目录
第一章 导论
第一节 传统传播学简介
计算传播学是传播学的新兴分支之一。传播学是一门研究人类一切传播行为、传播过程及其规律的科学，旨在解释信息传播的机制和本质，描绘传播过程与传播效果，预测未来传播的形势和结构等。传播学按照研究层级，大致可分为人际传播、组织传播以及大众传播。
从传播学研究范式而言，传统传播学主要分为解释性范式与阐释性范式。前者重在解释因果，即给定研究问题的因变量，解释因变量的产生原因。这类研究范式多采用心理实验、社会调查、内容分析等定量研究方法。后者重在阐释因果关系的社会意义。这类研究范式多采用观察访谈、档案文献的话语分析和文本分析等定性研究方法进行。
目前传播学研究的主流领域为传播与技术、大众传播、健康传播、政治传播和新闻学研究。
第二节 计算传播之于传统传播学：新的研究范式
一、社会科学研究的进路
传统的社会科学研究过于强调理论和假设，有太多理论，而缺乏数据和恰当的方法对理论进行验证。
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所不能获得的信息。这些新型数据使得社会科学研究的已有弊端能够得以改进，其主要原因在于这些海量数据不仅具有数量优势，而且具备传统社会科学数据收集所无法获得的信息。首先，连续的时空信息提供了个体交往的精确信息，包括交往时间、地点等，这解决了个体社会生活难以观察的难题。其次，在线信息能够进行“非介入式观察”，即不通过直接访问被研究者而对其行为进行研究。这很大程度上有利于研究者探寻无法通过传统的观察或调查方法而获知的人群或人类行为。最后，这些数据能够记录个体的互动行为。社会科学的重要研究问题是人们的社会化行为以及相互影响。而传统社会科学，特别是以随机抽样社会调查为数据收集方法的研究，皆假设个体是独立的。在线数据能够解放这个“独立性”假设，从而更好地探究人们具有互动特征的社会行为规律。
二、什么是“计算社会科学”与“计算传播学”？
“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。具体而言，“计算社会科学”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。
未来，计算社会科学的发展，还需要在一下几个方向着力：对于跨平台数据的获取，能够帮研究者更全方位地观察个体行为；在线实验的平台搭建以及在线实验的执行，能够更有效地研究因果关系；最重要的是，社会科学家需要更深入地融入计算社会科学研究。
在“计算社会科学”研究范式下，我们对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，以传播网络分析、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。“新数据”“新方法”以及“重要问题”，是计算传播学不可或缺的三个重要元素。
第三节 基于传统传播学的计算传播学研究
计算传播学的发展将深深根植于传统传播学研究的理论土壤，其根本目的是更好地回答传统传播学尚未回答的问题。
传播学研究自其诞生时起，旨在研究人类信息传播过程。传播过程大致可以分为传播结构、传播模式、传播内容与效果以及传播实践。传播结构指由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的行为。传播模式从微观层面而言，主要指个体信息传播行为；从宏观层面而言，则指信息传播路径的规律和特点。传播内容与效果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。传播实践包罗万象，与计算传播学相关的实践领域主要包括数据新闻、计算广告以及媒体推荐算法等。
一、传播结构
在社会网络研究领域，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。
探讨在线社交媒体的好有关系构建，一项利用“人人网”早期的全网用户在线行为数据的研究发现，如果将用户在社交网络中的好友添加用归一化的累积分布函数进行表示，则每个个体的自我网络增长呈现出三种类别：S形曲线、双S形曲线以及倒L形曲线。这三种自我网络的增长模式，反映了个体在社交网络中构建好友关系的不同策略。
二、传播模式
对于传播模式的研究，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。对于节点信息传播，在目前基于网络拓扑结构来刻画节点重要性的指标中，基于网络局部属性的主要有度值、局部中心性等，基于网络全局属性的有特征向量中心性、Katz指标、紧度中心性、介数中心性、核函数、可达性指标等，基于网络位置属性的有k-核、混合度分解，基于随机游走的方法有PageRank、HITS和LeaderRank等。
而在宏观层面的鹅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、传染病模型等。
三、传播内容与效果
传播内容指的是传播学研究的重要领域。
非结构化文本在线社交媒体中的广泛应用，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你的客观描述，从而进一步探索传播内容的特征及其对用户的影响。
对于传播内容的研究，计算传播学同时关注用户情感的变化。用户留在社会化媒体等在线平台中的文本，能够用于分析情感。情绪的传递不仅仅需要社会交往情境信息，其只通过语词也能够传递。
传播内容还有可能被用于预测。利用Facebook的相关搜索词预测流感的爆发，是一项饱受争议但影响深远的研究。尽管存在诸多问题，但不可否认，这项研究标志着用计算方法进行传播内容的研究从单纯解释因果向预测和以解决问题为研究目的迈进了重要一步。
四、传播实践
计算传播学在传播实践层面也有诸多重要发展。目前，已经形成计算广告和数据新闻等多个应用领域。计算广告通过匹配等方式，在给定的情境中为在线用户匹配最合适的广告。数据新闻是一种新的新闻叙事形式，是计算传播学在新闻生产过程中的应用。具体而言，数据新闻是指运用各种技术软件来抓取、清晰、分析、呈现数据并分析其传播效果，从而为公众提供更重要、更有参考价值的报告，使公众更深刻地理解世界。计算广告和数据新闻领域，利用计算传播学的分析方法，为广告变现以及新闻撰写实践提供了有效的分析手段。
671
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
