作者：（中国传媒大学经济与管理学院博士研究生）

来源：《青年记者》2022年第12期

数智时代，大众传播的法则、机制和规律在互联网新兴技术迅速发展和猛烈推动下，显示出较弱的解释力，今天的传播学以一种近乎断裂式的创新方式表述其在社会变迁中所发生的变革。相较于以往的持续性创新，这种脱离底层逻辑衔接的范式创新要求我们以问题为导向来开展相关研究，因此如何回到实践的第一现场是传播学研究中的一个重要着眼点，而跨学科是一个关键的研究视野。MIT媒体实验室的第一任主任尼葛洛庞帝主张问题导向和反学科的研究方法，只有通过多学科联合机制才能对技术驱动下的传播生态进行重新认识、解读和把握。因此，我们要改变传统的参照性，以横向贯通在不同学科逻辑间形成一种有效交叠，进而塑造当今数智时代背景下传播学既把握现实又着眼未来的新方法论。

日益蓬勃发展的信息技术革命使传媒业的发展目标、结构要素、运行机制和内在逻辑均产生了全新态势的改变。近年来，伴随大数据、智能算法等技术的崛起和在各领域的渗透，传播学的研究范式和实践也在经历着一场颠覆性的革命。个体在互联网络中的行为轨迹、习惯秉性等被大数据和算法悉数捕获、尽数预测，导致传播链条中所关注的核心由普适化的大众群体向异质化的个体转变。在此背景下，我们需要以一种全新的思维和视角来审视传播研究的路径、方法，理论的适应性创新和在实践中的突破。这种转换对大众传播的假设前提、惯性思维、研究框架等都带来了巨大的冲击，学界也力图在这种全新的传媒生态环境下重塑一套崭新的传播认识论与方法论，从而促成了计算传播范式的产生，使得一种新兴交叉学科——“计算传播学”应运而生。

本文在梳理相关代表性文献基础上，追溯计算传播学的历史脉络和发展轨迹，探究其对传统传播学在理论和方法论上的创新，在阐述和分析其研究实践中进行学科反思，厘清计算传播学之于传播学的变革意义。

数据驱动的传播范式革新

（一）从“传统可计算性”到“社会计算”

谈及计算传播的研究，首先要追溯至传播学领域中的计算性研究这一范畴。伴随社会的发展，出现了由传统可计算性研究至社会计算研究的转向。前者主要通过介入式（如问卷、统计）的方法对抽样性的样本量、结构化的数据进行以人工为主的计算，结果呈现方式较单一，且计算周期较长。相比而言，社会计算研究在数据的收集、结构、计算、分析和呈现等方面均发生了革命性的变化，且计算速度大幅提高。社会计算研究中所蕴含的技术优势对于传播学而言，既在一定程度上克服和弥补了传统可计算性研究中的局限[1]，又拓展了传播学中可计算性的研究边界。

伴随信息技术快速迭代，社会计算（social computing）这一概念[2]在新的社会情境下被持续地赋予新内涵和意义。在大数据技术和智能算法的推动下，便捷且高效的社会计算研究方法在社会科学和自然科学中架起了一座桥梁，以更智能的计算方法为传播学研究提供了日益广阔的研究视野，为近年来学者们关于传播学的研究带来了新的方法工具和思维方式，在传播主客体更具多元性、复杂性和异质性的特征下构筑起传播学嬗变的底层逻辑。喻国明等深入分析并阐释了大数据技术为新闻传播研究领域所提供的新思路、框架和手段[3]；祝建华等依据传播学研究中的经典模型对计算社会科学在新闻传播研究中的实践案例进行了总结和剖析[4]；王成军等认为网络科学的发展和大数据技术对个体传播行为的可计算性起到强化作用[5]。因此，从创新扩散来反观计算传播学，社会计算对传播学研究所带来的革命式意义，不仅是更为科学、复杂和精确的研究方法和测度工具方面的优化，而且对传统传播学理论、范式、方法论带来更具时代适应性的颠覆式变革。

（二）从“计算社会科学”到“计算传播学”

伴随“社会计算”逐渐成为国内外学者聚焦的研究热点，“计算社会科学”进入学界视野[6]。它被界定为通过大量数据的采集、处理、分析和存储，利用包括自然语言处理、语义建模等在内的计算技术，来对个体和群体行为规律进行分析和把握的新学科。在大数据与人工智能技术的驱动下，在数据科学和网络科学的影响下，计算社会科学自21世纪伊始便以涌现式的发展态势与传播学相互交融。相较于以往传播学的定量研究范式，人们在互联网平台上自发或被动产生的新型传播行为成为计算社会科学发展的源动力，以“计算”为基本工具的研究方式推动了人类更具深度、广度和规模式的研究能力，传播学界开始关注大数据、算法等技术在科学研究及社会发展等方面带来的影响和价值，由此在国际传播学领域出现了“Computational Communication Research”（基于计算方法的传播学研究）这一术语，在国内被称为“计算传播学”[7]，推动了传播学研究范式的转型[8]。

（三）赋能算法媒介

“计算传播学”的出现使人类的传播行为在大数据时代能被更深刻的洞察，数据不再是孤立的存在，数字技术也不再局限于对数据的简单收集和存储，而是基于底层算法逻辑对原始数据进行加工和整合，实现数据的可调用、可计算、可分析，在传播领域中起到重要的功能作用，给予传播运作过程以高度能量[9]，甚至能够对人的意识判断和行为决策产生重要影响。“互联网+”和大数据已渗透到人们日常可触达的诸多场景中，个体在网络虚拟世界中不断进行数据生产和交换，计算传播学帮助实现对个体偏好特征、行为轨迹、精确画像的分析与掌握，通过算法重塑传播领域的交往规则：参与主体从单一走向多元；多主体间关系和相互影响不再局限于单向度的因果关系，而是在共同形成的社会网络生态系统中重构运行机制和规律。此外，由于人天然地具有形象偏好，比如感知在人们对传播信息的认知与认同中起到关键性作用，但传统传播学研究常对此有所忽视，或者囿于技术的局限无法进行有效的获取和识别，而通过计算传播学的情感分析、基于主体的建模仿真等可以更好地发现人们在平台上基于情感共振的非理性作用机制，有助于确立一种传播过程中的关系赋权。

算法驱动的传播理论创新

计算传播学同跨学科研究方法进行系统化结合，再以社会科学计算方法来对经典理论假设进行验证，以进一步阐释和理解社会的复杂性，基于新的传媒生态和媒介平台对传播学经典理论亦有所拓展和创新。

拉斯韦尔于1948年提出的“5W模型”在传播学领域奠定了经典地位。但伴随社会的发展和技术的迭代，5W模型在新型的传播关系中显现出时代的局限性，计算传播学研究范式拓展了5W中的各要素在新兴技术驱动下的边界，如表1所示：

表1：“计算传播学”与“传统传播学”5W模型的对比

互联时代，许多用户个体在传播过程中承担起双向互动的角色，既接受信息，也积极参与到信息的生产过程，扮演创作者和发布者的角色。相较于大众传播时代的主流媒体作为信息生产者，日益发展的技术为用户成为传播主体提供了更加便利的条件，也赋予用户更自由的信息生产空间。同时，社交机器人的出现，使得社交媒体上充斥着大量并不是由人类创作的信息内容[10]，而是在自动化软件控制下模仿人类的行为，包括发布内容或者发表评论等。有学者用计算传播学方法对社交机器人在主题化传播路径中的相关问题进行研究与回应[11]，通过对机器人账号的数据捕捉和分析，对传播现象进行描述与分析[12]。对于讯息而言，信息技术驱使下的智能化，相较于传统媒体生产的新闻内容，加工能力会在文本内容层面产生更多元化与呈现样态的重大改变。计算传播技术一方面通过大数据收集和分析能力，可以拓展内容背景的广度与深度，比如可以利用某个新闻要素迅速生成其关联网络与背景资源，进一步提升信息内容的解析能力，从而可以发现更多的新闻线索。又例如可以利用主题模型（Topic Modeling）、情感分析、社会网络分析方法对文本信息进行更深层次的发现和分析[13]。另一方面利用大数据挖掘技术可以为观点论证提供更全面的依据。在媒介的层面，互联网出现之后对媒介形成一种赋能和赋权，传播媒介经历了物理介质、关系介质和算法介质的依次交替过程。大众传播时代的物理媒介包括电视、电话、电报等，而到了互联时代，人与人在互联网络中、在各种社交化平台上通过排列形成一种无形的、具有权重标识的关联关系，即关系媒介。而计算传播依托于大量数据和定量的社会网络分析方法，将人和人、人和物的信息连接到一起，这也就意味着与用户相关的所有人/事/物（生理/心理）和个体的价值权重形成了用户的选择可供性。只有关系媒介才能将方方面面的事物相关联。因此，在计算传播学的研究视野下，媒介不再仅是信息的载体，而是由用户的需求和选择来定义媒介，“用户”成为传播链条中受传者层面一个相对普适化的人群代表。在计算传播的研究范式中，用户基于数据痕迹和平台背后的算法逻辑在社交性传播关系网络中成为一个个关键的节点。此外，传统的5W模型在传播效果层面将一些非常重要的因素置于考察视野之外，而计算传播的研究以更精确的计算方法将受众的认知、情感或行为以线性再现方式进行拓展与延伸。通过社会网络分析方法可对信息源进行级别上的区分，发现处于网络中心位置，即中心性指标较高的重要信息内容，依凭媒介之间相互影响网络所具有的“小世界”特征来判断彼此形成紧密关系的信息特征，也可通过网络之间的连接密度和集聚系数等对情感化认知传播效果进行更科学的识别，以及所形成的网络结构在主题化内容中对情感多样性产生的影响。

技术驱动的传播实践拓展

计算传播学旨在通过获取并解析用户在网络平台中的传播活动数据，借助传播文本挖掘、机器学习、社交网络分析、计算机视觉等分析工具解析人类传播模式背后的生成机制及其基本原理。

基于文本分析方法探寻传播新问题。通过文本挖掘的方法对不同类别意见领袖对公众影响程度和特征进行剖析以挖掘他们在舆论引导中所凸显的价值[14]；在对文本进行分类、关联和聚类分析基础上来对传播口碑开展相关研究与评价[15]；构建包含用户、内容和社交特征的预测模型来评价其在传播路径中的预测性能[16]。

通过智能算法推荐引发传播新革命[17]。大数据技术驱动下的传播路径大致可包括从内容到分发算法到用户端，再通过用户反馈对内容进行优化的传播链路。计算传播学的研究范式中，关键元素为用户，不同平台遵循不同的分发逻辑，如抖音的“集中化”和快手的“普惠式”就形成了鲜明的对比，而这种分发逻辑也成为智能算法推荐模型中的最核心部分。算法对信息传播的影响受到愈来愈多的重视与关注，算法研究的真正价值是算法与媒介生态之间的动态演化关系[18]。如果对算法推荐模型进行再抽象，那么推荐系统本质上所要解决的是用户、平台生态环境与传播内容之间的匹配，以及规避算法所带来的偏见问题。

结  语

计算传播学重构了媒介产业已有的竞争格局，对传播规律、传播路径、传播模式、传播效果等进行了深刻洞察和趋于精准的传播能力预测。但我们必须正视目前伴随计算传播学发展面临的一些问题：比如计算传播学研究中的关联关系和因果关系；依靠于大数据和算法逻辑背后的用户隐私和伦理问题；如何验证已有理论，并在此基础上发展出新的理论等，这些问题都有待于我们在今后的计算传播学相关研究中给予重视和予以有效解决。当然，在技术颠覆式创新的数智时代，技术快速发展和迭代，技术的变革影响着媒介的嬗变和传播的链路，我们也期待计算传播学能够超越学科的边界，以理论为本，方法为翼，不断实现跨越式发展。

本文引用格式参考：

公宣迪.数智时代传播范式、理论与实践的变迁与重构——以计算传播学的研究视角为例[J].青年记者,2022(12):28-30.