---
schema_version: "library-reader-v1"
source_type: "original_book"
title: "数字劳动： 理论前沿与在地经验"
author: null
edition: null
publisher: null
year: null
isbn: "9787214266118"
library_document_id: "7b1ebe25-51ed-420e-89b8-2a8b9a1ca346"
source_sha256: "edcf1936c958c5ad6b934cc2a8dbc8e29c9a10ce7b75ef2cf498fb817255f479"
pdf_physical_page_count: 229
pdf_physical_page_index_base: 0
range_start: 170
range_count: 10
html_url: "https://workshop.closeclaw.top/api/ai/read/7b1ebe25-51ed-420e-89b8-2a8b9a1ca346?start=170&limit=10"
markdown_url: "https://workshop.closeclaw.top/api/ai/read/7b1ebe25-51ed-420e-89b8-2a8b9a1ca346.md?start=170&limit=10"
previous_url: "https://workshop.closeclaw.top/api/ai/read/7b1ebe25-51ed-420e-89b8-2a8b9a1ca346.md?start=160&limit=10"
next_url: "https://workshop.closeclaw.top/api/ai/read/7b1ebe25-51ed-420e-89b8-2a8b9a1ca346.md?start=180&limit=10"
---

# 数字劳动： 理论前沿与在地经验

> 页码规则：PDF_PHYSICAL_PAGE_INDEX 是从 0 开始的权威文件物理页索引；PRINTED_PAGE 是页面中识别出的印刷页码，可能为空，二者不得混用。

## PDF_PHYSICAL_PAGE_INDEX=170 | PRINTED_PAGE=154

基于此，本章提出以下研究问题：随着自动化新闻在新闻实践中的广泛应用，新闻记者的专业技能是否发生了改变？以及发生了怎样的改变？具体包括：其一，新闻记者哪些专业技能的重要性在日益下降？这主要涉及新闻劳动的去技能化问题；其二，新闻记者需要培养或习得哪些新的专业技能？这与新闻劳动的再技能化问题高度相关；其三，在未来，新闻记者又需要掌握怎样的专业技能，并将呈现哪些显著的特征？概言之，本章将以劳动分工与劳动过程理论为分析框架，从微观层面切入，考察技能化嵌入新闻记者日常实践的动态过程，并在此基础上，探讨自动化新闻中的人机关系，进而省思在更为广义的层面，以人工智能技术为代表的媒介技术与新闻劳动之间的二元张力。

数字劳动：理论前沿与在地经验

① Ford, Heather and Jonathon Hutchinson. Newsbots that Mediate Journalistic and Audience Relationships, Digital Journalism, 2019(8): 1013- 1031.

154

## PDF_PHYSICAL_PAGE_INDEX=171 | PRINTED_PAGE=155

二、研究方法与案例介绍

为了更好地探究自动化新闻背景下新闻记者的技能变迁过程，本章采用案例研究与半结构化访谈相结合的研究方法，以上海最具全球影响力的新型数字化财经媒体机构A和广州某大型报业传媒集团B为案例研究对象。研究者在2018年4月至2019年5月，陆续对上述两家媒体机构从事与自动化新闻相关的新闻记者进行了多次半结构化访谈(面对面访谈或微信访谈），包括4名A机构的新闻记者和3名B机构的新闻记者。访谈的主要内容包括：新闻记者的日常工作状态，尤其是在工作中与写稿机器人的关系；工作中常用的专业技能；对当前自动化新闻发展现状的评价与展望；对自身职业未来的评估与期待；等等。出于保护受访者个人隐私的目的，研究者对他们进行了匿名化处理。此外，这两家媒体机构的管理者、自动化新闻团队负责人、新闻记者以及技术专家(主要为算法工程师)发表的文章、公开的演讲和接受的访谈也是本研究重要的资料来源。

A机构成立于2003年7月，旗下包括电视、日报、周刊、新媒体(含网站、客户端和社交媒体矩阵)等多种媒体，并拥有独立的商业数据中心、研究院和英文互联网媒体。它也是国内创办最早、实力最强、规模最大的财经全媒体集团。随着现代社会信息量的指数级爆发，如何实时监控多样化的信息源并及时捕捉和报道其瞬时变化，如何全面报道与发布批量化的、同质的新闻信息，如何挖掘有价值的信息等一系列现实问题，对现有的，即靠新闻记者刷屏获取信息并进行内容生产的新闻生产方式构成了巨大的冲击。在新闻编辑室内，新闻记者往往陷入从事大量专业技能低、重复性高和常规化劳动的泥淖，缺乏时间和精力上的保障来进行深度分析报道，同时错失了为读者提供更好决策依据的可能，这些问题或困境也成为制约新闻记者和媒体机构进一步发展的瓶颈所在。在此背景下，2015年6月，国内知名电子商务集团C对A机构进行战略投资，2016年5月，由双方联合创办的媒体实验室推出了一款财经新闻类写稿机器人。这款写稿机器人能够利用文本解析与信息抽取技术实现信息的实时和自动抽取，在海量、高速、多样、真伪难辨的信息环境下，通过机器学习算法帮助财经记者挖掘高价值的信息，第一时间生成阅读性较强的新闻稿件，大幅提升新闻生产的效率，用技术的力量不断推进媒体的变革。①

第七章自动化新闻、数字劳动与技能变迁

155

## PDF_PHYSICAL_PAGE_INDEX=172 | PRINTED_PAGE=156

在B机构，自2017年1月由写稿机器人创作和发布第一篇新闻稿件以来，机器人累计写稿已经超过10万篇，涵盖财经、体育、健康、消费、科技等多个领域，是名副其实的“全能写稿王”。2018年底，该写稿机器人全面升级为“智能信息管家”，被接入聊天机器人语料库、语音查询功能、个性化推荐、定制化写作等多种交互渠道之中，打通了信息采集、生产与传播的各个环节，充分发挥出自身的平台优势与内容的“长尾优势”。2020年1月，面向上市公司的自动化新闻写作平台正式上线，它通过自动采集深交所、上交所上市公司的基本资料和公告、银监会公告及股市行情中的动态数据，利用信息抽取、自然语言处理等技术提取关键信息，融合企业知识图谱，为企业生成了大量与其人事变动、公司违规、财报解读相关的新闻信息。

三、技能变迁：由去技能化向再技能化的转型

在检视自动化新闻与新闻记者技能变迁的动态关系之前，我们必须厘清一个重要的问题：当下新闻记者需要掌握哪些专业技能呢？这是探究自动化新闻背景下新闻劳动去技能化和再技能化的前提与基础。在与两家媒体机构新闻记者的访谈中，受访者小顾和小吴分别说道：

数字劳动：理论前沿与在地经验

①概括来说，该款写稿机器人在写稿方面具有“多、快、好”的特点。所谓“多”，是指它主要针对上市公司公告、财务报表、证券行情等信息源，日阅读字数可达3000万；所谓“快”，是指它的写稿速度可以达到28字/秒，是普通人打字速度的35倍；所谓“好”，是指它生成的稿件语句流利通顺，完全符合人类自然语言的语法。

156

## PDF_PHYSICAL_PAGE_INDEX=173 | PRINTED_PAGE=157

在我看来，选题能力、采访能力和写作能力应该是记者最核心的专业技能所以具有某一领域的专业知识，而且能够熟练掌握一门外语就很重要，因为在我们的日常工作中会涉及很多来自西方媒体的财经报道和信息…随着新媒体技术的活力不断被激发，现在的记者还需要掌握大量数字化技能，比如说信息可视化能力、数据统计与分析能力、计算机编程能力，以及对关键数据和信息的核查能力。（小顾，A机构）

我觉得对于记者来说，价值判断和与用户的互动能力是最关键的…一方面，我会在写稿子的时候，不断发掘普通人的故事，尽量使自己的报道有思想、有温度、有品质；另一方面，我们需要更好地了解读者的需求和兴趣，这变得越来越重要…也就是说，我们需要不停地思考怎么将新闻信息以一种更为直接和好懂的方式呈现给读者…我们会通过社交媒体与读者互动，因此八面玲珑的人际沟通能力与敏捷灵活的反应能力也成为我们作为记者必备的基本能力。（小吴，B机构)

经过比对，两位受访者所谈及的新闻记者必备的专业技能，与《2014—2015年美国新闻与大众传播认证》（Journalism andMassCommunications Accreditation 2014-2015)报告中提出的获得新闻记者职业认证所必备的专业技能基本相同。①在中国，2004年8月正式实施的《广播电视编辑记者、播音员主持人资格管理暂行规定》对新闻记者“努力钻研业务、更新知识、不断提高政策理论水平和专业技能”做出了相应的要求。部分学者从新闻采编能力、信息分析和整合能力、价值判断能力、与用户的互动能力等维度出发，对此规定中涉及的新闻记者的专业技能进行了全方位和专业化的解读和阐释。这些专业技能与《2014—2015年美国新闻与大众传播认证》报告中的规定和访谈中的发现大致相仿。①

第七章自动化新闻、数字劳动与技能变迁

①该报告由美国教育界最具权威性的认证机构——美国新闻与大众传播教育认证委员会(TheAccrediting Council on Education in Journalism and Mass Communications, ACEJMC) 于 2014年发布。同时，ACEJMC也是美国新闻传播教育最高水平的权威认证体系的建构者，该体系几乎覆盖了美国所有主流新闻院校。该报告明确提出和规定了新闻记者职业认证所必备的专业技能和核心价值。参见 Accrediting Council on Education in Journalism and MassCommunications. Journalism and Mass Communications Accreditation 2014 - 2015,Lawrence, KA: ACEJMC/University of Kansas, 2014.

157

## PDF_PHYSICAL_PAGE_INDEX=174 | PRINTED_PAGE=158

（一）自动化新闻与新闻劳动的去技能化

在既有研究中，去技能化是分析和阐述技术和劳动之间动态关系的核心概念。所谓去技能化或劳动降格，是指劳动者的专业技能被自动化技术替代，或他们的工作被“降格”为“无需繁复思考或特殊技巧的低技能工作”。②通过访谈发现：在自动化新闻的生产过程中，大量专业技能低、重复性高和常规化的任务已经转由写稿机器人负责。这些任务主要集中在数据采集和处理、线索识别、信息核查等方面，具体包括：获取有关新闻事件的基本事实和翔实的背景材料、对相关数据和信息进行精细化切割与结构化处理、对关键数据和信息进行快速提取与精准匹配、快速识别新闻线索，以及对新闻中的事实性陈述进行自动化核查，等等。一方面，写稿机器人因其在计算精准度和生产效率方面的绝对优势，成为这些任务快速且高效的执行者；另一方面，新闻记者所掌握的与此相关的技能不断面临着去技能化的威胁。

有了写稿机器人，我们就能从专业技能低、重复性高和常规化的任务中解放出来了…现在写稿机器人可以独立完成我们频道每日午盘和收市、股价异动的资讯或快讯。这类资讯或快讯通常不

数字劳动：理论前沿与在地经验

①周葆华、查建琨：《网络新闻从业者生存状况调查报告》，《新闻与写作》2017年第3期。

②王星：《技术的政治经济学：基于马克思主义劳动过程理论的思考》，《社会》2011年第1期，第201页。

158

## PDF_PHYSICAL_PAGE_INDEX=175 | PRINTED_PAGE=160

首先，持续对传统的专业技能进行迭代，主要包括选题能力和信息核查能力。其一，在选题能力的迭代方面，写稿机器人通过运用大数据发现新闻线索，以满足最大多数用户的兴趣为其选题标准。但这种选题标准容易导致传播过程中的信息窄化，使用户深陷“信息茧房”的困境，甚至引发群体极化现象。尼尔·瑟曼(Neil Thurman)认为，新闻记者不能仅仅通过算法和用户反馈追踪技术所获得的大量用户需求信息来作为其选题的依据，而是应该发挥其敏锐的新闻触角，从庞大的数据和信息中迅速而准确地发现极具新闻价值的选题，从而体现出新闻记者对社会现实深切的关怀和对公众强烈的感召力。①其二，在信息核查能力的迭代方面，自动化新闻可以从数据来源、内容细节、时间轴等不同方面对新闻事件进行多角度与反复的对比，实现“互相核对、互相补充、互相延伸、互相纠错”的“无影灯效应”让事实真相越辨越明，让虚假信息无处容身，达到对新闻信息“去伪存真”的目的。②但当相关的数据和信息与政策、伦理、法律等问题密不可分的时候，新闻记者的信息核查就变得不可或缺，尤其是对关键信息的核查成为新闻信息可靠性的重要保障。

其次，强化与写稿机器人形成错位竞争优势的专业技能，主要包括深度分析能力与情感表达能力。当前写稿机器人在这两方面的能力远不及新闻记者，主要是因为它擅长建构以事件为中心的多维关联网络(强调相关性)，而弱于对新闻事件进行因果方面的解读与呈现(注重因果性)，因此自动化新闻稿件侧重于客观描述或叙述，鲜有新闻评论、社论、新闻特写，等等。③与之形成对比的是，新闻记者一般都具备丰富且扎实的专业知识积累、较强的问题解决能力和逻辑思维能力、较高的新闻敏感度和社会责任感，这些独特的能力和品质是实现自动化新闻从“规范化新闻”到“自由化风格新闻”转型的至关重要的力量。①诚如在访谈中，来自B机构的小张这样说道：

数字劳动：理论前沿与在地经验

① Braun, Joshua, Going Over the Top: Online Television Distribution as Sociotechnical System, Communication, Culture & Critique, 2013(3): 432 – 458.

②喻国明：《“机器新闻写作”带动传媒新变局》，《新闻采编》2015年第6期。

③韩婷：《试论人工智能视阈下新闻业的未来发展路径》，《东南传播》2019年第1期。

160

## PDF_PHYSICAL_PAGE_INDEX=176 | PRINTED_PAGE=161

与记者相比，自动化新闻在技术方面很有优势，但是它没有办法在新闻的生产过程中像我们一样，进行批判性、创造性和独立性的思考，毕竟记者有着良好的“新闻感”、敏锐的“新闻鼻”和深度阐释力，我觉得，这些才是记者这个职业或说新闻这个行业里最重要和珍贵的品质。(小张，B机构)

因此，不少学者提出，新闻记者的工作重心应该转移到需要挖掘深度、提升高度、拓展广度的内容上，扮演新闻事件深度挖掘者、高度提升者和广度扩展者的角色。②这就要求新闻记者将更多的时间和精力投入到调查性报道和解释性新闻等“硬核”类新闻信息的生产上，同时他们需要带着个人情感走进新闻现场，挖掘社会的深层问题，展现其深切的人文关怀。③这一观点在对A机构小朱的访谈中展现得淋漓尽致：

写稿机器人更多扮演的是新闻实践记录者的角色。与它比起来，记者的价值和意义主要表现为对新闻背后原因、趋势和规律的分析，以及对新闻真相和价值的挖掘……在很多情况下，写稿机器人所使用的数据把具体和复杂的社会现实问题给简单化了，自动化新闻往往容易忽视数据背后丰富的社会情境。（小朱，A机构)

最后，兼备硬技能和软技能。专业技能除有高低之外，还可以从硬技能(hard skills)和软技能(soft skills)两个维度来进行划分与区隔。④所谓硬技能，即技术性技能或生产技能，如新闻记者的选题能力、采访能力、写作和表达能力、基本的计算和统计能力，以及通过分析工具了解和满足用户的需求，实现与他们实时和有效的互动。所谓软技能，即非技术性技能，主要是指随着工作任务变化而可迁移的通用技能或素质技能，这些技能往往对劳动者的职业发展更具决定性的影响，如学习能力、社交能力、吃苦能力、应变能力、自我管理能力，等等。

第七章 自动化新闻、数字劳动与技能变迁

①彭兰：《人一机文明：充满“不确定性”的新文明》，《探索与争鸣》2020年第6期。

②王悦、支庭荣：《机器人写作对未来新闻生产的深远影响—兼评新华社的“快笔小新”》，《新闻与写作》2016年第2期。

③马维军：《人工智能时代记者如何突围》，《青年记者》2016年第8期。

④ Weaver, David, Wilhoit, Cleveland and Lori Bergen. The American Journalist; A Portrait of US News People and Their Work. Bloomington, IN: Indiana University Press, 1991,

161

## PDF_PHYSICAL_PAGE_INDEX=177 | PRINTED_PAGE=162

做记者是很辛苦的。从采集信息到核查信息都需要克服非常多的困难，没有吃苦耐劳的精神肯定是不行的…比如说，当我们在做一些社会新闻的时候，需要天天跑城市的大街小巷，明察暗访，很多表面上看不到的事情只有通过锲而不舍的采访和不厌其烦的调查才可能看到。（小徐，B机构)

需要补充的是，在自动化新闻的生产过程中，新闻记者的思维能力，尤其是计算思维能力变得越来越重要，甚至成为新闻记者的核心能力。①它与新闻记者需要掌握的数据统计和分析能力、编码能力等密切相关。与此同时，当技术慢慢渗透到人们日常工作和生活的每一处毛细血管时，它已构成了新闻记者的通用技能或素质技能，不但有助于他们拓宽自身的就业前景、丰富其职业选择，而且还有助于他们全面认知和精准把握数字世界事物之间的内在联系和一般规律。

（三）由去技能化向再技能化的技能变迁

自动化新闻已经成为当前新闻生产实践的重要组成部分，并不断对新闻劳动进行重构，以去技能化和再技能化两条路径展开：一方面，就专业技能低、重复性高和常规化的任务而言，写稿机器人开始替代新闻记者，这导致新闻记者与数据采集和处理、线索识别、信息核查相关的专业技能处于消亡的边缘，陷入去技能化的困境；另一方面，新闻记者不仅要持续对包括选题能力和信息核查能力在内的传统专业技能进行迭代，而且还亟待强化与写稿机器人形成错位竞争优势的相关专业技能，如深度分析能力和情感表达能力。除这些实用的专业技能或硬技能之外，新闻记者还有必要掌握诸多软技能，尤其是计算思维能力。

数字劳动：理论前沿与在地经验

① Lindén, Carl-Gustav. Algorithms for Journalism; The Future of News Work. Journal of Media Innovations, 2017(1); 60–76.

162

## PDF_PHYSICAL_PAGE_INDEX=178 | PRINTED_PAGE=163

更为重要的是，虽然在自动化新闻的生产过程中，新闻记者的技能兼具去技能化和再技能化的特征，但去技能化导致的最为直接的结果就是写稿机器人将新闻记者从纷繁复杂的基础性操作中解放出来，有时间和精力从事具有创新性的工作，并通过再技能化来适应新闻编辑室中日新月异的技术变化。换言之，与自动化新闻导致新闻劳动去技能化和再技能化并存的局面相比，它对新闻劳动更深远的影响在于引发了新闻劳动的技能变迁过程，即由去技能化向再技能化的转型。上述技能变迁过程挑战了由布雷弗曼提出的工作场所中“概念”与“执行”不断分离的判断：新闻记者并没有被“降格”为体力劳动者—从事“劳力型”的“执行”阶段工作，不断丧失对劳动过程和自身劳动的控制，而是牢牢掌握“劳心型”的“概念”阶段工作，且这样的工作在新闻记者的日常工作中逐渐占据绝对主导的地位，新闻劳动因此变得不可替代。①

从本质上来说，去技能化反映出的是机器(或技术)和劳动之间的替代性关系，因为它强调通过提高生产的自动化水平来减少生产过程对劳动力的依赖。与之相反，再技能化强调的是技术作为劳动者的一部分而存在，两者是不可分割的。也就是说，机器(或技术)和劳动之间不是简单的主客体的二元对立关系，而是一种互补性的关系，即在自动化新闻的生产过程中，人机关系不是“有你没我”的竞争关系，而是一种“我中有你、你中有我”的共存关系。①写稿机器人和新闻记者通过劳动分工与协作，在组织和业务上不断深度融合，生成海量高质量的新闻稿件，这既实现了技术与劳动的相互渗透与协同共生，更为新闻生产过程和劳动者技能成长的有效结合提供了丰沃的土壤，有利于真正实现“新闻文化”和“技术文化”的兼容。②

第七章自动化新闻、数字劳动与技能变迁

①“概念’与‘执行’分离”是由美国工人活动家、马克思主义经济学家哈里·布雷弗曼提出的一个十分重要的概念。他在对流水线工人劳动过程的研究中发现：劳动者(主要是产业工人)的专业技能和生产知识因在工作场所中引人自动化技术和推行科学管理而持续受到被“降格”的威胁，导致“概念”与“执行”的分离。展开来说，原来需要“劳心型”的“概念”阶段工作从劳动者的工作场所中消失，由办公室中的管理者接手。一方面，管理者形成了对生产知识的垄断，并对劳动者的劳动过程进行管理和控制；另一方面，劳动者只需要从事分工更为精细、管理和控制更为严格的“劳力型”的“执行”阶段工作，沦为纯粹的“体力劳动者”，其不可替代性被逐步消除——无专业技能傍身或生产知识不完备的劳动者渐渐成为劳动者的主体。参见哈里·布雷弗曼：《劳动与垄断资本：二十世纪中劳动的退化》，方生、朱基俊、吴忆萱、陈卫和、张其骈译，北京：商务印书馆，1978年，第104页。

163

## PDF_PHYSICAL_PAGE_INDEX=179 | PRINTED_PAGE=164

四、新闻劳动：作为趋势的多技能化

早在21世纪初，马克·德乌兹(MarkDeuze)和史蒂夫·保卢森(StevePaulussen)就敏锐地洞察到，随着数字化技术的迅猛发展，不同类型的媒体融合使新闻记者日益成为“复合型人才”。③他们不仅需要专注于在街头巷尾采访和进行新闻报道，而且还必须掌握并熟练使用几种不同的基于数据库内容管理系统的专业技能，而在数字化技术引入新闻编辑室之前，与新闻后期制作相关的任务一般都是由新闻编辑而非新闻记者完成的。

在自动化新闻的生产过程中，新闻劳动的“技多不压身”，即多技能化(multi-skilling)已经成为行业的常态。当前对于新闻记者而言，提升自身数据分析(尤其是数据可视化分析)和数据应用能力已然十分紧迫，这就涉及他们需要培养或习得一定的数理逻辑分析能力、计算机编程能力，同时熟悉算法的原理和运行方式。在日常工作中，与新闻机构内负责开发和运维自动化新闻的算法工程师建立积极的交流与合作机制是获得这些专业能力最为重要且有效的途径。

数字劳动：理论前沿与在地经验

①师文、陈昌凤：《驯化、人机传播与算法善用：2019年智能媒体研究》，《新闻界》2020年第1期。

②在笔者看来，在自动化新闻生产中，厘清和发挥写稿机器人和新闻记者的各自优势，在强化两者不同职能分工的同时，促进主体间的双向理解、建立人机合作的新闻把关机制，是实现自动化新闻与新闻记者之间“我中有你、你中有我”共存关系的基本路径。参见姚建华：《自动化新闻生产中的人机联姻及其实现路径》，《当代传播》2021年第1期。

③ Deuze, Mark and Steve Paulussen. Research Note: Online Journalism in the Low Countries. European Journal of Communication, 2002(2): 237 – 245.

164

下一段：[继续读取](https://workshop.closeclaw.top/api/ai/read/7b1ebe25-51ed-420e-89b8-2a8b9a1ca346.md?start=180&limit=10)
