另外，数据新闻模块化构建也是解决读者阅读碎片化的方式。基于计算机领域与教育界的“模块化”思维★，数据新闻设计也可以尝试模块化。若干个独立或有关联的模块按照一定的原则组成整体，各个模块完成一个特定的功能，组合起来完成整体功能★★。
根据以上数据新闻呈现过程中存在的三个主要问题，笔者试图提出以下解决路径★。
2．数据新闻★★“宏观、全面★★”的呈现方式与读者“短平快★★★”的阅读方式相矛盾。在舍恩伯格的著作中★，他对大数据的特征概括为★：“非抽样而是全体★★★、非精确而是模糊、非因果而是相关★”★。依照舍恩伯格的定义★，“大数据新闻★★★”应当体现的是“非抽样而是全体”★，不仅是基于新闻事件“全样本”所引导出的全方位和全角度，更是一种思维模式★，即用全面的眼光来看待事实★，用整体的样本来分析联系。以“总体”★★“全面”为基准来统计及分析数据的数据新闻，在一定程度上弥补了以文字为主、讲究新闻细节化的传统新闻在宏观叙事方面时间和空间跨度不大的缺点★★★。
首先，用户在阅读数据新闻的时候最易被可视化图表吸引。数据可视化选择什么样的表达方式，应根据可视化叙事表达的主题内容与需要而定。宏观还是微观★、由深入浅慢慢剖析还是由浅入深层层解开★★、这些都会影响可视化图表的表达形式与方向尊龙z6靠谱吗。运用不同的设计形式，结合数据新闻的内容从而达到吸引读者的目的★。
借鉴游戏设计中的选择叙事★，同时加入互动叙事，可以有效提升用户的沉浸感和参与度，让用户获得一种主动获取新闻线的快感。而自由选择阅读方向，可以提升读者的兴趣，延长数据新闻在用户面前的呈现时间★★★。
将复杂的叙事元素★★★、数据建立成一个多维的可视化叙事空间或者模块化的叙事空间，读者可以采用多维路径中的一种路径或其中一个模块得出结论★，也可以阅读整体从而得出结论。这样能很好地解决数据新闻体量大与读者阅读习惯之间的矛盾。
Jason Lankow在其著作《Infographics：The Power of Visual Storytelling》中认为，数据可视化的制作可以分为三个部分★★：吸引、理解、保留★★。数据新闻从用户体验的角度★★，也可以将用户的认知过程分为同样的三部分，运用可视化叙事参与到用户的每一个部分中，使数据新闻能够呈现出更好的状态。
随着2013年大数据元年的到来，信息呈爆炸性增长★★★，海量信息为数据新闻的出现提供了契机，给数据新闻带来了大量素材★。但海量数据的也容易使数据新闻被过度堆砌，陷入“数字旋涡”★。目前★★，“重数据★★，轻叙事”已成为数据新闻的通病。
1．强化可视化叙事与数据的结合★，解决重数据★★★、轻叙事问题。针对目前“重数据、轻叙事”的现状，最好的解决办法是加强可视化叙事的运用，协调好数据与可视化叙事的关系★★★，使数据新闻呈现出最佳状态。数据元素作为内容★，可视化叙事作为框架★，数据的呈现效果依据可视化叙事的需要，将看似孤立的一个个数据元素串联起来——★“摆兵布阵”成为一个整体，协调统一。
3．强化“沉浸式”叙事体验，化解读者参与感低的问题★★。在描述真实事件时，事件往往是复杂的★★★，此时单一的作者驱动叙事结构往往不能建立深层次、立体化的叙事结构。因为叙事本身依然是从开端到结尾，按照因果关系逻辑发展的。如果用户在阅读数据新闻的过程中，能成为参与叙事的重要因素，推动故事发展直至完成★，将给用户带来全新的“沉浸式★★★”叙事感受。
再次，重视取舍与保留★★。用什么叙事表达能在用户心里留下最深刻的印象？为了加深效果是否需要对数据元素进行取舍★★，这都是可视化叙事框架中需要考虑的环节。
1．叙事与数据的“本末倒置★★★”。前《》的数字媒体创新编辑劳伦·基恩（Lauren Keane）认为：“虽然数据新闻制作需要很多新技能，但是要从叙事的角度出发，不能只从技术的角度看问题，否则它只是信息而非新闻。”
本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台★★。申请澎湃号请用电脑访问。
2．运用可视化叙事的多线程★★、模块化方式解决阅读碎片化的问题。随着移动互联网的发展★★★，进入★★★“读屏时代”，读者养成了★★“短平快”的阅读方式。而数据新闻营造的宏观、全面的呈现方式与读者“短平快”的阅读习惯成了天然的矛盾★。为解决这个问题，需要用多线程★、模块化的方式设计数据新闻。美国麻省理工媒体实验室教授史蒂夫·凯勒认为数据新闻中数据之间的逻辑相关性较强，文本内容联系密切，此特点有助于突破传统新闻单一线性的叙事结构，从而建立多线叙事结构。
其次，为方便用户理解数据★★，数据新闻在制作过程中应遵循图文说明★★★“两条腿走路★★”的原则。图像更适合叙述空间结构、位置和细节★★★，而言语更容易表达抽象信息、逻辑条件和口头概念★★。可视化叙事通过数据元素串联的方式，可以帮助用户提升理解效率。
数据新闻提供了一种将传统叙事与数据信息结合起来的可视化叙事方式，这是数据新闻异于传统新闻的一点。但严格意义上的数据是缺乏叙事元素的，想让数据既有客观性又有完整的叙事能力非常困难。所以在数据新闻的生产中，数据挖掘与分析固然重要，但叙事也是新闻中不可或缺的重要元素★★。当下的数据新闻过于重视数据的挖掘展现，而没有叙事元素的加入，使得数据新闻成为呈现数据的“空壳★”。★★★“重数据★★★、轻叙事”成为目前数据新闻普遍存在的问题★。
可视化叙事的应用为数据新闻的发展提供了一个新的发展路径，可视化展现形式大大增强了数据新闻的易读性★★。但随着数据量级的爆炸式增长，数据新闻的问题也逐渐凸显。针对这些问题笔者认为可从叙事与数据协调发展★★、数据新闻的多线程与模块化、互动性三个方面探讨其解决路径。未来受众将对数据新闻提出更高的要求，因此★★，数据新闻亟须进一步创新发展★★★，不断适应当前的技术背景和用户习惯★★，从而迈上一个新高度。（作者系华中师范大学2016级博士生）
可视化叙事可视为数据新闻的“骨骼★★”★★★，数据元素可视为数据新闻的★“血肉”★★。只有骨骼健壮，血肉才能丰满★；只有框架清晰★、内容充实★★★，数据新闻才能充满活力。
随着移动互联网的兴起★★★，用户大部分时间以★★“读屏”为主★★，时间是★“碎片化”的，养成了“短平快★★★”的阅读习惯。数据新闻宏观全面的呈现方式与读者“短平快”的阅读方式之间产生了不可调和的矛盾。很多有说服力的数据新闻往往“鸿篇巨制”，在多维度、多方面呈现数据，读者读完一个作品需要耗费大量的时间，易出现读到后面忘了前面的现象。另外，数据新闻故事线非常复杂，数据庞大，读者往往不能得出清晰的结论。
利用数据进行新闻报道可追溯到1821年5月5日英国《卫报》在头版刊登的数据表《曼彻斯特在校小学生人数及其年平均消费》★，这是可追溯到的第一篇数据新闻报道。“数据新闻★★★”一词是舶来品，随着国外这一概念的引入，中国媒体纷纷涉足此领域★★★。其实践方式主要分为三类★★★：第一类是门户网站，国内四大门户网站腾讯、新浪、搜狐、网易，在2011年纷纷推出数据新闻专栏★★，拉开数据新闻本土化实践序幕★；第二类是传统媒体，新华社★★、中央电视台、人民网、《南方都市报》、财新传媒等，纷纷成立数据新闻实验室或数据新闻栏目★；第三类是自媒体和独立研究团，如澎湃新闻的★“湃客”等。虽然数据新闻在近十年来得到较快发展，但是由于理论缺乏★★★，应用面窄等原因，数据新闻在最终呈现方式上还存在诸多不足。
《Life in the camps》就是典型的模块化可视化叙事★，将新闻模块化，用户可以选择感兴趣的模块进行详细了解，也可以迅速滑过此模块，调到下一个模块进行了解。并按照可视化叙事发展的逻辑★★，分成整体叙事模块和展开叙事模块两部分★★。
3．缺乏实时互动★★，用户参与感低★★★。Edward Segel和Jeffrey Heer分析了58个数据新闻可视化案例。他们将可视化叙事在数据新闻中的应用主要分为两种可视化叙事结构★：作者驱动★★★、读者驱动★★。从叙事过程来说，作者驱动的叙事结构特点是有明确的开头和结尾★★★，用户沿着作者设置的固定线性流发展，获取信息。读者驱动的叙事结构是一种更强大有力的叙事，允许用户选择自己的叙事方向。而国内的数据新闻，“读者驱动”的数据新闻相对较少★，如网易“数读”，其平台上400余案例均为作者驱动类型的数据新闻，用户被动地按照作者路线接收信息★，用户参与感不强，加剧用户阅读时间短的问题★。归根结底★★，用户参与感低★，是缺乏实时互动造成的，在阅读过程中，用户没有发挥主观能动性；在阅读时间内★★，用户无法自主选择叙事线★★，得不到实时的反馈，这都是目前国内数据新闻普遍存在的现象。
获得第七届全球数据新闻奖的作品《移民去远方》是典型的多线可视化叙事。此新闻是按照地点维度建立了空间可视化叙事线，读者可以选择其中某个国家的移民情况得出结论，也可以通过宏观阅读得出全球的移民结论。除了可以采用点击文字超链接的方式更换数据可视化所展示的国家维度之外，受众还可以通过点击数据可视化的国家三维地图更换国家移民情况★★★。该作品在全球移民情况的基础上，通过建立多个国家的多线叙事，解决了数据新闻★★“全面性★”与读者“短平快”阅读方式之间的矛盾。与此同时，数据新闻的数据可视化部分还运用了读者驱动型可视化叙事结构★★★，读者可以根据自己的兴趣，自由选择“移出”★★★“移入★★”或★“移出+移入”的数据统计★，得出不同的结论。
苏ICP备05067571号-1