网络影评现状及问题分析范文

本站小编为你精心准备了网络影评现状及问题分析参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

提要：在“互联网+”语境下，电子媒介和数字技术催生了网络影评的多元化生存态势。除文字、图像、视频等评论方式，网络影评呈现出鲜明的数据化倾向。网络影评的数据化为我们把握观众的观影习性、消费体验、审美趣味、情感态度等提供了直观、便捷的渠道，但同时也存在一些隐忧和问题需要引起关注和反思。

关键词：大数据；网络影评；评分；趣味；资本操控

与传统影评相比，以新媒体为平台的网络影评在批评主体、批评话语、批评功能等方面发生了深刻转型，其中一个重要趋势便是大数据思维的引入。大数据“是指互联网范畴内可采集的各种类型的海量数据，尤其是与平台、渠道和用户相关的数据集”。（1）“以云计算为基础的信息存储、分享和挖掘手段，可以便宜、有效地将这些大量、高速、多变化的终端数据存储下来，并随时进行分析与计算。”（2）在大数据思维的影响下，网络电影批评的数据化趋向也愈发明显，如电影评分、打星、榜单等，借助复杂的统计学、人工智能、计算机技术对观众的评价行为进行量化处理和数据化呈现。那么，大数据视野下的网络影评对电影发展而言究竟有何价值和意义？其中又有哪些隐忧和问题？

一、数据化的网络影评

1.评分、打星自2005年豆瓣网、时光网等电影网站推出在线评分功能后，网络评分因其便捷、高效受到广大用户的青睐，成为电影评价的重要机制。目前支持电影评分的平台主要有两类：以PC终端为载体的各类网站和以移动终端为载体的各类购票APP。前者主要包括平台网站下属的电影网站、社区以及电影门户网站，其中影响最大的当属豆瓣电影、时光网，这两大网站聚集了大批忠实粉丝和资深影迷，是当下电影观众打分评价、寻求观影意见的首选平台。以豆瓣电影为例，该网站以星数作为推荐等级，一星对应评价“很差”、二星“较差”、三星“还行”、四星“推荐”、五星则是“力荐”，如果以十分制来换算的话，每颗星代表两分。豆瓣网创始人阿北声明，豆瓣电影评分采取平均制的统计方法，即豆瓣网注册用户看完电影后，对该片进行打星，网站的后台程序将这些星数换算成具体分数，然后将所有用户的分数加起来，再除以打分用户的人数，最后得到的就是该电影的豆瓣评分。每过若干分钟，程序会自动重跑一遍，把最新打分的用户的意见统计进来。（3）豆瓣电影可以说是当下华语电影最有影响力的电影评分平台之一，一部热播电影在豆瓣电影上往往会有几十万用户参与打分。如2018年的口碑逆袭之作《无名之辈》，豆瓣评分8.2，共计284439人参与打分，其中5星评价占比33.1%，4星占比47.2%，3星占比17.2%，2星占比2.1%，1星占比0.4%（统计数据截止2018年12月25日）。定位为“华语网络上最专业的电影资料库、最大的电影服务平台、最好的电影社区”的时光网，在电影评分上采取的是十分制：1—2分代表“很差，完全是浪费时间”，3—5分为“平庸之作，不看也罢”，6—7分为“一般，不妨一看”，8分为“很好，公认的佳作”，9—10分为“很完美，绝对不容错过”，并在总评分下列出“音乐、画面、导演、故事、表演、印象”等六项指标，方便用户对电影做有针对性地点评。时光网的电影评分是根据所有用户的评分通过加权平均得出，自称有“一套复杂的算法进行计算”。遗憾的是，自被万达收购后，时光网的商业气息越来越浓厚，专业性和权威性已不如从前，规模和影响力与豆瓣电影相比也逊色很多。仅从用户体量来看，以《我不是药神》为例，豆瓣电影有888028人参与该片评分，而时光网只有区区8752人（统计数据截止2018年12月25日）。除电影网站外，近年来以移动终端为载体的各类购票APP如猫眼电影、微票儿、淘票票以及大众点评、美团等，因即时、即地的便捷性迅速成为媒介新宠。这些平台不仅为观众提供关于影院、影讯及购票选座服务，而且也开通了在线评分功能。和电影门户网站相比，APP平台的评分作为电影购票的附加功能，往往不太追求专业性和严肃性，其目的在于为在线购票观众提供推荐、参考意见，引导观众消费。这一点从打分机制的设定便可看出。以猫眼电影为例，其评分共有三个区间，分别是1—4分、5—8分、9—10分，相较于豆瓣电影、时光网的五档评分，猫眼的评分区间跨度较大，评分整体偏高，意在以评分诱导观众购票。以2018年的几部电影为例，《我不是药神》豆瓣电影评分为9.0，时光网为8.8，猫眼为9.6；《西虹市首富》豆瓣电影得分为6.6，时光网为6.7，猫眼评分却高达9.2；《快把我哥带走》豆瓣电影评分6.9，时光网为6.7，猫眼则为8.4（统计数据截止2018年12月25日）。由此可见，APP平台的电影评分标准更为宽松和随意，其算法机制倾向于得出肯定性评价，从而以线上评分拉动线下消费，而豆瓣电影、时光网因有大量资深影评人、媒体人、影迷长期驻扎，审美趣味更加专业，评分标准更加严苛，相对而言也更能够反映一部电影的真实水准。

2.榜单榜单是电影筛选、推介的另一种机制。它基于计算机统计学，选择不同的评价对象，设置不同的评价标准，按照电影评分高低进行系统排列。目前被公认为行业标准的美国IMDB网站Top250电影榜单评分，是“基于‘贝叶斯平均’理念，对根据评分者权重的高低而得出的加权平均值的降幂排序，并将评分频次和公允度较高的‘常评分者’认定为高权重用户”。（4）国内电影榜单平台主要有以下两类：（1）腾讯、爱奇艺等视频网站；（2）豆瓣电影、时光网等电影门户网站。榜单类型则包含以下几种：（1）电影TOP类，如时光网TOP100，豆瓣电影Top250，入选影片主要根据观影人数以及影片评分等综合数据，通过一定的算法分析产生。（2）年度电影榜单，如豆瓣电影“年度评分最高的外语电影/华语电影”“年度最受关注的院线电影/非院线电影”等，此类榜单旨在对电影进行年度盘点，便于大家对当年电影的整体态势、创作类型、观影评价作全面了解。（3）特色电影榜单。时光网按照国家、类型、主演、导演等对电影进行筛选、评价并排名，如“漫威电影宇宙19部影片时光网友评分排名”“时光网评分最高的斯皮尔伯格导演作品TOP20”。豆瓣电影则以题材、风格、样式作为分类标签，如喜剧、动作、爱情、科幻、悬疑等，按评分高低对电影排名。

二、网络影评数据化的价值和意义

1.观影指南、消费引导与评价可视化网络评分因其便捷、高效，成为大部分观众评价电影的首选方式，也是电影口碑最直观的体现，评分高低直接影响到大众的观影取向和消费选择。据调查，“社会公众需要观影后才能完整地知道影片的实际情况，但在观影前，一般依靠电影广告、评论、口碑等方式获取影片信息，这些信息不仅直接影响社会公众的观影选择，并且会在一定程度上影响观众对影片的价值判断。调查显示，超过三分之一的美国人积极寻求影评人的意见，而国内观众去影院观影的驱动因素中影片口碑占59.1%”。（5）与文字、视频相比，大数据搜集、统计的评分信息可以让我们对观众的观影体验、审美趣味、情感态度一目了然。2016年，美国NBC环球旗下的Fandango收购了著名电影评论网站烂番茄。有评论指出：“烂番茄的评分是公开的，但是售票平台Fandango还是出资对其进行商业收购，事实上，Fandango收购的不是烂番茄的评分，而是其用户评分所产生的历史数据记录，以此购买了观众的观影偏好。”（6）作为电子媒介空间的新型“全景监狱”，电脑数据库“认识”每一个上网个体。对数据库而言，他们有独特的“人格”，电脑会根据具体情况按程序化的方式“对待”他们。（7）视频网站、电影门户网站的后台会根据观众的评分、打星和消费行为来推断用户的审美趣味和消费需求，从而为用户提供个性化推荐和引导，如豆瓣电影在每部电影的基本信息、评分介绍下面设置“喜欢这部电影的人也喜欢”，为用户推送可能符合其口味的电影，从而更精准地促动循环消费。至于猫眼电影、百度糯米、淘票票等APP平台，则利用大数据的整合与分析能力，将线上的口碑评价、信息分享与线下的消费、购买行为直接关联，“每一位观众的每一次观影体验都会通过电影APP后台大数据进行搜集汇总，从而成为其他观众或同一位观众下一次观影的重要参照”。（8）

2.意见聚合、趣味区隔与DIY身份在后信息时代，电子媒介空间已成为人们形塑自我身份的重要场域。互联网为人们提供了一个摆脱时间、空间限制的虚拟社区，人们可以根据自己的兴趣爱好、行为习惯自由选择、建立自己的人际关系圈。媒介研究学者哈特利指出：“我们正在迅速地从过去的‘身份’政治移向新的东西：身份不是建立在‘文化认同’的概念上，而是建立在一个迅速去语境化的意义网络中，这一网络将身份置于媒介领域而非公共领域。”他称这种新的身份认同形式为“自己做”或DIY身份。（9）趣味反映了一个人的社会阶层和经济地位，建构着个人的文化身份，给《三块广告牌》打高分的观众群体和给《猛虫过江》打高分的观众群体自是不同，偏好文艺范儿的小资和喜欢看热闹的屌丝，显然也不属于一个审美区间。观众可以通过评分、打星表达自己的意见和观点，并通过与他人的沟通、交流寻找各自的趣味区间和认同归属。电影网站和购票APP平台一般都会在每部电影的评分下面列出不同分值或星数的占比百分数，以便用户对自己的审美趣味进行归属定位。各电影网站也会在大数据统计基础上根据用户的电影评分，推送“猜你想看”“与XX%影迷评价一致”以及“好友评分”等信息，帮助用户快速筛选信息、识别同好，并参与形塑电影观众的文化身份。同样，基于大数据统计的电影榜单则彰显了不同媒介平台的审美趣味，满足了分众化时代观众的审美需求和消费心理，同时也为各种电影亚文化群和迷影提供了资源分享和情感互动的虚拟社区。除评分、打星外，对电影评论的点评也是电影观众之间交流互动、寻找认同的方式。豆瓣电影在每条短评下面设置“有用”“无用”两项评价指标，如果用户觉得一篇评论对其有帮助，可以点击“有用”，用户的投票数量将决定哪些评论会成为“豆瓣最受欢迎的评论”，获得“有用”数较多的短评会被置于豆瓣影评的首页，并因其页面“置顶”的权威性而获取更多的文化资本，从而吸引更多用户的关注，扮演趣味引导的角色。随着看电影日益成为人们的主要休闲娱乐方式，网络影评的社交性和身份建构作用越来越明显，用户可以通过分享功能将网站、APP的“大数据信息、推送内容和自己使用的心得等即时分享到微信、微博等具有网络社交功能的工具中，实现跨平台的信息互动，由此聚集更多具有相似兴趣和用户体验的人群”。（10）3.观点回流、内容反哺与创作反馈大数据最引以为豪的功能在于整合数据，预测趋势。“通过挖掘并分析受众在日常生活和电影消费过程中的一切‘蛛丝马迹’，在科学‘计算’基础上对其进行数据化处理，从而提炼为某种模式化、规律性的表达智慧，使其反馈于文本的二次生产和标准化生产体系，达到商业应用领域的‘预测’功能，这成为大数据时代电影内容生产的基本思维路径。”（11）在网络影评领域，计算机后台可以通过对观众评分、打星、评论条数、话题热度、评论关键词等海量信息的统计、分类和整合，深度挖掘主流观众的审美需求、习惯喜好等信息，提炼出核心观点和反馈意见，掌握电影与观众期待指数之间的契合度，从而为下一轮电影内容的生产创作提供参考。以《西虹市首富》为例，在该片上映第11天，根据“界面新闻”的数据分析，豆瓣前210条热门短评中，“有笑点”“搞笑”等正面评价数量几乎与“尴尬”“恶俗”等负面评价数量持平。（12）截止2018年12月25日，时光网用户对该片打出6.7分，评分右侧的评价指标中，音乐得分最高，其次是画面和导演，故事得分最弱。电影主创人员可参照上述信息，在今后的创作中有针对性地进行内容补差和质量提升。

三、网络影评数据化的隐忧与问题

1.审美体验的碎微化与阐释性批评的衰微何为批评？雷内•韦勒克认为，“批评就是识别、判断，因此就要使用并且涉及标准、原则、概念，从而也蕴含着一种理论和美学，归根结底包含一种哲学、一种世界观。”（13）大卫•波德维尔则提出“作为建构的阐释”。他认为在艺术批评中，阐释有描述和分析之意，“一部电影的阐释者可以将一些具有隐含意义的暗示阐发成具有指涉性的或明确的意义，批评家通过构建这种明确的意义使暗示浮出水面”。（14）当下，电影评分、打星受到网络用户的普遍青睐，与此同时，愿意投入时间和精力撰写深度影评的观众则越来越少。以豆瓣电影为例，一部热映电影往往会有几十万用户参与评分，发表短评的占评分总人数的三分之一。这些短评少则一行，多则三行，且多为吐槽、感悟、印象，至于涉及影片内涵分析和阐释的长影评数量——且不提深度影评，甚至不到评分人数的几十分之一。数据化的网络影评将观众丰富的观影体验简化为抽象的数字，使得电影评价行为日益碎微化和零散化。它为我们提供了态度、结果和取向，却无法展示电影文本内部的深层结构和丰富含义，也无从呈现观众复杂的审美体验过程。如同大数据关注事物之间的相关性而非因果关系，注重是什么而非为什么，没有推理，无须论证，遵循极简主义和实用主义，网络影评的数据化提供给我们更多的是“信息”而非“知识”、“观点”而非“思想”，从而与电影理论与批评体系的建构相距甚远。

2.商业资本的操控与批评伦理的失范如今，网络评分已成为观众观影的重要参考和指南。为争取影院排片率、打击竞争对手，一些电影营销公司利用电影评分漏洞，雇佣大量成本低、见效快的“网络水军”“网络爬虫”，通过不正当手段为金主宣传造势，并恶意差评、诽谤诋毁竞争对手，形成一股扰乱视听的“网络黑水”，严重破坏了电影批评的伦理规范和舆论生态。2016年年底，《长城》《摆渡人》《铁道飞虎》等国产电影上映后，遭到豆瓣网大规模的恶意刷低分，甚至伴随低俗的人身攻击。其后，《人民日报》发表评论揭露了“水军刷分”现象，“利用‘撞库’‘肉鸡’等网络作弊技术，一个团队甚至几个人就可以轻而易举进行‘刷分’。大量的影评通过收集各种大V、小V、大号、小号的信息，软件自动生成，而且可以做到抓取的信息不重样”。（15）2017年，《缝纫机乐队》导演大鹏公开指责影评人“二月鸟语”没看电影就打出了一分评价，甚至“勒索删帖”。针对此类任意操控、篡改电影评分的恶性营销事件，电影网站应考虑改进电影评分算法机制，对评分用户进行资质审核，将用户的评分频次、评分公允度和信誉度纳入考量范围，规避评分漏洞，抵制恶意刷分，从而提升评分的科学性和严谨性。

3.评价体系均质化与审美趣味单一化电影评分和榜单在反映大众审美心理的同时，也在形塑大众的审美趣味和观影需求。根据传播学“沉默的螺旋”理论，在群体意见的裹挟下，个人往往会受到诱导和暗示，继而认同、附和、追随主流观点。对于网络评分而言，最初对电影评价的观众的打分会在无形中成为基数和标准，对后续参与评分的观众形成一种心理暗示，“这些初始评分为观众提供了一个初始印象，也就是心理学的锚定效应，这个在普通观众尚未开始评分之前出现的初始评分，就是其后在评分者心上所定下的锚，从而造成其对‘锚定评分’的无意识靠近”。（16）据豆瓣电影官网介绍，豆瓣电影评分的主旨和原则是“尽力还原普通观影大众对一部电影的平均看法”。这里有两个关键词：“普通”和“平均”。也就是说，电影网站评分最终彰显的是平均主义的审美观念，这种评价机制极易将群体、大众的观点凌驾于个人选择的独特性之上，以均质化审美湮没、取代差异化审美。至于建立在评分基础上的电影榜单，在为入选影片赋予“光晕”的同时，巩固了这些影片的经典性和权威性，确立了其文化消费的优先地位，从而吸引更多的粉丝拥趸，长此循环，必将导致观众审美趣味的封闭性和单一化。结语网络影评的数据化是新媒体语境下电影批评的新形态，借助互联网强大的数据整合和统计功能，数据化的网络影评为我们提供了关于观众观影体验、情感倾向、审美趣味、消费习惯的重要信息，从而对中国电影市场和产业发展起到不容小觑的作用。然而，在享受网络影评数据化的便捷与高效的同时，我们也应正视其中的隐忧与问题，警惕数据垄断、技术崇拜和商业资本的操控，努力建构更加客观公正的评价机制和监督体系，弥补网络影评数据化的漏洞和不足，从而促进中国电影批评的规范化、健康化发展。

作者：马楠楠 单位：扬州大学新闻与传媒学院