以下文章来源于全球传媒学刊 ，作者钟智锦 周金金等
作者
钟智锦：中山大学新闻传播学院教授、院长。
周金金（通讯作者）：中山大学新闻传播学院博士研究生。
苏思妮：中山大学新闻传播学院博士研究生。
概要
【摘 要】以中西方新闻传播学领域重要学术期刊为来源，本研究从“议题”“方法”“理论”三个维度对2022年计算传播研究进行了系统回顾，并比较了中西方文献侧重点的异同。研究发现，在议题选择上，政治传播是中西方学者共同关注的热门领域，此外，英文文献对疫情、新闻业领域的研究注意力较高。研究方法层面，新浪微博则构成中文文献的主要数据来源。英文文献中，Twitter、Facebook和新闻报道是最主流的数据来源，也出现跨平台获取数据以及大小数据结合的前沿研究。语义分析、网络分析和情感分析是中英文文献都常用的计算方法，视觉分析和仿真模拟得到初步应用，西方文献开始引入屏幕组学的研究方法。
【关键词】计算传播；比较研究；议题分布；方法应用
引言
在深度媒介化社会，互联网牢牢嵌套在人类的生活、交往和工作之中，数以亿万计的“数字痕迹”随之产生，将人类在线行为和语言转换为可量化、可视化的海量数据，成为“凡走过必留下痕迹”的现实写照。数字技术成为人类社会高效率生存的重要手段，应用于社会治理、交通、医疗、教育、商业、科研等各个领域，催生和积累了海量数据。顺应这样的形势，擅长处理大数据的计算社会科学崭露头角，其中计算传播学成为一种借助可计算方法分析传播过程的重要研究取向（王成军，2016），并被日益广泛地应用于新闻传播学研究的各个领域。
“计算传播”可以从“传播”的计算和“计算”的传播两个视角来理解（周葆华，2020），前者体现了社会科学研究的“问题导向”，后者则突出了“方法意识”。具体而言，计算传播研究密切关注人与社会现实的勾连，从现实问题出发探讨政治参与、环境利用和媒介使用等场景中的人类社会行为，并在这个过程中继承、发展和创新相关理论。同时，它还从数字化的人类传播行为切入，将计算方法引入多学科多领域交叉研究中，赋予学术探索新的方法论视角。计算传播学成长到今天，已经发展出较为成熟的研究范式，在国内外均涌现了一批新锐学者，随着社会的发展变化和研究方法的日臻成熟，计算传播研究仍在不断地更新发展，中文领域和英文领域的研究也逐渐呈现出各自的特点。本研究以2022年新闻传播学领域的中外重要刊物中计算传播相关文献为分析对象，从“议题”和“方法”和“理论”三个视域回顾了计算传播学研究的现状，比较中西方文献的异同之处。
研究方法
（一）样本选择
祝建华等学者（2018）认为计算传播学是新闻传播学出现的一种新趋向或新方法，即“通过收集和分析网上行为数据，描述、解释和预测人类传播行为及其背后驱动机制的一系列计算方法”。这些方法包括传播网络分析、传播文本挖掘、数据科学等分析方法，它们被用于大规模传播数据的收集和分析（王成军，2016）。据此，我们在样本文献选择上，同样以计算方法为筛选标准，主要关注研究在数据分析过程中是否采用了网络分析、文本挖掘、数学模型等计算方法，而那些采取传统量化研究方法（如内容分析、回归分析）对一定规模传播数据进行分析的文献则不纳入本文所界定的计算研究的范畴。
在英文学术期刊中，本研究选取了SSCI（2021版）收录的传播学大类Q1和Q2区期刊，共47本。中文学术期刊中，选取了CSSCI（2021-2022）收录的新闻与传播类来源期刊与扩展期刊16本（不含编辑出版类期刊）。由于计算传播研究议题和方法的广泛性，我们很难框定出一组可以涵盖所有文献的关键词用来进行文献检索。因此，为了尽可能囊括所有相关文献，我们阅读了所选期刊中每篇文献的摘要或方法部分，选择了采用计算方法的文献作为研究分析的样本。样本共包含SSCI文献127篇，CSSCI文献55篇。
（二）编码规则
参照当前传播学领域综述性文章的分类观点，本研究分别从“议题”“方法”和“理论”三个维度对文献进行开放式编码。最终将样本文献归纳为“政治传播”“新闻生产”“健康与疫情”“媒介使用”“气候与环境”几个核心议题（见图1）。其中，一些文献聚焦了单一议题，也有文献同属两个研究议题，如疫情与政治传播研究结合的文献就占据了一定比例。文献的研究方法包括“语义分析”“情感分析”“网络分析”“时间序列分析”“计算视觉”“屏幕组学”“仿真模型”几类方法（见图2），一篇文献同样也可能结合多种计算方法。此外，研究也统计了文献的数据来源（见图3）。编码发现，样本文献依托的理论较为分散，故在此不做分类归纳。
研究发现
（一）中西方计算传播研究的议题比较
1. 政治传播
英文领域的计算传播研究呈现出对政治话题的浓厚兴趣，过去一年发表在SSCI（Q1—Q2区）期刊上的计算传播学研究中，超过半数的文章都涉及政治传播领域的研究问题，很多研究关注到选举、社会运动等经典政治话题，政治极化、民粹政党、女权和种族平等几个议题的研究热度也较高。
选举是政治活动中的恒常主题，也是传播学研究中的重要议题，围绕选举活动的计算传播研究主要聚焦于候选人及政党在社交媒体中的传播活动，涉及各国总统选举、欧洲议会选举等不同层级的选举活动。Chiu等探索了2020年美国大选期间社交媒体中的信息扩散规律，比较了真假新闻的扩散规模、速度和模式，发现假新闻开始的时间更早、传播速度更快、覆盖人群更广、人与人之间的影响力更大，即假新闻的早期传播效果更强（Chiu et al.，2022）。Gruszczynski等比较了女性与男性候选人的情绪表达差异，对美国2020年总统初选候选人报道的计算视觉分析发现，女性候选人在面部情绪上的表现不如男性镇定，这可能削弱人们对女性领导的信心（Gruszczynski et al.，2022）。以2016年奥地利总统选举为背景，Schlögl等分析了参选政党在Facebook中的互动帖，发现政党间的分裂性活动随着选举进程的推进而增加，且这种分裂程度呈现出党派间的差异性（Schlögl et al.，2022）。Heft等关注极端右翼政党在欧洲议会选举中如何通过Twitter进行策略传播、建立政客和用户之间的互动，编织跨越奥地利、法国、德国、意大利、波兰、瑞典等国的数字联结网络（Heft et al.，2022）。
随着社交媒体在人类社会的深度渗透，其对社会运动的影响也十分深刻，主要体现在强化了运动的组织动员效率、推动了运动中的情绪感染、令跨越地域界限的联动成为可能。2022年计算传播范式的社会运动研究主要沿着两个路径展开。一是比较混合媒介环境中传统媒体与社交媒体的议程引导能力差异，体现了传播学视角社会运动研究的常见范式。如Su（2022）对2020年“黑命贵”运动的报刊文章与推文的分析发现，在政治和文化属性方面，报纸发挥着属性议程设置能力，但并没有引导议题的情感属性。二是聚焦近年来流行的网络联结运动，尤其关注数字媒体平台中的标签使用现象，如Moran和Prochaska关注了2019年香港修例风波期间的Telegram平台中的传播活动，发现标签传播在参与者自组织方面发挥了关键作用（Moran & Prochaska，2022）。
在过去一年内，民粹主义政党的传播活动构成了西方计算传播的一个热门议题，研究分别从右翼媒体报道和政党社交媒体动员方式来解读右翼政党的宣传策略。（Schwartz et al.，2022；Törnberg & Nissen，2022）例如，Zhang等通过对右翼组织QAnon相关Twitter账号的发帖主题和时间序列分析发现，鼓吹群体团结和对外群体的仇恨提升了推文转发量，由此通过社交媒体的放大效果增强群体认同（Zhang et al.，2022）。Chagas等通过对Twitter中数百万推文的分析发现，巴西右翼总统博索纳罗的支持者使用了大量标签，并通过这些标签动员协调政府支持者的在线行动（Chagas et al.，2022）。
近些年来，性别冲突在网络舆论场备受关注，基于屏幕介质的匿名表达、社交媒体的强大传播力和算法带来的信息茧房加剧了人们在性别议题上的意见分歧。在西方的历史中，性别偏见常常与种族歧视交织在一起，新媒体虽然能够赋权于弱势群体，但并不能彻底解决西方社会中的性别与种族偏见痼疾，针对这一现象的计算传播研究往往聚焦于超级社交媒体平台在性别和种族平权中的作用，恰恰折射了这一社会问题的普遍性和顽固性。例如，有研究发现维基百科的干预措施成功增加了有关女性传记的内容，但在对女性传记曝光方面仍然存在偏见（Langrock & González-Bailón，2022）。相比于男性科学家，女性科学家的Facebook科研动态下聚集了更多无关学术的评论，也收到了更多情绪化评论（Dalyot et al.，2022）。一些研究也呈现了社交媒体中性别运动的用户参与和组织模式。如Schlögl等发现，黑人跨性别运动（Black Trans Lives Matter）之所以没有取得成功，是因为边缘群体没有借助Twitter与主流话语交织联结（Schlögl et al.，2022）。关于种族议题的计算传播研究主要关注了新闻媒体报道和公众讨论中的种族平等观念。如研究对1990—2016年美国媒体对大规模枪击案报道的文本分析发现，媒体对枪击案报道存在种族和宗教上的偏见（Dreier et al.，2022）。又如，有研究通过对TikTok中#ThisIsMeChallenge标签运动的文本分析发现，关于性别、种族平等和性取向自由的内容得到了广泛的支持性评论，这表明，作为音视频平台的TikTok也发挥了为社会边缘群体的行动赋权的功能（Vizcaíno-Verdú & Aguaded，2022）。
中文文献中，政治传播类研究的比重相对英文文献较轻，中国学者更倾向于使用计算方法探讨国际传播和社交机器人操控舆论的话题，两个议题之间也呈现出密切交融的特色。Twitter和外媒中的涉华议题是中国政治传播研究更为关注的对象，这体现了在复杂的国际政治环境中，中国新闻传播学界对国际传播格局的忧思。这一方面是响应党和国家关于提升我国国际传播能力的号召，另一方面也体现了中西方在当前国际舆论场中的力量失衡。比如，杨帆、牛耀红（2022）通过对Twitter的文本挖掘，探索了美国三种意识形态群体对中国的认知和态度。韩娜、孙颖（2022）通过涉华新冠病毒的推文分析发现，涉华议题中社交机器主要通过潜伏、模仿和发布争议性话题来操控涉华舆论。除网络舆论外，外媒对中国的看法和情感倾向也是这类研究的关注点，胡洁、孙有中（2022）通过命名实体识别技术研究，发现《纽约时报》的“共产主义”刻板印象始终追随着美国国家利益而产生变化。李晓霞、宣长春（2022）对5135篇海外英文媒体报道进行情感分析后发现，不同国家在报道“一带一路”时的情感倾向会受到地理距离的影响，而互联网技术又能在一定程度上减弱其作用。另一方面，社交机器人在国际舆论场中的角色也得到了较多研究。研究发现，在北京冬奥会相关的Twitter讨论过程中，人类活动与机器人之间存在网络议程设置效果，由此说明社交机器人操纵舆论的可能性（武沛颍、陈昌凤，2022）。另一项研究探究了俄乌冲突事件的网络讨论，发现社交机器人干预舆论的方式越来越多样化，他们不仅通过标签运动来制造和扭转舆论，也通过打造领袖型机器人账号和差异化叙事来干扰舆论（赵蓓等，2022）。
2. 新闻生产
2022年，中文文献中关于新闻生产议题的计算传播研究数量非常有限，但英文文献中较为多见。本研究将此类文献梳理为内容生产、信息分发与受众参与三方面的研究问题。围绕内容生产问题的英文研究大多采用比较法，对不同国家、不同意识形态或同一立场媒体间的报道策略进行比较。如研究通过计算文本分析比较了20年间美国和韩国媒体对残奥会的新闻报道，发现美国媒体强调对残疾人群体的重视，而韩国媒体则突出政府在推广相关体育赛事的努力（Yoo et al.，2022）。研究对德语的右翼民粹媒体内容进行了语义建模，发现这些右翼媒体可以根据报道策略分为两种，一是对民粹政治倾注大量报道的核心右翼媒体，二是广泛关注受众兴趣的话题多样性媒体（Schwartz et al.，2022）。在新闻媒体信息分发方面，英文研究多关注媒介融合时代传统媒体机构和新闻工作者如何利用数字媒体渠道扩展受众。Lamot等比较了新闻网站中发布的新闻标题与Facebook中的标题，发现当前新闻业中适应社交媒体逻辑的标题改写是相当普遍的（Lamot et al.，2022）。类似地，有研究分析了TikTok上来自25个国家的143个媒体账户发布的视频内容，结果表明，媒体工作者根据TikTok的平台和用户特征对新闻进行了调整和改编，但这些内容在以娱乐信息和病毒式内容为主的社群中的存在感有限（Peña-Fernández et al.，2022）。而另一篇研究则在某种程度上对传统媒体在新媒体平台中的影响力有限性做出了回应，Hase等分析了德国媒体在Facebook、Instagram、TikTok和Twitter上的新闻改编内容，发现即便新闻媒体在技术层面选择和调整新闻，但它们并没有在交流互动性上对新闻进行系统改编（Hase et al.，2022）。
以计算范式对受众参与的研究同样以数字媒体渠道为依托分析了新闻内容引起的公众反响和参与。如Fontes和Marques对巴西三份主流报纸在Twitter上发布的关于总统的推文进行了分析，发现提及总统博尔索纳罗的帖子得到了更多的点赞、评论和转发，其中点赞是最突出的参与行为，但媒体涉及公共政策推文的知名度和参与度则相对有限（Fontes & Marques，2022）。另一项对Telegram中20万篇帖子的研究发现，与专业新闻内容相比，虚假信息得到了更多的转发，但虚假信息的受众局限在一个小范围的活跃社群内（Herasimenka et al.，2022）。
3. 健康与疫情
近些年来健康传播成为中西方新闻传播学领域中的热门方向，涌现了大量研究，英文文献中健康传播议题的计算研究，包含疾病污名化（Creten et al.，2022）、转基因议题（Jin et al.，2022）、电子烟推广（Wang et al.，2022）的公共讨论等具体话题。中文领域的健康传播研究涉及健康问诊（高芳芳、林心婕，2022）、疫苗采纳（周金连等，2022）、虚假信息传播（詹骞、赵冰洁，2022）、抑郁症群体的网络共同体建构（晏青、刘钰，2022）等话题。在常规的健康传播研究中，中西方文献选题的交叉重合比较常见。
新冠疫情席卷全球，疫情研究是各个学科都关注的热点，新冠疫情更是令健康传播研究掀起新的热潮。由于疫情持续时间长，各个国家和地区对疫情防控的手段和力度存在差异，疫情中的各种言论、观点、情感和思潮激烈碰撞等原因，疫情研究已经远远超出健康传播的范畴，呈现出多领域议题交融的研究趋势。过去一年内，计算传播范式的疫情研究亦是如此。在多元话题中，疫情政治化的研究占据了一定比例。如关注到疫情期间网络中的种族主义言论盛行，Uyheng等对Twitter上相关讨论帖的文本计算发现，疫情初期（2020年3月）的种族主义讨论主要集中在针对亚洲群体的仇恨言论上，到了8月份，在机器人账号的推动下，人们的注意力转向了即将开始的美国大选（Uyheng et al.，2022）。从危机管理的视角，Chon和Kim考察了2020年上半年Twitter中美国民众的负面情绪，揭示了疫情信息传播如何演化为民众对特朗普政府的指责（Chon & Kim，2022）。
也有学者对社交网络中疫情信息的扩散过程展开了详细探索。如Yi等对疫情早期新浪微博中200多万条帖子的情感分析和网络分析发现，关于疫情的情感信息和一般信息都呈现多层扩散模式，但情感信息的扩散效率更高，官方认证账号在其中扮演超级传播者角色（Yi et al.，2022）。对Twitter中媒体机构发布的推文的网络分析发现，保守主义媒体对涉疫虚假信息的网络放大要显著高于自由主义媒体，保守派政党精英也更倾向于转发虚假信息（Zhang et al.，2022）。此外，学者也采用计算方法对疫情有关的标签运动、风险传播、国际关系等议题展开了分析。
中文文献的疫情研究相对而言更关注疫情相关信息在社交媒体中的传播模式，如谣言和辟谣信息传播（徐翔、董洁芸，2022）、疫苗话语的框架建构（庄曦、章城，2022）、微博热搜的共词分析（高芳芳、林心婕，2022）。中文文献对国内网络舆论场的疫情信息研究呈现出更加纯粹的健康传播研究旨趣，而对国际舆论场的研究，则表现出和西方文献类似的政治化特点，如张如东等（2022）对美国国际开发署与非洲地区相关推特账号中疫情内容的网络分析，发现美国在对非洲的数字化健康策略中传递了以其为主导的战略叙事。
经过三年的防疫抗疫，疫情对人类社会的影响已逐渐进入平稳期，由于论文发表周期较长，短时间内估计仍然会有一轮新的研究高峰，但热度会逐渐冷却，进入到冷静期后，对疫情期间传播现象的纵向研究和规律性总结尤为重要。
4. 媒介使用
过去一年内，受众媒介使用偏好和社交机器人的媒介活动构成了中西方计算传播对媒介使用议题的研究重点。在媒介使用偏好研究中，有学者比较了受众在不同平台间的信息偏好，发现Facebook用户更喜欢有情感的内容，而Twitter用户则更倾向于信息和情感结合的内容（Ahmadi et al.，2022）。也有研究关注了受众的情感偏好，徐翔和董洁芸（2022）对微博用户发帖的情感计算发现，用户个人信息茧房越是封闭，越会呈现出同意见领袖一致的情感偏好。此外，也有研究通过网络分析探究了受众的互动行为偏好，指出，个体互动编织的社交网络并不是完全碎片化的，而是呈现出全局“中心化”的趋同结构（徐翔等，2022）；社交机器人研究中，中西学者都意识到社交机器人对社会议题的影响，如Duan等人（2022）分析了新冠肺炎疫情期间社交机器人的信息传播活动，发现推特机器人帐户占总账户的8.98%，并且有选择地推广了某些与党派叙述一致的主题。也有研究分析了推特中关于北京冬奥的讨论，发现社交机器人不仅是冬奥叙事的重要组成部分，也在奥运传播的泛政治化中发挥着一定作用（赵蓓、张洪忠，2022）。
5. 气候与环境
气候与环境变化是人类社会面临的共同问题，近些年来气候和环境问题成为各国政府和各类国际组织关注的热点问题，受到俄乌冲突、能源危机、粮食安全风险、全球经济衰退等政治经济形势的影响，气候与环境议题已经远远超出科学的范畴，具有浓厚的政治化色彩。英文文献中的这类研究比中文文献更多，体现了对这一议题更强烈的敏感度。Yuan等对725万推文的计算分析发现，尽管攻击性推文只占有关气候变化整体推文的一小部分，但它们更有可能被政治化，也得到了更多转发，新闻媒体参与转发也放大了这种攻击性（Yuan et al.，2022）。另一项研究分析了2018年至2021年发布的500万条英语推文，同样发现，推特上围绕气候运动的内容被高度政治化，大量推文指向政客、党派人士和执政主体（Chen et al.，2022）。
中文文献中，生态文明是该议题下的计算传播研究热点，且主要涉及跨境传播效果分析，比如研究发现YouTube上的“野象北迁”视频通过拟人化叙事和多类型报道成功塑造了我国的生态文明形象（田方、戴运财，2022），也让针对中国的负面谣言不攻自破（朱莉、徐可意，2022）。气候与环境对人类生存的重要性不言而喻，运用计算方法分析传播效果有助于厘清当下的环境保护方针中存在的问题并及时改进。然而，当前我国“气候与环境”视域下的计算传播研究相对较少，未来可以尝试拓宽研究问题的广度和深度。
（二）中西方计算传播研究的方法比较
1. 数据来源
对英文文献数据来源的统计发现，Twitter是西方学界计算传播研究最常见的数据来源。作为全球范围内的社交媒体平台，Twitter被视为公共议题讨论的重要话语空间，是传统媒体机构信息二次分发的重要管道，同时也是政党和政客获取公众支持的展演平台。因此，基于Twitter平台数据的研究也涵盖了计算方法可操作的各类议题。Twitter开放的API为研究者获取数据提供了便捷、稳定的接口，大部分研究均通过该渠道的关键词检索来爬取Twitter数据（e.g.，Luna et al.，2022），也有研究从已有数据集中提取研究所需数据。Facebook是英文文献中第二常见的数据来源，大多研究同样也通过API渠道获取所需数据。Facebook和Twitter有着类似的公共传播功能，但相较而言，Facebook平台更突出用户的个人主页，因此基于Twitter的研究主要以特定话题切入，而应用Facebook数据的研究多以传播者为分析单位获取个体或组织在某段时间内的发帖及其获得的评论数据，以分析他们的在线传播策略（e.g.，Dalyot et al.，2022）。中文文献中，新浪微博是最常用的社交媒体平台数据源，研究的议题也较为广泛。但同Twitter的数据获取方式相比，学者大多需要通过网络爬虫技术爬取研究所需的相关数据，这在某种程度上也提高了研究的数据获取门槛。中文研究中，采用Twitter数据的也占据一定比例，且这些研究集中关注了Twitter中社交机器人现象。
媒体新闻报道数据的获取主要依靠两个渠道。一是报纸的数据库，这种方式可以获取较长时间周期内媒体对某议题的新闻报道内容，因此，既有研究呈现了媒体对特定议题报道框架的演变，也有研究比较了同一时期不同媒体对议题的差异化建构；二是在线的专业新闻网站或新闻聚合平台，与前者不同，此类渠道不仅可以获取到媒体新闻报道内容，同时也可以提取出用户对新闻的评论内容，由此开展受众的新闻参与研究（e.g.，Huang & Yang，2022）。相较而言，英文文献集中关注西方新闻机构的报道内容，而中文文献对欧美国家媒体的涉华报道更感兴趣（如，李晓霞、宣长春，2022），对国内新闻报道的分析则往往采用时间跨度长达数十年的纵向研究（吴世文等，2022；吴瑛等，2022）。与Twitter和Facebook相比，以Reddit为代表的在线论坛中人们对话题的讨论更集中，也可以针对用户的在线互动行为展开研究（e.g.，Hansen，2022）。以TikTok和YouTube为代表的视频类社交媒体平台也成为当前计算传播研究的数据来源之一，使用此类平台的研究不仅可以对文本内容进行分析，也可以对图像进行视觉分析。其中，西方文献以TikTok为数据来源的研究占比较多，而中文文献则聚焦在YouTube平台上，研究议题均为中国议题的海外传播效果评估（如，朱莉、徐可意，2022）。中西方计算传播研究都对网络直播平台中的传播活动有所涉猎（Wolff & Shen，2022；徐敬宏等，2022），由此可见，关于直播的计算传播研究仍处于起步阶段。
研究还发现，相比于中文文献，英文期刊的计算传播研究在数据来源上凸显出两个新的发展方向。一是跨平台研究，在英文文献样本中，数据来源于两个媒体渠道的文献有11篇，5篇研究分析了三个渠道的传播数据，Hase等更是对Facebook、Instagram、TikTok和Twitter四个平台的媒体机构发帖进行了分析以验证媒体机构是否按照社交媒体逻辑改编新闻内容（Hase et al.，2022）。跨平台研究既可以对平台间的用户行为、舆论环境、信息生态展开比较研究，也可以打破以往计算传播研究中的数据孤岛问题，以探索那些不受平台特殊性影响的、信息传播现象中的普遍规律。二是大数据和小数据的结合，这成为近年来计算传播研究的前沿范式，它能结合海量数据的数量优势、客观性优势以及传统社会科学研究方法带来的变量丰富性优势，令数据驱动和理论驱动的平衡成为可能。Cardenal等将用户新闻接触的网络追踪数据与问卷调查获得的自我报告数据相结合，考察了提问方式和媒介系统碎片化对自我报告数据准确性的影响（Cardenal et al.，2022）。在样本文献范围外，近年来英文权威期刊中也刊登了类似的大小数据结合的研究（e.g.，Mooijman et al.，2018；Cardenal et al.，2019），通过对大数据的计算探寻概念间的相关性，继而采用调查法或实验法验证其背后的因果机制。
2. 分析方法
语义分析是过去一年内计算传播研究最常用的分析方法，英文和中文文献均有超过半数的研究使用到了该方法。其中，绝大部分研究使用了主题模型对大量文本进行聚类，用来解答媒体如何建构新闻以及公众表达了何种观点等问题，这种方法是计算传播诞生以来处理海量文本数据最基础、最常见的分析手段之一。其次，文本相似性计算的方法也得到了应用，比如，Hendrickx和Van Remoortere计算了同属一个公司的两家媒体的新闻标题相似性，并探讨了媒体所有权对新闻多样性的影响（Hendrickx & Van Remoortere，2022）。通过词嵌入的相似性算法，Walter和Fazekas发现在英国脱欧报道中，媒体对欧盟公民的描述更接近于移民群体，而非英国公民（Walter & Fazekas，2022）。另一个常用的文本挖掘方法是情感分析。在情感维度上，有研究计算了文本的积极或消极情绪（e.g.，Miller，2022），也有研究提取了愤怒、嘲讽等更细致的情绪（e.g.，Creten et al.，2022；Jakob et al.，2022）。对文本的情感分析主要涉及两种应用场景，一是将情感作为传播者意见和态度的测量指标，以此衡量公众对事物的观点（e.g.，Miller，2022），二是将情感作为传播者情绪化表达的测量指标，并探究其带来的传播效果（e.g.，Yi et al.，2022）。
网络分析的方法是中西方文献中普遍青睐的又一计算方法，网络分析在当前计算传播学研究中主要呈现三个应用场景：第一，对个体或组织间互动行为的网络研究，Bond和Sweitzer对社交媒体用户讨论网络的分析发现，人们更倾向于和志趣相投的人讨论政治议题（Bond & Sweitzer，2022）。Esteve-Del-Valle（2022）对议员在社交媒体中相互提及网络的分析也揭示了议员同质性与政治极化间的关联。第二，信息流的扩散网络研究，如Yi等通过对一般信息与情感信息扩散网络的比较发现，两类信息均呈多层扩散模式（Yi et al.，2022）；Chiu等比较了选举期间的真新闻和假新闻的扩散网络，结果表明假新闻传播得更早，也更具广播式和病毒式的扩散结构（Chiu et al.，2022）。第三，文本的语义网络分析，通过对文本中词语的组合结构分析，可以直观呈现实体间的聚合、交织、分裂等复杂关系，进而深入推理其背后蕴含的价值观念和传播意图，如有研究通过语义网络分析揭示了新冠疫情期间全球的社会合作关系，并从政治、经济、教育、文化制度层面对这种关系作出解释（Liu et al.，2022）。
除了对数据的静态分析外，时间序列分析方法也被应用于传播现象的动态研究。这一方法在中西方文献中均有涉猎，主要关注了特定议题的媒体报道和公众讨论的注意力波动，也是检验议程设置理论的常用方法（如，王积龙等，2022）。在内容研究领域，除了文本挖掘外，适应图文时代的信息呈现形式，西方学术界也开始采用计算视觉方法展开研究。对视觉内容的情感计算得到了较多应用，如对候选人社交媒体中通过视觉呈现传递出的情绪倾向研究（e.g.，Bossetta & Schmøkel，2023）。此外，虽然文献数量有限，但中西方研究都开始将仿真模型的方法独立运用到传播学研究当中，比如，Sohn（2022）使用基于代理节点的模型（agent based model）推演了局部网络和全局网络中公共意见表达的“沉默的螺旋”现象；雷蕾（2022）通过行动者模型探析了互联网广告欺诈现象的产生机制。
通过对过去一年内文献的回顾，本研究发现，中西方的计算传播研究都呈现出计算方法与其他定量或质性研究方法结合使用的新趋势。比如，综合采用语义分析、情感分析、计算视觉、话语分析等方法对传播内容展开全面刻画（e.g.，Ahmadi et al.，2022；王晗啸、黄梦静，2022）；将网络分析与批判话语分析相结合，客观呈现人们在线传播行为模式的同时，深入挖掘行为背后的复杂因素（e.g.，Boatwright，2022）。西方文献还引入了屏幕组学方法对个体媒介使用行为展开研究。屏幕组学是一种对人们电脑、手机等设备的屏幕使用进行追踪的技术，它通过捕捉屏幕上的界面切换来建构人们媒介使用的行为记录，比如Brinberg等对用户媒体内容注意力分布的屏幕捕捉分析发现，人们在娱乐和政治内容上的粘性较高（Brinberg et al.，2022）。
（三）中西方计算传播研究的理论贡献
国内外计算传播研究主要围绕传播路径、影响机制和效果等展开探索，回应了信息全球化进程中有关国家治理和社情民意的关切。然而，相关研究常常只就现象本身开展探讨，与理论的对话稍显薄弱，且主要呈现以下两种态势：首先，国内外计算传播研究仍然重视议程设置、“沉默的螺旋”、框架理论等经典理论的继承与发展。比如，有研究探索了中国官方媒体在Twitter上的文化议程设置，但没有发现其对海外公众议程的影响，由此拓宽了网络议程设置的理论视域（邓依林等，2022）。也有研究基于框架理论调查了用户在社交媒体上对政客移民言论的参与度，发现与移民相关的消息往往能比其他类型的消息引发更多的互动，并确认了消息框架在其中发挥的作用（Heidenreich et al.，2022）。其次，相关研究除了应用微观理论模型探索事物发展趋势，也注重验证回声室效应、媒介记忆、污名化理论等学术概念对社会现实与群体情感的映射。例如有研究为探讨韩国党派媒体新闻评论区中数字回音室存在与否，分析了Naver平台上152万条新闻评论的政治倾向，结果证明数字媒体提供了多元意见交流的空间而非同质观点的回音室（Han et al.，2022）。尽管国内外计算传播研究都注重对传播理论的发展与创新，但英文文献的理论应用更加注重与其他学科的交叉碰撞，比如，Peng和Zhu从生态理论的视角出发，运用时间序列分析方法考察了议程设置的竞争、合作和共存三种机制，发现议题生态系统是一个具有多种议题间关系的一般竞争性空间（Peng & Zhu，2022）。
综上所述，作为一种新型的研究范式，计算传播学发源于人类社会数据形态的变化、数据体量的激增和数据分析方式的更新迭代。经过近十年的积累，计算传播学在国内外的发展日渐成熟，并彰显出蓬勃的生命力。这种生命力体现在对热辣的现实社会的密切关注、对交叉学科前沿研究方法的吸纳、对理论创新的孜孜追求。尽管如此，目前仍然面临一些挑战。首先，受到隐私保护、数据安全等因素的制约，数据的获取渠道有限，Twitter、Facebook、微博等社交媒体一方面“养育”了大量的计算传播研究，另一方面也反映出计算传播研究在数据资源开拓上的捉襟见肘。此外，就像实证研究常常遭遇理论创新的瓶颈一样，计算传播研究同样面对细节处理有余、理论高度不足的困境，对经典理论的验证和应用还不足以体现这种新的研究范式应有的能量，或许，学科之间不同理论和逻辑的借鉴与融合能为计算传播的理论创新提供突破口。
本文是国家社会科学基金重点项目“多重突发事件下群体心理安全综合评估与风险治理”（项目批准号：22AZD157）的阶段性研究成果。
本文参考文献从略，完整版请参看刊物原文
本文引文格式：钟智锦、周金金、苏思妮：《中英文计算传播研究的比较：议题、方法与理论》，全球传媒学刊，2023年第1期，56-76页。
转自：“新传学苑”微信公众号
如有侵权，请联系本站删除！
