大數據時代對傳媒經濟研究的影響(1)_數據分析師

自2012年開始，大數據開始成為包括新聞傳播學在內的學術界共同討論的熱點話題。2008年，《自然》雜志組織推出了大數據專輯，2011年，《科學》雜志也推出大數據研究?？?。麥肯錫咨詢公司在2011年發布了大數據研究專題報告《大數據：下一代創新、競爭和生產的前沿》，聯合國在2012年也發布了“大數據的挑戰和機遇”的調查報告。在大數據趨勢的推動下，奧巴馬政府在2012年推出了“大數據研究與開發計劃”，該計劃投資額超過2億美元。歐盟也于2011年提出了數據開放戰略，要求每年增加400億歐元的公共數據，并在2017年實現利潤1000億歐元。

　　大數據對傳媒業產生了革命性的影響，其實，不僅傳媒行業會受到大數據帶來的影響，大數據也對傳媒學術研究產生巨大的沖擊和挑戰。目前已經有學者開始就大數據對傳媒研究的影響進行了初步分析,但總體而言，新聞傳播學界對大數據的研究偏重于現象描述和情況介紹，對大數據給學術研究帶來的挑戰和學術創新問題的研究卻較少?；诖?，本文以傳媒經濟研究為對象，考察大數據對傳媒經濟研究帶來的挑戰，為大數據背景下傳媒經濟研究的發展提供行動路線圖。

　　大數據對傳媒經濟研究帶來的挑戰

　　傳媒經濟學的理論背景來自經濟學，包括微觀經濟學理論、產業經濟學理論、制度經濟學理論等。有學者認為，大數據在研究對象、研究工具、研究理論和研究方法等方面對傳統經濟學形成了沖擊，由此提出大數據經濟學（Big Data Economics）概念，認為應該運用大數據思想對傳統經濟學進行深化研究。在傳媒經濟學研究方面，大數據在研究范式、研究理論、研究方法、研究工具以及研究對象等方面都會對既有研究產生沖擊，傳媒經濟學研究面臨著理論創新的挑戰。

　　1.研究范式

　　按照庫恩的界定，范式是一個學術群體中大部分成員共同認可的一整套前提假設，是學術共同體公認并共享的世界觀。傳媒經濟學基本遵循著新古典主義經濟學的研究范式，新古典主義經濟學的核心是理性人假設。理性人假設認為人是追求自身效用最大化的理性個體，在制定每一項決策時都會嚴格按照成本收益比進行考量和計算。但批評者指出，完全理性假設在現實中并不存在。在現實中，一方面，搜索信息需要花費巨大的時間成本和精力；另一方面，人們缺乏分析和處理巨量信息的工具和方法。因此，人們只會搜索有限信息，以此作為決策的依據，這就是有限理性假設。

　　有限理性假設比完全理性假設更加接近現實，但這兩種假設有著共同的前提，即個體對信息的搜索和處理需要巨大的成本。因而，決定采用完全理性假設還是有限理性假設時，主要是比較獲取信息的成本和從信息中得到的收益：當信息收益大于信息成本時，繼續搜尋信息，逼近完全理性假設；當信息成本等于或大于信息收益時，停止信息搜索，按照有限理性假設采取決策。

　　在大數據環境下，理性假設的前提遇到了挑戰，大數據技術極大地減少了受眾搜索信息的成本，受眾可以輕而易舉地獲取決策所需的各種信息，并利用數據處理技術對信息的收益進行計算，在此基礎上作出決策，這使得有限理性范式失去了解釋力。同時，信息成本和交易成本的大幅下降，使網絡空間出現了許多新的組織形態和交易形式，如以分享、合作為主題的維基百科、開放源代碼、網絡共享等，這些新的組織形式無法用理性范式進行解釋，如果從理性的角度計算成本收益關系，那么人們沒有動力進行網絡分享與合作。然而，這種“無組織的組織力量”在今天的互聯網世界越來越常見。這些大數據時代的新現象很難用理性范式進行解釋，我們需要用新的傳媒經濟學研究范式解釋這些行為和現象。

　　2.研究理論

　　在研究理論上，大數據時代的傳媒經濟研究不僅需要經濟學理論，也需要社會學理論、網絡科學理論等其他學科理論。傳統的經濟學理論中，個體脫離了所屬的社會結構和社會群體，研究者忽視了社會關系、人際傳播、社會結構因素對個體的影響，脫離個體所鑲嵌的社會情境因素來考察個體，犯了“低度社會化”的錯誤。在傳媒經濟理論中，無論是生產者還是消費者，他們的生產行為和消費行為都是黑箱，我們不知道生產者和消費者是如何做出生產和消費決策的，哪些因素產生影響、如何影響等一系列問題都處在黑箱中。

　　在大數據的幫助下，研究者可以借助于社會學理論和社會網絡研究理論，把個體納入到一定的社會結構和社會情境中，考察個體鑲嵌其中的社會關系因素如何影響個體的媒介接觸和媒介消費行為，研究影響個體行為的各種因素及其影響機制，揭開人們媒介接觸和媒介消費行為的黑箱，從而發展出能夠揭示傳媒經濟行為一般規律的理論。

　　3.研究工具和方法

　　傳媒經濟學主要的研究方法包括抽樣調查、內容分析、假設檢驗、實驗研究等，盡管這些方法有其優點，但它們的缺點也是顯而易見的，這些傳統方法都無法對海量數據進行分析，在大數據面前，這些傳統方法基本是無能為力的。

　　以抽樣調查方法來說，在大數據來臨之前，受制于研究條件和數據可得性，研究者只能對有限的數據進行抽樣，通過對有限樣本的分析推斷總體的狀況。抽樣分析的前提是所抽取的樣本能夠代表總體，但在研究中很難使樣本能夠完全代表總體，樣本與總體總會存在一定的誤差，抽樣調查的價值也因此打折扣。在大數據時代，可以直接對總體數據進行分析，而無需通過抽樣調查來估計總體狀況。同樣，內容分析法也是基于抽樣分析，通過抽取樣本對媒介內容進行研究。實驗法也是對少數受試者施加試驗刺激，通過與對照組進行比較研究，觀察實驗刺激產生的效果。這些傳統方法都是小數據時代處理信息所采用的方法，并不適用于大數據環境，大數據需要學者設計運用新的研究方法與研究工具。