在发达的数字媒体上有很多有趣的学术研究的文章，但我们精力有限，无法一一阅读。美国东北大学新闻学院助理教授John Wihbey帮我们完成了这个工作：在过去的四年里，他每年都会整理数字媒体上最棒的内容，并收藏在记者资源库项目中。今年也不例外：
连续四年，我们通过一些走访学者、新媒体人士以及全国的许多记者，给出了非常不科学的“最佳榜单”，列出每年在数字新闻和社交媒体领域最棒的研究。有趣的研究层出不穷，但我们还是希望，这份榜单可以涉及更多的领域和更丰富的内容。
刊载于Digital Journalism
编辑：Seth C. Lewis
在大数据背景下的这个“特殊问题”涉及了大量文献，很多学者也参与到了其中（包括尼曼实验室的诸多成员，如Lewis、Mark Coddington、 C.W. Anderson以及Nick Diakopoulos等。）其主题从自动化新闻算法，认识论，再到经济学都有所涉及。
Lewis在引论中写道：“无论人们怎样评说大数据，我们都已进入了这样一个时代：人们收集、整理、分析数据，数据同时又驱动着算法和量化的不断进步。在相互促进中，人们对于媒体、科技和社会交织的大环境有了更深的理解。”
原文链接：http://www.tandfonline.com/toc/rdij20/3/3
皮尤研究中心
作者：Maeve Duggan
实时通讯正在慢慢“吞噬”和改变整个世界。广义上讲，微信、WhatsApp、Facebook Messenger、Snapchat和Wichr等都属于这个范畴，近几年，实时通讯的增长速度远超过社交网络。皮尤发布过许多调查报告，但这是其第一份真正聚焦通讯行业的报告，它显示了即将到来的数字通讯时代。
报告中的一些数据非常值得关注：在18-29岁的智能手机用户中，49%安装了实时通讯的App，这些应用程序在年龄大一些的用户中同样流行，30-49岁以及50岁以上的用户分别有37%和24%安装了移动通讯应用程序。
原文链接：http://www.pewinternet.org/2015/08/19/mobile-messaging-and-social-media-2015-main-findings/
哥伦比亚大学新闻学院数据新闻研究中心（Tow Center）
作者：Caitlin Petre
这个研究着眼于考察网站流量和用户数据对于内容有怎样的驱动作用，报告展示了读者数据左右决策的危险性和复杂性。“死盯文章的阅读量的记者不在少数” Petre指出，但是分析结果似乎并没有支持“用户数据对于新闻业有驱动作用”这一很多人都相信的结论。
她同时给出了很多建议：
“新闻编辑部应该从日常的工作出发，多多反思。”
“当新闻机构需要对数据进行分析时，不要仅着眼于现成的工具，还应该尽量选择和本媒体价值观、战略目标更相符的分析机构。”
“新闻机构、分析公司、投资者以及媒体研究者都应该反思，哪些新闻报道中常出现，我们也常关注的指标却很有可能阻碍新闻媒体的发展。”
原文链接：http://towcenter.org/research/traffic-factories/
德克萨斯大学奥斯汀分校
作者：Natalie Jomini Stroud、Alex Curry、 Arielle Cardona、 Cynthia Peacock
这是一个非常有针对性的实证研究，关注了新闻网站的UI和UX设计。研究表明，网站布局在审美或者功能上的优化对于网站流量有很大影响，在某些案例里，流量增长甚至达到了90%。
研究对比了两种网站，一种主题简洁、注重图片，另一种更倾向于传统印刷的布局，前者则更有利于读者回忆起新闻报道的内容。网页布局很关键，它决定了读者浏览和回忆内容的方式，总的来说，研究结果支持新闻机构在其主页上进行改革，不断尝试更现代，更优化的设计。
原文链接：http://engagingnewsproject.org/research/news-presentation/
哈佛大学肯尼迪政治学院，Shorenstein政治与公共政策研究中心
作者：Matthew Hindman（乔治华盛顿大学）
这篇文章不仅是对当地媒体现状的实证研究，还探讨了应当如何做的问题：典型的地方报纸的网站获得的关注量大约是人均每月5分钟，还不如地方电视台一个小时的量，地方报纸的网站投入产出差距很大。Hindman指出，对于地方媒体的网站来说，任何成功策略的最低标准都是增加读者，这和报纸要保证订阅量一样重要。
他建议，网站应该着眼于个性化定制，并优化社交媒体上的内容。“报纸的处境比记者和编辑意识到的还要糟糕。怎样优化内容，增加读者访问次数，提高用户粘性是目前最应该考虑的。”“我们要重新考虑报纸的优化：不是流量的增长，而是用户的增长。用户粘性增加一点点，其效益随着时间的推移也将变得十分可观。”
原文链接：http://shorensteincenter.org/wp-content/uploads/2015/04/Stickier-News-Matthew-Hindman.pdf
哈佛大学、麻省理工学院、密歇根大学
刊载于IEEE可视化和计算机绘图会刊
作者：Michelle A. Borkin、Zoya Bylinskii、Nam Wook Kim、Constance May Bainbridge、Chelsea S. Yeh、Daniel Borkin、Hanspeter Pfister、Aude Oliva
这项研究为数据新闻可视化提供了一些有用的见解，比如在对信息进行可视化时，配上说明性文字对于读者理解内容本身更有帮助。研究人员用一些已发表的可视化作品进行了实验，发现小标题和文字内容可以在很大程度上帮助读者记忆图表的内容。
不论你喜不喜欢，好的图表的确会加深你的印象，研究表明，成功的数据可视化关键是“简洁清晰的呈现、高效率的说明文字和注释、并将读者的注意力引向重要的细节；用有效的视觉方式和叙述方式帮助读者记忆和回想。”
原文链接：http://vcg.seas.harvard.edu/files/pfister/files/infovis_submission251-camera.pdf
Facebook、密歇根大学
刊载于《科学》杂志
作者：Eytan Bakshy、Solomon Messing、Lada Adamic
这篇文章谈到了一个关于算法对于读者形成“信息茧房”的争论话题。每个公司都要开发自己的算法，这看似奇怪，但对于公司来说，这是一个动态的、复杂的软件系统。研究人员发现，虽然算法可能是基于自由开放或者是保守倾向来对信息进行过滤的，但最终的结果却并没有什么差异：经过了不同算法的筛选后，各平台上的融合性观点都有所减少：保守者看到的内容和他的朋友分享的内容相比，融合性观点要少5%左右，而自由主义者的这一数字是8%。
另外这个研究还考察了一些利于各种思想交流的算法，比如评论区的设计。总的来说，这项研究为算法的设计和讨论作出了一些贡献。
原文链接：http://www.sciencemag.org/content/348/6239/1130.abstract
纽约大学
刊载于《心理科学》
作者：Pablo Barberá、John T. Jost、Jonathan Nagler、Joshua A. Tucker、Richard Bonneau
这项大数据研究加入了Twitter上一个持续了几年的关于意识形态隔离的话题。其样本规模非常庞大：将近四百万Twitter用户和1亿5千万条推文。研究发现，意识形态隔离（也就是人们熟知的物以类聚，人以群分）在政治问题和全国的事件中表现得更为明显。另外不论是否和政治有关，自由主义者都比保守主义者更容易接触到跨意识形态的信息。而之前的一些研究则可能夸张了社交媒体上意识形态隔离的效应。
原文链接：http://pss.sagepub.com/content/26/10/1531
霍普大学、利哈伊大学
刊载于《新闻与大众传播》季刊
作者：Mi Rosie Jahng、Jeremy Littau
这项研究基于一个涉及150名学生的实验，研究表明在Twitter上与读者互动更多的记者倾向于拥有更高的可信度。很明显，这项研究会受到其样本的限制，但其结果耐人寻味：仅仅是回应读者这一动，作竟会提高记者的声望。
但是2015年Jayeon Lee of Lehigh做的另一项关于Facebook上记者互动的研究得出了一些相反的结论：记者在社交媒体上的互动是一把“双刃剑”。从媒体的专业性来看，读者更多的参与反而会降低记者以及其新闻作品的效果。
原文链接：http://jmq.sagepub.com/content/early/2015/10/09/1077699015606680.abstract
德克萨斯大学奥斯汀分校、普渡大学、怀俄明大学
刊载于Journal of Computer-Mediated Communication
作者：Natalie Jomini Stroud、Joshua M. Scacco、Ashley Muddiman、and Alexander L. Curry
这项研究着眼于新闻记者如何通过评论线推动更丰富、更理性的公民话语。研究的优势在于它利用了现实世界进行了实地研究和随机化过程。结果发现，记者的参与和更高水平的文明程度以及评论中更多论据的使用有相关性。
总的来说，这项研究表明，单个个体对于在线公共评论空间可以产生一定影响。至于推进公共讨论的目标，这项研究提供了一个可以操作的方案：增加新闻记者对公共评论的参与。
原文链接：http://onlinelibrary.wiley.com/doi/10.1111/jcc4.12104/abstract
本文由百度新闻实验室（baidunewslab）独家编译，原文载于www.niemanlab.org，版权归原作者所有，转载请注明来源。
编译：刘建坤
|
