黑龙江省牡丹江市三校联谊2020-2021学年高一下学期期中考试试题《语文考试卷》.docxVIP

黑龙江省牡丹江市三校联谊2020-2021学年高一下学期 期中考试语文试题 一、现代文阅读(35分) (一)现代文阅读I(本题共5小题，19分) 阅读下面的文字，完成1-5题。 材料一： 新闻传播的数字化和国际化对媒体伦理传统假定带来进一步的冲击。首先，在线新闻，特别是基于社交媒体的信息传播模式，使得传统的“验证新闻”及其严格的事实检查正在被非专业化的新闻形式取代。新闻专业人员把控信息流的垄断地位被打破，传统媒体一直遵循的伦理价值，如客观公正、把关控制等，也被大量即时性用户生成的内容遮蔽。而全球化新闻业的出现，不仅导致文化价值的冲突，也产生了一个更难解决的问题，即如何设想和界定全球化新闻传播：的相关责任。 人工智能的两大支柱——算法和大数据，已经多维度地进入新闻传播领域，特别是智能推荐算法作为两者的集成，已经在信息传播领域产生巨大的影响。目前主流的推荐算法有三种：基于内容的推荐、基于协同过滤的推荐和基于时序流行度的推荐。基于内容的算法，其主要逻辑是受众偏好与新闻内容特征的匹配。通过用户特征数据和网络行为的分析，确立兴趣模型；利用分词技术等模式计算内容文本特征，选取两者之间相关度高的形成推荐列表。这种算法能够有效增加用户黏性，但对于个人信息的标签化分析，也容易引发个人数据安全性的争议。近期斯坦福大学研发的算法可以通过交友网站信息判定性取向，准确率高达91%，这一研究立即招致公众批评，也让公众对于算法的信息挖掘能力产生伦理质疑。 协同过滤算法的基本逻辑是人以群分，通过计算用户的特征数据将其编入一个用户群体，按照群体共享度较高的偏好推荐内容。这种做法将计算单位有效地下降为群体，减少了数据处理量。谷歌新闻最早采取的就是这类推荐算法。但是这种算法的伦理困境在于容易产生信息茧房，且将人群分类可能产生潜在的算法歧视，不仅触犯个人隐私，而且易于强化社会偏见。 基于时序流行度的推荐算法，将单位时间的瞬时点击率等动态特征作为考量因素，将特定时间窗口内流行度较高的新闻推荐给用户。这种算法模型很好地解决了内容冷启动问题，但是对于“标题党”和“三俗”信息的免疫力相对较低。 过度依赖算法推荐的新闻价值排序，会产生传播权(新闻价值权重排序决策权)、信息自由(人的传播自主性)、信息触达(服务的普适性、信息的不当触达)、信息隐私权和数字身份及其保护的问题。目前有两种伦理风险已经引起广泛的关注：数据安全和算法偏见。 (摘编自赵瑜《人工智能时代的新闻伦理》) 材料二： 探究人和技术的关系必须在直面技术的同时观照人类，让技术和人在双向互动的过程中相互驯化，让技术更好地为人服务，也让人不断更新“技术”思维，不过分依赖技术，保持主观能动性和创造力。 当前，媒体、公众、网络平台分别承担着交叉核实信息源、建立隐私保护意识和提高数据开放程度的责任。媒体既可以依靠传统的事实核查手段，也可以利用新兴的技术工具检验信息的真实性。公众需要学习保护隐私的方法，比如要在提供个人隐私信息之前仔细阅读隐私保护政策，明确不再使用该服务时个人信息的删除和退出机制等。网络平台可以通过制定数据信托程序，设计信托程序的协议内容和框架流程来处理数据交换过程中的敏感问题，提高数据开放程度以满足新闻报道的需求。 如今很多媒体认识到“信息茧房”的问题，推出了应对“信息茧房”的程序。例如，新闻APP“跨越分歧的阅读”创立了包含20个新闻品牌的图谱，图谱能够记录用户阅读新闻品牌的频率，并计算受众在每一个新闻品牌中花费的时长，当受众的阅读习惯偏向于一方时，程序会建议受众调整阅读内容。 流量逻辑本质.上就是“消费者导向”原则的变种，一味遵从这种逻辑将导致媒体背离核心价值。因此，为保证新闻的权威性，媒体需要平衡公共服务与经济利益之间的关系。当下的大数据技术还不具备透彻了解社会现状与发展进程的能力，也无法在新闻的生产与发布上体现大局意识。媒体有责任在新闻信息的生产与发布过程中，把回应公众的关切与政府当前的工作重心结合起来，把服务、满足公众需求与教育引导公众、提高公众的素养结合起来。此外，受众也要带着质疑和批判精神看待基于大数据技术生成的新闻信息，而运用法律法规对网络平台进行主体问责也是避免职业伦理失范的有效途径。大数据技术为新闻传媒业的发展提供了一条新路径，在改变原有新闻信息的生产和发布方式的同时，也需要对原有的职业伦理规制做出相应的调适。技术红利与技术缺陷是相伴相生的，因大数据技术应用不当而引发的某些问题不是技术发展的失败，而是对技术理性与价值理性能否相互协调、相互融合的考验。大数据技术推动着新闻传播业的更新和变化，同时新闻传播业也对大数据技术的应用场景和范围做出限制，这是技术与人在大数据时代相互驯化的过程。因此，从职业伦理的层面规范媒体、网络平台的传播行为，让技术更好地推进新闻传媒业的健康发展，有着深远的意义。 (摘