主流媒体数据新闻可视化
传播力的实证分析
——基于新华网“政经事”的全文本研究
王妤彬
江西财经大学人文学院 江西 南昌 330013
摘 要：本文以新华网“政经事”板块为研究对象，以可视化传播力为切入点来探讨主流媒体数据新闻内容生产、表现形式与社会公众认知、传播行为之间的相关性，以可视化内容生产和传播为内核来分析数据新闻在融媒时代的传播力。论文对“政经事”板块自2015年6月5日创办以来至2019年3月20日三年间328个全文本的内容类型、可视化表现形式、数据来源等变量进行分析后，发现数据新闻可视化的表现形式与点赞数量之间呈现显著正相关关系。这表明在数据新闻报道中，可视化的呈现形式对主流媒体数据新闻的传播力有显著影响。主流媒体数据新闻的功能不仅局限于准确地将信息传递出去，还需要借助多元、互动的可视化表现形式，推动新闻作品提高自身影响力。
关键词：数据新闻 可视化 主流媒体 传播力 用户参与 内容分析
新闻业的内容生产和传播方式在互联网传播技术的迭代中被不断重构，主流媒体的传播影响力受到来自商业新媒体的冲击和挑战。在党的十九大报告中，习近平总书记强调要“坚持正确舆论导向，高度重视传播手段建设和创新，提高新闻舆论传播力、引导力、影响力、公信力”，没有传播手段的建设和创新，我们的传媒也就无法展现它的传播力。[1]融媒时代，数据新闻可视化报道俨然已成为全球新闻业内容生产和传播的新宠儿。我国的新闻可视化实践尚处于起步阶段，以财新、澎湃新闻、腾讯为代表的商业类网络新媒体与以新华网、人民网为代表的网络主流媒体处于竞争的同一起跑线上。能否将传统内容生产的优势延伸到新的内容生产和传播手段上，是主流媒体在融媒体环境下提高新闻舆论传播力的根本所在。
一、研究问题
作为大数据和新闻业联合创造出的一种全新新闻报道形式，数据新闻借助分析工具从数据中发掘并提取有价值的信息，通过可视化技术呈现给受众。大数据是一种“文化，技术和学术现象”，了解它如何塑造或重新塑造新闻至关重要（boyd和Crawford，2012）。
数据新闻“通过挖掘和展示数据背后的关联与模式，利用丰富的、具有交互性的可视化传播，创作出新闻报道方式。”（郎劲松，2014；Lewis和Westlund 2014；Parasie 2014）。可视化代表了所有结构化信息展现，包括各种图形、图表、地图，信息图表和结构插图（Julie Steel，2010）等。相较于单一的文字信息报道，数字可视化产品更加直观，易于读者阅读和理解。在注意力分散、浅阅读盛行的信息社会，数据新闻的可视化产品可以适应和满足快节奏的社会需求（许向东，2018）。在宾夕法尼亚大学教授桑达所做的媒体形式与沟通影响实验中，文本和图像在各种测试指标中效果最佳；与此同时，过于花哨的媒体形式阻碍了参与者对信息内容的记忆，也对信息和网站带来负面评论（Sundar，2010）。
就我国传媒发展而言，媒介融合的核心在于提升主流媒体的传播力。清华大学刘建明率先提出“传播力”这一概念并将其定义为：“媒介的实力及其搜集信息、报道新闻、对社会产生影响的能力”，“包括媒介规模、人员素质，传播的信息量、速度、覆盖率及影响效果”（刘建明，2003）。2014年8月，习近平总书记在关于推动媒体融合发展的讲话中强调，要“建成几家拥有强大实力和传播力、公信力、影响力的新型媒体集团”。这是“传播力”首次被国家领导人提出，“传播力”因此成为我国学界、业界近年来关注的热点问题。
15年来，学者对传播力的研究大致存在四种观点，即能力说（Graham Williamson，2004；朱春阳，2006；刘建明，2010）、力量说（郭明全，2006；Manuel Castells，2009；陆地，2010）、效果说（陈刚，2006；喻国明，2007；李劭强，2011）、综合说（丁柏铨，2018），其中的“传播能力说”和“传播效果说”影响较广泛。
学界对媒体传播力内涵进行学理研究的同时，亦开始关注其指标构成和测量方法。有学者将“受众人群的多寡、知晓的程度、接受的层次”视为媒体传播力的衡量标准（孟锦，2004），还有学者认为媒体传播力由传播的信息量（强度），传播速度、深度、广度与精度，有效阅读率（目标受众率）、有效覆盖率（有效发行）及影响效果等多项衡量指标体现出来（刘先根，2007）。其他有学者则认为媒体传播力包括 6 个影响因子：广度因子（覆盖率）、深度因子（接受度）、强度因子（核心传播力）、精度因子（社会认同）、技术因子、政策因子，具体可采用加权平均算法对“传播力指数”进行量化和测算（张春华，2013），金兼斌的研究团队从微信传播特性出发，建立“微信传播指数（WCI）”指标体系，采用8个指标，包括总阅读数、平均阅读数、总点赞数、发布文章数、最高阅读数、最高点赞数、平均点赞数、点赞率（金兼斌，2017）。
在信息的传播过程中存在着媒体进行议程设置编码和受众选择性解码的过程。媒体在传统编码过程即文字写作中赋予信息某种意涵，但受众一方在解码过程中结合自身的兴趣爱好、社会地位、受教育程度等因素影响，对信息的关注、理解与记忆都是有选择的，传播效果大打折扣。“媒体的传播力主要体现在对传播手段的掌握与创新上”，[2]权威、直观的数据新闻，运用图表、颜色、数字、线条等多媒介符号，通过可视化的方式直观呈现，用数据、事实说话，在读者脑海中更容易留下深刻印象，有利于达到预期传播效果。
由上述文献回顾可知，当前学界关于媒体传播力构成指标和测量方式，尚处于初步探索阶段，未达成共识。学界普遍将媒体传播力视为一种信息生产和扩散的能力，但在客观上可从效果或用户的角度进行观察。循此思路，本文以新华网数据新闻栏目中的“政经事”为切入点来研究主流媒体的网络传播力，探讨数据新闻的内容类型（IV1），可视化形式（IV2）、数据来源（IV3）等三个变量是否会对数据新闻产品的传播力（DV）带来影响？具体研究以下三个问题：
RQ1.数据新闻的内容类型是否与用户评论、点赞等认知与传播行为具有相关性？
RQ2.数据新闻的可视化表现形式是否与用户评论、点赞等认知与传播行为具有相关性？
RQ3.数据新闻的数据来源的多寡是否与用户评论、点赞等认知与传播行为具有相关性？
二、研究方法
（一）数据来源
文章采用内容分析法，并根据相关此前学者研究传播力的相关指数（刘先根，2007；金兼斌，2017），结合新华网“数据新闻”栏目内容本身的特点，对“数据新闻”栏目“政经事”板块自2015年6月5日创办以来至2019年3月20日三年间的328个文本数据进行全文本采集和无效样本处理并进行相关分析。分别从新闻数据来源、可视化新闻内容、可视化新闻形式、用户评论数、用户点赞数等五个维度进行编码表的设计。
作为国家通讯社新华社主办的综合新闻信息服务门户网站，新华网的“数据新闻”栏目在同业竞争者中处于领先地位，新华网“数据新闻”的板块关注面涉及政治、经济、民生、文化、健康等多个方面。政经新闻则是传递国家政经信息、引导舆论、服务社会的重要新闻类型。在政治经济领域出现的各种新事物、新信息，网络主流媒体都有责任让公众知晓，作为新华网“数据新闻”栏目中一档专注政治经济领域信息报道的板块，“政经事”以解读国家经济领域的方针路线、政策信息、宏观经济发展为主，定位的就是“用数据看懂政经事”。“政经事”在政治经济等泛财经硬新闻“软化”方面做出尝试，将政治经济议题转化为可视化呈现，满足了受众对这方面信息的大量需求，取得良好传播效果，其在数据挖掘、可视化呈现、选题价值、文稿创作等内容生产方面的表现也可圈可点。
（二）因变量、自变量测量
本文认为对媒体传播力的考察，可以围绕媒体产品的特点，从点赞量、评论数、转发量等相关指标来进行。在本文所采取的新华网的“数据新闻”栏目“政经事”板块文本中，可视化报道的数据来源、内容类型和所采用的可视化形式是因变量，用户对可视化产品进行的点赞和评论数量则是自变量。
根据政治经济新闻的相关定义，结合国内主流财经类网站实践以及“政经事”栏目所涉及的数据新闻，在“新闻可视化内容类型”变量中，“政策信息”类新闻赋值为1，“宏观经济”类新闻赋值为2，“地方经济”类新闻赋值为3，“产业经济”类新闻赋值为4，“国际经济”类新闻赋值为5，“对外交往”类新闻赋值为6，“贸易投资”类新闻赋值为7，“企业经济”类新闻赋值为8，“金融经济”类新闻赋值为9，“党的建设”类新闻赋值为10。
根据新华网“数据新闻”栏目自身的分类，在“新闻可视化形式”变量中，将“静态信息图”形式赋值为1，“图文交互”形式赋值为2，“短视频交互”形式赋值为3，“VR交互”形式赋值为4，“多媒体交互”形式赋值为5。
根据皮尔逊相关分析对数据的要求，本论文进一步整理数据，对“可视化形式”这一变量进行相关分析，一种表现形式的新闻作品赋值为1，同时使用两种表现形式的新闻作品赋值为2，同时使用三种表现形式的新闻作品赋值为3，最大赋值为5。
根据“政经事”可视化新闻中标注新闻来源的数量进行编码，数据来源只有一个的赋值为1，数据来源有两个的赋值为2，数据来源有三个的赋值为3，数据来源有四个的赋值为4，数据来源在五个以上（含五个）的按实际数量进行赋值。
此外，对用户进行的点赞数量和评论数量进行了数理统计。
（三）数据分析方法
两名编码员接受培训，编写随机选择的新华网数据新闻，这些新闻来自栏目的其他版块，不属于研究样本，但与研究文本具有相似的报道特征。本研究共进行了几轮编码和讨论来培训编码员，识别和解决编码差异，修改操作定义并建立测量有效性。
在培训之后进行了预测试，两名编码员独立编码随机选择的6％（n = 18）样本，得出Cohen的kappa值从0.9444到1。0.61-0.80的kappa统计数据通常被认为是有效的，而0.80以上的数据被认为是几乎完美的可靠（Landis＆Koch，1977）。剔除预测试的18个内容样本后，编码员对剩下的310个文本内容进行正式编码。
本研究主要采用数理统计以及多元阶层相关性分析，将新华网“政经事”的传播力作为因变量，将受众的点赞和评论数量作为重点解释变量，探寻变量之间的相关性，及网络主流媒体的内容生产对媒体传播力的可能影响。
三、研究发现
（一）“政经事”的可视化内容生产
1.内容生产紧扣栏目定位，表现形式多元
2015年8月至2019年3月间，“政经事”所报道的内容涉及“政策信息”、“宏观经济”、“国际经济”、“贸易投资”、“区域经济”、“金融”、“外事交往”、“企业经济”、“党的建设”等10大类，基本涵盖政治经济领域内的相关重大议题，符合政经新闻栏目的定位。
“政经事”可视化报道所采用的形式包括了静态信息图、图文交互、VR交互、短视频和多媒体交互等类型，从统计数据来看，以图片、静态简单数据图表、表格、复合型静态图表等组成的静态信息图是“政经事”可视化报道的主流表现形式（如图1所示），图文交互、手机交互、PC交互等动态可视化表现方式使用占比较小。总体来看，以“政经事”为代表的新华网数据新闻可视化方式仍然比较初级，对动态交互的使用不是很充分。
“数据新闻”栏目依托新华网强大的新闻制作团队，充分利用自身技术优势和人才优势，其在数据使用规模、制作难度、用户体验方面均领先同行业竞争者。对于客观展现庞杂的经济数据，动态交互图表可以通过多维度视角立体呈现，对增强传播效果具有巨大影响。
2.数据来源权威可靠
从“政经事”版块的310个内容样本发现，其单个数据新闻可视化作品有1个数据来源的为205条，占可视化作品总量的68.3%，有2个以上数据来源的作品为95条，占总量的31.7%，其中3个数据来源及以上的作品占据了复合数据来源的二分之一强，高达57.89%（如图2所示）。
“政经事”可视化新闻的主要数据，来源于新华社、新华网、其他主流媒体和国家政府机关单位，前五位数据来源单位分别是新华社、新华网、国家统计局、人民日报、人民网。其中，新闻来源于新华网或新华社的数量占比为34%，来源于诸如人民日报、中国新闻网、中国证券报等其他主流媒体的占比33%，来自诸如国家统计局、外交部、国新办、中央纪委监察部等国家部委公开数据的占14%，此外，来自诸如皮尤数据研究中心、CBN Data、中国人民大学、中山大学大数据实验室、皮书数据库等专业数据研究机构占12%（如图3所示）引用多方来源的数据，在数据新闻生产过程中注重数据来源的广泛性，能在新闻源头增强新闻内容的客观性，[3]强化新闻报道的可信度。
（二）“政经事”的点赞量和评论数量
在310个全文样本中，每个可视化作品的平均点赞量为440个，点赞数量最多的作品为2016年10月28日的这个作品“党员干部注意了！这些事情不能做”，点赞数为5909个（如表1所示）。
在点赞量超过一千以上的可视化作品中，反腐、国家大政方针政策解读成为读者最为关心的议题（如表2所示）。
在310个全文样本中，每个可视化作品的平均评论数量为3.0484条评论，评论数量最多最活跃的作品为2017年1月9日的可视化作品“压倒性态势之下，2017年反腐将有哪些新动向”，评论数量为108条（如表3所示）。
在评论数量超过20条以上的可视化作品中，事关反腐、宏观政治经济走向、国家大政方针政策的解读等内容依然是引起网民发表评论、积极参与互动的重点内容（如表4所示）。
（三）“政经事”的内容生产与传播效果的相关性分析
为了更好地回答本文提出的研究问题，本文作者对“政经事”328个文本的内容类型、可视化表现形式、数据来源等变量进行了皮尔逊相关性分析。结果发现，数据新闻可视化的表现形式与点赞数量呈现显著正相关（r=.124， p=0.029，表5）。这说明在涉及相对艰深晦涩的经济术语、国家大政方针等政经新闻的解读时，可视化的呈现形式对网络主流媒体的传播力有显著影响。其次，在本文研究中，发现评论数量与点赞数量之间存在着显著正相关性（r=.324， p=.000，表5）。点赞是受众对所接收的新闻信息主动表示赞成或满意的一种形式。而评论的表达则是受众对所接收的信息在主观层面更主动、更深入的认知反馈。在数据时代的新闻报道中，媒体的功能不仅局限于准确地将信息传递出去，还需要借助多元、互动的可视化表现形式，推动作品对受众的传播效果，积极提高自身的传播力和影响力。
数据来源的多样性与可视化内容之间存在着显著正相关性（r=.117，p=.039，表5），在数据新闻的制作中，报道内容类型的差异对数据源多寡的需求的多寡存在个性化的需求。可视化表现形式的多样性与可视化表现形式之间存在显著正相关性（r=.241，p=.000），表明在数据新闻的可视化表现中，多样性是推动可视化表现效果的重要因素。可视化表现形式与数据来源的多样性呈显著负相关性（r=-.127，p=.026），该数据阐释了数据来源与可视化之间没有必然的联系，编辑在使用可视化表现形式时，可以不用过于考虑数据来源的多样性。此外，点赞数量与评论数量存在显著正相关性（r=.328，p=.000），进一步说明数据新闻作品的传播过程中，与受众产生互动的第一步，首先是获得受众的认同和喜爱，基于此，才可能引发更深层次的评论、共鸣行为。
与此同时，在数据分析中，尚未看到数据新闻产品内容类型与用户评论数量、点赞数量之间存在显著的正相关性，研究假设的可视化内容类型与用户点赞、评论等认知与传播行为之间的影响并未在数据中体现。
四、讨论
本研究从媒介产品内容生产层面，尝试探寻当今我国主流媒体在融媒时代的传播力。本研究结果显示，在影响主流媒体数据新闻的传播力因素中，新闻数据来源、数据新闻的选题内容、可视化表现形式对媒体传播力产生了不同程度的影响。
（一）贴近公众利益，回应公众诉求
大众传媒传播的信息并不是对客观现实镜子般的再现，而是重新加以结构化向人们提示的环境，这只是一种“拟态环境”（李普曼，1922）。政治经济是新闻生产中的重要组成，政经新闻在内容生产过程中亦会创造拟态环境，运用议程设置与把关，担负起社会瞭望塔的作用。我国的网络主流媒体大多来源于传统主流媒体在网络的延伸，同样具有公共性和公益性，在满足社会普遍信息需求方面起到服务公众的作用。公共性强调新闻涉及大多数人的公共利益，可能引发公众之间的激烈讨论，与此同时，源于传统主流媒体的影响力，网络主流媒体自身具有对社会广泛而强大的影响，普遍涉及社会秩序与公共生活，在新闻生产上更应有别于商业网络媒体，以代表和传达公众利益为己任。在数据新闻报道形式炙手可热的当下，党媒也要有新作为，在内容选题上贴近公众利益，回应公众需求。
对国家政治经济相关政策的解读，对国际经济形式的分析、党建取得的成果等议题普遍存在数据庞杂、意义重大的特点，通过数据梳理和可视化的表现形式，能够更好地提升读者对国家政经大事、要事的接受和理解力。作为新华网旗下内容板块，“政经事”牢牢坚持党性原则，旗帜鲜明地坚持主流舆论，把握正确的舆论导向，及时向人民群众传达国家大政方针政策。政经新闻外延的扩大过程也扩展了媒体产品的消费人群，读者从专业人群向普通大众扩展，事关国家政治、经济发展的各类重要议题得以更清晰、通俗易懂的形式传播，以其贴近生活、贴近群众和贴近实际的基本理念实现了较为理想的传播效果。
例如2017年“政经事”所做的【解码各地经济新动能】系列可视化作品，可视化的表现方式能让受众直观地了解区域宏观经济发展的整体状况。该主题的首篇相关报道于2017年07月24日12时06分23秒在新华网天津发布，报道标题为：“【解码各地经济新动能】天津上半年GDP增6.9%体现在哪？”而后，更多相关报道出现，并通过新华网进行传播，经过这些网络媒体平台的传播，将该系列报道的影响进一步扩散。
在“政经事”的相关报道中，该系列报道所涉及的诸如“地区生产总值”、“供给侧改革”、“经济增速”、“同比增长”等相对专业的财经术语通过图解可视化的方式进行表达，更有利于经济信息的二次传播，从而提升主流媒体硬新闻的传播力。
另一方面，以“政经事”为代表的新华网数据新闻虽然在例如“十九大”、“全国两会”期间策划制作大型数据新闻报道，生产出影响广泛的大型可视化数据新闻产品，但在日常报道中，新闻选题所涉及的数据规模偏小，产品阅读量不佳、影响力有限。
以新华网数据新闻栏目为代表的主流媒体，要敢于接触一些重大且复杂的新闻话题，数据获取有一定难度且需要重新加以结构化呈现的数据新闻产品，真正发挥好新华社作为国家通讯社的优势力量，提高技术水平，提高收集、分析、处理大数据的能力，制作出精良的数据新闻产品。
（二）强化数据深加工，增强信源可信度
数据新闻的最大特点就是新闻报道以数据为基础，报道内容始终以数据为中心。既然贯穿整个流程的是数据，那么数据来源便是收集获取数据的先决条件。
心理学家霍夫兰最早对信源与说服效果关系进行实证考察，信源居于传播过程的首位，信源的可信性取决于传播者的信誉和专业权威性，信源可信度越高，说服效果就越大。数据新闻源于对海量的数据来源的掌握、清洗、筛选，从中发现主题并确定呈现方式。从本研究所采集的样本分析可以看出，数据源的权威性、可信度以及数据来源的多样性，与报道内容传播力之间存在着显著正相关的关系。数据质量的优劣是影响一则可视化新闻是否具备传播力和影响力的重要因素。在所采集的样本中，有2个以上数据来源的作品为95条，占总量的31.7%，其中3个数据来源及以上的作品占据了复合数据来源的二分之一强，高达57.89%。新华网作为主流网络媒体，要增强自身信息的传播力，便需要获取可信度高的信源发出信息。依托新华社自身的权威信息优势，“政经事”的数据有近半数直接来自本社或本网的一手数据，此外，国家部委和其他主流媒体的公开数据，亦在一定程度上保障了数据获取方面的真实性、可靠性。新华网“数据新闻”栏目数据来源渠道丰富，长期与艾瑞咨询、皮书数据库、CBN Data等专业数据研究机构和高校的大数据实验室合作，研发数据新闻产品。新华网“数据新闻”栏目由于具备多种权威数据来源，其权威性与可靠性在同行业中处于领先地位。
（三）丰富可视化体验，提升可视化作品传播力
根据文本统计，尽管新华网的数据新闻实践采用了各种新闻可视化形式和视觉传达效果，尽力满足受众阅读需求，但静态图表占据了大多数，更富动态展现和交互设计的内容形式较少。究其原因，一方面，静态图表的确是保证新闻真实性和时效性的最简单的方式；另一方面，则是技术力量有限，难以将完成更复杂的报道形式常态化。这样，数据新闻产品与受众之间的互动感便会减弱，用户体验不佳导致传播效果也不能达到预期水平。[4]
以三年间评论数量最高《压倒性态势之下，2017年反腐将有哪些新动向》这篇报道为例，阐述了各级纪检监察机关在2016年推动党风廉政建设和反腐斗争取得的新成效，2017年的工作要求和反腐新信号等信息。虽然通篇对中央纪委七次全会进行了细致的分析，但其配图仍带有从传统新闻向数据新闻过渡时期诞生的“图解新闻”的影子，图解新闻形式单一，仅适用静态图表例如条形图、扇形图、文字对比图等比较基础的可视化形式，图表的优势没有体现出来，这篇数据新闻产品表现形式较为单一，用户体验不佳。
“受众接触媒介是为了满足他们特定的需求，这些需求具有一定的社会和个人心理的起源”（卡兹，1974）。数据新闻优化了传统文字报道的形式，更符合快节奏下受众阅读的需求。受众在数据新闻中获得满足，并影响着日后的媒介接触行为。本文研究也从文本数据中得到了可视化形式与点赞数量成显著正相关的结论。有鉴于此，丰富新闻作品可视化体验，是进一步提升主流媒体可视化作品传播力的重要途径。
五、结语
新华网于2012年对数据新闻开始探索至今，“以数据传递独特新闻价值”为理念，为我们提供了较好的研究样本。在发现数据新闻可视化的表现形式与受众对新闻的点赞量呈现显著正相关，选择与新闻数据源和新闻类型相契合的可视化表现形式，以及能与受众进行直观、互动的多元表达，在受众脑海中更容易留下深刻印象，有利于达到预期传播效果。与此同时，在文本的相关分析中还发现，数据源的权威性、可信度以及数据来源的多样性，与报道内容传播力之间存在着显著正相关的关系，用数据、事实说话，数据质量的优劣成为可视化新闻是否具备传播力和影响力的重要因素。在新媒体环境中，网络主流媒体需要将新技术与自身优势相结合，充分把握新媒体技术对媒体内容生产带来的挑战和机遇，尊重新闻传播规律，从新闻信息内容生产的源头提升自身传播力。
本研究存在一些不足之处。首先，样本的内容不够宽泛。其次，样本量不够大。本研究的局限在于仅对“政经事”这个板块自2019年3月20日三年间328个全文本进行采集（含6%前测样本），而新华网数据新闻栏目的内容板块，还包括讲习所、第一时间、数问民生、数据观、新极客、涨知识、人文说、健康解码、漫动作等内容。第三，研究方法是内容分析法，未能通过问卷调查的方式了解“政经事”用户们的主观想法和评价。未来研究应该从这些以及更多的方面入手和加以改进，以扩大样本范围、样本多元化为基础，将新华网数据新闻栏目的全文本进行采集分析，此外，还可以对网络商业媒体和主流媒体进行比较分析，为研究主流媒体新闻可视化传播力归因提供一个更全面的视角。
注 释：
[1][2]陈力丹.“提高新闻舆论传播力、引导力、影响力、公信力”——学习十九大报告关于新闻舆论工作的论述[J].新闻爱好者，2018（3）.
[3]金梅珍，董光宇.新闻网站两会数据新闻特征——以人民网、新华网为例[J].青年记者，2014（33）：47.
[4]战迪.新闻可视化生产的叙事类型考察[J].新闻大学，2018（1）：9.
参考文献：
1.郭晓科.大数据[M].北京：清华大学出版社，2013：31.
2.西蒙·罗杰斯.数据新闻大趋势：释放可视化报道的力量[M].岳跃，译.北京：中国人民大学出版社，2015.
3.强月新，陈星.当前我国媒体传播力的影响因素研究：以受众为视角[J].新闻大学，2017（4）.
4.文卫华，李冰.大数据时代的数据新闻报道——以英国〈卫报〉为例[J].现代传播，2013（5）：27.
5.郎劲松，杨海.数据新闻：大数据时代新闻可视化传播的创新路径[J].现代传播，2014（3）：32～36.
6.沈正赋.新媒体时代新闻舆论传播力、引导力、影响力和公信力的重构[J].现代传播，2016（5）.
7.张志安，曾子瑾.网络时政新闻的亲近性文本研究——以三家央媒2016年全国“两会”报道为例[J].新闻大学，2016（3）：16.
8.彭兰.场景：移动时代媒体的新要素[J].新闻记者，2015（3）.
9.刘志昊.数据新闻在时政新闻报道中的应用[J].青年记者，2017（26）：45.
10.金兼斌等.新媒体平台上的科学传播效果：基于微信公众号的研究[J].中国地质大学学报（社会科学版），2017（3）.
11.中国传媒大学党报党刊研究中心课题组.新时代提升党报“四力”的意义与方法研究——“人民共和国党报论坛”第十四届（2017）年会综述[J].新闻与写作，2018（1）.
12.汪金福，马轶群.媒体融合时代数据新闻的关键要素[J].新闻战线，2017（13）：14.
13.喻国明.大众媒介公信力理论初探（上）[J].新闻与写作，2005（1）.
14.刘先根，屈金轶.论省会城市党报传播力的提[J].新闻战线，2007（9）.
15.张春华.传播力：一个概念的界定与解析[J].求索，2011（11）.
16.孟锦.舆论战与媒介传播力关系探微[J].军事记者，2004（10）.
17.张春华.“传播力”评估模型的构建与测算[J].新闻世界，2013（9）.
18.Ball-Rokeach SJ and DeFleur ML（1976）A dependency model of mass-media effects.Communication Research 3（1）：3-21.鲍尔·罗基奇SJ，德弗勒尔ML（1976）.大众媒体效应的依赖模型.传播研究.3（1）：3-21.
19.Press，A. and S.Livingstone（2006）‘Taking Audience Research into the Age of New Media：Old Problems and New Challenges’，in M.White and J.Schwoch（eds） Questions of Method in Cultural Studies，pp.175-200. Oxford：Blackwell Publishing.普雷斯A. and S利文斯通（2006）.“将受众研究纳入新媒体时代：旧问题与新挑战”.M怀特和J施沃奇（编辑）文化研究的方法问题：175-200.牛津：布莱克威尔出版社。
20.Orgad，S.（2005）‘From Online to Offline and Back：Moving from Online to Offline Relationships with Research Informants’，in C. Hine （ed.） Virtual Method：Issues in Social Research on the Internet， pp. 51-66. Oxford：Berg.奥加德S（2005）"从在线到离线和后退：从在线到离线的关系中研究消息人".C海恩（编辑）虚拟方法：互联网上社会研究的问题：51-66.牛津：伯格出版社.
21.Livingstone，S. （2008b）‘Engaging with Media：A Matter of Literacy?’， Communication，Culture & Critique 1（1）：51-62.利文斯通S.（2008b）. "与媒体互动：识字的问题？".传播，文化与评论.1（1）：51-62.
22.Lindlof，T.R.（1995）Qualitative Communication Research Methods. Beverly Hills，CA：Sage.林德洛夫T.R.（1995）.定性传播研究方法.加州比佛利山：塞基出版社.
23.Ball-Rokeach SJ （1998） A theory of media power and a theory of media use： Different stories，questions， and ways of thinking. Mass Communication and Society 1（1-2）：5-40.鲍尔·罗基奇SJ（1998）.一种媒体力量理论和一种媒体使用理论：不同的故事，问题和思维方式.大众传播与社会.1（1-2）：5-40.
24.Mayer-Schonberger，V.，& Cukier，K.（2013）.Big data： A revolution that will transform how we live， work and think. Boston，MA：Houghton Mifflin Harcourt.
梅耶-森贝格尔V.、库基尔K（2013）.大数据：这场革命将改变我们的生活，工作和思维方式.波士顿马萨诸塞州：霍顿·米夫林·哈科特出版社.
25.Jenkins H（2004）The cultural logic of media convergence. International Journal of Cultural Studies 7（1）：33-43.詹金斯H（2004）媒体融合的文化逻辑.国际文化研究杂志.7（1）：33-43.
作者简介：
王妤彬 江西财经大学人文学院新闻传播系，讲师，美国弗吉尼亚联邦大学访问学者，主要研究方向为传媒经济、数据新闻可视化传播。
【责任编辑：许启东】
