一 文献综述

虽然学界对大数据这一概念的最早起源时间说法不一（如1890年^[2]，20世纪80年代^[3]或90年代初^[4]），但绝大多数学者接受和认可“大数据”是在2011年前后开始获得大范围关注这一观点。^[5]国外学术界对“大数据”的概念展开了广泛讨论，高德纳（Gartner）用规模性（Volume）、高速性（Velocity）和多样性（Variety）定义大数据。^[6]规模性是指这些数据的存储容量远超过去，达到太字节（Terabytes）甚至拍字节（Petabytes）级别的数据已经较为常见；高速性是指数据产生和更新的速度非常快，早期，人们所能接触到的最新信息可能来源于昨日的报纸新闻，而在数据不间断超高速产生的今天，几秒钟之前产生的信息可能已经不算最新；多样性是指数据产生和存储的形式多种多样，它可以文本形式存在，亦可以图片、视频或短信等多种多样的形式存在。总体上看，高德纳将大数据定义为一种大规模的高速产生的多样化的信息集合，且需要有效的和创新性的形式进行处理，以获得更强的洞察力、决策力和过程的自动化。在此基础之上，又有学者和机构不断进行补充，加入了更多的维度，如价值性（Value）^[7]和精确性（Veracity）^[8]：价值性是指大数据携带的海量信息，而这些信息可以产生巨大的经济和社会价值；精确性是指大数据的质量和可信度，虽然很难人为地确认这些业已产生的数据的质量和可信度，但目前快速发展的数据分析技术正在逐步解决这些问题。除了上述定义以外，还有一些定义也广为接受，如马尼卡（Manyika）等人认为，大数据是一种难以被普通数据处理软件捕获、储存、管理和分析的大规模数据集；^[9]而博伊德（Boyd）和克劳福德（Crawford）则将大数据定义为一种文化、科技和学术现象，这种现象植根于越来越强大的运算能力、分析能力和对大数据价值的充分信任之上。^[10]针对这些定义，也有学者对大数据定义进行分类。德毛罗（De Mauro）等人认为大数据通常从四个不同的角度被定义，分别是信息（Information）、科技（Technologies）、方法（Methods）和影响（Impact）。^[11]埃克比亚（Ekbia）等人将过往文献中对大数据的定义分为三类：第一类定义以产品为导向（Product-oriented），注重强调数据的大小、速度、结构或者构成；第二类定义以过程为导向（Process-oriented），更加关注数据收集、监管和使用的过程；第三类定义以认知为导向（Cognition-oriented），侧重强调具有认知能力的人与数据的关系。^[12]对大数据的广泛研究和讨论佐证了其价值和影响力，马尼卡等人将大数据称为“创新、竞争和生产力的下一个前沿”。^[13]

在国内传播学研究领域，“大数据方法”的概念在不少文献中出现，有研究指出当下我们应该具备大数据思维：大数据思维只关注相关性而非因果关系，是一种“思维的革命”；此外，大数据使样本转变成“总体”和“全部”，从而避免了传统随机采样方法中的不精确，“大数据技术为总体分析提供了技术支持，所得到的研究结论将更加完善和严整”；大数据时代的来临使得科学研究的关注点从“鸡零狗碎”式的小问题上升到对整个学科发展的宏观趋势的判断，而且“更好的数据算法和有效的数据处理法则”的重要性将会超过理论。^[14]