下载掌阅APP，畅读海量书库
立即打开
数据新闻（Data Journalism）是新闻报道的一种形式，它依赖于数字数据的收集、分析和呈现，以发掘新闻故事或深化新闻内容。这种新闻报道形式通常结合了传统的新闻调查技巧和现代的数据分析技术。
数据新闻的生产流程一般包括以下几个步骤。
1. 选题策划
数据新闻生产流程的第一步是选题策划。选题应具有新闻价值且社会关注度高，还可以通过数据进行深入分析。在策划过程中，策划团队需要确定数据新闻的目标、受众和预期效果，还需要考虑如何通过数据讲述引人入胜的故事。
2. 数据收集
数据是数据新闻的核心驱动力。数据收集是整个数据新闻的生产流程中最为关键的一步。数据来源可以是公开的政府数据库、企业数据库、社交媒体等，单一的数据来源可能无法全面反映问题。数据收集需要确保数据的全面性、准确性和可靠性。
3. 数据预处理
收集到的原始数据往往需要进行预处理。数据预处理包括一系列将原始数据转化成适合分析的格式的步骤，包括数据清洗、数据集成与数据转换。
4. 数据分析
数据分析是揭示数据背后故事的关键步骤。数据分析需要运用统计学方法等，对数据进行深入分析，发现数据之间的关联和模式。数据分析师不仅需要技术能力，更需要具备对数据的敏感性和洞察力。
5. 数据可视化设计
数据可视化设计是数据新闻吸引受众的重要手段。数据可视化设计需要将分析结果以图形、图表等形式呈现。设计时要考虑图表的清晰度、易读性和美观性。不同的数据类型和分析结果需要使用不同的数据可视化图表表示。例如，时间序列数据适合用折线图（Line Chart）表示，而分类数据则适合用柱状图（Histogram）或饼图（Pie Chart）表示。
6. 撰写数据新闻
在数据分析和数据可视化设计完成后，记者需要根据结果撰写数据新闻。数据新闻应包括引人入胜的开头、详细的数据分析、深入的讨论和严谨的结论。数据新闻的语言应简洁明了，避免使用过多的专业术语，力求使普通受众也能理解。
7. 编辑与审核
编辑与审核是确保数据新闻质量的重要步骤。编辑需要对数据新闻的内容进行润色和调整，确保数据新闻的逻辑性和可读性。审核则需要对数据的准确性、数据分析的合理性和数据新闻的客观性进行把关。
8. 发布与推广
数据新闻的发布需要选择合适的平台和时间。发布数据新闻后，还需要通过社交媒体、电子邮件等渠道进行推广，以吸引更多的受众。在发布与推广的过程中，需要密切关注受众的反馈和评论，及时回应受众的问题和建议。
数据新闻的生产流程复杂，涉及多个步骤和多种技能。从选题策划到数据收集、数据预处理、数据分析、数据可视化设计、撰写数据新闻、编辑与审核、发布与推广，每一个步骤都至关重要。只有经过精心的策划和严谨的操作，才能制作出高质量的数据新闻，为受众提供有价值的信息和深入的洞察。
在数字时代，数据新闻作为媒体行业的一个创新领域，以其独特的方式重塑了新闻报道的面貌。数据新闻以数据为核心驱动力，以数据分析技术为基础，并以数据可视化为主要呈现方式，具有高透明度、较强的交互性，最终以服务公众利益为核心宗旨。
1. 以数据为核心驱动力
数据新闻将数据置于报道的核心位置，数据不仅是报道的证据支持，更是推动报道发展的驱动力。数据的收集和分析成为数据新闻制作的关键步骤。
（1）数据的收集
收集的数据包括公共记录、调查数据、传感器数据等多种形式的数据。记者需要具备辨识可靠数据来源的能力，并确保数据的合法获取。
（2）数据的分析
在数据收集之后，记者和数据分析师需要运用统计学和数据科学的方法来分析数据，识别趋势、模式和异常值。分析结果需要被转化为对公众有意义的信息。这一步骤要求记者具备一定的数据分析能力或与数据分析师合作。
2. 以数据分析技术为基础
数据分析技术是数据新闻的基础。没有先进的技术支撑，数据新闻的深度和广度都将受到限制。
（1）技术工具的应用
记者需要使用各种技术工具来处理和分析数据，如Excel、R语言、Python等。这些技术工具可以帮助记者清洗数据、运行统计模型和完成数据可视化。
（2）算法的使用
在某些情况下，记者可能需要使用更复杂的算法来发现数据中的深层联系。这要求记者对算法有一定的了解，能够与数据科学家合作。
（3）数据的保护
在处理数据时，记者还需要注意数据安全和隐私保护，确保遵守相关的法律法规。
3. 以数据可视化为主要呈现方式
数据可视化是数据新闻的主要呈现方式，它将复杂的数据转换为图形和图表等视觉元素，使数据传达的信息更易于理解和记忆。
（1）视觉叙事
数据可视化可以用于讲述故事，通过颜色、形状和布局的巧妙运用，引导受众理解数据和报道的主题。
（2）交互性设计
许多数据可视化作品都具有交互性，允许受众通过点击、滑动和缩放来探索数据的不同方面，这增加了报道的吸引力和受众参与度。
（3）跨媒体应用
数据可视化可以应用于多种媒体，包括网站、移动应用等，为不同渠道的受众提供一致的体验。
4. 高透明度
数据新闻强调高透明度，这有助于建立公众对报道的信任。
（1）数据来源透明
记者需要明确标注数据的来源，包括数据收集的时间、地点和方法，以及任何可能的偏差或限制。
（2）分析方法透明
报道中使用的分析方法应该向公众公开，以便其他专业人士复制和验证分析结果。
（3）错误更正透明
当报道中出现错误时，记者应该公开承认并更正错误，保持报道的准确性和完整性。
5. 较强的交互性
较强的交互性是数据新闻的一个重要特点，它允许受众与报道内容进行更深层次的互动。
（1）受众参与
交互性鼓励受众参与报道，通过受众的选择和操作来展示个性化的数据视图和分析结果。
（2）反馈机制
交互性为记者提供了收集受众反馈的途径，这些反馈可以用来改进报道和调整未来的数据新闻项目。
（3）教育作用
通过交互性设计，数据新闻可以作为一种教育工具，帮助受众更好地理解复杂的数据和概念。
6. 以服务公众利益为核心宗旨
在现代社会，数据新闻成为新闻行业服务公众利益的核心力量。数据新闻通过挖掘和分析大量数据，提供深入的洞察和准确的信息，帮助公众深入理解社会事件、政治决策和公共议题，提高公众的参与度。
数据新闻的核心宗旨是服务公众利益，这一点在多个方面得到体现。一方面，数据新闻通过收集和处理数据，揭示事件背后的趋势和模式，保障了公众的知情权。这种基于数据的全面了解为公众参与社会事务提供了坚实的基础。通过数据可视化和交互式报道，数据新闻使复杂的信息变得易于理解和接触，进一步增强了公众对事件的认识。另一方面，数据新闻通过深入的数据分析和解读，激发了公众对重要议题的讨论。它不仅提供了一个公共讨论的平台，还促进了公共意见的形成和社会共识的达成。数据新闻的报道方式鼓励公众从数据的角度审视问题，推动了社会思想的交流和观点的碰撞。
数据新闻作为一种新兴的新闻形式，以其数据驱动的报道方式、技术基础和可视化呈现，为公众提供了更深入、更丰富的信息体验。高透明度是数据新闻赢得公众信任的关键，而交互性则增加了受众参与度和数据新闻的教育价值。随着技术的发展和数据的日益增多，数据新闻在新闻行业中的地位将越来越重要。
数据新闻作为一种深度报道形式，可以根据不同的数据量、数据来源和选题性质进行分类。了解这些类型有助于新闻工作者选择适当的报道方法和呈现方式。
1. 根据不同数据量分类
数据新闻可以根据处理的数据量被划分为两种主要类型：大数据新闻和小数据新闻。大数据新闻涉及对于庞大（大规模）的数据集的处理，这种数据集通常来自社交媒体等，它们能够揭示广泛的社会趋势和经济模式。这类新闻往往需要复杂的数据处理技术和统计分析工具，以从海量信息中提取有价值的见解。相比之下，小数据新闻则侧重于处理较小规模的数据集，这种数据集可能来源于特定的调查、小型研究或特定事件的详细记录。小数据新闻更注重深入分析和个性化叙事，允许记者深入探讨特定主题或问题，为受众提供更为细致和具体的视角。无论是大数据新闻还是小数据新闻，关键问题在于如何有效地分析和呈现数据，以提供有洞察力和吸引力的新闻内容。
（1）大数据新闻
大数据新闻是数据新闻领域中一种重要的新闻类型，它专注于处理和分析大规模的数据集。这种类型的新闻能够揭示广泛的社会趋势和经济模式，为公众提供深入的洞察。
大数据新闻在数据新闻领域扮演着重要角色，其特点是处理的数据量极为庞大，常涉及数百万甚至数十亿的数据。这些庞大的数据集通常源自社交媒体、在线交易、传感器网络等多种渠道。面对如此巨大的数据量，大数据新闻的制作依赖高级的数据挖掘技术、机器学习算法和统计分析工具，以有效地处理和分析数据。这就要求参与其中的记者和数据分析师不仅要掌握必要的技术工具，而且要能够运用这些技术工具来识别数据中的模式、趋势和关联。因为分析过程极其复杂，所以记者必须具备将复杂数据分析结果转化为公众易于理解的信息的能力。为了实现这一目标，大数据新闻经常使用高级的数据可视化图表，包括交互式图表、动态图表等，这些图表能够帮助受众更直观地理解复杂的数据，从而提高受众的阅读体验和报道的影响力。
大数据新闻的应用范围极为广泛，覆盖了公共卫生、环境监测、经济趋势等多个领域。其核心优势在于能够处理和分析海量数据，提供深入的见解和预测。例如，大数据新闻能监测公共卫生趋势，跟踪环境变化，分析经济指标，从而在各个层面促进社会的发展、提高决策的科学性。
然而，大数据新闻同时也面临着一些挑战。数据隐私和安全性是其面临的主要挑战之一，记者在处理和发布数据时必须严格遵守相关法律法规，以保护个人和集体的隐私权益。同时，数据的准确性和代表性也非常关键，记者需要确保数据集既准确无误又具有足够的代表性，避免因数据偏差而导致对公众的误导。此外，大数据新闻的制作还需要记者具备丰富的技术知识和强大的数据分析能力、伦理意识，以确保报道的质量和专业性。
总而言之，大数据新闻作为一种强大的工具，为公众提供了深入的分析和宝贵的见解。随着数据量的不断增长和技术的持续发展，大数据新闻在提供高质量新闻内容方面将发挥越来越重要的作用。记者需要不断提升自身的专业能力，以有效发挥大数据新闻的潜力，同时妥善应对其面临的挑战。
（2）小数据新闻
小数据新闻是数据新闻的一种类型，它侧重于对较小规模的数据集的深入分析和报道。与大数据新闻不同，小数据新闻不依赖庞大的数据集，而专注于从有限的数据中提取有价值的信息和见解。
小数据新闻以其独特的特点和数据分析方法，在数据新闻领域中占有一席之地。这种类型的新闻通常涉及的数据量相对较小，其数据可能来源于对特定事件的记录、小规模的调查研究，或是针对特定群体的统计数据。与大数据新闻相比，小数据新闻不追求数据的广度，而专注于数据的深度分析。记者通过对有限数据的细致研究，能够深入挖掘个体故事或特定现象的深层含义，提供更为深刻的见解。
小数据新闻的一个显著优势是其个性化的叙事方式。记者可以利用小规模数据集，构建引人入胜的故事，深入探讨特定主题或问题，为受众提供更为具体和详细的视角。这种叙事方式使小数据新闻能够触及受众的情感，增强报道的吸引力和影响力。
小数据新闻的应用范围广泛，它能够深入挖掘和分析特定领域的数据，提供独特的视角和深刻的见解。在个案研究中，小数据新闻通过深入分析特定个体或小群体的故事，揭示其背后的社会、经济或文化因素，为公众呈现更为细致的社会现象。在报道特定事件，如自然灾害、事故或社区活动等时，小数据新闻能够提供对事件影响的深入探讨，帮助受众理解事件的全貌及其深层含义。此外，小数据新闻还关注地方性问题，如城市规划、社区健康问题，这些问题通常与当地居民的日常生活密切相关，小数据新闻能够为这些问题提供更为精准的分析和讨论。
然而，小数据新闻在实践过程中也面临着一些挑战。例如，一个代表性挑战是，因为数据集规模较小，可能无法代表整体情况，所以记者在解释和应用数据时需要谨慎，避免因数据的局限性而导致数据的过度泛化；另外，数据的获取也是小数据新闻的一个挑战。获取小规模但高质量的数据可能具有一定难度，记者需要具备寻找和评估数据来源的能力，确保所使用的数据能够准确反映报道的主题和问题。通过克服这些挑战，小数据新闻能够充分发挥其优势，为公众提供深入、准确、有见地的报道。
尽管小数据新闻不需要复杂的数据挖掘技术，但对记者应具备的技术能力要求并未降低。记者需要具备良好的数据理解和分析能力，能够从数据中提取关键信息，并将这些信息转化为引人入胜的故事。此外，小数据新闻对数据的准确性和可靠性有着极高的要求。由于数据规模较小，任何错误或偏差都可能对报道结果产生较大的影响，因此记者必须确保所使用的数据是准确无误的。
总的来说，小数据新闻以其深度分析、个性化叙事和对准确性的严格要求，为公众提供了一种独特的数据新闻类型。它要求记者不仅要具备数据分析的技术能力，还要有将数据转化为故事的叙事技巧。随着数据新闻的不断发展，小数据新闻将继续以其独特的方式，为公众提供深入、细致的报道，增进人们对复杂世界的理解。
2. 根据不同数据来源分类
数据新闻可以根据数据来源的不同来分类，主要分为基于一手数据的数据新闻和基于二手数据的数据新闻两种类型。
（1）基于一手数据的数据新闻
基于一手数据的数据新闻是一种基于原始数据的数据新闻类型，它要求记者直接参与到数据的生成过程中。这种直接参与不仅为记者提供了独特的视角，而且确保了报道的原创性和深度。通过一手数据的收集，记者能够捕捉到那些不易从现有数据集中观察到的细节和故事，为受众提供新颖的视角和深入的分析。
在基于一手数据的数据新闻的制作过程中，记者需要掌握相应的技能。这包括精心设计调查问卷、运用有效的采访技巧及应用科学的实验方法。例如，在进行社会调查时，记者需要了解如何设计调查问卷以获取准确信息，如何在采访中引导受访者分享真实想法，以及如何通过实验验证假设。这些技能对于确保数据的质量和可靠性至关重要。
基于一手数据的数据新闻允许记者对特定主题进行深入分析。记者可以根据报道的需要，定制数据收集的方法和范围，从而更精确地探究问题的核心。这种定制化的数据收集方式，使记者能够更深入地理解问题，并提供更有针对性的报道。
然而，基于一手数据的数据新闻的制作也面临着一些挑战。记者需要投入大量的时间和精力来设计和实施数据收集，同时还要确保数据具备代表性和科学性。此外，记者还需要对收集到的数据进行严谨的分析，以避免得出错误的结论。
总之，基于一手数据的数据新闻是一种能够提供深度和原创性报道的重要数据新闻类型。通过直接参与数据的生成过程，记者能够为受众提供独特的视角和深入的分析，从而增强报道的吸引力和影响力。随着数据新闻的不断发展，基于一手数据的数据新闻将继续在揭示复杂问题和提供深入见解方面发挥重要作用。
（2）基于二手数据的数据新闻
与基于一手数据的数据新闻相比，基于二手数据的数据新闻依赖已经存在的数据来源进行报道。这种类型的数据新闻通常基于政府发布的统计数据或学术研究等，这些数据来源为记者提供了丰富的信息资源。然而，要有效地利用二手数据，记者需要具备评估数据可靠性和相关性的能力，这是制作基于二手数据的数据新闻的关键。
在进行基于二手数据的数据新闻制作时，记者面临的挑战之一是如何对现有数据进行创新性的解读。这要求记者不仅要深入理解数据，还要能够从新的角度审视数据，提供与众不同的报道视角，避免报道内容与已有分析雷同。创新性解读可能涉及对数据的重新分析、结合不同数据来源进行比较，或是将数据放入更广阔的社会、经济背景中进行考察。
数据评估是基于二手数据的数据新闻制作的另一个挑战。记者在使用二手数据时，必须仔细评估数据的时效性、准确性和代表性。这包括验证数据来源的权威性、检查数据收集和发布的方法，以及考虑数据是否能够反映报道主题。只有确保了数据的质量，报道才能够建立在坚实的数据基础上。
基于二手数据的数据新闻常常需要将不同来源的数据进行整合和对比。这种整合和对比可以揭示出数据更深层次的趋势和关联，为受众提供更全面、更深入的分析。例如，通过整合不同地区或不同群体的数据，可以发现差异和联系；通过对比不同时间点的数据，可以观察到趋势的变化。
总之，基于二手数据的数据新闻虽然不涉及原始数据的收集，但它要求记者具备优秀的数据分析能力和创新思维。通过对现有数据的深入评估和创新性解读，记者能够为受众提供高质量的报道，增进受众对世界的理解和认识。随着数据的日益增多和数据获取技术的不断进步，基于二手数据的数据新闻将继续在数据新闻领域中发挥重要作用。
3. 根据不同选题性质分类
数据新闻作为一种新兴的新闻报道形式，通过对大量数据的收集、分析和可视化呈现，为受众提供更深入、更全面的新闻内容。根据选题的性质，数据新闻可以分为事件型、话题型、调查型和常规型。以下是对这4种类型的详细介绍。
（1）事件型数据新闻
事件型数据新闻聚焦特定的新闻事件，通过数据分析来解释事件的背景、发展和影响。这类新闻通常在事件发生后的短时间内推出，以提供及时的信息。例如，自然灾害、重大事故等，都可以通过数据新闻来呈现。这类新闻不仅提供基本的事实，还通过数据分析揭示事件的趋势、受影响人群和可能的后续影响。
（2）话题型数据新闻
话题型数据新闻关注社会、经济、文化等领域的热点话题，通过数据分析为这些话题提供新的视角和深入的理解。这类新闻通常没有特定的时间限制，更多地依赖长时间的数据积累和分析。例如，气候变化和教育资源分配等话题的数据新闻，都是话题型数据新闻的典型例子。
气候变化话题的数据新闻可以通过长期的气温变化数据、碳排放数据和海平面上升数据等，展示气候变化的趋势和影响。这些数据新闻不仅有助于提高公众对气候变化问题的认识，还能为政策制定者提供科学依据。
（3）调查型数据新闻
调查型数据新闻通常涉及深度报道，通过数据挖掘和分析揭示隐藏的问题或真相。这类新闻往往需要耗费较长的时间和大量的资源，记者需要通过查询公开数据、发放调查问卷、网络爬虫等方式收集和整理信息。例如，揭露欺诈、环境污染等社会问题的数据新闻，一般会以调查型数据新闻的类型呈现。
调查型数据新闻不仅依赖于数据的准确性和详尽性，还需要记者具备强大的数据分析能力和新闻敏感度。
（4）常规型数据新闻
常规型数据新闻是指那些基于日常数据报道的新闻，主要包括经济数据、市场行情、人口统计等内容。这类新闻通常具有规律性和周期性，受众可以通过这些数据新闻了解最新的经济动态、市场趋势和社会变化等。例如，每季度的国内生产总值（Gross Domestic Product，GDP）增长数据和年度的人口普查数据，都是常规型数据新闻的重要内容。这些数据新闻通过简单明了的图表和图例，让受众能够快速掌握关键信息。常规型数据新闻不仅服务于普通受众，还能为政策制定者和专业人士提供重要的参考依据。
数据新闻作为新闻报道的重要形式，通过不同选题性质的新闻，为受众提供了多样化的信息和深入的分析。事件型数据新闻注重时效性，话题型数据新闻提供深度分析，调查型数据新闻揭示真相，常规型数据新闻则关注日常数据。无论是哪种类型的数据新闻，都需要记者具备扎实的数据分析能力和较高的新闻敏感度，以确保报道的准确性。
1. 国外数据新闻的实践发展
国外数据新闻的实践发展历程较长，其经历了多个重要阶段，逐步成为新闻行业的主流。
（1）早期阶段（20世纪60年代—20世纪70年代）
国外数据新闻的雏形可以追溯到20世纪60年代。当时，一些媒体开始使用计算机技术处理和分析数据，以支持其调查报道。1967年，美国《底特律自由报》利用计算机分析数据，这被认为是数据新闻的早期实例之一。20世纪70年代，美国学者菲利普·迈耶（Phillip Meyer）提出了“精确新闻学”的概念，强调通过数据分析提高新闻报道的准确性和深度。
（2）起步阶段（20世纪80年代—20世纪90年代）
20世纪80年代—20世纪90年代，随着计算机技术的积累和发展，数据新闻逐渐受到重视。在这一时期，数据新闻在欧美媒体中逐渐发展起来。
（3）发展阶段（2000—2011年）
进入21世纪，数据新闻迎来了快速发展。2008年全球金融危机后，欧美媒体对数据新闻的需求大幅增加，因为数据新闻能够帮助其解释复杂的经济现象。以《纽约时报》《卫报》为代表的主流媒体，纷纷成立了专门的数据新闻工作团队，发布了许多具有影响力的报道。
（4）成熟阶段（2012年至今）
2012年至今，数据新闻在多个欧美国家进入成熟阶段。2012年《纽约时报》的数据新闻《雪从天降：发生在隧道溪的雪崩》（“Snow Fall：The Avalanche at Tunnel Creek”），主要讲述了2012年2月发生在美国华盛顿的雪崩造成滑雪爱好者罹难的事件，该数据新闻上线一周就获得了约350万次页面浏览量。2012年以来，以《卫报》《华盛顿邮报》为代表的媒体，通过数据新闻报道不断提升其影响力。例如，《卫报》的数据新闻工作团队发布了一系列关于英国脱欧的报道，通过数据分析和数据可视化，帮助受众理解这一复杂的政治事件。
此外，随着大数据和人工智能（Artificial Intelligence，AI）技术的发展，数据新闻的形式和内容也更加丰富。媒体开始利用机器学习和自然语言处理技术，自动化收集和分析数据，以提供更加实时和个性化的新闻服务。例如，路透社和彭博社等新闻机构通过使用自动化新闻写作系统，能够在短时间内生成大量基于数据的新闻报道。
2. 国内数据新闻的实践发展
国内数据新闻的发展相对较晚，但近年来取得了显著的进步，其逐渐成为新闻行业的重要组成部分。
（1）早期阶段（20世纪90年代）
20世纪90年代，国内数据新闻的概念尚未普及。此阶段的新闻报道主要依赖于传统的文本和图片，对数据的使用比较有限。尽管有些媒体偶尔使用数据来支撑报道，但整体上，数据新闻并未成为主流。
（2）起步阶段（2000—2010年）
2000—2010年，随着互联网的普及和数据技术的发展，国内数据新闻开始起步。一些先锋媒体如《财新周刊》和《南方周末》开始尝试将数据融入报道中。例如，《财新周刊》在其调查报道中使用了大量数据，揭示了许多社会问题，这一阶段的数据新闻多集中在财务和经济领域。
（3）发展阶段（2011—2015年）
这一阶段，国内数据新闻快速发展。随着社交媒体的兴起和数据分析工具的普及，越来越多的媒体开始重视数据新闻的应用。例如，腾讯新闻和网易新闻等媒体开始设立专门的数据新闻工作团队，发布了一系列数据驱动的报道。在这一阶段，腾讯新闻推出了“企鹅智酷”，致力于通过数据分析为受众提供深度报道。
（4）成熟阶段（2016年至今）
2016年至今，国内数据新闻逐渐成熟，其应用范围也更加广泛。不仅传统媒体积极探索数据新闻，新兴的互联网媒体和科技公司也纷纷加入这一领域。以澎湃新闻和今日头条为代表的新兴媒体，通过数据新闻报道吸引了大量受众。此外，一些独立的数据新闻平台也开始涌现，专注于提供高质量的数据新闻报道。在这一阶段，数据新闻的内容也从单一的经济和金融领域扩展到社会、政治、环境等多个领域。例如，澎湃新闻的一系列环境污染报道，通过详尽的数据分析揭示了许多隐蔽的问题，引起了公众的广泛关注。
无论是国内还是国外，数据新闻的发展都经历了从无到有、从简单到复杂、从局部应用到广泛普及的过程。国内数据新闻在学习和借鉴国外经验的基础上，逐渐形成了自己的特色。未来，随着数据技术的进一步发展和新闻行业的不断变革，数据新闻必将在全球范围内发挥更加重要的作用，为公众提供更加全面、深入和客观的信息服务。
1. 国外的数据新闻学术研究发展
国外的数据新闻学术研究的发展经历了几个重要阶段，逐渐形成了一个独立且多学科交叉的研究领域。
（1）早期阶段（2012年及之前）
在国外数据新闻学术研究的早期阶段，研究主要集中在计算机辅助报道（Computer-assisted Reporting，CAR）和数据驱动新闻（Data-driven Journalism，DDJ）上。这一阶段的研究主要探讨如何利用计算机和数据库来挖掘新闻故事。此阶段的重要研究包括乔纳森·格雷（Jonathan Gray）等人在2012年出版的《数据新闻手册》，该书详细介绍了数据新闻的基本概念和方法。
（2）兴起阶段（2013—2020年）
随着大数据技术和数据分析工具的发展，数据新闻开始在全球范围内获得关注和应用。研究者们逐渐将注意力转向数据新闻在新闻生产中的应用及其对新闻价值观的影响。例如，巴哈瑞尔·赫拉维（Bahareh Heravi）等人在2020年的论文《数据新闻全球实践：技术、教育、机会与价值》（“Data Journalism Practices Globally：Skills，Education，Opportunities，and Values”）中，探讨了全球范围内数据新闻的实践、技能、教育需求和价值观。
（3）发展阶段（2021年至今）
现代数据新闻研究关注的一个重要方向是算法和AI在新闻生产中的应用。这些技术不仅改变了新闻的采集和制作过程，还对新闻行业的职业伦理和公共责任提出了新的挑战。此外，研究者们也关注数据新闻在不同地区和文化背景下的应用。
自2021年起，数据新闻吸引了来自新闻传播学、社会科学、信息科学、数据科学等多学科的研究者。目前，数据新闻研究采用了多种研究方法和理论框架，包括定量研究、定性研究、案例研究等。
2. 国内的数据新闻学术研究发展
国内的数据新闻学术研究在2012年后开始蓬勃发展，数据新闻主题论文发表的年度趋势和数据新闻主题论文涉及的主要主题如图1-1、图1-2所示。
图1-1 数据新闻主题论文发表的年度趋势（基于中国知网文献发表分析）
图1-2 数据新闻主题论文涉及的主要主题（基于中国知网文献发表分析）
注：统计时间范围为2013—2024年。
（1）引入与探索阶段（20世纪末—2012年）
20世纪末，随着信息技术和互联网的普及，国内新闻界开始引入数据新闻的概念。国内新闻学者和从业者开始探索如何将数据融入新闻报道中，提高报道的深度和准确性。1998年，卜卫发表了介绍计算机辅助新闻报道的文章：《计算机辅助新闻报道：信息时代记者培训的重要课程》，国内学术界对数据新闻的关注度逐渐增加。
（2）兴起阶段（2013年至今）
自2013年起，数据新闻愈发受到国内学术界的关注。新闻传播学科的学者开始发表关于数据新闻的研究论文，探讨数据新闻的定义、特点、方法论及其在新闻传播中的作用。随着实践的深入，国内学者开始关注数据新闻的理论深化和方法论问题，研究内容涉及数据新闻的叙事技巧、数据可视化的设计原则、数据驱动的新闻生产流程等。
数据新闻学术研究的发展体现了从计算机辅助报道到跨学科融合的演进过程。随着技术的不断进步和新闻实践的变革，数据新闻将继续在新闻学研究中占据重要地位，并对新闻行业的发展产生深远影响。