2025考研新闻与传播试题原文及答案.docxVIP

2025考研新闻与传播试题原文及答案

一、名词解释（每题5分，共25分）

1.计算传播

计算传播是基于计算社会科学与传播学交叉形成的研究范式，核心是运用大数据分析、机器学习、自然语言处理等计算技术，对传播现象进行量化建模与动态分析。其研究对象涵盖用户行为、舆情演化、信息扩散等微观与宏观传播过程，强调通过算法挖掘传播规律而非依赖传统抽样调查。例如，通过分析微博用户的转发链路数据，可揭示谣言传播的关键节点与扩散模式；利用文本挖掘技术解析新闻客户端的用户评论，能识别公众对某一政策的情感倾向。计算传播推动了传播学从“解释性研究”向“预测性研究”转型，同时也引发了数据隐私、算法偏见等伦理争议。

2.媒介化社会

媒介化社会指媒介不再是信息传递的工具，而是深度嵌入社会结构与日常生活，成为社会运行的基础性要素。其核心特征包括：媒介逻辑（如流量至上、互动性优先）对政治、经济、文化等领域的渗透，例如政务微博需遵循社交媒体的传播规则；媒介实践（如短视频创作、直播互动）成为社会关系建构的主要方式，如家庭通过视频通话维系情感联结；媒介技术（如5G、VR）重塑时间与空间感知，远程医疗、元宇宙会议突破物理限制。媒介化社会理论由挪威学者斯特勒（KnutLundby）提出，强调媒介与社会的互构关系，区别于传统“媒介影响社会”的单向视角。

3.平台资本主义

平台资本主义是数字经济时代的资本主义新形态，以谷歌、亚马逊、抖音等数字平台为核心，通过整合数据、用户、内容与资本，形成“垄断-提取-控制”的闭环。平台企业的盈利模式不依赖传统商品销售，而是通过算法匹配（如淘宝的商品推荐）、数据变现（如Facebook的用户行为数据卖给广告商）、生态锁定（如微信构建的支付-社交-服务生态）实现价值增值。其典型特征包括“去中介化”（如Airbnb绕过传统酒店中介）与“再中介化”（平台自身成为新中介）并存，劳动者“零工化”（如外卖骑手依托平台接单但缺乏保障），以及“数据殖民”（平台垄断用户行为数据形成权力优势）。平台资本主义加剧了数字鸿沟与劳动异化，是当前传播政治经济学研究的重点议题。

4.数据新闻

数据新闻是基于结构化数据的新闻生产模式，通过数据挖掘、清洗、可视化等技术，将复杂信息转化为直观易懂的新闻产品。其核心流程包括：数据获取（如政府公开数据库、企业API接口）、数据清洗（剔除冗余或错误信息）、数据分析（统计建模、关联分析）、可视化呈现（动态图表、交互地图）。例如，2023年《南方周末》发布的《中国老龄化进程地图》，通过整合民政部、统计局的人口数据，用热力图展示各省65岁以上人口占比，并结合养老金收支数据进行深度解读。数据新闻突破了传统新闻的叙事局限，既能呈现宏观趋势（如经济波动），也能揭示微观个体（如特定群体的生存状态），但也面临数据真实性（如官方数据可能存在统计偏差）、可视化误导（如错误使用图表夸大差异）等挑战。

5.沉浸式新闻

沉浸式新闻是借助VR、AR、MR等技术，让受众通过感官体验“置身”新闻现场的叙事方式。其核心是“在场感”建构，例如2024年新华社推出的《台风登陆现场》VR新闻，用户佩戴设备后可360度观察台风中的街道、听风雨声、感受虚拟环境的震动；《纽约时报》的“NYTVR”项目曾让用户“亲历”难民营的日常生活。沉浸式新闻强调受众的主动参与而非被动接收，通过多感官刺激增强情感共鸣，但也存在技术门槛高（需专业设备）、内容制作成本大（单条VR新闻制作费用可达数十万元）、“过度沉浸”可能引发认知偏差（如虚拟场景与现实的混淆）等问题。

二、简答题（每题15分，共60分）

1.算法推荐在新闻传播中的伦理困境及应对策略。

算法推荐通过用户画像与内容标签的匹配，实现新闻的“精准分发”，但也引发多重伦理问题：

（1）信息茧房与认知窄化。算法基于用户历史行为推送相似内容，导致用户接触信息的多样性下降。例如，某用户浏览过“养生”内容后，新闻客户端持续推送同类信息，形成“信息茧房”，削弱公共讨论空间。

（2）流量至上与内容失范。算法以点击率、停留时长为核心指标，可能诱导媒体生产“标题党”“煽动性”内容。2023年某短视频平台曾因“摆拍苦难”内容泛滥被约谈，背后是算法对“情绪刺激”内容的偏好。

（3）数据隐私与权利侵害。算法依赖用户行为数据（如位置、有哪些信誉好的足球投注网站记录），存在数据泄露风险。2024年某新闻APP被曝非法收集用户通讯录信息，引发隐私争议。

（4）算法黑箱与责任模糊。推荐逻辑不透明，用户无法知晓内容被推送的原因，平台常以“技术中立”规避责任。

应对策略包括：

①算法透明化：要求平台公开推荐机制的核心指标（如权重分配），欧盟《数字服务法》已强制大型平台披露算法逻辑；

②多元价值嵌入：在