京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据背后的网络文学 繁荣还是平庸
近日首届中国网络文学论坛在沪举行,与会的网络文学作家、文学批评家等,共同探讨了这些年来的网络文学的发展,以及网络文学在今天出现的新的特点,盘点和梳理了网络文学繁荣发展的实绩和成就,剖析了目前网络文学创作过程中存在的种种问题。
截至2014年底,一共有114部网络小说被购买影视版权,成为热门IP(知识财产),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。网络文学越来越成为文化产业中的焦点。
另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?”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
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19