计算传播学

出自 MBA智库百科(https://wiki.mbalib.com/)

计算传播学（Computational Communication）

　　计算传播学是一门利用计算技术和计算能力来实现语境、内容和用户三者的最佳匹配的全新的交叉学科。它的研究对象是人类传播行为中可以被数据所记录被计算所推论的部分。它以传播网络分析、传播文本挖掘、数据科学等为主要分析工具，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。

　　互联网时代，大数据的广泛应用为计算传播学提供了强有力的技术支持，使得计算传播学得以进一步的发展。数据新闻、计算广告、个性化推荐系统等都是当前计算传播的应用领域。计算传播有快速、低成本等优势，被测者不受干扰，可以发现真实的行为和关系的可能，但是需要强大的技术手段，结果需要被验证，此外，隐私、伦理、法律问题也需要予以考虑。

　　计算传播是指数据驱动的、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。计算传播的应用有很多，例如数据新闻、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。

　　1.人类传播行为具有可计算的基础。

　　网络科学以关系来度量物理世界和社会现实，而这些稳定的关系（表现为网络中的连接）可以成为人类传播行为中可计算性的基础。而人类传播行为的复杂性和丰富性为计算传播学研究提出了重要挑战。

　　2.数据科学的发展提供了理想工具。

　　计算传播学强调了对海量数据的收集、分析和挖掘。而来自人类使用数字媒体时记录下来的数字痕迹都成为数据分析的基础。例如，互联网使用社交网站的时候，我们的行为都会被数字媒体详细地记录下来。这些海量的人类传播行为数据和媒体使用记录的数据构成了采用计算方法研究人类传播行为的基础。

　　3.新闻本身特性呼唤更科学的研究方式。

　　客观性和真实性是新闻报道的基本信条，然而从新新闻主义到调查性报道，新闻一直缺乏系统性和科学性的范式来完成对新闻客观性的重塑，随着精确新闻报道的兴起，促进了社会科学量化研究方法在新闻报道领域的广泛应用，计算传播学应运而生。

　　1、计算传播学的定义首先强调的的人类传播行为可计算的基础。

　　人类的传播行为、传播过程和传播技术构建了一种社会复杂系统。海量的数据和不断提升的计算能力为回答人类传播学的可计算性问题提供了重要条件。

　　2、计算传播学强调了对海量数据的收集、分析和挖掘。

　　驱动计算传播的数据主要来自人类使用数字媒体时记录下来的数字痕迹或数字指纹。例如，当我们通过有线电视观看电视节目的时候、通过手机打电话的时候、通过互联网使用社交网站的时候，我们的行为都会被数字媒体详细地记录下来。这些海量的人类传播行为数据和媒体使用记录的数据构成了采用计算方法研究人类传播行为的基础。

　　3、计算传播学强调对于基于数据的清洗、分析、挖掘等计算的过程。

　　计算传播学主张利用强大的计算工具研究社会问题，例如自动化信息提取、网络分析、地理空间分析、复杂性模型、社会模拟模型等。在传统的内容分析中，需要编码员人工识别文本中的信息，采用文本挖掘的方法，可以自动地提取社会事件的属性，如事件、地点、参与者、文本的主题、文本的情感等。

　　4、计算传播学强调了将大问题、大理论和大数据相结合。

　　驱动计算传播学发展的主要力量来源于人类传播行为当中的重大问题，发展计算传播研究有助于解决新闻产业变革过程中发现的理论问题和实际困惑。就理论视角而言，计算传播学更加倾向于从复杂性的角度看待传播行为和传播过程。这种复杂性的思维方式需要研究者具备对复杂系统分析的能力和方法。

　　值得注意的是，2017年瓦茨再次发表多篇反思计算社会科学的文章，提倡计算社会科学应该更加强调以寻找 解决方案为导向，因为社会科学存在太多的相互之间不一致的理论，而这些理论往往不能很容易地验证。寻找解决方案为导向对于新闻产业非常有价值，以新闻推荐系统为例（比如今日头条），如何实现更为精准的新闻推荐亟需寻找更加有价值的视角、方法和理论，可以预见经过新闻传播产业检验的理论也将具有更强的解释力和预测力。

　　5、计算传播学强调了计算社会科学在理论建构方面所追求的抽象阶梯。

　　即一个好的研究必须是重大的社会问题驱动的，并且能够找到好的数据作为支撑（第一个阶梯）；要能够从数据当中挖掘出行为的模式（第二个阶梯）；最好可以阐明模式背后对应的机制（第三个阶梯）；并尝试理解背后的基本原理（第四个阶梯，往往难以企及）。从数据、模式、机制、原理这样一个不断提高的抽象的阶梯，可以衡量不同的研究所处的状态和水平，为衡量计算传播学的研究提供了一个基本的标准。

　　1. 推动传播学研究范式的转换。

　　传统的传播学领域在量化的研究工具和研究方法方面存在一定的技术和数据弱点，旧有的、相对稳定的学科范式无法提供解决智能媒体时代信息精准传播问题的合适方法，而这些恰恰是计算传播学的研究能够补足的。计算传播学是的新的学科范式的重要产物，它并不是要彻底否定旧有传播学研究范式在质化研究方面所积累经验，而是将之前研究的精髓理念继承下来并与新范式下全新的量化手段、计算技术、数据能力相叠加，进而推动传播学走向一个新高度。

　　2. 为新环境下的媒介产业变革提供理论指导。

　　全新的信息技术革命、如火如荼的“互联网+”浪潮、持续展开的媒介融合进程以及初现雏形的物联网未来景观，都在一定程度上推动着媒介产业走向一场广泛而深刻的产业变革，媒介产业生态中的各方利益相关者需要学界为他们提供最客观的理论指导和意见结晶。计算传播学所研究的机器人新闻、程序化广告、数据化技术、智能化传播、精准化定向等核心问题恰恰是媒介产业未来发展的重要趋势，它的快速发展将会为产业实践带来最新的理论成果。

　　3. 立足未来为媒介产业培养优秀的复合型人才。

　　媒介融合时代的智能传播是多种媒介生产流程和传播要素的重组和整合，这就要求媒介人才从单一型的“一专”人才向复合型的“一专多能”人才转变，计算传播学由于自身的多学科交叉特点，能够立足传播学，并从计算机科学、数据科学、新闻学、传播学、人工智能、机器学习等多角度出发，培养更适合未来智能媒体时代的复合型传媒人才。

　　计算传播学的概念起源于计算社会科学的发展。计算社会科学以分析社会系统的复杂性作为主要研究范式。社会系统作为一个复杂系统，本身包含了多重本体以及他们之间众多的联系，既有从微观到宏观的联系，也有从宏观到微观的影响，这造就了社会现象所特有的复杂性。

　　计算社会科学研究主要关注复杂社会系统中的社会现象、社会行为、社会组织的涌现，例如居住隔离、合作、互惠、社会规范、市场、国家。计算社会科学中的“涌现”往往表现为一种群体智慧，它是通过海量的异质性个体之间的互动而在群体层面出现的结果。

　　作为一种崭新的研究范式，计算社会科学从数据基础和计算方法两个层面丰富了人们对于社会现象的认识。 互联网上的人类传播行为是驱动计算社会科学发展的一个主要动力。与自然科学相比，社会现象卷入了海量的异质性个体的互动行为，因而异常复杂并且难以预测。通常社会科学研究的数据往往是用户报告的、静态的、小规模数据。互联网行为数据和大规模的互联网实验却提供了另外一种可能性。

　　邓肯・瓦茨认为互联网传播数据将会变革我们对于群体人类行为的理解，并产生了一种新的社会科学，邓肯・瓦茨称之为“二十一世纪的科学”，也就是后来广为人知的“计算社会科学”。