考人工智能如何用于应对老龄化等公共管理问题，使基于人工智能的公共服务变得更加高效。

　　国际人工智能协会前主席、清华大学人工智能国际治理研究院学术委员约兰达·吉尔(Yolanda Gil)指出，由于人类对智能机制认知不足、智能行为本身的复杂性、观测手段的有限性以及个体知识、职业、信仰、文化背景等的差异性，导致当前人工智能研究中面临着一系列挑战，因此，需要加强人工智能基础研究工作，这需要跨领域、跨学科的共同努力。当前，理解人工智能机理和构建人工智能世界模型是人工智能研究面临的两大挑战。一方面，理解人工智能机理需要构架“感知-思考-行动”的智能模型，加强对大脑思维机理的理解，建议借鉴神经科学研究联合体的有益经验，建立全球性的人工智能研究数据库，形成全球共享的研究社区。另一方面，构建人工智能世界模型则需要建立在人类经验、社会习俗、专业技能的基础上，建议建立类似于自由协作式的知识库，通过全民民众参与，推动知识在全球层面共享。

　　中国科学院院士、清华大学人工智能研究院名誉院长、清华大学人工智能国际治理研究院学术委员张钹表示，由于深度学习等算法存在不可解释性，导致前两代人工智能算法存在着公平性、安全性问题和不可靠、不可信等缺陷。发展第三代人工智能关键在于发展可解释的、鲁棒的人工智能理论和方法，开发安全、可信、可靠、可扩展的人工智能技术，以“数据驱动+知识驱动”构建支持可解释的人工智能算法的深度学习平台，赋能人工智能安全与防御优化。从数据中真正获取智能要靠知识的帮助与引导，并需要政策法规对数据使用的正确规范，充分利用知识、数据、算法和算力四个要素结合，推动人工智能的创新发展。

　　中国工程院院士、北京大学信息科学技术学院院长、鹏城实验室主任、清华大学人工智能国际治理研究院学术委员高文认为，当前人工智能发展处于新一代人工智能向强人工智能发展的关键阶段，至2030年，中国人工智能发展总体要达到世界领先水平。从战略问题看，中美欧三方在人工智能人才、研究、开发、应用、硬件、数据等方面竞争激烈，当前中国人工智能发展在战略政策、数据资源、应用场景、潜力人才方面具有优势，而在基础理论、原创算法、关键部件、国际平台、高级人才等方面还存在短板。从战术问题看，人工智能2.0需采用基于大数据的统计AI解决大规模AI应用需求，鼓励各种可能的强人工智能探索，“可解释机器学习+推理”和“仿生系统+AI大算力”是可能的技术路线图；在安全问题层面，强人工智能的安全风险主要来源于模型的不可解释性、算法和硬件的不可靠性和自主意识的不可控性，人工智能2.0应采用DPI与“防水堡技术”解决数据安全与隐私保护，重视探索人工智能伦理问题，并基于“理论-技术研究-应用”的阶段性采取不同的风险防范策略。

　　美国国家工程院外籍院士、英国皇家工程院外籍院士、清华大学高等研究院双聘教授沈向洋表示，AI已经应用于生活和工作的方方面面，目前甚至在法律上也具有一定的应用，比如美国已经有很多法庭用机器学习和人工智能方法帮助判刑，包括决定刑期这样非常重要的问题。但是我们还无法理解一些AI决策的缘由。未来发展过程中我们不能只看见AI决策的“黑箱”，应该打开“黑箱”，探究和理解其中的具体内容和因果关系，我们一定要做可解释性的AI。同时，他提到负责任的AI应具备公平性、可靠性、隐私性、包容性、透明性和责任性的特点，作为新兴领域，还需要向其他领域学习，从而更好的服务于人类。

　　中国工程院外籍院士、清华大学智能产业研究院院长、人工智能国际治理研究院学术委员张亚勤指出，“碳中和”是人类能源结构的又一次变革。“碳中和”既是可持续发展的必然选择，又是产业结构调整和发展的重大机遇。企业在“碳中和”背景下都面临转型增效的压力。人工智能+物联网是智联网，智联网可以赋能绿色计算，助力“碳中和”。智联网助力“碳中和”主要包括三个环节：首先，由数据驱动和人工智能优化引擎来实现智能决策。其次，多参数全链系统配置优化。最后，通过多源多维异构感知融合实现智能感知。智联网可用于能源融合、降低ICT产业的碳排放和推动新兴产业发展等。他还介绍了智联网赋能的绿色计算平台的框架，该平台包括人工智能驱动节能减排和高能效人工智能系统，应用路径包括绿色园区和工业节能。

　　2021人工智能合作与治理国际论坛由清华大学主办，清华大学人工智能国际治理研究院承办，国际支持机构为联合国开发计划署。论坛为期两天，设有三场主论坛、一场特别论坛和七场专题论坛。“人工智能技术前沿与治理”主论坛由清华大学计算机科学与技术系教授、人工智能研究院常务副院长孙茂松主持。(完)