算法新闻是运用智能算法工具自动生产新闻并实现商业化运营的过程、方法或系统，它包括信息采集、储存、写作、编辑、展示、数据分析及营销等业务的自动化实现。广义的它指包括生产和分发的中运用算法：在生产环节运用算法工具自动生成新闻内容，在分发环节引入推荐算法，在销售环节实现了传者、受众和消费者的聚合，造就了流程更清晰、作业更高效、销售更精准、目标更明确、成本更低廉的业务链条。

值得说明的是，最初算法新闻最初被认为只能够起到简单的数据应用的作用，但是随着算法的发展已经今非昔比，算法新闻已经从体育财经转向政治、经济、社会等多个领域、生产规模不断扩大，并且可能逐渐从文字扩展到视频和音频形态。

2

算法新闻的特征

1.算法软件的引领性

无论是机器人新闻、数据驱动新闻还是机器生产新闻，背后的关键因素仍是算法。正是不断完善的算法技术才使机器写作能力越来越接近人类常规水平，生产可读性较高的新闻，获得受众认可。

2.数据资源的基础性

算法新闻高度依赖数据资源环境，特别是高质量的数据资源，如结构特征显著的数据、精准有效的行业数据和客观真实的最新数据等。故而算法新闻能在天气预报、股票市场、体育赛事等领域率先突破。

3.智能操作的自主性

除前期的程序设计外，现今的算法新闻技术能够在无人干预（或较少人工干预）的条件下自动生产新闻，在采集信息、分析数据、新闻撰写、文章发布及推广等环节均可实现自动化操作。在大数据技术和算法软件的耦合作用下，算法新闻生产运作的高效性优势凸显，在时效性上实现了即时生产、实时发表，在数据分析上实现了准确化运作。在成本上实现了低成本乃至零成本的突破。概言之，在算法新闻的运作系统中，算法程序是核心、数据资源是基础、智能操作是关键。

4.对传统产业链的颠覆性

算法新闻以算法程序对整个新闻传播产业链进行重塑，构建全新的新闻传播业态。在新闻生产框架中以算法工具取代或部分取代记者及编辑劳动，实现自动化生产；在新闻发行框架中以智能推荐营销工具替代传统的物流分发流程，实现自动化发行与营销。

3

算法新闻对新闻传播业的影响

1.对传统新闻生产及运营模式的替代

算法新闻在生产效率、准确性和盈利能力上有显著优势，且能够极大降低成本，可以替代或补充新闻生产及运营的某些环节，如报道、撰写、编辑和发布文章等，它具有人们无法想象的高效率，能迅速处理大容量信息、自动完成定制文章撰写、实现精准推荐等能力。但在一些数据积累偏少或需高度创造性写作的领域，算法新闻尚无法实现。

2.对记者职业的替代

对于算法新闻是否会替代记者职业，目前有两种不同取向。

第一种是可替代论，认为记者职业是可被替代的，传统媒体运营面临成本高昂的困境，它们期待通过算法新闻降低劳动力成本，机器记者具有无酬（或低酬）劳动的优势，记者失业将不可避免。

第二种是折中论或互补论，机写新闻与人写新闻各有所长，机器记者的优势在于精准性、客观性、简洁性和迅捷性，人类记者的优势在于分析技巧、个性、创造力，以及撰写复杂句子与精品新闻的技能。当日常工作可以自动化时，记者将有更多时间进行深度报道，进而实现人机协作或和谐共生。至于记者所依托的传统媒体的发展趋势，有研究认为，未来媒体的生态场景是混合的、多面的，只要报纸积极参与变革，将算法新闻策略融入传统媒体发展战略，这类媒体还会持久存在。

3.传统新闻的价值理念、理论规范和法律法规带来新的挑战

算法新闻排除了人为情感、价值判断等主观因素干预，这是否意味着机器新闻“更真实”？算法新闻着眼于满足受众信息需求，那么，如何凸显媒体的社会责任及舆论引导功能？在算法新闻时代，由机器操控新闻的生产与运营，如何保障新闻自由？此外，如何确保算法新闻的透明度？随着机器新闻写作质量的不断提升，机写新闻与人写新闻的差异正在缩小，但一些媒体机构可能利用这种技术进展，混淆两者的界限，使用机器人冒充人类记者，进而欺骗读者。

除此之外，但机器新闻的法律地位问题有待深入研究。其中最具争议的是机器新闻的作者署名权问题，机器新闻的作者到底是媒体机构、算法研发者，还是记者抑或机器人？有研究者对美国12个网站上的算法新闻进行定量内容分析，并采访了七家媒体机构负责人，发现各方对机器新闻作者署名权的认定并不一致。现有法律如何接纳算法新闻带来的版权问题，还需要深入探究。

瓦叔评论

时至八月，我们的推送也开始越来越长了，因为我们面对的问题不再是最初的一个知识点，而是一类事件。不过有一个思路是一致的：那就是重要的先出。

什么最重要？出题频率高的最重要。摘要里面说“算法新闻”出了20遍，其实可能算少了，这道题从三年以来，可能是50遍以上。你可能没有听过你们学校出算法新闻，因为它有很多“马甲”，比如机器人写作、比如人工智能用于新闻生产，比如自动化新闻……等等。

不过那有些同学会说了，这个题目是旧题目，还会出吗？当然会，但是重点会逐渐不同。以前我们看机器人写作，是笼统的把它当做一个整体的问题来分析。但是现在我们谈机器人写作，既可以和如下的一些方面结合起来了：

万物皆媒的趋势：自动化新闻需要数据，如何获得外界数据？需要对外界持续不断的收集过程，所以未来的新闻一定会需要大量的数据来源，这就需要物联网、传感器、云平台和数据处理技术。反过来，万物都具有了数据收集和处理的功能，这也就是万物皆媒的一部分。

用户数据：如何获得用户数据？那么我们可以通过数据挖掘，也可以通过改变商业模式，让用户提交数据，这就需要对社群的深度运营。所以新闻媒体的另一项趋势就是对用户数据的掌握与深度开发。最后，数据相关，会不会使得受众的隐私权受到损害？会不会把受众转化为无偿提供数据的“数据劳工”？

媒介伦理与公共性：我们日常保证媒介的公共性是靠媒介从业者的专业主义，可是机器生产的数据新闻如何保证专业主义？当算法新闻普及以后，获得大数据的网络公司自身就是最有力的媒介组织，又如何保证他们的客观中立性呢？这些问题不解决，算法新闻的公信力就会遭到质疑。

所以，这个相关的知识点，可远远不能忽视呀。

昨天的推送出了后

很多同学来问：

框架图都发生过什么变化？

经过咱们几个月的复习

相信大家都知道了，

框架是复习的支柱，

也是咱们整个记忆和深度理解的主轴

有了框架，就有了依靠，也有了工具

可是框架包含哪些呢？

我想从最早的框架带大家回顾一下

框架的四个迭代过程

第一代框架

第一代的框架是教科书的目录

目录、小标题和段落标题加一起

呈现了整个知识的逻辑内容

但可想而知，很多地方往往是不准确的

第二代框架

第二代的框架是我们最早的框架图

也是第一次把所有的知识点合起来

放在一张“图”上

第一次能够浏览整个知识体系

但随着知识点增多

它也变得过时了

包括它的改造版本。

第三代框架

第三代的框架是瓦叔今年课上讲的框架图

咱们第一次不仅仅只放知识点在图上

也包括了知识点的复习要点

包括复习的逻辑

那么这个还需要怎样迭代呢？

对，这里就有两个问题

背诵和应用

这是咱们暑期班瞄准的痛点！

昨天的推文和暑期班告诉大家怎么背

而第四代框架图则会告诉你怎么用

不只是几个整体的解题思路

而是详细到每个知识点的应用分析

并且会给大家归类

偷偷给大家展示最新版框架图

许多也许是你从未想到的

例如“芝加哥学派”

你知道它是传播学史的重要知识点

但是芝加哥学派倡导重建共同体的逻辑

其实一样可以用在当下网络传播里！

暑期班，我会把它放到暑期班，教给你！

所以

3天后咱们课堂上见哦~返回搜狐，查看更多