□文│黃雅蘭

人工智能指由機(jī)器等人造物展現(xiàn)出的智能，即人造物對(duì)環(huán)境、信息等進(jìn)行感知并在此基礎(chǔ)上采取相應(yīng)的符合其設(shè)計(jì)目標(biāo)的行動(dòng)。從13世紀(jì)歐洲哲學(xué)家拉蒙·柳利（Romon Llull）最早提出了“邏輯機(jī)”的設(shè)想，到1955年美國(guó)科學(xué)家約翰·麥卡錫（John McCarthy）第一次明確提出“人工智能（Artificial Intelligence）”一詞并開始嚴(yán)肅探討如何制造一臺(tái)模擬人類各方面智能的機(jī)器，人工智能開始飛速發(fā)展。

近年來(lái)，人工智能技術(shù)開始進(jìn)入新聞?lì)I(lǐng)域。2010年，美國(guó)《洛杉磯時(shí)報(bào)》率先在其關(guān)于城市犯罪的博客報(bào)道（Homicide Report）中采用計(jì)算機(jī)程序自動(dòng)生成稿件；2014年，美聯(lián)社開始使用WordSmith平臺(tái)自動(dòng)寫作公司季度財(cái)報(bào)，成為第一個(gè)采用人工智能寫作的世界級(jí)新聞媒體。目前，不少全球重要新聞機(jī)構(gòu)，如《福布斯》《紐約時(shí)報(bào)》、新華社等——也都紛紛嘗試將人工智能技術(shù)應(yīng)用于新聞生產(chǎn)。

一、人工智能影響新聞生產(chǎn)的兩種方式

狹義地看，由人工智能技術(shù)所推動(dòng)的智能新聞寫作浪潮通常被稱作“自動(dòng)化新聞”（Automated Journalism）、“機(jī)器人新聞”（Robot Journalism）或“算法新聞”（Algorithmic Journalism），指“在沒有人工干預(yù)的情況下，使用計(jì)算機(jī)軟件或算法自動(dòng)生成新聞稿件的過程”；[1]其核心就是通過算法對(duì)海量數(shù)據(jù)進(jìn)行排序、分類、關(guān)聯(lián)和過濾，并將整理過的數(shù)據(jù)適配和組合進(jìn)相應(yīng)的文章模板之中。目前，這種新聞生產(chǎn)方式已經(jīng)被較廣泛地運(yùn)用于財(cái)經(jīng)、體育、天氣等領(lǐng)域的新聞寫作，這些領(lǐng)域通常能夠提供可靠的、清晰的、結(jié)構(gòu)化數(shù)據(jù)資源，并且該領(lǐng)域的新聞報(bào)道有著比較穩(wěn)定的寫作風(fēng)格與結(jié)構(gòu)。在實(shí)踐中，這種自動(dòng)化新聞表現(xiàn)出了明顯的優(yōu)勢(shì)，例如：寫作速度更快，能夠顯著增加新聞報(bào)道的數(shù)量；出錯(cuò)概率更低，特別是同樣的錯(cuò)誤一定不會(huì)再犯第二遍。此外，諸如Wibbitz等基于人工智能技術(shù)的平臺(tái)還能夠?qū)⑽谋局苯愚D(zhuǎn)化為音頻和視頻，促進(jìn)新聞信息的多樣化生產(chǎn)，將記者從繁雜的初級(jí)勞動(dòng)中解放出來(lái)。

廣義地看，人工智能對(duì)新聞生產(chǎn)造成的影響已經(jīng)觸及到了各種類型的新聞生產(chǎn)，并影響著新聞線索的獲取、寫作以及呈現(xiàn)等各個(gè)環(huán)節(jié)；新聞生產(chǎn)過去單純依靠專業(yè)新聞從業(yè)者生產(chǎn)內(nèi)容（Professionally Generated Content，PGC），繼增添了用戶生產(chǎn)內(nèi)容（User Generate Content，UGC）外，又將補(bǔ)充進(jìn)新的由算法生產(chǎn)的內(nèi)容（Algorithmically Generated Content，AGC），這種人機(jī)一體或人機(jī)協(xié)作將是未來(lái)智能新聞生產(chǎn)的主流。因此，美聯(lián)社把人工智能技術(shù)影響下的新聞業(yè)稱作“增強(qiáng)新聞”（Augmented Journalism），[2]是一種更加準(zhǔn)確的表述。

從新聞生產(chǎn)的流程來(lái)看，人工智能帶來(lái)的最顯著的變革在于：將新聞?dòng)脩艉蛡鞑バЧ{入新聞生產(chǎn)——包括新聞線索的發(fā)現(xiàn)、新聞作品的寫作和呈現(xiàn)——的過程，重塑新聞媒體的“生產(chǎn)流”。

二、新聞線索的多樣化：從用戶中來(lái)，到用戶中去

互聯(lián)網(wǎng)的出現(xiàn)已經(jīng)在很大程度上改變了新聞工作者獲取新聞線索和素材的方式。網(wǎng)民通過智能手機(jī)和移動(dòng)互聯(lián)網(wǎng)在社交媒體上的信息發(fā)布催生了“目擊媒體”（eyewitness media），[3]為專業(yè)媒體的新聞報(bào)道提供了豐富的影像和文字資源。但是，如何在海量信息中去偽存真、去粗取精則成為有效利用目擊媒體的關(guān)鍵所在。在常規(guī)的事實(shí)核查手段之外，人工智能為快速搜集和梳理社交媒體上的可靠信息源和素材提供了有效的途徑。

2016年11月，路透社公布了其利用人工智能技術(shù)開發(fā)的新產(chǎn)品“路透新聞追蹤器”（Reuters News Tracer）。[4]此前，新聞工作者對(duì)社交媒體的使用過程通常是：新聞事件發(fā)生后，在社交媒體上尋找和追蹤該事件的當(dāng)事人或在該領(lǐng)域有影響力的意見領(lǐng)袖，并對(duì)相關(guān)熱門網(wǎng)帖進(jìn)行梳理和總結(jié)。而新聞追蹤器能夠?qū)崟r(shí)對(duì)社交媒體上的海量信息進(jìn)行監(jiān)控，及時(shí)發(fā)現(xiàn)那些有可能發(fā)展成為重大新聞的信息，將相關(guān)網(wǎng)帖進(jìn)行分類組合并形成有效信息。例如，包含“爆炸”和“炸彈”的網(wǎng)帖都可能會(huì)被歸入有關(guān)恐怖襲擊的主題。

除了發(fā)現(xiàn)新聞線索，新聞追蹤器還能判斷一條網(wǎng)帖究竟是事實(shí)陳述還是觀點(diǎn)表達(dá)，并在此基礎(chǔ)上識(shí)別出該網(wǎng)帖所指示的新聞事件是否真實(shí)、是否是垃圾信息、是否有趣以及是否有新聞價(jià)值。該軟件的算法設(shè)計(jì)了40項(xiàng)指標(biāo)用以對(duì)網(wǎng)帖進(jìn)行評(píng)分，這些指標(biāo)包括：發(fā)帖人是否為被驗(yàn)證的用戶、發(fā)帖人的粉絲數(shù)量、網(wǎng)帖是否包含鏈接、圖片以及這條網(wǎng)帖本身的語(yǔ)言風(fēng)格和結(jié)構(gòu)特征等等。當(dāng)綜合評(píng)分達(dá)到一定數(shù)值，路透社的新聞工作者就會(huì)考慮對(duì)其進(jìn)行人工調(diào)查或報(bào)道；與此同時(shí)，這一評(píng)分還會(huì)隨著事態(tài)的發(fā)展和新的網(wǎng)帖信息的引入而發(fā)生變動(dòng)。而在上述新聞線索的發(fā)現(xiàn)過程中，人工調(diào)查和評(píng)分的自我修正本身也會(huì)成為該軟件進(jìn)一步進(jìn)行“機(jī)器學(xué)習(xí)”和提高準(zhǔn)確性的數(shù)據(jù)資源，算法會(huì)越來(lái)越學(xué)著像記者那樣思考。[5]

除了像路透社這樣的大型新聞通訊社，美國(guó)的網(wǎng)絡(luò)新聞媒體公司嗡嗡喂（BuzzFeed）也在去年美國(guó)的共和黨全國(guó)代表大會(huì)期間推出了類似的工具BuzzBot，用以從社交媒體上搜集有價(jià)值的網(wǎng)絡(luò)信息并且向網(wǎng)民進(jìn)行個(gè)性化推送。[6]此外，諸如谷歌、臉書、推特等互聯(lián)網(wǎng)巨頭正在使用人工智能技術(shù)來(lái)識(shí)別網(wǎng)絡(luò)虛假消息并及時(shí)遏制其大范圍傳播。

在傳統(tǒng)的新聞生產(chǎn)中，新聞線索往往依賴于特定的“線人”或組織，來(lái)自具有較鮮明機(jī)構(gòu)化和科層化特征的權(quán)威機(jī)構(gòu)，[7]這就在一定程度上將新聞的選題限定在領(lǐng)域，反映特定階層的價(jià)值取向和利益訴求。這樣一來(lái)，新聞生產(chǎn)就與其源于、服務(wù)于以及忠于公民的屬性相背離。[8]互聯(lián)網(wǎng)及社交媒體的出現(xiàn)為“公民新聞”的發(fā)展提供了新的契機(jī)，技術(shù)賦權(quán)使得普通網(wǎng)民能夠在技術(shù)平臺(tái)上記錄生活、各抒己見；而人工智能技術(shù)的成熟則能夠克服用戶生產(chǎn)內(nèi)容（UGC）體量巨大、良莠不齊和真?zhèn)文娴娜秉c(diǎn)，在幫助新聞媒體提升報(bào)道質(zhì)量的同時(shí)，讓普通公眾的聲音和訴求真正被納入新聞生產(chǎn)的過程中，使其興趣結(jié)構(gòu)、利益訴求和價(jià)值立場(chǎng)得以彰顯。

三、新聞產(chǎn)品的多樣化：個(gè)性化寫作和呈現(xiàn)

傳統(tǒng)媒體時(shí)代，個(gè)體被納入統(tǒng)一的“受眾”的范疇，而受眾接收的則是由專業(yè)記者和編輯生產(chǎn)出的單一的、標(biāo)準(zhǔn)化的新聞產(chǎn)品。在互聯(lián)網(wǎng)時(shí)代，從早期的RSS訂閱到后來(lái)的微博、微信公眾號(hào)等社交媒體平臺(tái)，盡管網(wǎng)絡(luò)用戶可以根據(jù)自己的興趣和需求選擇新聞來(lái)源，定制個(gè)性化的新聞閱讀方案，但其所面對(duì)的新聞文本仍舊是以“大眾”為對(duì)象的標(biāo)準(zhǔn)化稿件。人工智能技術(shù)的引入則能夠真正實(shí)現(xiàn)新聞生產(chǎn)向個(gè)性化的轉(zhuǎn)變。

首先，在人工智能技術(shù)的協(xié)助下，個(gè)體用戶的特征得以凸顯，從而新聞機(jī)構(gòu)能為其打造個(gè)性化的閱讀產(chǎn)品。人工智能技術(shù)能夠通過對(duì)不同語(yǔ)料庫(kù)的語(yǔ)言風(fēng)格進(jìn)行學(xué)習(xí)，生產(chǎn)出適應(yīng)不同群體表達(dá)習(xí)慣的稿件，如針對(duì)不同地域、年齡階段、文化程度等。目前，不少媒體機(jī)構(gòu)紛紛試水差異化寫作。例如，2015年10月，騰訊的財(cái)經(jīng)寫作機(jī)器人夢(mèng)幻寫手（Dreamwriter）在報(bào)道當(dāng)年9月的宏觀經(jīng)濟(jì)走勢(shì)時(shí)，就推出了四篇不同風(fēng)格的稿件：《常規(guī)版：9月份CPI漲幅回落至1.6%》《精要版：9月CPI漲幅回落 降準(zhǔn)降息可能性大》《民生版：9月CPI漲幅回落 住房租金保持上漲》和《研判版：9月CPI漲幅回落 貨幣政策或維持寬松》；[9]從標(biāo)題到篇幅，從文中引用的具體數(shù)據(jù)和信源再到遣詞造句，四篇稿件都表現(xiàn)出了較大的差異。

騰訊這種有著明確版本指向的差異化寫作僅僅是人工智能個(gè)性化新聞生產(chǎn)的第一步。在此基礎(chǔ)上，人工智能連同大數(shù)據(jù)技術(shù)會(huì)收集、統(tǒng)計(jì)并分析用戶的人口統(tǒng)計(jì)學(xué)特征、社交關(guān)系及其不同終端的網(wǎng)絡(luò)使用行為等，根據(jù)用戶的年齡、性別、地域、職業(yè)、興趣偏向、消費(fèi)能力、社交網(wǎng)絡(luò)等變量，對(duì)新聞的內(nèi)容結(jié)構(gòu)、語(yǔ)言風(fēng)格以及謀篇布局等進(jìn)行自動(dòng)匹配，從而真正實(shí)現(xiàn)“對(duì)象化”的新聞生產(chǎn)。

目前，一些新聞媒體已經(jīng)在對(duì)象化的內(nèi)容生產(chǎn)上邁出了第一步。2015年5月，《紐約時(shí)報(bào)》推出了題為《成長(zhǎng)的最優(yōu)與最差之地》（The Best and Worst Places to Grow Up）的專題報(bào)道，該報(bào)道以1996年至2012年間美國(guó)的500萬(wàn)兒童成年后的繳稅記錄為數(shù)據(jù)源，探討了一個(gè)人的出生地與其隨后的經(jīng)濟(jì)狀況之間的關(guān)系，報(bào)道以交互式地圖和文章相結(jié)合的方式呈現(xiàn)出美國(guó)2478個(gè)鄉(xiāng)村的“階層流動(dòng)機(jī)會(huì)”。[10]這種報(bào)道形式看上去與當(dāng)前同樣快速發(fā)展的數(shù)據(jù)新聞并無(wú)二致，但該報(bào)道的特殊之處在于，當(dāng)網(wǎng)民打開該網(wǎng)站時(shí)，網(wǎng)站會(huì)根據(jù)其當(dāng)前的IP地址來(lái)判斷該網(wǎng)民所處地區(qū)，交互地圖就會(huì)呈現(xiàn)出其所在地的相關(guān)數(shù)據(jù)以及該地區(qū)與全國(guó)平均水平的對(duì)比狀況。因此，當(dāng)不同地區(qū)的用戶打開同一個(gè)網(wǎng)頁(yè)時(shí)，看到的將是不同的內(nèi)容，他們大多不會(huì)意識(shí)到這是算法編輯的結(jié)果，這種“無(wú)縫對(duì)接”的個(gè)性化體驗(yàn)正是智能新聞生產(chǎn)中最關(guān)鍵的問題。除了自動(dòng)顯示網(wǎng)民所處區(qū)域的情況外，該報(bào)道也支持網(wǎng)民自主選擇其他地區(qū)查看相關(guān)情況。

此外，人工智能技術(shù)支持新聞報(bào)道根據(jù)受眾的反饋隨時(shí)做出調(diào)整。這一案例同樣來(lái)自《紐約時(shí)報(bào)》，在2015年5月的一篇題為《你來(lái)繪圖：家庭收入如何影響兒童的大學(xué)機(jī)遇》（You draw it: how family income predicts children’s college chances）的報(bào)道中，網(wǎng)民可以先在一張空白圖表中畫出自己所猜想的家庭收入和大學(xué)入學(xué)率的關(guān)系圖，隨后，網(wǎng)頁(yè)上會(huì)生成網(wǎng)民所畫曲線和真實(shí)曲線的對(duì)比圖以及其他網(wǎng)民所畫曲線的主要趨勢(shì)，同時(shí)自動(dòng)出具針對(duì)每個(gè)網(wǎng)民所畫曲線的簡(jiǎn)要的評(píng)估報(bào)告，并且深入分析家庭收入與大學(xué)入學(xué)率之間的關(guān)系。[11]這篇報(bào)道提到，之所以要先“麻煩”網(wǎng)民畫出曲線，是希望每個(gè)讀者都能夠認(rèn)真地思考這兩個(gè)變量間的關(guān)系，這樣看到真實(shí)情況時(shí)才會(huì)更加印象深刻。

圖1 《紐約時(shí)報(bào)》“成長(zhǎng)的最優(yōu)與最差之地”報(bào)道界面，當(dāng)網(wǎng)民選擇查看其他地區(qū)的情況時(shí)，重新匹配的文章中那些發(fā)生變化的部分就會(huì)短暫地顯示出黃色陰影。

圖2 《紐約時(shí)報(bào)》“家庭收入如何影響兒童的大學(xué)機(jī)遇”報(bào)道，較細(xì)的線為網(wǎng)民自己所畫，點(diǎn)狀較粗線為真實(shí)曲線；圖標(biāo)下方的測(cè)驗(yàn)報(bào)告則會(huì)對(duì)網(wǎng)民所畫曲線做出評(píng)估。

這種互動(dòng)設(shè)計(jì)使得新聞產(chǎn)品具備了“游戲化”（gamification）的特征，通過設(shè)置問題以及由之而來(lái)的競(jìng)爭(zhēng)和獎(jiǎng)懲制度使網(wǎng)民更深度地參與到新聞生產(chǎn)的過程中；[12]而在此基礎(chǔ)上對(duì)每個(gè)網(wǎng)民的表現(xiàn)做出個(gè)性化的評(píng)估則是讓網(wǎng)民產(chǎn)生參與感和卷入感的更關(guān)鍵步驟，人工智能技術(shù)所要解決的正是這個(gè)“對(duì)象化”的問題，從而將互動(dòng)性和個(gè)性化更好地結(jié)合在一起。

除了關(guān)注用戶本身的身份和行為特征，未來(lái)的人工智能技術(shù)還會(huì)使新聞生產(chǎn)更加社交化。根據(jù)北京大學(xué)新媒體研究院2016年的“手機(jī)人——移動(dòng)互聯(lián)網(wǎng)全景調(diào)查”，將近60%的手機(jī)用戶認(rèn)為社交網(wǎng)站/移動(dòng)客戶端第三方應(yīng)用程序已經(jīng)成為其主要的新聞資訊來(lái)源；使用微博的首要原因就是獲取新聞資訊（54.6%），其次才是社交需要（43.6%）；而61.4%的用戶每次打開微信都會(huì)查看朋友圈，這說明，社交網(wǎng)絡(luò)已經(jīng)成為網(wǎng)民最重要的新聞信息源和討論場(chǎng)所。因此，未來(lái)的新聞生產(chǎn)應(yīng)當(dāng)將用戶的社交狀況作為重要的自變量加以考慮。

目前，以臉書和推特為代表的社交媒體正在嘗試基于用戶的社交網(wǎng)絡(luò)進(jìn)行新聞推送。2015年5月，臉書推出新聞快讀（Instant Articles）功能，新聞媒體可以事先將文章上傳到系統(tǒng)中，接著其會(huì)快速將這些內(nèi)容推送給相應(yīng)用戶；而在幾次算法更新中，某用戶與其他用戶的“親密程度”（Affinity Score）從來(lái)都是其考慮的核心變量，即強(qiáng)調(diào)的是用戶之間的關(guān)系親疏及互動(dòng)程度，與該新聞的主題內(nèi)容及優(yōu)質(zhì)程度關(guān)系不大。[13]目前，盡管人工智能在新聞的社交化方面的嘗試仍僅僅局限于推送方面，隨著數(shù)據(jù)庫(kù)的壯大和算法的革新，新聞生產(chǎn)的社交化也將逐步走入實(shí)踐領(lǐng)域。

此外，未來(lái)的人工智能技術(shù)還可以為用戶提供動(dòng)態(tài)化的場(chǎng)景化適配?！皥?chǎng)景”在移動(dòng)互聯(lián)網(wǎng)時(shí)代有著至關(guān)重要的意義，“對(duì)環(huán)境的感知和對(duì)信息的適配”是移動(dòng)傳播中的核心要素。[14]用戶在不同時(shí)段、地區(qū)和終端使用新聞服務(wù)時(shí)，會(huì)伴隨著對(duì)新聞報(bào)道的不同期待，算法可以根據(jù)龐大的數(shù)據(jù)資源對(duì)用戶在特定場(chǎng)景中的需求做出預(yù)測(cè)，生產(chǎn)出相應(yīng)的稿件并進(jìn)行推送。

四、結(jié)語(yǔ)：從大眾媒體到個(gè)體化媒體的轉(zhuǎn)型

上文提到了人工智能技術(shù)對(duì)新聞生產(chǎn)帶來(lái)的種種變革：無(wú)論是選題的多樣化還是基于用戶自身特點(diǎn)、社交關(guān)系及所處場(chǎng)景而實(shí)現(xiàn)的智能寫作，事實(shí)上都是更多地將普通網(wǎng)民的需求和反饋納入到新聞生產(chǎn)的過程中來(lái)。這打破了大眾傳播時(shí)代專業(yè)新聞生產(chǎn)機(jī)構(gòu)對(duì)新聞的壟斷，能夠使龐雜無(wú)序的個(gè)人生產(chǎn)信息被智能化地聚類、排序和匹配，從而激發(fā)個(gè)人傳播能力，能夠有效推動(dòng)公民新聞運(yùn)動(dòng)的開展。

此外，在當(dāng)今大型新聞機(jī)構(gòu)愈發(fā)強(qiáng)勢(shì)的壟斷時(shí)代，人工智能也為地區(qū)性的小型新聞機(jī)構(gòu)創(chuàng)造了新的發(fā)展契機(jī)。人工智能雖然常常和大數(shù)據(jù)相提并論，但其更加關(guān)注的是用戶個(gè)性化的需求，地區(qū)性媒體以特定區(qū)域的受眾為其目標(biāo)，在搜集和獲取更精細(xì)的地方數(shù)據(jù)方面有著顯著的優(yōu)勢(shì)。例如，美國(guó)的俄勒岡公共廣播公司（Oregon Public Broadcasting）推出了一款叫做余震（Aftershock）的新聞客戶端，能夠根據(jù)來(lái)自于俄勒岡地質(zhì)局以及相關(guān)礦產(chǎn)企業(yè)提供的實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)、基于用戶提供的其所在區(qū)域的郵編和街道號(hào)向用戶推送個(gè)體化的地震預(yù)測(cè)報(bào)告。因此，我們或許可以大膽預(yù)測(cè)，在互聯(lián)網(wǎng)和人工智能技術(shù)的推動(dòng)下，新聞媒體或?qū)⒏踊貧w社區(qū)和公民。

注釋：

[1]Andreas Graefe.Guide to Automated Journalism.Tow Center for Digital Journalism[EB/OL].http://towcenter.org/research/guide-to-automated-journalism/,2016.

[2]Francesco Marconi, Alex Siegman & Machine Journalist.The Future of augmented journalism: A Guide for Newsrooms in the age of smart machines.Associated Press[EB/OL].https://insights.ap.org/uploads/images/thefuture-of-augmented-journalism_ap-report.pdf.2017

[3]黃雅蘭，陳昌鳳.“目擊媒體”革新新聞生產(chǎn)與把關(guān)人角色[J].新聞?dòng)浾撸?016（1）

[4][5]Richardo Bilton.Reuters built its own algorithmic prediction tool to help it spot (and verify) breaking news on Twitter[EB/OL].http://www.niemanlab.org/2016/11/reuters-built-its-own-algorithmic-prediction-tool-tohelp-it-spot-and-verify-breaking-news-on-twitter/.2016

[6]Mat Honan.Meet BuzzBot[EB/OL].https://www.buzzfeed.com/mathonan/meet-buzzbot?utm_term=.paNPGYLBoR#.laxGe2bWx1.2016

[7]Herbert Gans.Sources and Journalists.Deciding What’s News[M].New York: Bintage Books.1979

[8][美]比爾·科瓦奇，湯姆·羅森斯蒂爾.新聞的十大基本原則[M].劉海龍，連曉東，譯.北京：北京大學(xué)出版社，2011

[9]Dreamwriter.9月份CPI漲幅回落至1.6%[EB/OL].http://finance.qq.com/a/20151014/020228.htm.

[10]The New York Times.The best and worst places to grow up: how your area compares[EB/OL].Retrieved from:https://www.nytimes.com/interactive/2015/05/03/upshot/the-best-and-worst-places-to-grow-up-how-your-areacompares.html

[11]Gregor Aisch, Amanda Cox, & Kevin Quealy.You draw it: how family income predicts children’s college chances[EB/OL].The New York Times.https://www.nytimes.com/interactive/2015/05/28/upshot/you-draw-it-how-familyincome-affects-childrens-college-chances.html?_r=0

[12]Foxman M.Play the News: Fun and Games in Digital Journalism[EB/OL].http://towcenter.org/wp-content/uploads/2015/02/PlayTheNews_Foxman_TowCenter.pdf.2015

[13]方師師.算法機(jī)制背后的新聞價(jià)值觀——圍繞“Facebook偏見門”事件的研究[J].新聞?dòng)浾撸?016（9）

[14]羅伯特·斯考伯，謝爾·伊斯雷爾.即將到來(lái)的場(chǎng)景時(shí)代[M].北京：北京聯(lián)合出版社，2014