
大数据背后,网络文学丰而不富
探讨70亿元产值规模背后的内容、受众与管理
截至2014年底,一共已有114部网络小说被购买影视版权,成为热门IP,网络文学迎来了大好时机,但目前连“什么是网络文学”都并未形成统一定义,这种繁荣背后的诸多问题也值得探讨。
网络文学越来越成为文化产业中的焦点。截至2014年底,一共有114部网络小说被购买影视版权,有90部计划被拍成电视剧,24部被拍成电影。据市场第三方统计,到2015年网络文学的产值规模能够达到70亿元。
这样一片大好的数据背后,是否意味着我国网络文学的发展已然成熟?
值得注意的是,对于“什么是网络文学”,就没有形成统一意见。比如诞生于弄堂网文学板块的金宇澄长篇小说《繁花》是否算作网络文学?华东师范大学中文系副教授黄平告诉早报记者:“会在定义上产生分歧,也说明了我国网络文学发展还不成熟。”
9月24日至25日,“首届中国网络文学论坛”在上海举行,对网络文学的内容、读者到管理状况展开了一一探讨。
内容:参差不齐并以类型化小说为主
在会上,“内容良莠不齐”成为与会者口中出现频率最高的字眼。阅文集团CEO吴文辉认为网络文学已进入了繁荣发展阶段,但他坦言也出现了作品数量多、精品少、抄袭模仿等屡禁不止的问题。
上海作协副主席、上海网络作协会长陈村表示,网络文学一开始被质疑、被视为“垃圾”,但在当下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,网络文学成为重要的文化现象仅仅花了十多年时间。
“网络文学向来不缺内容,但泥沙俱下,许多作品题材雷同、情节拖沓、文字累赘甚至涉及暴力色情,而堪称优质的作品和具有创作潜能的作者往往被湮没。”在陈村看来,这是制约网络文学产业越做越强的关键所在。同时,陈村表示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。”
黄平则向早报记者表示网络文学目前最大的问题在于“内容模式化、同质化严重”。同时,他认为网络作家有一种身份焦虑,他们急于在文学体系中找到合法性。
受众:缺少针对读者群体的研究
截至2015年6月,我国网络文学用户规模达到2.85个亿,占网民总体的42.6%,其中手机网络文学用户规模为2.49亿,占网民总数42%。在江苏作协党组成员汪政看来,网络文学与传统文学并不一样,尤其要加强对网络文学读者(用户)的研究:“他为何点击、为何欣赏、为何乐于做粉丝?”
黄平也表示:“今天网络文学研究的关键不在文学本身,而在于它面对的读者群 。”黄平告诉早报记者,从受众层面分析,和网络文学并列的应该是美剧或好莱坞电影。他分析,如今网络文学读者群呈现“高度青年化”特征,因为青年群体能在其中得到宣泄。“比如‘霸道总裁’系列,在传统文学中是找不到的。”黄平认为若要有所倡导,就要注意把倡导的核心价值观和青年一代的想法贯穿起来。
“现在我们对网络文学读者群体的研究比较少。”在黄平看来,以往纯文学中的“作家、作品研究”未必是研究网络文学的最好办法,但研究机构里针对读者的研究方法又尚未成熟。
管理:规范发展是根本目的
据新闻出版管理部门的科研机构统计,目前我国数字出版产业达到3387亿元的产值规模,以网络文学为代表的网络出版物也已成为数字出版发展的主力军。“在数据背后,网络文学到底是不是一个强大的产业?”国家新闻出版广电总局数字出版司网络出版监管处副处长程晓龙认为,目前我国网络文学“大而不强,丰而不富,多而不优,快而不稳”。
程晓龙比喻,不少网络文学企业还挣扎在生死线上,不少作家还徘徊在温饱线上,不少作品还游走在存亡线上。他说:“当我们审视网络文学发展的时候,还必须谈论规则的问题、管理的问题。”
会后程晓龙接受早报记者采访。对于网络文学管理,他认为首先要研究网络文学的发展规律,“网民写作大多出于对文学的热爱。在网络文学发展的十多年中,我们没有认真地审视过网络文学的发展是否合理、有序。”
“有的网络文学作品过于迎合读者口味,写一些感官刺激很强的文章。这跟商业模式有极大关系。因为网络文学很大程度上是边创作、边传播、边消费,为了不断地留住人气,个别作者就会想尽各种办法。”
“网络文学正在迎来它最好的发展时机,中央对包括网络文学在内的网络文艺非常重视。”程晓龙告诉早报记者,“对网络文学来说,只有建设和管理并举,网络文学才能健康、持续并繁荣发展。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04