จากการวิเคราะห์เชิงภาษาศาสตร์ตั้งแต่ 1989 พบว่าข่าวทุกวันนี้มีความเป็นอัตวิสัยมากขึ้น

เป็นเรื่องที่พูดแล้วอาจจะดูไม่แปลกอะไร เพราะทุกวันนี้เราชินกับข่าวที่มีการใส่ความคิดเห็น และคำที่เป็นการแสดงความรู้สึกกันเป็นเรื่องปกติ แต่นั่นก็เป็นแค่ความรู้สึก ยังไม่มีการวัดอย่างแท้จริงถึงเชิงปริมาณของมัน แต่งานวิจัยล่าสุดจาก RAND ได้นำข่าวจากฐานข้อมูลตั้งแต่ปี 1989 ของประเทศสหรัฐอเมริกามาวิเคราะห์ โดยลงลึกไปในระดับภาษาศาสตร์ (linguistic) พบว่าข่าวทุกวันนี้ มีแนวโน้มจะมีความเป็นอัตวิสัยมากขึ้น

ก่อนอื่นต้องทบทวนกันก่อนว่าอัตวิสัย (subjective) กับภววิสัย (objective) คืออะไร สำหรับอัตวิสัย อัต หรือ อัตตา แปลว่าตัวเอง ของตัวเอง ด้วยตัวเอง ดังนั้นอัตวิสัยคือความเห็นของตัวเอง สิ่งที่ตัวเองคิดรู้สึก เช่น ร้อน หนาว หิว โกรธ ส่วนภววิสัย คือภวะนั้น ๆ ชั้น เช่น อุณหภูมิ 20 องศา รูปทรงเป็นวงกลม น้ำหนัก 40 กิโลกรัม ซึ่งจะพบว่าสิ่งที่เป็นภววิสัยนั้น เมื่อเอามาให้แต่ละคนสัมผัสอาจจะไม่เหมือนกัน ดังนั้นเวลาเราพูดว่า วันนี้อากาศเย็น แต่เพื่อนที่มาจากเมืองนอกอาจจะบอกเราว่า ไม่เห็นเย็นเลย เพราะคำว่าเย็นของแต่ละคนไม่เหมือนกัน

ซึ่งงานศึกษาดังกล่าว ได้ลองนำข่าวตั้งแต่ปี 1989 ซึ่งรวมถึงสื่อในรูปแบบต่าง ๆ ตั้งแต่หนังสือพิมพ์ The New York Times, Washington Post, … ช่องโทรทัศน์ CBS, NBC, ABC, CNN … ไปจนถึงสื่อออนไลน์อย่าง Buzzfeed, Politico, .. ทั้งหมดรวมกว่า 15 หัว มาวิเคราะห์ ด้วยวิธีการศึกษาที่เรียกว่า lingustic characteristic analysis คือการดูธรรมชาติของภาษา ว่าแต่ละคำเป็นการใช้อารมณ์หรืออธิบายลักษณะ เป็นการใช้การ qoute การรายงาน ศัพท์ที่ใช้เป็นคำวิชาการ หรือเป็นการอธิบายทั่ว ๆ ไป ซึ่งเราจะไม่ลงลึกไปถึงวิธีการศึกษาโดยละเอียดเพราะจะยาวมาก (ถ้าสนใจสามารถไปอ่านได้ที่ News in a Digital Age )

ผลการศึกษาได้แบ่งข่าวออกเป็น 2 ก้อน ก็คือก้อนที่อยู่ในยุคก่อนปี 2000 และอีกก้อนอยู่ในยุคปี 2000 เป็นต้นไป (เรียกยุคนี้ว่า Digital Age) จบว่าข่าวหลังปี 2000 มีการอธิบายที่เป็นเชิงภววิสัยเยอะกว่า

ตัวอย่างด้านบนเป็นข่าวจากยุคก่อน 2000 ซึ่งเราจะพบว่ามีความ Public langauge และ appeals to authority figure (การอ้างปฐมาจารย์ ในที่นี้คืออ้างว่า city park officials estimate ว่าอะไร) อีกอันก็คือ directive langauge อันนี้จะเป็นเชิงคำสั่ง การกระทำ และมี Enumeration การแจกแจงจำนวนต่าง ๆ กี่คน กี่บาท ซึ่งจะพบว่าทั้งหมดนี้เป็น Objective หรือภววิสัยหมดเลย เพราะแม้จะเป็นการ appeals to authority แต่คนที่พูดมาก็พูดแบบนั้นจริง ๆ (มองแค่ layer ของการรายงาน แม้ว่า authority จะพูด subjective ก็ตาม)

ส่วนอันนี้เป็นการวิเคราะห์ตัวอย่างจากข่าวในยุคหลังปี 2000 ซึ่งสิ่งที่เจอก็คือ มีการ Placing characters in calander time หรือการใส่ตัวละครลงไปในช่วงเวลานั้น ๆ attributing action to character อันนี้เป็นการบรรยายคล้าย ๆ กับนิยาย เช่น วันหนึ่ง, เขาทำอะไร ซึ่งจะพบว่าเป็นการลงรายละเอียดไปที่ตัวละครมาก ไม่ใช่ตัวเหตุการณ์ ส่วนอันล่างสุดคือ attributing understanding พูดง่าย ๆ คือเป็นการยัดความเข้าใจ หรือความรู้สึก เช่น มองหาการตอบรับ หรือที่เห็นได้ชัดที่สุดคือที่บอกว่า goes to sleep feeling crushed อันนี้เขารู้สึกแบบนั้นจริงหรือเปล่าก็ไม่รู้

สิ่งที่ทีมศึกษาทำก็คือการวิเคราะห์อะไรแนว ๆ นี้แล้วมา weight กัน ซึ่งข้อมูลฉบับเต็ม ๆ สามารถดูได้ที่  News in a Digital Age แต่สรุปออกมาก็คือ ข่าวช่วงหลังจะมีความเป็น subjective มากขึ้น ถ้าไม่อยากอ่าน Paper เต็มให้ลองอ่านที่ Nieman Lab เอามาเล่า ก็เข้าใจดี

ก่อนหน้านี้ RAiNMAKER เคยนำเรื่องราวแนว ๆ นี้มาเล่าให้ฟังในบทความ รู้จักกับงานเขียนแบบ Evidence-based เพื่อความน่าเชื่อถือของคอนเทนต์ ซึ่งอันนี้ถ้าไปอ่านก็จะคล้าย ๆ กัน จริง ๆ แล้ว การเขียนข่าวแบบ subjective นั้นก็ไม่แปลก แต่ถ้า evidence-based มันไม่ชัด จะกลายเป็น Ideologically เช่น การมโนข่าว การใส่อารมณ์ให้กับตัวละครในข่าวในแบบที่ไม่รู้ว่าเขาเป็นแบบนั้นจริงหรือเปล่า

สุดท้ายแล้ว สิ่งที่เราอยากจะฝากไว้ก็คือเราไม่สามาถไปเปลี่ยน Trend หรือแนวโน้มต่าง ๆ ได้ และแน่นอนว่าก็ไม่ได้มีใครอยากจะให้เป็นแบบนี้ แต่ทุกอย่างมันประกอบสร้างกันมาด้วยโครงสร้างทางสังคมที่ทำให้ข่าวทุกวันนี้เป็นแบบงานศึกษาด้านบน ด้วยปัจจัยหลาย ๆ อย่างทั้ง การเข้าถึงสื่อ ใคร ๆ ก็เป็นสื่อได้ การรายงานข่าวที่เน้นความเร็ว การ Live สด ต่าง ๆ ที่ช่วยกัน shape ให้ข่าวทุกวันนี้เป็นเช่นนี้ ดังนั้น สิ่งที่เราจะทำได้ก็คือการมี Literecy หรือการรู้เท่าทัน มี Skepticism ที่ภาษาไทยเรียกว่า วิมตินิยม ซึ่งเป็นการตั้งคำถามกับสิ่งที่เห็น (โดยไม่เชื่อตั้งแต่แรก) และสุดท้ายถ้าเราสามารถแยกออกได้ว่าอันไหนเป็น Objective อันไหนเป็น Subjective ก็จะช่วยให้เราสามารถเข้าใจโลกในแบบที่มันจริง ๆ ได้

เรียบเรียงโดย ทีมงาน RAiNMAKER