白杨数新观察

2022-02-08 16:12:34

按

2014年，叶韦明在北京大学开设《数据新闻》研究生课程，带领第一批交叉学科背景的学生探索数据新闻这片蓝海。在刚刚兴起的数据新闻领域，教材和教育培养体系尚未成型，老师们只能通过自己的方式整合各路资料，再以同学们最能适应的方式输出和传递。北京大学财经传媒专业建立至今，组织开办过多届讲座及工作坊，这些免去学费甚至补贴住宿费的全脱产课堂，成为了一众数据新闻工作者的业务起点。

作为一名以传播学和社会学为主要研究领域的教授，叶韦明也不断思考着数据新闻的本质及其在社会应用时面临的具体问题。她认为，数据新闻和信息可视化是人类面对复杂和动态世界的认知辅助。面向大众传播的数据新闻，应当用平易近人、深入浅出的呈现方式，讲述普通读者看得懂的数据人文故事；而面向财经、医疗等专业领域的数据新闻，需要基于数据的深度挖掘和严谨推论，提供辅助决策的事实核查与专业意见。她还指出，财经新闻天然带有结构化的封装数据和数据素养较高的读者，是数据新闻最大的用武之地。

数字化时代加速发展，我们究竟要教给学生什么？应该对他们抱有怎样的期待？

这是叶韦明老师在持续思考的问题，也是数据新闻教育当前的关切。

北京大学汇丰商学院教授

叶韦明

这一篇专访来自与北京大学汇丰商学院叶韦明教授的对话。

叶韦明毕业于北京大学，是北京大学新闻与传播学院和意大利乌迪内大学联合培养的传播学博士，于2013年入职北京大学深圳研究生院，主要研究领域为新媒体与社会、数据新闻与信息可视化、平台社会。

2014年，叶韦明负责开设了北京大学深圳研究生院的数据新闻研究生课程，将新兴的数据新闻带入历史悠久的北京大学。此后，不断完善的专业课程、在本部开展的暑期课程和面向行业内从业者的工作坊课程都为数据新闻相关领域输送了大量人才。她所指导的学生数据新闻作品连续获得2019年、2020年中国数据内容大赛最佳数据新闻金奖，及其他多个奖项。

Q

北京大学的数据新闻研究生课程建设项目在启动之初是怎样的形态？是如何建立和发展的？

叶韦明：我觉得这要从数据新闻课自身的特点出发，因为数据新闻是一个面向真实世界的课程，而且早期教材系统建设较弱。所以在当时的情况下，我整合多方来源的资料，将它们分别放入“规则”、“工具”和“案例”三个筐里，以学生能适应的方式来展示和传递这些资料。从课程刚开始，徐泓教授就反复提醒我，要有意识反思一个新方向对新闻行业的真正价值，这个理念贯穿我之后所有的教学活动——核查资料真实性、数据分析能力、数字叙事能力在任何时候都有极大价值，这是我们始终需要引导研究生共同探索的。基于这个理念，我在《数据新闻与信息可视化》课程里设计和调适出“规则理念：工具方法：案例实践=2：5：3”的结构，以期末作品为目标，展开重视选题、专业媒体人评估、边学边做的教学模式。并提出“Curious, Critical, Creative and Caring”（好奇、批判、创意、关怀）的“4C”作品理念。

北京大学深圳研究生院在2014年首次开设《数据新闻》研究生选修课。2016年，我同时在北京大学本部开设供全球学生选修的暑期课，每一期学员100人左右。同年，《数据新闻》课程获得北京大学研究生院课程立项建设的支持。

另外，在创建专业初期，为了搭建业界和学界交流的桥梁，我们也组织大量主题开放、包容性强的讲座和工作坊。北京大学深圳研究生院在2016年、2017年办了两次全脱产工作坊，邀请到哥伦比亚大学LEDE项目负责人Jonathan Soma, 迈阿密大学可视化新闻主席Alberto Cairo教授等具有丰富业界经验的教学专家，面向高校教师、学生和媒体一线从业者授课，全免学费，甚至还补贴部分的住宿费。这个时间我们与国内数据新闻业界如黄志敏、吕妍老师建立良好的合作关系，对于国内数据新闻和信息可视化领域来说，可能这是一个开始。

2017年的工作坊学员中不少是北京大学的研究生，他们从经济金融课程学了统计知识，平时也接受过数据分析的训练，这也弥补Soma所说的“数据新闻培训从零开始”的短板。有不少学员反馈，为期40天的全脱产训练营，帮助他们建立起关于数据新闻和信息可视化的基本框架，对于他们之后的继续深造和工作打下扎实的基础。

Q

北大汇丰的数据新闻课程建立之初，是如何定位这门课的？又是如何探索出专业教学体系的？

叶韦明：徐泓老师给我们很多关于教学的建议，比如要让学生“够着学”——如果不努力就能学到的话，效果不会太好；如果是根本够都够不着，学生也可能彻底放弃。所以说让学生“垫个脚尖或者稍微跳一跳能够实现”，是最好的学习状态。

在授课方法上，我会倾向于把一个知识或技能拆分开再教给同学，而不是只给学生看最后封装起来、看起来很好看的作品——后者是经过长期编辑、修改的结果，是一个最终产品。而你需要给到学生的是，后台到底是怎么操作的？每一部分的图表是怎么完成的？它分成哪些类别？哪些图形或呈现方式适合哪些议题？到底应该怎么收集数据和呈现结果？……所以我在课程里会把它们拆开，做一堂一堂分门别类的课程——包括数据收集、数据清理、统计描述、地理信息可视化、社会网络分析等，分专题讲清楚，讲完之后学生再去根据自己的作品需要进行重新封装融合。

关于具体分析技术的教学，有两个难点需要解决。一方面，是教师本人的技术素养，我在意大利交流的时候学了R语言，之后自学Python。另一方面，真正到课堂教学的时候，我需要面对部分学生是零基础的纯文科生状态，需要先打消她们对于技术本能的恐惧和畏难情绪，再传授具体工具，因此我也基于文科同学的特征开发出“翻译+语言逻辑的教学方法”。后来一些新的开放、半开放工具出现，我也在持续的备课过程中测试并引导学生使用。

Q

您认为数据新闻报道教育的核心是什么？  

叶韦明：我觉得是“Digital Storytelling”（数字叙事）。制图就和相机一样，随着技术发展越来越快，它的使用门槛会变得越来越低。所以现在做一个图已经不那么难了，打开网页工具，像花火、Flourish、Tableau都可以画出很多图——统计、可视化的技能变得很容易获得。

“讲故事”可能是人类这么长时间进化下来最重要的本事了——能不能像以前在部落里面点一个篝火一群人围在一起听你讲故事？或者像吟游诗人那样慢慢地把历史的故事传唱出去？这个可能才是面对技术演化，人类最本能、最本真的一个角色。

面对复杂的、变化的、不确定的世界，只有好故事才能给人力量，好故事才能把人团结在一起，而技术可能永远都是一个辅助的工具。我们也看过很多关于“机器与人”的讨论，如果所有事情都是要精确、要重复、要计算的话，人类会觉得自己越来越无力，越来越无能。因为人更擅长的可能是做关联、做想象。会讲故事，可能是人最后能够坚守的那个部分。

如果全部在强调技术维度的话，人类可能会对自己的主体性产生极大的自我怀疑。但是我们是会被一些小的细节感召，会被“意义”这个东西所感动。好故事背后有社会价值、有事实资料、有起承转合、有悲欢喜乐。在不少企业只顾经济逻辑和技术逻辑，忘记社会逻辑而不断引发危机的今天，更需要强调社会价值和社会逻辑。

其实我自己也是在工作七八年以来有了一个比较大的转向，逐渐理解为什么徐泓老师一直在强调“新闻学是人的学问”。我越来越往人群和社会的方向走。所以在最近一两年的数据新闻课程当中，我会花