
大数据时代:探索国家形象研究新路径
“世界怎样看待中国”、“中国有着怎样的国家形象”,近年来关于中国国家形象的问题受到社会各界的关注,推动这一关注的动力源于30余年来全球化进程为中国经济、政治和社会生活带来的深刻变化,源于中国与其他各国在经济、政治和观念联系网络中的重新定位。
在12月21日于上海交通大学召开的2015年度国家社科基金重大项目“大数据时代中国形象挖掘的理论、方法和应用研究”开题报告会上,与会学者提出上述观点,并认为在更为开放的世界网络形成过程中,中国更深入地融入与世界各国的交往之中,在此背景下,了解世界怎样看待中国有着深刻的现实意义。
国家形象建构研究尚有很大空间
上海交通大学人文艺术研究院教授葛岩表示,了解他国对中国的看法,捕捉并应对中国国际形象的变化,对于中国处理外部事务和本国事务都是重要和紧迫的任务。
随着中国与其他国家经济关系日趋紧密,文化交流逐渐深入,中国国际形象成为我国传播学、政治学和国际关系学研究者十分关注的论题。在香港城市大学数据挖掘实验室教授祝建华看来,相关论文数量之多、论题分布之广泛,反映出我国学术界关注中国国际形象的热切程度。
“国家形象的建构是双向的”,中国社会科学院社会学研究所研究员杨宜音表示,在社会心理学中,形象的形成与管理属于社会认知范畴,即自我如何被他者所认识,如何管理他者对自我的认识。在国家形象传播过程中,存在传播者与受众的持续不断的互动,涉及传播者如何传播信息、受众如何接受并反馈信息、传播者根据反馈修改传播策略等管理措施,如果这一过程中双方达成一定程度的共识,形象传播就可被认为是良性的。而对国家形象建构过程的研究,尚存在很大的空间。
为国家形象传播决策提供支撑
国家形象传播战略和策略的提出和有效实施,应该是国家形象研究的最终目标,而任何传播决策都需要获得坚实的基础。葛岩认为,我国的国家形象研究分布在理论、测量、分析和对策建议四大方面,数量巨大,亦不乏优秀成果,但因信息搜集有限,分析手段不足,对策建议常会失之于空疏,未能符合决策理论的基本要求,是国家形象研究现状中显见的不足之处。
“国家形象传播战略和策略决策需要源于事实,并接受事实的检验。”祝建华认为,无法验证的决策是无的放矢、纸上谈兵,还可能为国家形象带来负面影响。然而,恰是在国家形象传播决策支持方面,我国的研究有明显未尽如人意之处。
“我们缺少基于大量数据的国家形象传播决策的支持系统。”葛岩表示,目前的研究中,决策建议主要来源于使用文本阅读和案例分析方法的研究。使用文本阅读方法的研究,有可能发现尖锐的问题,但缺少足够事实的支持或者难以检验其有效性。基于少数案例的研究可以详细剖析某种现象的原因和机制,但无法说明个别案例是否具有普遍性。
复旦大学新闻学院教授廖圣清建议,当前国家形象研究亟须建立决策知识系统,而这一系统的重要组成部分就是案例库,通过案例分析与研究支撑决策知识系统,这一案例库可以以英语系统为代表,延伸至其他语种,成为多语种的案例库。
大数据为国家形象研究提供新的可能
在大数据时代,通过新媒体,普通人可以直接参与到对国家形象的建构之中。如此大规模制造和传播的信息,对国家形象研究而言,传统的文献阅读和内容分析方法显然已不足以应对。因此,祝建华认为,有效的国家形象传播对策,需要对大量的、多种条件下采集的相关数据做出分析,获得国家形象现状、变化和走向在不同条件作用下的发生概率。如何采集信息,并从中发现有关中国形象的内容是研究者面临的最基本挑战。
不断改善的数据搜集、储存和处理技术提供了处理有关国家形象信息的新的可能。葛岩认为,一方面,大数据不但为科学抽样提供条件,而且长达十年、数十年的数据,也为更加全面客观的国家形象研究提供了可能。另一方面,大数据时代的技术手段可以帮助管理者及时追踪有关国家形象的舆论事件,采集大量的数据,使用多种决策模型,为选择及时、有效的应对策略提供依据。
“这是大数据时代带来的机遇,也是弥补目前国家形象研究不足之处的突破口。”葛岩表示,大数据时代为中国形象研究带来了挑战。能否科学、客观地从海量数据中提取、处理和分析有关中国形象的代表性信息,发现这些信息的传播规律,提高国家形象管理水平,是将挑战转化为机遇的关键所在。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13