判断题 大数据时代的媒介反思2013年可谓是大数据之年，所有人都对“大数据”未来的应用充满美好期待，产生无限遐想。那么，对于新闻传播行业而言，我们刚刚从传统新闻生产时代迈人了融合新闻生产时代，是否又要进入大数据新闻生产时代了呢？我们的确需要以一种宽广的胸怀热情欣赏大数据的巨大威力和魅力，但也必须以更加客观、理性的态度勇敢地承认大数据运用存在一定的局限性和风险性。一、警惕大数据的风险“大数据”作为一个全新的概念，从提岀到现在尚不足3年时间。在如此短暂的时间迅速走红的“大数据”，其实还并不完美。《大数据时代》一书的作者维克托.迈尔-舍恩伯格(ViktorMayer-Schonberger)在接受专访时就一再表示担忧，“大数据会被过分炒作，它的作用可能被夸大，好像一切都突然成为大数据所能解决的问题。而事实上大数据只有在没有噪音、没有无用数据的情况下才能被很好地发挥作用”®。《驾驭大数据》一书的作者比尔•弗兰克斯(BillFranks)也在其书中发出警告：“大数据可能会带来风险，企业可能会因为大数据的快速增长而变得措手不及、不堪重负，从而停滞不前。而与此同时，绝大多数的大数据都是无关紧要的。”®移动和社交数据分析公司Kongagent的总裁及首席科学家J0ShWilliams还在演讲中一口气列出了大数据的七宗罪(懒惰、忽视、过量、分歧、轻率、傲慢、麻木)，并认为“很多企业的大数据项目不成功都是因为陷人了大数据的错误陷阱”。当然，这并不是想证明大数据对媒体不重要，而是想以此提醒媒体需要引起警惕，当前大数据无论在采集、挖掘还是在分析、解读和利用等各个方面，都处于一个逐步摸索和不断完善的过程之中。在这个过程当中或许可以产生“大知识”“大科技”“大利润”和“大发展”，但同时也必然伴随着“大风险”。因此，即便新闻媒体处于信息传播的前沿行业，也需要权衡利弊、谨慎为之，不可操之过急。二、警惕大数据的盲从大数据是高度自动化的信息采集、存贮、挖掘和分析系统，这种数字化的机器设备可以帮助人们监视社会的细微变化、分析社会的未来发展走向。英国学者尼思•内尔•丘基尔和维克托•梅耶-舍恩伯格在美国《外交》杂志撰文指出：“大数据正在帮助提高民主政府的透明度。一个建立在‘开放数据’概念上的运动已经形成，其诉求超岀了目前在发达民主国家已经十分常见的信息自由法。”“在政府推动使用大数据的同时，它们还需要保护公众免受不正当市场垄断的侵害。”对于媒体而言，大数据时代的“计算机辅助报道”(ComputerAidedRepor-ting)已经成为人们挖掘新闻、解释新闻、报道新闻的新方法。彭兰教授在论文中就曾举了美国Narrative公司的例子称：“这家只有30名员工的美国公司.通过独创的NarrativeScience算法，大约每30秒就能够撰写出一篇新闻报道。且该公司的首席技术官克里斯蒂安•哈蒙德(KristianHammond)还认为，未来几期生成的新闻将占到媒体新闻的90%，并将在未来5年内，这样的新闻有可能获得普利策新闻奖。”®面对克里斯蒂安•哈蒙德的预测.媒体似乎并不应该感到有太大的惊讶.因为这样的例子在未来必然会越来越多。即便在当下，只要你给谷歌新闻指定一个关键词，谷歌就可以每天为你量身编辑一组新闻，并直接投递到你的电子邮箱，而筛选编辑的整个过程无须任何人为的干预。这些似乎都预示着未来的新闻从业者们将变得非常轻松，机器可以协助我们挖掘新闻、分析新闻、撰写新闻、编辑新闻和发送传播新闻。对于大数据介人融合新闻生产的发展趋势，我们需要担忧的也许并不是某一天这些冷冰冰的机器可能会完全替代我们，而是即便我们不被替代.我们可能也已经完全依赖和屈从于这些机器生成的新闻和报告。数字化和网络化高度发达的今天，已有这样的少数记者，他们越来越多地在新媒体和网络虚拟空间中搜索新闻和发现新闻，越来越少地走出办公室深入社会底层或新闻第一线去用自己的眼睛和耳朵寻找新闻。所以，媒体需要警惕的是，不要让大数据的便利培养出懒惰、轻率、傲慢、麻木的新闻生产者，大数据或许可以越来越详实地揭示社会现实、分析社会动态和预测发展趋势，但它始终不可能揭示人们内心细腻而丰富的情感，也不能代替新闻从业者现场的直观感受和判断。三、警惕大数据的垄断各行各业都需要大数据，但各行各业其实都想垄断和独享数据。普遍的观点认为：“由于数据分散在各行各业，大数据时代可能不会出现4数据垄断’现象„因为，要让数据真正发挥作用，需要数据的开放，甚至让数据可以像商品和货币一样互相交换流通。”®0’Reilly媒体公司的创始人和CEO蒂姆.奥赖利(TimO’Reilly)在接受《福布斯》杂志采访时也提出了类似观点，他认为：“数据垄断的可能性是真实存在的，但是会受到不断创新的数据收集方式的抑制。”也就是说，大数据虽然可以被比喻为“金矿”，但这个“金矿”在几年前还并不存在，在未来还会有更多的“金矿”不断涌现，那么想要去垄断这些现有的和未来将不断出现的“金矿”显然非常困难。但这并不妨碍大数据领域的竞争，IBM、微软、甲骨文等IT行业的大佬们都已经摩拳擦掌，纷纷投人人力和财力进行布局。“IBM新任CEO罗睿兰(GinniRometty)更是提出观点认为，数据是下一个巨大的自然资源，将会区分每个行业的胜者与输家。这一观点得到了业界的广泛认可，并由此引发一场关于大数据的军备竞赛。”@这场角逐的焦点并不是垄断大数据资源本身，而是开采这座“金矿”的技术和设备。通过技术和设备的研发和占有实现数据的垄断，这正是值得媒介警惕的地方。用数据特别是分析数据说话，是数字化时代的媒介特征。传统新闻生产显然也有一定的小数据挖掘和分析能力，譬如区域性的抽样调查、个案的分析报道。但是，在大数据面前，媒介的这些小数据处理技术和能力就变得无足轻重。大数据是一座“金矿”，但挖掘“金矿”的技术和设备门槛已经将一般媒体挡在了门外，政府机构、网络公司、国家通讯社、大型媒体和专业的数据分析企业才拥有打开这座“金矿”的钥匙，而一般地方媒体和小型媒体可能都不知道其是如何挖掘和分析的，甚至连质疑的资格和权利都没有。事实上，在很多关于国家或地区宏观经济数据的分析报道中，一般媒体已经处于这样的魈尬境地，没有数据，没有设备，没有分析工具和技术，“嗟来之食”成为新闻生产者们唯一的选择。

判断题 弘扬主旋律，就很难做到文艺的多样化。

判断题 抽样:抽样是指一种以概率论为基础，按随机原则从被研究的总体中，抽选部分单位进行调查，并根据调查结果进一步估计和推断总体特征的一种非全面统计调查方法。抽样可以分为随机抽样和非随机抽样。针对调查对象的性质、研究目的和工作条件的不同随机抽样通常采取四种形式：①简单随机抽样——按总体原有状况，不加任何限制，保证各个单位以及单位的各种组合都同等可能被抽到；②等距抽样——在已排有一定顺序的总体单位中，每隔一定间隔抽取一个单位，组成样本进行观察；③分类抽样——根据事先了解将总体单位预先分类，使各类之内的单位性质尽量接近，从每类之内按一定比例随机抽选调查单位，共同组成样本；④整群抽样——以包含若干调查单位的群作为抽样单位进行抽选。

判断题 稿件中出现错误类型举例：1.作者原来的手稿文字错误。出现这类问题的原因有一是作者对个别文字掌握不准，写作时写错；二是作者自造字；三是作者笔误，误将此字当彼字；四是作者书写较草或书写不规范，容易被误认，进而误排为他字；四是作者剪贴稿中原有的错误。录入时录错。2.引文有误。书稿中引用其他人著作、讲话以及教材中内容等等，一定要完全准确无误，一个字、一个标点都不能错。因此校对时最好找到原文，进行认真核对。3.名词、术语不统一。例如，图像，存在一本书中“图像”“图象”两种写法，一般应与教材用法统一；再如“做出”“作出”前后用法不统一等。“看做”“当做”错为“看作”“当作”，“称作”错为“称做”。4.标点符号用法不规范。例如，逗号、顿号不分，作者用笔一点，既不像逗号，又不像顿号，还像句号。因此，校对时要仔细按着文字内容一一分辨，加以更正。5.漏行、漏段。一般也存在两种情况。一种是作者剪贴稿中原本就是错误的。另一种是录入时遗漏，只要我们在校对过程中仔细、认真地对照原稿，一般都能发现。6.多行、多段。这类错误一般也存在两种情况。一种是出现在剪贴稿中，如“汉语中的虚词大多数是单独使用的，也有成对配合使用的。它们的搭配合使用的。它们的搭配具有一定规律……”，此句话中红色部分应删去。这类错误有的较易发现，有的比较隐蔽，需仔细分析句意。总结，错误有十大类型：1）文字错误，2）词语错误，3）语法错误，4）标点符号用法错误，5）数字使用错误，6）量和单位使用错误，7）版面格式错误，8）事实性错误，9）知识性错误，10）政治性错误。

判断题 减少副词、修饰性词语的使用，多使用动词。除非可以出示确凿证据，不得使用“最大”、“最好”、“最坏”、“最多”等最高级形容词。()

判断题 在“女汉子”一词中，“女人”与“汉子”之间的对立不是静态的二元对立，而是一种在张力作用下的滑移过程。

判断题 旁观性观察：旁观性观察，又称非参加性公开观察，是指记者亮明身份，直接在现场进行目击采访，从观察者的角度来审视现场情景和事件的发展。这是最经常、最普遍采用的方式。在这种观察中，记者一般不参与现场活动，也不介于争端，只是用眼睛像摄像机那样，机灵而客观地“摄取”现场的各种情景。

判断题 互联网上多种思潮激荡1、新自由主义思潮2、新左派思潮3、民族主义思潮4、民粹主义思潮5、文化保守主义思潮6、新消费主义思潮