大数据背后的网络文学 繁荣还是平庸
近日首届中国网络文学论坛在沪举行,与会的网络文学作家、文学批评家等,共同探讨了这些年来的网络文学的发展,以及网络文学在今天出现的新的特点,盘点和梳理了网络文学繁荣发展的实绩和成就,剖析了目前网络文学创作过程中存在的种种问题。
截至2014年底,一共有114部网络小说被购买影视版权,成为热门IP(知识财产),有90部计划被拍成电视剧,24部被拍成电影。据市场第三方统计,到2015年网络文学的产值规模能够达到70亿元。网络文学越来越成为文化产业中的焦点。
另据新闻出版管理部门的科研机构统计,目前我国数字出版产业达到3387亿元的产值规模,以网络文学为代表的网络出版物已成为数字出版发展的主力军。
“在数据背后,网络文学到底是不是一个强大的产业?”网络文学发展的这些大数据表明,网络文学的题材素材,越来越成为电影、电视剧艺术创作中内容题材的来源,并形成自己独特的IP品牌,加上网络文学被改编成其他文化样式,网络文学的产值到2015年可以达到70亿元的规模,这说明网络文学已经成为文化产业的重要组成部分,占文化产值比例越来越大,这越发凸显了网络文学在人们的阅读文化生活中,在艺术创作中,在文化产业中的价值和地位。
我们知道,网络文学一开始被质疑、被视为“垃圾”,但在当下却已经成为作者以数十万计、最活跃、最引人注目的文学形态。从1999年榕树下网站第一次颁奖算起,到网络文学成为重要的文化现象,仅仅花了十多年时间,并且取得了如此的成绩,我们是应该看到网络文学这一方面对文化的贡献的。
但是,正像文学批评界所指出的那样,目前我国网络文学的发展有目共睹,但却存在着数量多、精品少、抄袭模仿这些“大而不强,丰而不富,多而不优,快而不稳”的比较突出的问题。
这表现之一是,网络文学的思想内容品质问题。网络文学很大程度上是边创作、边传播、边消费,这种商业模式决定了有的网络文学作品,为了不断地留住人气,其作者就会想尽各种办法,过于迎合读者口味,写一些感官刺激很强的作品,出现了涉及暴力色情的内容。
这是网络文学的内容审美以及写作导向问题,已被看作是制约网络文学产业越做越强的关键所在。
网络文学作品深受年轻读者的欢迎,但网络文学作品表达的作者的思想趣味、生活态度和对世界的看法,它的思想性、价值取向,对网络读者尤其是青少年读者的价值观会产生不小的影响,也正因此,对网络文学作品,我们需要加强文学方向,思想内容方面,审美格调方面,精神趣味和价值方面的积极、正确、鲜明的引导,网络文学在其发展过程中在品格、道德伦理、审美方面应体现出新追求。
在我们的文学生活中,网络文学一直是处在文学界激烈争议的漩涡中。网络文学处在今天这样一个浮躁的时代,充满喧嚣的商业消费文化,纷繁多变的多元价值观念、流行时尚,构成了网络文学的生存环境和文化情境。这种外在环境决定了一些网络文学作家、写手的写作心态。他们所追求的网络写作往往是急功近利,获得点击率,赢得不错的商业收益,得到纸质文学的认同,获得出版市场,以至一些堪称优质的作品和具有创作潜能的作者被湮没。这正像有的文学批评家所说,当前网络文学以类型化小说为盛,较为单一,“但我们期待的更加个人化的风格尚未出现。”还有就是,“点击率”、“流水作业”、“炒作”与网络文学如影随形;许多网络文学作品题材雷同、情节拖沓、文字累赘,抄袭模仿盛行。这是我们必须看到的网络文学的现状。
这也正是我们的文学批评界,这次网络文学论坛上,对网络文学提出的批评,网络文学在思想深度、精神信仰、艺术表现和审美原则方面存在着许多问题。近些年来,我们看到有的网络文学作家、写手出版的网络文学作品,动辄几十万册,获得了大量读者的阅读和追捧,但这仍然无法掩盖如今网络文学的思想、精神、文学性、艺术性和创始性力量方面的欠缺。
我们盘点网络文学的发展,也在思考和寻找衡量优秀的网络文学的标准。内容高雅优美、笔触精致、富有文学表现力和艺术审美魅力,这从来就是一个衡量优秀文学艺术作品的重要标准。所以,网络文学的发展方向,就是必须具有鲜明、坚定、高远、宏大的文学精神的坐标,不断提升文学的品位,超越网络文化流俗,超越它的平庸、苍白和低俗,坚持文学性和艺术性的不懈美学追求,并成为自觉的精神意识、文化意识、创作意识。
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21