新冠疫情中的数据新闻研究——基于知识生产的视角

从知识社会学视角看,新闻是一种知识,处于知识连续区中。新冠疫情期间的数据新闻可被分为呈现型、解释型和预测型三种,前者生产偏向"熟悉性"的知识,后两者生产偏向"理解性"的知识。而在这一场突发公共卫生事件中,数据新闻价值体现在知识生产、知识管理和知识共享上。

议题、情绪和话语:新旧媒体交织演绎的肺炎舆情史

本文以重要的防控措施和社会事件为参考节点,将2020年1月10日至2月21日分为九个时间段,并在各个时间段内对以"肺炎"为检索词的1756万条数据(微博数据17112409条,报刊报道数据452521篇)分别进行聚类分析,从报刊和微博两个维度探究疫情中的舆情焦点和情绪变化。本文发现,微博对于现实世界给予更迅速更直接的反馈,公众热议的话题也和当下热点事件紧密相关,报刊关注的议题更倾向于防控和修复;微博的语词总体更情绪化和民间化,报刊的语词总体更理性和规范。本文还根据时间发展对两类媒体中主要议题及其引发的舆情话语的变化情况进行了梳理。