计算传播学导论：概念

2019年10月份因为项目的研究需要，我阅读了大量信息传播模型的文献，对信息传播模型有了系统的知识框图搭建。2020年疫情期间，新冠肺炎病毒传播的研究中，我们看到大量的模型预测。于是，应用数学建模的方法来解决一部分社会科学问题成为了我们关注的要点。

这一次，从最基本的定义出发，我们来系统的学习一下《计算社会科学》和《计算传播学》。因为学科需求，我们的研究是在计算社会科学的基础之下，重点研究计算传播学。未来“计算传播学”的系列文章将以相关书摘、笔记，还有我的一些思考为主。

首先，如前言所述，提到计算社会科学和计算传播学。我们知道，所有的社会科学学科包括：人类学、经济学、政治学、社会心理学和社会学。其中还有相关领域，如地理学、历史学、传播学、语言学、管理学。

在2009年，文章《计算社会科学》（Computational Social Science）中定义了“计算社会科学”：通过对海量数据的采集和分析，旨在揭示人类个体和群体行为模式的新兴学科。具体则是：旨在通过对海量数据的收集、处理、存储，同时利用计算技术（如自动内容分类，语义建模，自然语言处理，模拟和统计模型）分析人类行为模式。

以此，在《计算传播学导论》中，作者提到：“在‘计算社会科学’研究范式之下，我们对于计算社会科学分支之一的计算传播学做出如下定义：计算传播学致力于寻找传播学可计算化的基因，及传播网络分析、传播文本挖掘、数据科学等为主要分析工具，大规模地收集并分析人类传播行为数据，挖掘人类传播行为背后的模式和法则，分析模式背后的生成机制与基本原理”。

根据“计算传播学”的定义，不难理解，计算传播学的三个不可或缺的要素为：新数据、新方法和重要问题。

那么接下来让我们看一下计算传播学的研究内容：传播学的研究根据传播结构、传播模式、传播内容与效果、传播实践来划分。与之对应的计算传播学可以根据这四个层次来进行研究探索：

1）传播结构

传播学：社会关系构成的信息传播网络结构以及构成社会网络的个体行为。

计算传播学：传播结构的研究，可回溯到社会网络分析，主要阐述网络结构如何影响传播结构，或者引发信息传播行为发生变化的微观动力。著名的理论包括三元闭包原则、小世界理论、平衡理论、结构洞特征等等。通过计算传播学的视角，描述和探讨信息传播结构的规律。可以这么考虑，计算传播学是通过数据来探索模式，进而验证并拓展微观理论。

2）传播模式

传播学：微观层面——信息传播个体行为；宏观层面——信息传播路径的规律和特点。

计算传播学：在微观的个体信息传播层面，主要包括对以用户为节点的个体信息传播能力的研究，以及个体信息传播和接受行为研究。在宏观层面的信息传播模型研究上，则主要包括经典的创新扩散模型、阈值模型、级联模型、传染病模型。

3）传播内容与效果

传播学：旨在考察传播内容层面的特点以及内容特征所引发的传播效果。

计算传播学：非结构化文本在在线媒体中的广泛应用，使得研究者得以用计算方法分析海量文本，对传播文本进行宏观层面的客观描述，从而进一步探索传播内容的特征及其对于用户的影响；同时关注用户情感的变化；传播内容还可以被用于预测。

4）传播实践

计算传播学：数据新闻和计算广告。

数据新闻，大家关注的比较多，它是一种新的新闻叙事方式，我们的编辑记者、程序员和设计师，可以通过技术手段抓取数据，进而挖掘数据背后的信息，最后通过可视化的手段呈现新闻。计算广告则是通过匹配等方式，经过个性化推荐为在线用户匹配最适合的广告。目前来讲，人工智能技术在计算广告中得到了很好的应用。

总结：Social computing，发现社会世界的线索，建立人际关系，搜集人类的行为，利用计算机产生数据，发现模式变成可操作的有意义的模型，最后生成解释方法。

“重回思考”期待你的关注

参考文献：

[1].张伦,王成军,许小可.《计算传播学导论》[M].北京师范大学出版社:北京,2018:1-13