第五講：編輯室里的數據分析目錄CONTENTS數據清理數據分析數據清理和分析過程中的倫理問題行業PPT模板/hangye/數據清理01數據清理一項對比數據科學家和數據記者的數據準備工作的研究發現，數據記者在接受深度訪談時，反復提及他們在做數據準備工作時會面臨的四個挑戰：區域性：由于不同地區的數據收集者在收集數據時具有獨立性和空間的分散性，這導致相同主題的數據在不同區域結構不一致。

歷時性：關于同一現象的統計數據可能隨著時間的演變而發生變化。

碎片化：關于相似主題的不同表格包含邏輯相關卻內容不同的項目。

不同的數據集：尋找不同數據集中的關聯——找到其中相同的數據實體，是一個充滿不確定性的工作。KasicaS,BerretC,MunznerT.DirtyDataintheNewsroom:ComparingDataPreparationinJournalismandDataScience.CHI'23:Proceedingsofthe2023CHIConferenceonHumanFactorsinComputingSystems.(2023-04-19)[2024-01-20].https://www.cs.ubc.ca/group/infovis/pubs/2023/dirty-data-in-the-newsroom/dirty-data-in-the-newsroom.pdf.

數據清理數據清理（DataWrangling）也被稱為數據清洗、數據補救或數據轉換，指把原始數據轉換為可更好地進行分析的數據格式的一系列過程。這是我們在進行數據分析前一個必要的工作環節。大多數時候我們采集的數據未必是理想數據，可能存在或多或少的問題，有人形象地稱此為“壞數據”（baddata）或“臟數據”（dirtydata）。數據清理既是采用適當的方法處理數據中存在的問題的過程；也是對采集的數據進行匯總整理和結構化的過程。數據清理可以是一個人工或機器自動完成的過程，

它包含觀察數據、結構化數據、清洗數據、擴充數據、驗證數據和發布數據六個步驟。數據清理0102030405觀察數據結構化數據清洗數據擴充數據驗證數據06發布數據數據清理一、觀察數據觀察數據是數據清理的第一步，指熟悉數據，構思如何使用數據的過程。這一過程中需要對數據質量做出觀察和判斷，其中包括辨別數據呈現的趨勢和模式，發現其中存在的明顯問題，例如數據缺失、不準確的數據值等。對數據的五個新聞要素做分析，可以幫助我們發現數據中的問題，明確最終需要清理的數據范圍。數據清理Who數據是誰提供的

What你想用數據告訴人們什么

When數據是何時采集的

Why這組數據有何意義Where數據的地理屬性

數據清理二、結構化數據結構化數據是一個將數據轉換為可被分析的數據格式的過程，要轉換成怎樣的數據表取決于使用怎樣的分析模型來解釋數據。機器可讀的數據文件，即為了便于計算機進行讀取和處理而生成的數據文件，而不是為了向人類用戶展示。這些數據的結構與其內容相關，但與數據的最終展示形式不同。常見的機器可讀數據文件格式包括CSV、XML、JSON和xls/xlsx文檔等等。與機器可讀的數據相反，另一類數據文件格式側重視覺呈現，承擔向用戶展示數據的功能，但不便于計算機讀取數據和處理分析。常見的側重視覺呈現的數據文件格式包括Word文檔、HTML網頁和PDF文檔。數據清理二、結構化數據從PDF中提取數據的三種方法：通過人工復制粘貼，這種方法能簡單入手，但耗時耗力，且容易導致數據提取不穩定、易出差錯；采用PDF轉換器，這類轉換軟件或在線轉換網站可以相對快捷高效地提取數據，但不太方便處理批量數據提取；由程序員編寫自動化腳本，通過Python等程序語言調用轉換PDF的工具包，從而實現批量數據提取的任務。案例：“笨方法”做出的好新聞韓國報紙《京鄉新聞》發布作品《平均每天有三個工人永遠不會下班》數據清理三、清洗數據清洗數據是指消除數據中存在的錯誤，以免它們影響數據分析和數據價值。清洗數據包括刪除空白單元格或行/列，移除異常值，使所有輸入都標準化。這個過程的目標是確保數據中不會有影響分析的差錯。識別和消除任何影響數據清理后續過程的壞數據。參考Quartz網站發布的《壞數據指南》你怎么看：在計算機科學領域，有一句俗語“Garbagein,garbageout”，指輸入垃圾數據會導致垃圾結果，你如何理解這種觀點？數據清理三、清洗數據清洗數據時需要注意的事項：做好數據備份，另存數據并合理命名備份存檔。檢查數據是否完整、規范、一致，尤其是手動錄入、匯總的數據。檢查是否有合并單元格，如果有合并單元格需將其拆分、并做好數據填充。檢查是否有異常值：包括重復值、錯誤值、空白行、列/單元格等。檢查數據格式是否正確、一致：如文本、數字、日期應對應相應的格式。對缺失的數據進行填補，包括單元格的空值和零值的處理。“整潔的數據”應該符合三個規則：每一列是一個變量；每一行代表一個觀測值/記錄；不要把不同類型的數據堆在一個數據表里面。（WickhamH,RStudio.TidyData.JournalofStatisticalSoftware.2014,59(10),1-23.DOI:10.18637/jss.v059.i10.

）數據清理四、擴充數據判斷數據是否足以做分析，如果不夠充足，則需要從其他數據集中找相應的數值來填充和擴展數據。案例：RUC新聞坊的作品《暴雨再襲，臺風對華北、東北影響在加劇嗎？》

數據清理五、驗證數據進一步檢查在前面所完成的數據準備階段的工作，確認數據是否一致，質量是否足夠且安全。數據驗證可以通過機器或人工來完成。常見的數據驗證類型包括以下幾種：數據類型驗證：確認每個字段、列、列表、范圍或文件中的數據與指定的數據類型和格式匹配。

約束驗證：檢查給定的數據字段輸入是否符合特定范圍內的指定要求。例如，它驗證數據字段是否具有最小或最大字符數。

結構化驗證：確保數據符合指定的數據格式、結構或模式。

一致性驗證：確保數據樣式一致。例如，它確認所有值均保留兩位小數。

代碼驗證：類似于一致性檢查，并確認用于不同數據輸入的代碼是正確的。例如，檢查國家/地區代碼。（KernerSM.DataValidation.(2022-01)[2023-12-13],/searchdatamanagement/definition/data-validation.）數據清理六、發布數據經過驗證后的數據就可以發布了，這里的發布數據不是指直接對公眾發布，而是將數據提供給機構內的其他人進行分析。在數據清理階段，數據科學家或數據記者需要采用機構內合適的共享格式來發布數據，例如，有些機構采用在線電子表格的方式進行項目內不同人員的共享。

數據分析02數據分析統計分析大數據分析新聞編輯室里的數據分析包含兩大類：一類是采用社會統計學領域的數據分析方法所做的處理和分析，另一類則是采用將傳統的數據分析方法與處理大量數據的復雜算法相結合的數據挖掘（datamining）方法所做的大數據分析。

數據分析一、新聞中常見的統計學概念與統計分析方法統計學是應用數學的一個分支，是收集、分析、表述和解釋數據的科學。統計分析分為統計描述和統計推論兩類，統計描述是指將所觀察的數據、資料，進行整理、歸納和分析，以期找出某種規律。而統計推論則指根據不完全數據對全體做出正確推論的方法，它要求根據統計資料的統計規律性，運用概率論，正確地從局部推論到整體。（盧淑華.社會統計學(第五版).北京:北京大學出版社.2021,16-20.

）

數據分析（一）統計描述在數據新聞中的應用統計描述可以提供關于一組定量數據特征的簡單描述，在數據新聞中，常用的統計方法有頻次分布、集中趨勢測量法、離散趨勢測量法和相關等。1.頻次分布（frequencydistribution）社會統計學里的頻次分布指一個概念或變量的全部取值及其頻次的集合。例如，將一組變量分為不同組段，然后將各組段對應的觀察值歸納到各組段中，最后清點各組段觀察值個數（頻次），就可以形成該變量的頻次分布。傷亡類型人數輕傷890重傷396死亡1106數據來源：《中國林業統計年鑒》統計時段：1998-2017年表：森林火災人員傷亡統計表數據分析與頻次分布相關的概念百分比（percent）相對數中的一種，所謂相對數，即表示一個數是另一個數的百分之幾，也稱為百分率或百分數。只有明確基數的百分比才具有意義，如果不知道具體的基數是多少，百分比數據就缺乏了可參照的基礎。

百分點一個很容易與百分比混淆的概念，它指不同時期以百分數的形式表示的相對指標的變化幅度，1個百分點=1%。

百分比變化用新數值減去舊數值，所得的差再除以舊數值，就得到了百分比變化。百分比變化能夠讓讀者清楚地了解到數值隨著時間的發展產生了怎樣的變化趨勢。環比和同比是兩個常見的不同的描述百分比變化的術語。數據分析（一）統計描述在數據新聞中的應用正態分布是變量概率分布的一種形態，在平均值中央點的概率最高，兩側的概率逐漸降低，其曲線圖形類似鐘形。正態分布又稱常態分布，這是我們身邊很多現象的正常狀態。例如人們身高、體重、智力水平的分布，都呈現出正態分布的趨勢。

正態分布可以用來檢驗數據是否合理。如果依照常識，某組數據理應出現正態分布，但實際數據卻并不吻合，這時就需要數據記者、編輯對數據展開核查，首先核查是否在數據整理分析的過程中出現了差錯，如確認無誤，則需要調查是何原因導致這組數據出現了異常情況，或許這些異常背后就蘊含著新聞。

數據分析案例：從正態分布圖中發現網戀的身高謊言克里斯蒂·魯德（ChristianRudder）的作品《有關網戀的大謊言》（TheBigLiesPeopleTellinOnlineDating）

數據分析案例：從正態分布圖中發現網戀的身高謊言數據分析2.集中趨勢（Centraltendency）也被稱為集中值，指用某一個典型的變量值或特征值來代表變量的全貌。與集中趨勢相關的統計概念包括以下三個：均值（mean，即平均數）：是最常用到的統計量，表示某變量的所有變量值的集中趨勢或平均水平，它適用于分析定距變量。中位值（median）:如果一組數據中恰好使累積概率取1/2的變量值，即將一組數據按大小排列，取最中間的那個數值，這就是中位值或中位數。

眾值（mode）：指在一組數據中出現頻次最高的數值。眾值適用于分析定類、定序和定距變量。

（一）統計描述在數據新聞中的應用數據分析3.離散趨勢（Dispersiontendency）

離散趨勢是指一組數據背離分布集中值的特征，反映了各變量值遠離其集中值的程度。離散趨勢可以通過異眾比率（非眾數組的頻數占總頻數的比率）、極差（觀察的最大值與觀察的最小值的差數）、四分互差（用75%位點數據和25%位點數據相減而得的差數）、方差與標準差來測量。方差（variance）是各個數據與平均值之差的平方和的平均值，表示一系列數據或統計總體的分布特征的值。標準差（standarddeviation）也稱均方差，是各數據偏離平均值的距離的平均值，它是方差的算術平方根。

（一）統計描述在數據新聞中的應用數據分析案例數據分析統計推論是指根據樣本數據去推斷總體數據特征的統計分析方法。統計推論大體可分為兩部分：一是通過樣本對總體的未知參數進行估計，簡稱參數估計（parameterestimation）；二是通過樣本對總體的某種假設（例如參數或分布情況）進行檢驗，簡稱假設檢驗（hypothesistest）

（二）統計推論在數據新聞中的應用數據分析1.參數估計

參數估計可以細分為點估計和區間估計，其中點估計是用樣本計算出來的一個數來估計未知參數，而區間估計則是通過樣本計算出一個范圍來對參數進行估計。一般的，點估計的精度較難判斷，而區間估計則既要給出一定的參數區間，還要求給出所給區間未知參數的概率。

置信度也被稱為置信概率、置信系數，指以測量為中心，在一定范圍內，真值出現在該范圍內的幾率。置信度表示用置信區間估計的可靠性，一般置信度是根據實際情況預先被設定的，常給定為0.95。置信區間指在某一置信度下，以測量值為中心，真值出現的范圍，即一定概率下真值出現的取值范圍，這里的概率就是置信度。

與置信度相關，顯著性水平表示的是用置信區間估計不可靠的概率。置信度和顯著性水平之和為1，因而假設給定的置信度為0.95，那么就意味著顯著性水平為0.05。（二）統計推論在數據新聞中的應用數據分析2.假設檢驗統計學意義上的假設檢驗是指“經過抽樣獲得一組數據，即一個來自總體的（隨機）樣本，如果根據樣本計算的某個統計量（或幾個統計量）表明在原假設H0成立的條件下幾乎是不可能發生的，就拒絕或否定這個原假設，并繼而接受它的對立面——備擇假設。反之，如果在原假設H0成立的條件下，根據樣本所計算的某個統計量發生的可能性不是很小的話，那么就接受原假設。”

這里H0也被稱為“零假設”，而顯著性水平α是在零假設成立條件下，統計檢驗中所規定的小概率的標準，即規定小概率的數量界線，常用的標準為α=0.10、α=0.05或α=0.01。p值是根據樣本計算得出的概率，如果p值小于α，說明零假設被拒絕，繼而接受備擇假設；反之則原假設成立。（二）統計推論在數據新聞中的應用數據分析案例數據分析數據挖掘出現于20世紀80年代，指“通過仔細分析大量數據來揭示有意義的新的關系、趨勢和模式的過程”。它是一種將傳統的數據分析方法與處理大量數據的復雜算法相結合的技術，是在大型數據存儲庫中自動地發現信息的過程。

（王光宏,蔣平.數據挖掘綜述.同濟大學學報.2004(2).）數據挖掘吸納了多個學科的給養，不僅利用了來自統計學的抽樣、估計和假設檢驗等思維與工具，還包括了人工智能、模式識別和機器學習的摸索算法、建模技術和學習理論，并借助于數據庫技術、并行計算、分布式計算等領域的最新成果發展而成。（

TanP-N,SteinbachM,KumarV.數據挖掘導論(完整版).范明,范宏建(譯).北京:人民郵電出版社.2010:2-6.

）

二、數據新聞中的數據挖掘

數據分析二、數據新聞中的數據挖掘

1234預測建模predictivemodeling以說明變量函數的方式為目標變量建立模型。預測建模任務包含分類和回歸兩種，分類用于預測離散的目標變量，回歸則用于預測連續的目標變量。關聯分析associationanalysis用于發現描述數據中強關聯特征的模式。由于搜索空間是指數規模的，關聯分析的目標是以有效的方式提取最有趣的模式。聚類分析clusteranalysis旨在發現緊密相關的觀測值組群，使得與屬于不同簇的觀測值相比，屬于同一簇的觀測值相互之間盡可能類似。異常檢測anomalydetection識別其特征顯著不同于其他數據的觀測值，這樣的觀測值成為異常點或離群點。TanP-N,SteinbachM,KumarV.數據挖掘導論(完整版).范明,范宏建(譯).北京:人民郵電出版社.2010:2-6.

數據分析案例：《穆魯羅瓦檔案》

2021年9月，美國普林斯頓大學、英國和挪威的建筑師團體Interprt以及法國調查媒體Disclose共同開展了兩年之久的調查項目《穆魯羅瓦檔案》發布，該項目在數千份解密軍事文件、數百小時的計算和數十份未發表的證詞的幫助下，揭示了1966年至1974年間法國在波利尼西亞群島上空的數次核爆炸實驗對當地平民帶來的核污染比官方公布的數據要嚴重得多的事實。項目中的最具挑戰性的部分是團隊開發了一種技術模型，利用普林斯頓大學的計算機在實驗室中虛擬重現了法國的核試驗。完成計算后，設計師和建筑師對法屬波利尼西亞群島上的放射性云及其沉降物的軌跡進行3D建模，并模擬了村莊受到的輻射影響以及食物和居民受到污染的精確程度。

數據分析案例：《53027條留言背后，網絡樹洞里絕望者的自救與互助》》國內數據挖掘方法最為集中的應用在文本挖掘領域。文本挖掘可以是對單文檔的數據挖掘，也可以是對文檔集的數據挖掘。文本挖掘需要先采用分詞、特征表示和特征提取等技術對數據做預處理，然后才可展開挖掘分析，常見的文本挖掘分析技術有文本結構分析、文本摘要、文本分類、文本聚類、文本關聯分析、分布分析和趨勢預測等。

2019年9月，澎湃新聞發表的作品對因抑郁而自殺的女大學生“走飯”的3276條微博文本展開了情感分析，并對這些微博后的53027條留言文本做了主題分析和社會網絡分析。

對“走飯”的所有微博（包括小號）進行文本的情感分析后生成的“情感樂章”

數據分析0102分組分析指根據數據分析對象的特征，按照一定的標準（指標），把數據分析對象劃分為不同的部分和類型來進行研究，以揭示其內在的聯系和規律性。

030405結構分析指總體內的各部分與總體之間進行對比的分析方法，即總體內各部分占總體的比例，屬于相對指標。

平均分析指運用計算平均數的方法來反映總體在一定時間、地點條件下某一數量特征的一般水平。綜合評價分析是一種多變量評價分析，運用多個指標對多個參評單位進行評價的方法。

06對比分析是指將兩個或兩個以上的數據進行比較，分析它們的差異，從而揭示這些數據所代表的事物的發展性狀和變化規律。

三、實用的數據分析思路

相關分析即通過相關表或相關圖等方式來判斷兩個變量是否存在不確定的統計關系的數據分析方法。

數據分析0102缺乏代表性的均值

030405僅供參考的趨勢

缺乏可比性的對比

將相關關系等同因果關系

06忽略基數的百分比

四、警惕“數據陷阱”

將抽樣樣本直接等同于全樣本

數據清理和分析中的倫理問題03數據清理和分析中的倫理問題記者需要時刻警惕，對數據錯誤的處理和倫理問題可能會損害數據新聞的準確和嚴謹。在操作數據新聞的過程中，倫理問題遍布各個環節：數據采集中需注意不能片面選擇數據源，注重多源交叉核實和驗證；文案寫作環節需注意交代數據的背景信息，描述數據時不能故意歪曲，需闡明數據的局限；數據可視化環節中需注意視覺設計如何準確地展現數據，而不能用視覺規律誤導受眾等。一般的新聞報道倫理也適用于數據新聞領域，同時，數據新聞因其涉及數據和可視化，其倫理規范上還存在一定的特殊性。

數據清理和分析中的倫理問題2012年，美國康涅狄格州的一所小學發生了校園槍擊案，紐約懷特普萊恩斯的《期刊新聞》（JournalNews）的一位記者撰寫了一篇關于槍擊事件可能擴大化的報道，公開可獲取槍支許可證的數據，并附有三張帶有槍支許可證持有者位置的在線地圖，這些地圖上還公布了一些郊縣槍支許可證持有者的姓名與地址。此舉引發了當地公眾的抗議，同時也使該國記者在社群中展開廣泛討論。有研究發現，記者社群關于該事件的討論主要圍繞新聞倫理展開，涉及“自由與責任”“新聞目的”“隱私”“驗證”“后果”“替代方案”等主題框架。該研究對數據新聞從業者提出了如下的建議：一、隱私數據處理數據清理和分析中的倫理問題1.每當數據包含個人信息時，新聞編輯室必須討論是否將其發布到網上。2.新聞編輯室需要考慮的問題包括：第一，該信息是否服務于新聞和公共目的？到什么程度？數據必須至少滿足這兩個目的才能發布到網上。第二，這些信息可能會傷害誰？到什么程度？數據元素是否會給個人的私生活帶來風險？可能錯誤或過時的數據會產生什么潛在影響？第三，是否有其他方案可以最大限度地減少傷害，例如匯總個人數據而不是使用個人姓名和地址？第四，數據可以驗證嗎？是否采取了合理的步驟來驗證數據的準確性？在發布之前可以通知數據庫中涉及的人員嗎？可以采取哪些措施來糾正發布后發現的數據錯誤？3.最終決定應考慮所有這些因素，以新聞目的和盡量減少傷害為最高優先級。

CraigD,KettererS,YousufM.ToPostorNottoPost:OnlineDiscussionofGunPermitMappingandtheDevelopmentofEthicalStandardsinDataJournalism.Journalism&MassCommunicationQuarterly.2017,94(1),168-188.DOI:10.1177/1077699016684796.

數據清理和分析中的倫理問題在一項針對前述全球數據新聞獎和SIGMA數據新聞獎的獲獎項目的研究中，研究者發現:關于隱私數據處理是他們調查的三個倫理問題中表現最不完善的，盡管大多數項目都采用例如隱藏元數據和使用虛構來源名稱等方法來保護其數據來源和故事中出現的個人來源，但是幾乎沒有一個項目解釋了它們是出于何種原因而排除姓名、地址和其他相關信息等個人數據，所有研究的項目都沒有提及知情同意，后者被視為保護新聞報道中出現的個人隱私的一項基本權利。

Chaparro-DomínguezM-á,Díaz-CampoJ.DataJournalismandEthics:BestPracticesintheWinningProjects(DJA,OJAandSigmaAwards),JournalismPractice,2023,17(6),1321-1339,DOI:10.1080/17512786.2021.1981773.

數據清理和分析中的倫理問題“我們采集不到跟個人隱私相關的數據，可能最近也就是信令數據了，但是信令數據本來就是脫敏的，已經過濾掉任何跟個人隱私相關的東西了，都是去ID化的處理。你能分析到的是這個用戶有什么行為，他的年齡、他用的手機，但不能知道他是誰。我們有的時候也想聯系到個人，由信令出發，其實想找到屬于這一個批次數據的真實個人，然后有利于講故事，但根本就拿不到。”(中央廣播電視總臺新聞中心經濟新聞部記者劉佳昕

)“如果和互聯網平臺合作挖掘數據，給我們提供的數據都是脫敏的、沒有個人的信息。如果是我們在網上公開平臺采集的話，其實也很少涉及到個體的行為的情況。”(南都大數據研究院秘書長凌慧珊

)

數據清理和分析中的倫理問題“在設計問卷的時候就會注意不問敏感的隱私數據，如果是爬數據的話，平臺都會對用戶數據做保護，也不太能爬到別人的隱私數據，只能爬到用戶發了什么帖子、帖子內容是什么。如果是明顯地引用用戶的留言和圖片，一般編輯或作者會去找他們要授權，得到許可后再使用。”

(網易數讀主編巫雨松)“在爬取數據的時候，或者錄入數據的時候，以及在找其他組織要數據的時候，我們會有意識地隱去一些和個體比較密切、能鎖定到個體的信息，其他組織也會因為數據隱私問題考慮不給我們這些數據，或者給我們一個脫敏后的版本。感覺現在對數據隱私的規范確實比幾年前更敏感。”(財新傳媒的數據記者張梅婷)

數據清理和分析中的倫理問題一、隱私數據處理“數據脫敏”主要是指數據去隱私化，即運用一定的脫敏規則使某些敏感信息數據變形，從而保護報道對象的隱私。

案例：澎湃新聞“美數課”欄目發布的《我們去了相親角6次，收集了這874份征婚啟事》《轉角遇到愛》系列報道在數據結構化的過程中排除了收集數據中指向過于精細的“聯系方式”“家庭住址”等個人隱私數據；對結構化的數據中具有個人隱私的數據做相應的模糊化處理。

數據清理和分析中的倫理問題在數據工作中，創建并遵循一個數據保護計劃，該項計劃旨在降低泄漏數據的概率，并且在數據泄漏發生后能夠降低傷害。英國數據服務中心（UKDataService）歸納的數據保護計劃必備的五項要素（也被稱為“5個安全”）：項目安全：對涉及道德倫理的項目數據采取限制措施對象安全：訪問僅限于可信任的數據人員（例如，經過道德培訓的人）數據安全：盡可能將數據標識并匯總設置安全：對儲存于計算機中的數據采取適當的物理（例如，鎖閉的房間）和軟件（例如，密碼保護、加密）保護成果安全：審查研究成果以防止意外隱私泄漏

[美]馬修·薩爾加尼克.計算社會學:數據時代的社會研究.趙紅梅,趙婷譯.中信出版集團.2019:280-289.

數據清理和分析中的倫理問題二、透明性透明性一直被視為新聞業的重要職業準則。2001年，比爾·科瓦齊和湯姆·羅森斯蒂爾在《新聞的十大基本原則》中較早系統性地提出“透明性原則”（ruleoftransparency）。“透明”意味著記者和編輯需在新聞報道中做出必要的說明，解釋新聞是如何獲得的，為什么要用特定的方式處理和表達，以及坦誠報道中尚未解決的問題和局限。他們認為這一原則能夠替代飽受爭議的客觀性原則。（比爾·科瓦奇，湯姆·羅森斯蒂爾.新聞的十大基本原則.劉海龍,連曉東,譯.北京:中國人民大學出版社,2011.）邁克爾·卡爾森(MichaelKarlsson)對透明性原則做了分類，將之區分為“公開的透明性”和“參與的透明性”。公開的透明性指新聞選擇和制作方式的公開，而參與的透明性則涉及受眾參與新聞選擇和制作的程度。（KarlssonM.RitualsofTransparency:EvaluatingOnlineNewsOutlets’UsesofTransparencyRitualsintheUnitedStates,UnitedKingdomandSweden.JournalismStudies.2010,11