计算传播学，使传播学成为当代“平台性”学科

计算传播学是否能尽快成长，成为引领新闻传播学整个大学科发展的核心力量，乃至于成为整个计算社会科学发展的中坚力量，这取决于计算传播学自身内核是否完善以及学术共同体对此是否认可。

原文 ：《完善计算传播学自身内核》

作者 |深圳大学传播学院院长 巢乃鹏

图片 |网络

大数据推动社会科学问题研究

工欲善其事，必先利其器。科学研究在一定程度上遵循着这一规律。人类在探求宇宙奥秘、认识自然世界、挖掘人的心理动机、寻找人类社会运行规律的过程中，虽然理论上全范围（全样本）的观察才是最佳的，但是受限于研究者可观察的范围（某种情况下也可认为是可获得的数据），研究者不得不开发出各种研究方法（例如抽样、实验等）以及各种分析工具，以获得较优解。毋庸置疑，研究者们一直在试图突破这一难题。但从逻辑上来说，并不存在着全范围观察的可能性，因为宇宙太过庞大而且仍在不断膨胀，何况人类社会的复杂性也在不断增强。因此，研究者可以做到的是：对于每一个具体的研究，界定该研究的观察范围（样本框），在确定的观察范围中实现全范围的观察（全样本数据）；如果不能，也需要获取尽可能多的样本数据。

计算机技术的发展以及大数据时代的来临给了研究者实现这一目标的可能。互联网和海量数据作为新的数据形式与来源，记录了很多传统社会科学数据获取方法难以获得的信息。例如，连续的、具有地理和时间戳的时空信息；人们在社交网络中意见表达等非结构化的文本信息；商业交易信息和健康信息等。这些数据使得社会科学研究既获得了传统社会科学数据收集所难以获得的信息，例如大量的行为数据，包括交往时间、地点（如IP地址）等，这解决了个体社会生活难以观察的难题；与此同时，这些海量数据使得研究者有可能在不同的研究中建立起每一个具体研究的全样本数据集。

基于这一实际情况，大量的研究者开始尝试使用由技术突破所带来的海量数据来开展研究，并得以发现和揭示了很多在原有数据体系中未能发现的有意思的结论，形成了更有冲击力的理论。例如，吴令飞等人通过从三个相关又有区分的领域收集了大量的数据集：Web of Science科学引文网络中自1950年以来发表的超过4200万篇文章，美国专利与商标注册局自1976年以来授予的500万项专利，以及GitHub网站上自2011年以来发表的1600万个软件项目。通过对这些数据的研究发现，小规模的科研团队反而越有可能产生颠覆性的理论创新和问题解决方案，而大型科研团队仍然是进步的重要推动力，但他们最适合验证和巩固新发现，而非作出新发现。

2009年，Lazer、Pentland等16位学者在Science上发表了一篇题为《计算社会科学》的论文，标志着“计算社会科学”这一新兴学科的建立。2013年，Watts对计算社会科学发展现状作了简要总结。他认为，计算社会科学已经在“海量数据获取”“计算工具的使用”以及“跨学科合作”等方面取得了显著进步。但该领域仍有一些重要问题没有解决，例如，对经济危机、传染病和社会运动等重要社会问题的探讨，而这些领域进展缓慢主要缘于社会问题的复杂性。他认为，社会科学家需要更深入地融入计算社会科学研究。社会科学问题的提出和解决，很大程度上依赖于社会科学家，而不是计算机或其他相关学科的研究者。

计算传播学使传播学成为“平台性”学科

作为计算社会科学的一个分支，计算传播学（computational communication research）在近几年中取得了快速的发展，已经成为国际新闻传播学的前沿领域。所谓计算传播学，是伴随着大数据时代的来临，在传播学研究领域出现的一种新的研究取向，是通过收集和分析网上行为数据，描述、解释和预测人类传播行为及其背后驱动机制的一系列计算方法、工具与思想。其主要数据来源不再是传统的内容分析、问卷调查和控制实验，而是来自服务器日志数据挖掘、网页数据抓取、在线档案数据、大规模在线实验等；其数据分析方法除了经典的统计分析之外，更主要的是带有显著大数据计算特征的方法，如社会网络分析、文本挖掘、空间分析、时间分析等（祝建华，黄煜，张昕之，2018）。

与传统的传播学研究范式相比较，计算传播学的优势可能不仅仅体现在大数据的价值优势、大数据的处理优势以及非介入式的数据搜集优势方面，计算传播学还有可能带来整个传播学学科地位的提升。作为社会科学的一个组成学科，传播学在其肇始就以人类传播为研究对象，虽然经典的5W模式非常凝练地概括了传播学的研究范畴，但由于人类传播行为的复杂性，以及传播学最初建立时众多其他学科的贡献（所谓的“十字路口”），因此传播学的研究领域显得较为混杂，与其他学科之间的界限也并不分明。这也受到了众多研究者的诟病和反思，传播学的学科地位一度受到挑战。

大数据和计算方法的出现，使得传播学（在学术研究的数据资源层面、更多元化的研究方法层面等）的学科基础得到了极大的增强。虽然仍面临着众多其他学科的竞争乃至于侵蚀，但我们能看到的是：与早年传播学的“十字路口”困境不同的是，早期来自各个学科的研究者在传播学领域中留下浓墨重彩的一笔后就返回各自的学科（如传播学的四大奠基人）；而当前由计算传播学兴起所导致的变革中的传播学则正在成为一个“平台性”学科。大量其他学科的研究者（与早年传播学跨学科研究者大多来自社会学、政治学这样的社会科学领域不一样的是，计算传播学的跨学科研究者很多来自物理学、计算机科学，乃至于数学等自然科学的领域）纷纷进入传播学领域，采用各种视角针对人类传播行为和传播现象进行研究，在此过程中，基于不断涌现的数据、现象、问题，研究者欲罢不能，主动性地驻留在了（计算）传播学的学科领域中。所以我们认为，计算传播学的兴起在一定意义上释放了传播学在整个人类科学体系中的价值，带来整个传播学学科地位的提升，使得传播学跨越了所谓的“十字路口”，成为当代社会科学中的“平台性”学科。

计算传播学能否尽快成长

计算传播学作为一个新兴的研究领域，其合理性已毋庸置疑。但计算传播学是否能尽快成长，成为引领新闻传播学整个大学科发展的核心力量，乃至于成为整个计算社会科学发展的中坚力量，这取决于计算传播学自身内核是否完善以及学术共同体对此是否认可。从学术研究的视角来看，计算传播学自身内核的完善需要能较好地回答以下相关问题。

第一，计算传播学的理论渊源与理论架构。从学术脉络上来看，计算传播学的兴起与大数据时代的来临以及发端于网络科学和计算机科学的计算方法紧密相关，因此其学术渊源大致主要来自传播学、计算机科学与网络科学这三个学科，显现出非常明显的交叉学科的特征。但是，计算传播学的本体性理论并不能完全借鉴这三个学科已有的理论，而是应该在这三个学科理论养分的滋润之下，通过对重大现实问题等的研究，挖掘和建立起其独有的理论脉络。

第二，计算传播学的研究方法与工具。计算传播学在其兴起之处，就体现了鲜明的方法和工具性，因此有必要全面梳理计算传播学相关的方法工具，以及其适用的研究场景和问题。与此同时，更关键的问题是，目前计算传播学的方法和工具大多来自网络科学和计算机科学，是否有计算传播学自身的方法和工具是非常值得思考的问题，例如，基于人类传播行为的在线社会行为实验研究方法是一种可能的思路。除此之外，针对计算传播学方法论的思考也是题中应有之义。

第三，面向重大现实问题的计算传播学应用研究。计算传播学研究需要创造新的理论，而新的理论突破往往来自现实问题的关照，因此计算传播学也应回应当代世界发展、特别是中国社会变革过程中的重大现实问题，例如健康传播、互联网治理、“一带一路”等，在回应这些重大现实问题的过程中寻求理论突破，并凝练出自身的学科价值。

第四，面向新闻传播实践的计算传播学应用研究。计算传播学的兴起在一定程度上也得益于新闻广告实践层面的推动，同样其研究对象在很大程度上也由于路径依赖而需要关注新闻传播的实践，例如计算广告、计算新闻等。对这些实践层面的推动，同样是计算传播学责无旁贷的职责，而在推动新闻传播实践发展的同时，显然也能更好地反思计算传播学自身的学科价值。

第五，计算传播学研究中的伦理道德问题。计算传播学的兴起得益于大数据时代的来临，但是观察近年来的一系列事件（例如Facebook数据泄露事件），我们也能看到计算社会科学的学术研究与人类社会的伦理道德乃至现行法律之间的冲突。大数据的使用对于人类的伦理道德体系，特别是个人隐私保护，提出了非常大的挑战，基于大数据的计算传播学显然应该也必须对此作出自己的回应。

文章原载于社会科学报第1679期第5版，未经允许禁止转载，文中内容仅代表作者观点，不代表本报立场。