《计算传播学导论》读书笔记：后记 寻找人类传播行为的基因

后记 寻找人类传播行为的基因

伴随着社交媒体等数字媒体的发展，社交网络分析开始受到前所未有的重视，社交网络上的信息流动网络研究也引起广泛的兴趣。与此同时，机器学习和数据科学取得了突飞猛进的发展，进一步加速了计算华的浪潮。在新闻传播产业当中，数据驱动的新闻生产、计算广告和媒体推荐系统开始成为席卷世界的潮流。面对海量的互联网数据、持续困扰人类的重大社会问题、崭新的理论视角、诱人的物理学模型，在世界大战中发展起来的新闻传播学研究会走向什么地方？这构成了困扰我们的时代问题，而计算传播学正是试图回应这一时代叩问的一种尝试。

社会科学才是21世纪的科学。社会系统当中充满了海量的异质性个体，这些个体之间的互动使得社会过程充满了复杂性。相比于自然科学，社会科学内部的复杂性更高，也更难研究。人类对于自然现象当中的很多规律已经非常了解，但对于社会现象的理解则通常非常有限。面对这些挑战，或许很多人可以做一群鸵鸟，只盯住让自己感觉舒适的领域，当危险来的时候干脆把头埋进沙子里，但是年轻人没有逃避的理由。年轻研究者唯有敢于冒险，才能走出不一样的路来。网络科学的视角和大规模的互联网数据与实验为社会科学的发展提供了前所未有的理想条件，“基于因特网的传播数据和互动将会变革我们对于人类群体行为的理解”。

计算社会科学以大规模数据收集和数据分析作为主要的工具，采用网络科学作为主要的研究视角，力图揭示个体和群体行为的模式。基于互联网传播产生的数据和互动性正在改革我们对人类传播行为的认知，传播学研究面临着新的问题与挑战，以人类传播行为的可计算性基础为研究中心的计算传播学为传播学的发展提供了更广阔的的空间与可能性。

在大数据和人工智能时代，未来的计算社会科学家更需要训练问题意识、培养计算思维、增强数据挖掘能力和分析的能力。计算传播学作为一个概念的提出主要源于计算社会科学的发展。直到计算社会科学成为研究热点之后，计算传播作为一个概念才被正式提出。另外一种定义计算传播学的思路是计算传播的产业实践，可以将计算传播定义的数据驱动的、借助于可计算方法所进行的传播过程，而分析计算传播现象的研究领域就是计算传播学。计算传播学的应用有很多，如数据新闻、计算广告、媒体推荐系统等，在过去的几年里，产生了深远的影响。

数据新闻风靡全球，重要的国际媒体和国内媒体纷纷采用数据新闻，以开放数据、数据挖掘、可视化的方式提供信息；计算广告备受瞩目，不管是门户网站、搜索引擎，还是社交媒体，纷纷将计算广告当做数据变现的重要渠道，以可计算的方法对广告进行拍卖，实现媒体、内容和用户三方的匹配；媒体推荐系统成为个性化信息获取的重要途径，既包括传统的社交新闻网站，也包括今日头条这种后起之秀，它们纷纷采用协同过滤的方法为用户提供信息，建立了新的信息把关模式。

计算传播学将传播学研究置于数据和计算方法的坚固基础上。数据作为一种新的石油，解放了社会科学家对于理论的过度依赖。随着数字媒体的发展，人类社会积累的人类传播行为数据的规模日趋庞大，详尽地记录了社会发展和人类互动的各种细节。运用这些生动的人类传播行为数据，可以从更细的颗粒度、更大的样本规模上让我们捕捉社会的发展。毫无疑问，对于数据的挖掘依赖于人类的计算能力的提高，依赖于跨学科的研究方法和研究视角。我们人类传播行为的基因恰恰隐藏在互动性当中，但这种人类传播行为的互动性本身也使得传播过程充满了复杂性。网络科学为捕捉到纷繁复杂的人类互动提供了一个很好的视角。从数据出发，借助于计算方法和好的理论视角，就可以更好地刻画人类传播行为的模式和法则。

需要指出的是，不管是模式还是法则，本身并没有能够回答我们所观察到的社会现实是由何种社会机制构成的，因而需要通过建构数学和物理模型的方式来解释社会机制并基于社会机制预测具体的社会现实。

计算传播学试图从重大的社会问题出发，系统地收集并分析人类传播行为的数据，刻画数据背后的行为模式，探索模式背后的社会机制，试图上升到一般性的原理，达到更好地揭示和预测人类传播行为的目的。一个好的理论应当尝试捕捉到这种普适性的原理，基于一般性的原理生成机制，基于因果机制解释行为模式，基于模式预测现实，最终回答重要的社会问题。