网络新闻新形式
中国最早在网络上提供新闻的是以新浪、网易、搜狐和腾讯为首的门户网站，但是很快各大中央及地方传统媒体都有了自己的网络版。随着科技的发展，“两微一端”（微博、微信及新闻客户端）渐渐成为最重要的网络新闻传播平台。各大中央及地方传统媒体又迅速纷纷开设了官方微博账号、微信公众号，开发了新闻客户端。通过统计各媒体在微博、微信以及客户端三个平台上发布文章的阅读数、转发数、评论分享等数据，非常容易了解各媒体的网络传播状况、传播效果和影响力。中央网信办的《网络传播》杂志每月发布“中国新闻网站App排行榜”，公布中国各媒体在网络上的综合传播力，及PC端传播力、移动端传播力、微博传播力和微信传播力的榜单。
（一）新闻App
各种新闻媒体的客户端软件和各种新闻聚合App通过利用各种算法，将受众订阅的或是可能感兴趣的新闻精准地推送给用户。
现在，中国国内新闻App大致有三类，分别为：
1.传统媒体App
如《人民日报》《新京报》《南方周末》《三联生活周刊》的新闻App。
由于此类App依托的是有着较高公信力的成熟权威媒体，原本就有着强大的采写编人力资源和能力，原有的一些忠诚受众很容易就接受其新的传播方式，直接从传统媒体过渡到数字化的接收方式。所以，此类新闻App有稳定的用户群，提供的信息原创比例最高，质量也最高。但伴随着此类新闻App的高原创度和高质量，其运营成本也相对较高，而且在个性化方面对用户体验的关注比较不足，在拓展新用户方面反而不能一马当先。
2.门户网站App
如新浪新闻、腾讯新闻、搜狐新闻和网易新闻的App。
此类新闻App新闻种类多、信息量大、用户数也非常大。因为依托的是四大门户网站，不仅有原来做网络新闻的经验，而且在技术和运营方面更有优势，同时善于利于数据分析掌握用户的偏好，可以方便地为有着不同层次需求的用户量身打造一些新闻专题。但是原本存在于门户网站新闻中的一些弊病也被此类新闻App所继承，如信息同质化严重，多而不精，大而不当。用户为获得有价值的信息，需要付出更多的搜寻时间成本。
3.聚合类新闻App
如今日头条、ZAKER、鲜果。
聚合类新闻App背后的团队并不直接从事新闻工作，他们仅通过技术整合网络内容资源，或鼓励用户推荐文章到客户端，通过各种算法估量用户的兴趣点，搜集用户感兴趣的内容，然后进行个性化的新闻推送。相比前两类新闻App是直接提供新闻，聚合类新闻App主要做的是有针对性推荐新闻工作，在所推荐的信息的个性化方面远高于前两类新闻App。
（二）数据新闻
数据新闻，又叫数据驱动新闻，是一种基于数据的抓取、挖掘、统计、分析和可视化呈现的报道方式。数据新闻的萌芽可以追溯到计算机辅助报道和精确新闻学。数据新闻的出现是大数据技术背景下数据技术对新闻业全面渗透的必然现象。从广义上来说，数据新闻就是在新闻报道中用数据说话。具体在操作层面，它是针对相关新闻选题，运用社会统计方法对数据进行收集、过滤、挖掘，然后借助可视化手段对数据信息进行组织和呈现。
1.数据新闻的优势
与传统新闻报道方式相比，数据新闻在信息采集方面能够做到更真实，在新闻呈现方面能够做到更具可视性，受众与叙事主体之间的互动性更强，体验更佳，在描述、判断、预测等方面拥有得天独厚的优势，非常适宜做各种增值性的内容服务。“第一，数据新闻通过对数据的收集、深度挖掘和分析，有利于发现数据之间的联系，揭示出深刻的洞见。数据新闻运用的是立体化的罗列形式，通过多角度、多类别、多层次的数据对比，让更加丰富、更加多元化的信息内容有效地呈现在受众面前。第二，数据新闻能够增加与受众的互动性。作为开放新闻的数据新闻，鼓励用户参与到新闻制作中去，并开启了众包式新闻。它能和受众实现及时互动，及时地进行调整，转化成为受众‘定制化’的独特信息服务。第三，将复杂故事简单化。数据新闻借助可视化手段展示诸多关联数据，将数据之间存在的复杂关系非常直观地呈现给受众，增强了新闻报道的易读性，有利于受众更好地理解新闻事件，并留下更深刻的印象。”[13]
数据新闻报道通常经过四个环节，首先是对原始数据进行收集。在收集工作中，有许多网络数据采集软件可以使用，这些软件大大提高了数据的采集效率和准确度。第二步是对数据的分析和过滤。这个步骤也可以利用一些软件节省人力分析的精力和时间成本。第三步是将数据可视化。可视化是数据传播的一种重要手段。人类大脑神经元涉及多种功能，其中三分之二的大脑神经元致力于视觉感知，所以可视化效果对新闻的传播效果有着直接的影响。最后一步是形成具体的新闻报道。因为数据是为讲述新闻服务的，不能本末倒置。
数据新闻一般不以文字为中心，文字往往只是作为辅助用来解释图表信息，内容主要以可视化的方式展示。新闻可视化与信息图形、信息可视化、科学可视化以及统计图形密切相关，是将数据信息和知识以可视化图表、视频动画等形式进行视觉呈现，主要借助图形化手段，清晰有效地传达与沟通信息，让受众能直观体验和感受到新闻故事的方式。这种方式可以减少受众的认知负载，增强受众在阅读和理解问题时所需的记忆能力。
数据的可视化使人们不再局限于通过关系数据表来观察和分析数据信息，而是能以更直观的方式看到数据及其结构关系。大量枯燥的内容被以饼状图、柱状图、折线图、表格、动画、视频等方式形象地呈现，使新闻内容更简洁易懂，还能避免文字阐述可能导致的不必要歧义，提高了受众的信息接收效率。
2.国外数据新闻的发展情况
20世纪中叶，在美国已出现媒体为调查和发现新闻事实，利用大型计算机对政府提供的数据库中的信息进行分析。目前国际媒体在数据新闻制作方面比较突出的有《卫报》《纽约时报》《华盛顿邮报》《芝加哥论坛报》等，而《卫报》在其中可以算既是先驱也是佼佼者，它的几个极具影响力的数据新闻报道有的影响了历史进程，有的则成为数据新闻报道的典范。
2010年10月23日，《卫报》网站曾利用维基解密的数据做了一篇数据新闻，将伊拉克战争中所有的人员伤亡情况均标注于地图之上。图上的每一个红点代表一次死伤事件，网民点击红点后就能从弹窗中阅读详细的伤亡人数、时间和原因等。由于密布的红点多达39万，一经发布触目惊心，促使英国最终作出撤出伊拉克驻军的决定。
2012年1月5日，《卫报》在其网页发布了一个数据新闻报道。报道呈现的是一个动态图表，其时间轴从2010年12月一直到2011年12月，展现了在17个阿拉伯国家发生的后被称为“阿拉伯之春”的政治运动的全貌。不同种类的政治事件用不同颜色来标示，网民只需操纵推拉时间轴或点击不同的国家标识，就可以了解某个国家在纵向时间轴上的政治演变进程。该报道方式将涉及十几个国家、时间跨度长达一年、情况非常复杂的一个政治事件，以非常有条理的动态方式呈现出来，达到了其他报道方式难以达到的直观效果。
3.国内数据新闻的发展情况
国内在数据新闻方面，2011年5月搜狐最早推出了数据新闻栏目“数字之道”，2012年，其他知名新闻网站也陆续开辟了数据新闻专栏，如新浪的“图解天下”、网易的“数读”、腾讯的“数据控”等，随后以传统媒体为母体的一些新闻App也纷纷效仿，如澎湃新闻开办了“美数课”，新京报有了“新图纸”，央视《晚间新闻》于2014年推出名为“‘据’说”的系列节目，使数据新闻成为传媒界热点。
2014年中央电视台数据新闻尝试打破我国数据新闻惯用三方数据的方式，直接从百度搜索引擎获得用户数据，实现自主抓取。依靠百度定位技术的支持，利用百度的LBS（Location Based Service，基于地理位置的服务）定位数据，通过分析5亿网民定位信息的大数据，反映出春运人群的迁徙轨迹。从动态的图示中，观众可以轻易地看出全国迁徙的区域带中各种线路的人员流动情况。
在可视化技术动态图表方面做得比较好的是财新网的“数据可视化实验室”。如财新网于2014年推出的《周永康的人与财》，以互动网页形式简洁明了地展现了周永康极其错综复杂的关系网，信息量大但条理清楚。该报道一出，一周就获得了四百万访问量，并成为腾讯传媒大奖首度设立的“年度数据新闻”获得者。之后，2016年，财新网推出的《2016·洪水暴至》因为聚焦了历年的中国国内洪水灾情，并且在摄影图集、深度报道等传统报道方式基础上又使用了VR[14]、短视频、解释性交互图表等可视化手段，使受众能感受到很强的沉浸感，为此入围了备受瞩目的2017年全球“数据新闻奖”最终获奖名单。
（三）机器新闻
机器新闻广义上是指“人工智能技术在新闻写作、采访等新闻活动中的具体运用”[15]，涵盖现代领域中使用计算机的各个方面；狭义上则仅指计算机编程写作或生成的新闻，即在初期算法编程完成后，机器在不经人为干预的情况下，用软件或算法自动生成的新闻故事。
机器新闻的雏形一般认为缘于机器自动选编和推荐新闻。2001年，谷歌公司率先使用此方法。当时，在其“Google新闻”页面的下方，出现了“所有新闻的选择、排序、分类和搜索均由电脑程序自动决定”的字样。2010年，美国公司Narrative Science开发出一款自动新闻写作软件“Quill”，能将相关数据转化为结构性或描述性的文字信息，并能自拟新闻标题、写作新闻报道，还能自动生成基金业绩报告。2014年7月，新闻写作机器人研发公司Automated Insights研发的“Wordsmith”平台开始为300余家企业自动生成季度财报报道，还与美联社签署了总值500多万美元的合作协议，以帮助美联社进行财报报道的自动编写。2015年1月，美联社便利用Wordsmith在苹果公司发布2015财年第一季度财报后仅数分钟后发布了《苹果第一季度营收超华尔街预测》的报道。此外，著名的新闻写作机器人还有《华盛顿邮报》的“Heliograf”、《纽约时报》的“Blossom”等。
在中国，2015年9月10日，腾讯财经推出了开发的自动化新闻写作机器人“Dreamwriter”。Dreamwriter可以根据算法自动完成稿件内容产出工作，几乎是瞬间将重要资讯和相关解读推送至用户手中。11月7日，新华社推出了新闻写作机器人“快笔小新”。快笔小新可以参与新华社体育部、经济信息部、中国证券报社的体育和财经新闻报道中英文稿件的写作工作。在2016年里约热内卢奥运会上，一款由今日头条媒体实验室同北京大学计算机所共同研制的新闻写作机器人“张小明”（xiaomingbot）令人瞩目。“张小明”在里约奥运会期间撰写了457篇消息简讯和赛事报道，每天30篇以上，囊括了从小组赛到决赛的所有赛事。新华社旗下新华智云基于媒体大脑智能人机对话系统开发出来的机器人Magic，也叫媒体大脑，在2018年俄罗斯世界杯上被称为是进球机器人，曾入驻新华社微信公众号。在2018年雅加达亚运会期间，升级后的Magic变身微信小程序，能够实时回应用户需求，解答有关亚运会比赛的许多问题，自动发新闻稿。此外，著名的新闻写作机器人还有百度的“度秘”、第一财经的“DT稿王”等。
1.机器新闻的特点与优势
机器新闻的生产由于实现了由人工向机器的转变，所以新闻稿件的生成实现了自动化。在计算机程序编写完成后，传统人工新闻写作中的信息采、写、编、评、发等过程可以自动完成，产出保量保速、结构标准、操作规范，大大地提高了新闻生产效率。
在时效性上，机器新闻将人类新闻工作者远远地甩在了后面。它不仅可以随时待命，而且工作效率奇高。WordSmifh平台可以一秒生成近2 000篇新闻稿件。2015年，腾讯通过机器人新闻写作只用了几分钟的时间就完成了相关新闻稿件的发布。因此，机器人新闻写作在新闻行业中的应用，不仅提高了新闻生产的效率，同时使得新闻报道逐渐透明化、公开化。2015年9月10日，在政府发布CPI资料之后，腾讯财经的Dreamwriter在9时30分将《8月CPI同比上涨2%创12个月新高》一文送达用户，而当时大多数其他媒体的报道出现在9时32分以后。2014年，美国洛杉矶时报在洛杉矶地震发生后仅3分钟，便率先抢发了这则消息。当时是美国时间3月17日早上6时25分，洛杉矶遭遇一次地震冲击，洛杉矶时报网站旗下的Quakebot在地震发生3分钟后就在其网站上发布了第一条新闻，为所有新闻媒体中最先发布。2017年8月8日21时19分，四川九寨沟县发生7.0级地震。仅8分钟后，中国地震台网的“地震信息播报机器人”便发布了新闻稿件。稿件25秒生成，包含540字、一张地震参数图、四张地形图和十几项重要内容。
除速度快外，人类记者在处理这些数字、图表时，常常会因为各种原因而出错。但是机器凭借强的运算能力不仅可以瞬间处理海量数据，而且一般更加准确。另外，机器不带有任何情感，文章的生成完全依赖于数据。因此，与人类相比也更加客观中立，更能满足新闻上对客观性的要求。
2.机器新闻的现有劣势
虽然机器新闻有着诸多的优点，但是目前与人类新闻工作者的工作相比仍存在着一些明显的不足。
首先，机器尚不能对信息进行深度理解，它无法意会一些言外之意和一些常识，结果就会出现一些人类不太会犯的错误。如腾讯财经的Dreamwriter曾因为没能从名字和背景资料上判断出一位分析师是女性，而用了代词“他”。再如，今日头条的“张小明”曾因为没能理解“橄榄枝”一词的所指意义，而将其由“失败女神”来传递。
其次，机器新闻因为都是靠设置的程序自动运行，因此程式化严重，分析和写作方式模式化、扁平化，写出的新闻往往千篇一律，缺乏亮点和重点。如前面提到的2014年洛杉矶地震新闻，新闻机器人Quakebot发布的内容是这样的：
根据美国地质勘探局的消息，星期一早上，在距加州韦斯特伍德约5英里地区，发生了震级为4.7级的浅表地震。地震发生时间是太平洋时间早上6时25分，震中约深5英里。据地质勘探局的数据，本次地震震中距离加州贝弗利山庄约6英里，距离加州环球影城约7英里，距离加州Santa Monica约7英里，距离加州Sacramento约348英里。在过去10天，在该地区附近，并无监测到任何震级达到或超过3.0级的地震。
作为应对突发事件的新闻写作机器，它在速度快捷和内容翔实方面确实表现突出。但机器写作的新闻语言大量采用并列式结构，导语和主体段落之间没有明显区分，堆砌感强，可读性差。
再比如，今日头条的“张小明”在2016年奥运会报道中，虽然兼顾了几乎每场重要和不重要的比赛，但其报道显得全都千篇一律，结构、角度、用词十分雷同，面面俱到却缺乏文采和风格。
再次，机器新闻写作领域较为狭窄，并非所有类型的新闻都适合机器写作。机器新闻程序大多是为特定类型新闻而设定，其中以突发性短新闻为主。适合通过编程写作的新闻，一般是以各种数据、图表为基础的“硬新闻”，财经、体育、气象和健康是能够应用机器新闻的四大领域。而新闻常常是以“人”为中心的，它涉及对许多特定的背景和意义的理解。所以，尤其在深度报道方面，机器目前还根本达不到与人脑复杂的分析和掌控能力相媲美的计算协调能力。
不过，机器人的学习能力实际是超过人类的。虽然新闻机器人出现的历史还很短，但是稿件内容的发布和推送已经变得越来越个性化、定制化，它们已完全可以做到根据用户偏好在新闻发布和推送时作相应的个性化裁剪，让不同的新闻终端消费者收到不同版本的内容。新一代的新闻写作机器人在语言处理、图像处理、语法合成等方面不断升级，一些新的软件已经能更好地模仿人类语气，图片识别能力已达到自动识别并插入图片，甚至自己选择表情包。
3.机器不会完全代替人类新闻工作者
2015年6月，媒体大鳄默多克旗下澳大利亚著名的民意调查网站Newspoll因采用机器人而裁掉了100名员工。这些员工的工作均是比较程式化的，如打电话。当程序可以自助拨号并记录分析通话内容时，他们就集体失业。鉴于进入21世纪以来传统媒体从业者的失业率一路攀升，有关新闻工作会不会最终被机器代替的隐忧不断浮现。
在这方面，绝大多数新闻人还是自信的。机器强大的数据搜集和处理功能对新闻工作的帮助是显而易见的，机器的帮助可以让记者从一些需要抢时间和简单重复的劳动中得以抽身，从而有更多的时间和精力采写更有价值的新闻。但是无论机器新闻如何发展进步，在新闻报道领域，具有感官体验和感情思维的人类新闻工作者的作用几乎是永远无法替代。在机器的帮助下，记者的工作内容或许会发生一些改变，但好的新闻作品离不开“有料、有趣、有温度”[16]，这意味着“除了高效、精准、客观之外，新闻内容的生产还关乎深度、视角、立意、趣味、情感等复杂因素。新闻记者的个性表达、创新精神、探索意识等，是目前技术所无法取代的，也是新闻生产中至关重要的内在要求”[17]。
目前人工智能技术在新闻界的发展尚处起步阶段，随着数据技术水平的提高，更深程度的人机互动可能实现。“在新闻生产机制方面，未来人工智能技术的成熟会为新闻内容生产带来多维度的影响，一方面作用于新闻生产主体之上，它会对记者、编辑等新闻人才的培养提出更高的要求，新闻生产主体不仅要具有生产优质深度内容的能力，也要具备与机器形成互动的技术素养，例如大数据挖掘技术、智能匹配与分发技术，以更好地完成新闻生产协作；另一方面则体现在新闻生产流程层面。在智媒时代，新闻生产过程将进一步扁平化，内部压缩人力、物力成本，简化采编、校审流程；外部联动不同媒介主体和生产方式，呈网状而非线性秩序配置新闻资源。”[18]因此，未来新闻工作人机合作的前景是十分乐观的。