
大数据背后的网络文学:繁荣还是平庸
“在数据背后,网络文学到底是不是一个强大的产业?”网络文学发展的这些大数据表明,网络文学的题材素材,越来越成为电影、电视剧艺术创作中内容题材的来源,并形成自己独特的IP品牌,加上网络文学被改编成其他文化样式,网络文学的产值到2015年可以达到70亿元的规模,这说明网络文学已经成为文化产业的重要组成部分,占文化产值比例越来越大,这越发凸显了网络文学在人们的阅读文化生活中,在艺术创作中,在文化产业中的价值和地位。
我们知道,网络文学一开始被质疑、被视为“垃圾”,但在当下却已经成为作者以数十万计、最活跃、最引人注目的文学形态。从1999年榕树下网站第一次颁奖算起,到网络文学成为重要的文化现象,仅仅花了十多年时间,并且取得了如此的成绩,我们是应该看到网络文学这一方面对文化的贡献的。
但是,正像文学批评界所指出的那样,目前我国网络文学的发展有目共睹,但却存在着数量多、精品少、抄袭模仿这些“大而不强,丰而不富,多而不优,快而不稳”的比较突出的问题。
这表现之一是,网络文学的思想内容品质问题。网络文学很大程度上是边创作、边传播、边消费,这种商业模式决定了有的网络文学作品,为了不断地留住人气,其作者就会想尽各种办法,过于迎合读者口味,写一些感官刺激很强的作品,出现了涉及暴力色情的内容。
这是网络文学的内容审美以及写作导向问题,已被看作是制约网络文学产业越做越强的关键所在。
网络文学作品深受年轻读者的欢迎,但网络文学作品表达的作者的思想趣味、生活态度和对世界的看法,它的思想性、价值取向,对网络读者尤其是青少年读者的价值观会产生不小的影响,也正因此,对网络文学作品,我们需要加强文学方向,思想内容方面,审美格调方面,精神趣味和价值方面的积极、正确、鲜明的引导,网络文学在其发展过程中在品格、道德伦理、审美方面应体现出新追求。
在我们的文学生活中,网络文学一直是处在文学界激烈争议的漩涡中。网络文学处在今天这样一个浮躁的时代,充满喧嚣的商业消费文化,纷繁多变的多元价值观念、流行时尚,构成了网络文学的生存环境和文化情境。这种外在环境决定了一些网络文学作家、写手的写作心态。他们所追求的网络写作往往是急功近利,获得点击率,赢得不错的商业收益,得到纸质文学的认同,获得出版市场,以至一些堪称优质的大数据分析作品和具有创作潜能的作者被湮没。这正像有的文学批评家所说,当前网络文学以类型化小说为盛,较为单一,“但我们期待的更加个人化的风格尚未出现。”还有就是,“点击率”、“流水作业”、“炒作”与网络文学如影随形;许多网络文学作品题材雷同、情节拖沓、文字累赘,抄袭模仿盛行。这是我们必须看到的网络文学的现状。
这也正是我们的文学批评界,这次网络文学论坛上,对网络文学提出的批评,网络文学在思想深度、精神信仰、艺术表现和审美原则方面存在着许多问题。近些年来,我们看到有的网络文学作家、写手出版的网络文学作品,动辄几十万册,获得了大量读者的阅读和追捧,但这仍然无法掩盖如今网络文学的思想、精神、文学性、艺术性和创始性力量方面的欠缺。
我们盘点网络文学的发展,也在思考和寻找衡量优秀的网络文学的标准。内容高雅优美、笔触精致、富有文学表现力和艺术审美魅力,这从来就是一个衡量优秀文学艺术作品的重要标准。所以,网络文学的发展方向,就是必须具有鲜明、坚定、高远、宏大的文学精神的坐标,不断提升文学的品位,超越网络文化流俗,超越它的平庸、苍白和低俗,坚持文学性和艺术性的不懈美学追求,并成为自觉的精神意识、文化意识、创作意识。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10