计算传播学：新范式拥抱

在整个传播媒介不断进化的历史过程中，每一次新技术和新媒介的更迭进化都会带来人们对交流、沟通、传播的重新思考。而在传播学从社会学分离出来成为一个独立的学科之后，传播学界的研究者对新技术和新媒介的研究也变得更加广泛和深入。从广播电视到互联网，从智能手机到万物皆媒，大数据和人工智能技术的快速发展对旧有的传播学知识产生了强烈的冲击，从而倒逼着今天的传播学界对算法工具和计算主义展开新的理论思考，这时候计算传播学逐渐成为一个全新的研究范畴，并补充、增强、完善，乃至重塑着现有的传播学研究框架。关于新媒体、新技术、新传播、新智能、新业态的大量研究，尽管层出不穷，却往往乏善可陈，因为这样的研究仍然受到了旧思维、旧理论、旧权威、旧框架和旧方法的限制而无法做到有所突破或推陈出新。

以经验主义传播学为主流的研究方法，虽然在很大程度上可以结合定性研究和定量研究使其得出的结论看上去更有说服力，然而它在理论的拓展和实践的应用方面都难以突破传播学过去数十年来发展而形成的基本框架。于是我们看到越来越多的研究转向了更加微观的领域，但中观上的研究方法和宏观上的传播范式进化却非常缓慢。这就导致细分领域和具体问题的研究因为理论的路径依赖和方法的惯性逻辑而沦为一种难以证实或证伪的自洽。无论是对用户媒体使用行为还是内容传播效果的测量及在此基础上建立的模型，很多时候都是因为统计方法和数据缺陷而缺乏可信度。

以议程设置这一基础理论为例，有相当长的一段时间，国内外大量的学者把主要的关注焦点放在了经典的议程设置理论和应用上。这是早期研究传播效果最主要的理论和方法之一。这一理论指出，用户可能会关注一些问题而忽略另一些问题，这种现象本身就足以对社会的公众舆论产生巨大的影响，用户通常会有兴趣了解市场上所有媒体关注的主要话题，并会受到媒体对这些话题进行排序的影响，甚至会直接采纳媒体确定的先后次序来安排自己对这些问题的关注兴趣。我们可能要确定哪些话题是媒体关注的话题、媒体是怎样进行排序的、用户是否真的会按照媒体的排序来关注这些话题。为了对这些阐释清晰，传统的做法是采取抽样调查与深度访谈相结合来进行市场调研，从而为我们的议程设置提供之所以这么做的证据。但从目前信息技术和传播方式的巨大变革来看，智能硬件和社交网络的快速发展使得我们很难按照传统议程设置的方式来掌控传播过程，统计调查的方式也无法解释乃至解决庞大的数据量和此起彼伏的新闻事件等现象及其背后所隐藏的社会问题。在这样的技术背景下，传播学的可计算性研究在总体特征上发生了革命性的变化。

在这样的氛围中，对学科的重新审视尤为必要，谋求创新和突破成为产业实践和理论拓展的共同需求。计算传播学的兴起在一定意义上，也恰恰是在尝试通过跨学科研究的思维和方法，建立起数据科学、生物科学、计算机科学、人工智能科学等领域与传播学之间进行充分交流与合作的机制和规范，并进一步探索、推进、形成传播学研究的新范式。计算传播研究进行着前所未有的重新解构和建构，其广度、深度和规模都得到了极大的拓展。但在这个过程中，计算传播学必然会继承既往的传播学研究传统的全部精髓和经验，并对已有的研究方法进行全新的补充、完善和扬弃，借此完成对传播过程中可计算要素的梳理和研究工作。(www.xing528.com)

当然，这种梳理和研究工作并不是一朝一夕就可以完成的，需要一些时间。尽管21世纪的第一个十年是PC互联网发展的黄金十年，但在这黄金十年中，产业界和学术界都没有拿出一个非常具有颠覆性的传播解决方案。直到进入第二个十年，大数据技术和人工智能技术突飞猛进并被产业实践广泛接受之后，才有越来越多的人忽然间意识到，数据才是最关键的生产要素，而算法则是把这一生产要素转化为生产力的引擎。计算传播学的发生也不过是近十年的事情，直到目前还没有形成一整套完整的研究理论、研究框架和研究方法。

今天的计算传播学仍然处在初始阶段的孕育期，它是传播学领域正在涌现的一个全新分支，距离形成一种新的科学研究范式，还有很长的路要走。正如香港城市大学媒体与传播系祝建华教授等所说的那样，要形成新的传播学研究范式或者学术创新，“需要四个条件：新现象的涌现、新数据的易得、新方法的普及、新人才的形成”^[3]。

按照这四个条件来看，新现象的涌现已经成为一个不争的客观事实，无论是在互联网领域，还是在更多其他的经济领域，对新技术的应用和对大数据的重视已经成为普遍现象。新数据的易得性也已经基本具备，无论是传统领域还是新兴领域，都能够以较低的成本和较便捷的方式积累或者获取大量的数据素材。然而新方法的普及和新人才的形成，却没有想象中那么乐观。尤其是对于已经形成一定研究规范和基本方法的传播学体系，新的研究方法的引进和普及需要打破对传统研究方法的路径依赖，说得更直接一些，是需要当前的传播学研究者打破行为惯性、走出舒适区去接受更多新鲜的事物。或者，需要在现有的学科体系内完善充实那些能够运用新的研究思路和研究方法的青年研究人才队伍。但无论是前者还是后者，都需要相对较长的一个时间周期。