跨越逻辑、方法与范式：计算扎根理论作为创新性研究方法的特征、意义与应用

计算扎根理论是基于社会科学研究第四范式——计算社会科学，所提出的一种创新性研究方法。本研究探讨了计算扎根理论的起源、思路和操作，并进一步探究了其在在传播学领域的应用及作用，一起来看看吧~

作者：金鑫 王锡苓

来源：《新闻界》2023年第6期

摘要

计算扎根理论是基于社会科学研究第四范式——计算社会科学，所提出的一种创新性研究方法。它以建构主义、现实主义为视角，打破了原本围绕制度化范式对解释主义和实证主义进行严格区分所构建的学术体系，为更加严谨、科学地应对当今传播学日益凸显的新问题提供了科学路径。基于此，本研究试对计算扎根理论的起源、主旨、特征意义和实践操作进行探究，为其作为创新性研究方法立论，为其促进传统传播学研究转型发展立基。

关键词

传播学；范式；计算；扎根理论

传播学最大的特点是跨学科性，它汲取诸如人类学、心理学、医学、法律、计算机科学等不同学科之思想回答和有关社会中媒介与技术的本质问题。然而，以往围绕着制度化范式建立起来的当代学术体系，严格区分了解释主义和实证主义的差异，认为客观实证主义是通过行为或因果测量来理解、预测世界的运作方式，而解释主义世界观是主观的，不可预测的，所体现的是个体在不同语境中，通过与他人的互动形成的世界现实。二者之分，不仅令人文、社会科学和自然科学等广泛学科之间产生隔阂，也促使传播研究实践在各子领域中不断分化。例如，学者们以范式为界加入不同的协会（如计算传播、传播思想史学会）、参加不同会议、在不同期刊上发表文章、标榜不同的学术身份，或培养学生在单个子领域的专业技能，使他们过早地沿着特定范式路线展开研究。这些分化在聚焦、解释更为具体的细致现象和问题的同时，也阻碍了数字时代新闻传播学的创新与发展。具体表现为：第一，分化的研究领域因掩盖了学科间基于知识、价值观、信仰、目标和兴趣的共通性，从而削弱了在处理当代传播问题时迫切需要的合作和共享潜力。第二，数字时代，人类活动产生数字信息痕迹的可用性已经彻底改变了科学研究，并对已建立的范式构成挑战：通过对数字信息的追踪和计算，研究人员并非受制于某种特定范式，也可以跳出一些预先建立的潜在构念（如因果假设），对社会生活构建出更为丰富、准确，更接近其来源的洞见。由此可见，无论是为了学科跨领域创新，还是应对信息时代提出的高要求，弥合这些分化无疑是一种富有成效的学术努力。近年来兴起的一种将计算技术与扎根理论相结合的新方法，称为计算扎根理论，旨在通过计算机模式识别和专家解释技能相结合的方式，解决研究领域分化的问题。该方法不仅对复杂情境下的信息数据进行分析，提供更为精准的解释和可控的证实结果；同时还鼓励研究者建立反身性，不断重新审视并修改他们在工作中作出的假设，以提高研究的可信度和有效性。

本研究旨在探讨计算扎根理论的起源、思路和操作，并进一步探究其在传播学领域的应用及作用，据此提出从三个问题出发，阐明计算扎根理论的源起、思路和操作：第一，计算扎根理论是什么？第二，计算扎根理论究竟能为传播学的发展起到怎样的作用？第三，计算扎根理论如何实践与应用？

融合发展：计算扎根理论的诞生

传播学诞生于20世纪30年代传统实证学派的流行期，该学派深受以定量方法为主导的科学主义的影响，通常遵循演绎逻辑——基于理论或假设收集，并经由数据分析对其进行验证，长期决定着传播学的研究方向。在这个过程中研究对象往往独立于研究者的感知而存在，因其直接、理性的特征，广泛地用于回答有关预测受众、传播效果等子领域的问题。除此之外，一部分学者在芝加哥学派和美国实用主义哲学观下，站在反科学主义、结构功能主义的立场上，为解释性研究辩护，首先提出了批判互动主义。自1966年彼得•伯格（Peter L. Berger）和托马斯•卢克曼（Thomas Luckmann）《现实的社会建构：知识社会学论纲》出版，引发了建构主义转向，为解释主义及定性研究方法的复兴奠定了基础。在建构主义视角下，解释主义以符号互动论、现象学、解释学等为基础，协同质性研究方法来强调以行动者（研究者及研究对象）自身角度探索行为和社会世界的重要性。基于此，扎根理论作为一种以理论建构为目的的系统归纳方法出现（1967年），并经过不断地革新与发展，成为当下社会科学研究中被普遍采用的定性研究方法之一。它能通过情境关联，描述和识别重要的社会过程、行动和变化，并产生用于记录和解释变化的概念；也能经由数据构建理论，与实证主义和定量方法形成抗衡。在传播学中被广泛运用于行为、关系、群体事件、知识生产、文化等传播过程和互动的研究。

尽管实证主义和解释主义两种研究范式分化明显、优势明确，但各自的缺陷也十分突出：实证主义的量化方法过度依赖规定事实，通常基于程序化线性过程——一种系统性、机械性、简化性、模式识别性和可重复性的“模板”完成分析，容易先入为主地得出肤浅且一般化的结论；而解释主义的质性研究过于注重不同语境中个体的互动，同时强调参与者（研究者）对世界的感知，因此因个体不同、语境不同、参与者不同，加上数据分析过于依赖人工，容易得出过于主观，难以统一的结论。

据此，自20世纪中后期以来，两种范式的融合趋势越发明显，其原因较为复杂。其一，创新的推动。研究人员希望突破现有研究限制，会采用定量和定性混合研究方法，对原始数据和新数据进行反复计算和解释，以期通过实现一个能发现结论多样性，反思研究合理性的非线性流动过程，来创新结论或理论。例如，一项医疗沟通的研究，研究者在分析量化指标（如时间、患者偏向等）的同时进行定性分析，剖析出有关私人诊所和NHS（英国国家医疗服务体系）诊所沟通的差异细节。其二，范式的自我演化。受到解释主义的影响，定量研究得到了扩展，哪怕最为系统的统计分析也被灌入了文化解释的主张。与此相较，定性研究也被新自由主义所绑架，借助“循证研究”（Evidence-based Research，EBR）或“科学基础研究”（Scientifically-based Research，SBR）运动之名，烙以“科学化”印记——一种对定性方法的标准化和形式化的保守倾向。其三，计算传播学的兴起。随着大数据、机器学习和人工智能的日益普及，数据的规模和复杂性（存在大量非结构性数据）迫使研究范式变革逐级加强。在此背景下，计算传播秉持计算科学的内核，被视为一种数据驱动的半归纳检验研究混合方法，侧重对传播学领域中沟通、生产、行为、效果过程和一些无法分类问题的研究。

从上述的分析不难看出一种以计算为中心，混合实证与解释、定量与定性、归纳与演绎相结合的研究方法似乎成为了当前计算传播学领域发展的新方向，计算扎根理论也正诞生于此学术背景下。

别出机杼:计算扎根理论创新的主旨、特征与意义

（一）计算扎根理论作为创新研究方法的主旨

计算扎根理论字面解释似乎是计算和扎根理论两种不同研究方法的混合产物，但二者的混合意义并非简单相加，而是融合各自方法论的优势和特点，来应对数字时代传播领域出现的新问题和新现象。这种融合表现出二者主旨的相似性：

1.基点相近。计算在此既不指数字研究，也不等同于大数据分析，是一种社会科学研究类型——计算社会科学（本文简称计算），即利用非结构化数据追踪（收集与分析）的能力，以前所未有的广度、深度和规模，探索人类互动行为方式，并为其提供新的解释视角。而扎根理论通常指将相似的、非结构化的数据进行分组和概念标签化关联后，形成理论或解释理论的一种常量比较研究方法，其核心是对行动、变化进行描述、理解和分析。因此，从定义上看，计算与扎根理论基点相近，都是经验和数据驱动的，链接现有知识和新数据之间的桥梁。

2.发展趋同。最初，经典扎根理论（Classical Grounded Theory，CGT）的目标是创新理论，因分析过程过于模糊、无法检验，且不尊重现有理论而备受批评。随后，创始人之一的施特劳斯（Strauss）发展出进化扎根理论（Evolved Grounded Theory，EGT）将研究范式贴近实证主义，提出一套量化程序，旨在在现有理论基础上进行数据抽样，从而对可管理的研究问题进行客观、中立的还原探究。该方法由于过分强调客观真实性而饱受争议，但是也因此推动了建构主义扎根理论（Constructivist Grounded Theory，CGT）的降世。建构主义扎根理论区分了理论真实性和现实性差异，认为理论并非客观真实存在的真理，而是由研究人员在特定视角下做出的解释，这个理念构建了一个溯因推理（Abductive Reasoning）的逻辑，包括：（1）扎根理论是用来分析有趣或令人困惑的问题；（2）分析时需要考虑问题可能的理论解释；（3）选择最有力的解释，可以是新理论，也可以是现有理论；（4）并通过新数据进一步检验选择。至此，建构主义扎根理论不再是单纯以创新理论为目的的质性研究方法，它具有了实证主义和解释主义相融合的特性。与之相同，机器学习作为计算的核心算法，可以分为有监督学习和无监督学习两类。有监督学习是通过模仿内容分析方法，将人工编码类目作为自动分类训练的基础进行定量计算。这种计算方法因编码类别假设前置，存在偏见、不可靠、隐藏处理文本材料中重要论证解释的风险，可以说这种方法除了通过计算机辅助提高效率，本质上与传统的内容分析毫无二致。相反，无监督学习，特别是它其中的一种类型主题模型分析，以一种非人工介入的方式对数据（词汇）进行模拟语境的迭代统计，归纳出概率最高的词（数据）作为主题词（派生类别）涌现出来，同时允许通过解释的方式对主题词进行分析，因而被打上定性转向的标签。表面看，计算与扎根理论似乎朝着完全相反的方向发展（一个实证主义，一个解释主义），但事实上却沿着一个潜在的中心在移动，即，体现一种跨越范式、方法和逻辑的趋势。

3.应用领域相似。在传播学领域，计算与扎根理论多用于研究传播行为、偏向、关系等较为复杂的问题：计算主题模型分析用于勾勒媒体报道的舆论倾向；比较出版物中科学传播主题的流行程度；揭示国家知识创新流动方向；等等。同样，扎根理论被用于剖析青少年社交网络使用的偏向，分析推特（Twitter）上公众信息寻求行为等问题，相似度较高。此外，一些研究还试图将二者混合来分析出版物中技术协作的作用，测试在线广告传播活动的效果等。实施此类研究的学者都认为，人工扎根理论与无监督主题模型的计算结果相似，但也存在一些差异：较扎根理论而言，主题模型分类方案更细微，但抽象级别较低，且技术的客观性和便利性在一定程度上存在误导研究人员，削弱其解释能力的风险；而扎根理论一直因耗时过长、数据规模较小，结论过于主观且无法验证等问题，存在准确性风险。因此二者结合才是最优选择。

计算扎根理论的提出，不仅将二者融合，有效弥合了二者的不足，而且扩大了运用范围（可应用于包括演讲转录、访谈、开放式调查数据或民族志观察笔记和大数据文本等任何文本数据），来解决众多潜在和传统范式、方法无法涉及的研究问题，具体由一个人类知识专家和解释学的技能相结合的三步方法论操作框架来实现。第一步，探索式计算。使用主题模型（无监督学习）技术帮助研究人员发现数据中的新主题。这一步不需要人工干预，在最低级别上完成全自动化的算法迭代，相较扎根理论由人工完成数据迭代而言，从根本上解决了耗时、数据规模小，过于主观的问题。第二步，模式细化。通过人工深度阅读对分析结果进一步调试（调整停止词列表、类别数量、迭代次数、优化计算、超参数值等）。这一步是在更高层次上完成一个解释、归纳和调整的过程，让研究者能够充分参与数据判断，填补了计算结果过于机械、解释力弱的缺陷，从而获得更抽象、更有意义的结论。第三步，模式确认。进一步检验主题的完整性，令研究结果更严谨、有效，且完全可重复，这一步解决了扎根理论无法验证的问题。这个三步方法论结合了归纳基础理论和演绎定量测试，每个步骤都使用了计算技术，为研究人员提供一个应用指南。

（二）计算扎根理论的特征与意义

根据上述合法性分析可以总括计算扎根理论具有四个特征：以涌现为研究立场、以溯源推理为研究推论、以词典为研究支点、以可复制的迭代编码为研究过程。

1.涌现的立场。涌现（emergent），被定义为超越事物产生对象或现象的一种类型学，作为复杂性科学的一个核心概念，提供了一种非还原论的阐释。还原论和复杂性科学是两个相对的概念。还原论认为世界上观察到的所有复杂和明显不同的事物都可以用支配它们共同的终极成分来解释，即现实中的一切都可以用粒子物理学来解释。然而，现实并非如此，比如一棵树的落叶，一个音乐家的弹奏，甚至一个人支付电话费的行为等，都无法用还原论来解释。其原因在于它们可以有多种不同的例证，呈现出不同的形态。涌现代表了这类无法用还原论来解释的现实存在。涌现现象通常表现出非线性（Nonlinearity）、自组织（Self-Organization）、层次（Level）、共轭（Conjugate）、新颖（Novel）、整体（Wholes）、不断变化等特征，它能摆脱二元论（精神与物质、层级高低等对立概念）的约束，以一种温和的立场——既包容了还原论的物质解释（层级），也充分考量了各组成部分之间存在的相互影响（共轭），在不断变化中，通过关注更高层次的单位和关系，对世界事物进行多层次描述，不仅回答了“如何”的问题，还对复杂生命系统“为什么”这个问题进行解答，体现出一种真实而非先验的事实。

相较传统扎根理论将观察者（研究者）所处内部或外部位置形成的单向或双向联系作为涌现属性判定核心因素而言，计算扎根理论的涌现体现出更多的层次性：（1）通过较低层次实体的新配置（无监督学习），能产生更高层次的复杂性系统；（2）每个层次都由至少一种涌现特性的系统组成（主题词）；（3）当达到适当的复杂性水平时，通过扎根分析，将真正的新类型实例化，从而在整个系统层面呈现出新特性。因此，计算扎根理论以涌现为研究立场，有助于进一步产生出层次更高、更准确、更新颖的概念或理论。

2.溯源推理。计算扎根理论以溯源推理（Abductive Reasoning，AR）为研究思路。所谓溯源推理（AR）是指一种创造性综合推理方式，最早由哲学家和实用主义之父查尔斯•桑德斯•皮尔斯（Charles Sanders Peirce）引入，强调作为归纳和演绎之外的第三种重要科学推理方式，用于理解复杂现实，认识选定现象的潜在意义，通过产生新思想，对科学知识进行扩展。演绎推理是从一个普遍前提（假设）中得出一个特定的结论，而归纳推理则是从一组特定的陈述中得出一个普遍的结论，它们都必须有一个确切的前提或者逻辑。例如，在临床实践中，医生通常使用归纳或假设推演过程来分析疾病的情况（对疾病的可能性作出假设），但这两种逻辑推理都无法对患者的初始询问过程进行描述。此刻，溯源推理便能凸显其作用。溯源推理将认知过程纳入操作层面，来展示概念系统的产生过程，即认为这些有序的概念、思想集合不是给定的，也不是传统本体论假设的“预先存在”，而是由观察者创造出来的，会随着认知不断增长，呈现一个动态的应用过程。在这个过程中，溯源可以被认为是一种原则，一种建构性思维，它允许我们通过强加一个假设（最小理论、一个想法、一个规则或一个类似法律的假设形式），并通过溯源的方式对这些假设进行后续处理，以重建现实概念的新秩序。

溯源推理是基于现有理论结果发展新理论的一种探究逻辑。在计算社会学中，这种惊人的发现可以通过利用放大数据的分析潜力和开发灵活的可视化分析程序来培养。计算扎根理论采用了无监督主题模型分析，可以将大规模非结构数据纳入其中，捕捉到新的现实，使研究人员能够提出新颖的研究问题和结论。因而，计算扎根理论以溯源推理为研究思路，可以消除逻辑与生活、理论与实践、认知与现实等二元论之间的空白。它不再将认知和行为视为推理，不再将推理看作受规则支配的解释，不再将解释视作一种建设性的综合行为、一种“经验世界”的充分证明（真理），而将其看作知识，一种生活与实践中对现实存在所建构的内容，从而改变了概念系统的语义，创造或构建出以往并不存在或根本无法看到和感知到的关联。就像所有的“科学革命”一样溯源可以被视为对理论、逻辑、思想标准的创造性规范，或多或少从根本上改变了人们的思维图谱。

3.词典支架。在科学界，将词典（Lexicon）视为脚手架，可以追溯到哈贝马斯（Habermas）提出的理性重构（Rational Reconstruction）。理性重构本质上是一种认识论立场，认为共享一个“生活世界”的社会科学家群体，必然也会在某种程度上共享他们对其研究世界主体间的理解。这种主体间理解的基础就是一个能反映社会假设、历史和制度背景等关键概念的共享词典。它提供了一种关系概念和建立理论的语法。例如，吉登斯（Anthony Giddens）的结构化理论词典包括了结构、代理、意义、合法化、支配等词汇；社会网络视角的词典包括了节点、纽带、距离、中心性、同质性等词汇，这些词典后来成为了学者用作理论研究的一个前提支撑（脚手架）。

计算扎根理论的分析与哈贝马斯将词汇作为一个群体科学知识的关键的认定理念一致，通过在一个实质性的研究领域中建立并不断完善的词典库，完成数据从分词、主题词计算到抽象整个过程的操作及检验，即将数据（观察到的信息）在语义生成过程中与词典库不断地进行比对、精炼和概括，从而形成或对理论进行发展。

4.可复制性迭代编码。编码是扎根理论分析的核心，在传统扎根理论中，编码可以遵循多种路径。如，经典扎根理论采用开放、选择和理论编码；进化扎根理论采用开放、轴向和选择性编码；建构扎根理论则采用初始和聚焦编码。虽然，传统扎根理论的编码方式均通过迭代过程，但二者却有着本质上的差异。传统扎根理论的编码始终依赖于人工判断，无论如何谨慎，主观性偏差仍然会导致每次迭代的结果存在较大差异。而计算扎根理论在初级编码时采用了无监督学习的方式，在依次考虑每个词所标记主题比例的基础上，进行数千次迭代，提供了一个近似的最优解，将解释从创建类别转移到估计类别上，从而使研究人员远离数据以及与之相关的文化和历史偏见，得到一致、可复制、可检验的结果。同时，为了挖掘隐藏的洞察力，提升研究结果的弹性和创新性，计算过程还仔细检查了罕见但有意义的数据，设置更严格的约束和关键词来缩小比对空间，不断迭代下去，直到得到最高层级的结论。在这个意义上，计算扎根理论较传统扎根理论更加精确，较单独的主题模型分析更具弹性和抽象性。因而，更适合分析和理论化动态现象，比如需要同时考虑各种分析维度的复杂情境或多个利益相关者创新协作等内容。

从上述的特征可以看出，计算扎根理论并非将实证主义和解释主义范式简单相融，也并非将归纳和演绎两种逻辑推论方式简单链接，它是一种基于建构主义、现实主义范式下，以涌现为立场，以溯源为推论，通过词典进行可复制迭代编码的一种全新研究方法，通过研究思路的改变，能从根本上产生出新的概念和理论。

躬行实践:计算扎根理论在传播学中的应用

为了充分展示计算扎根理论在传播学领域的应用和意义，笔者以传播与不确定性管理理论（Theory of Communication Uncertainty Manage-ment, TCUM）为基础，应用计算扎根理论的方法对乳腺癌患者不确定性管理行为进行分析，试图探索理论创新的可能性。

（一）原有理论及研究问题

传播与不确定性管理理论（TCUM）是布拉舍斯(Brashers）在问题整合理论（PIT）和疾病不确定性理论（Uncertainty in Illness Theory，UIT）基础上，为解决现有知识水平在应对不确定性体验的不充分而发展出来的。该理论将不确定性定义为：“当人们对自己知识状态或在总体上对一个问题的知识专题感到不安时所产生出的状态。”赞同解释主义的学者将不确定性理解为一种情境建构现象的观点，希望能通过信息管理系统地预测个体不确定性的经历与传播决策。对该理论的研究表明，人们会经由四种信息处理方式来管理不确定性：寻求信息、回避信息、适应不确定性和管理不确定性。例如，对某些患者而言，不确定性的信息可能比确定的坏消息（如癌症确诊）更好，它能让患者在面临重大决策或危机时维持希望。

根据不确定性管理理论，本研究试图从微观、动态层面，探讨医患双方不确定性管理（认知、评价和决策）的差异，以寻求癌症背景下，医患沟通问题的协商方案。具体如下：

问题1：乳腺癌患者经历的不确定性来源是什么？

问题2：她们如何认知、评价并通过信息管理来应对不确定性？

问题3：不确定性管理对医患沟通实践有怎样的意义？

问题4：研究结果对原理论起到怎样的作用？

（二）研究设计

1.研究对象。本研究以乳腺癌患者为对象，采用深度访谈、网络民族志方法收集数据，跨时两年，直至饱和，共访谈了27—75岁、历经确诊、治疗、康复、复发转移、治愈（临床治愈）五个阶段31名患者，收集了31份访谈记录；根据患病的不同阶段（确诊、康复、复发转移），分别加入八个社交媒体群（四个2,000人QQ群和四个500人微信群），进行了在线观察，收集了242份观察日志。合计共273份记录用于分析。

2.分析步骤。分析的操作采用了计算扎根理论的探索式计算、模式细化和模式确认三个操作步骤，具体为：

第一步，探索式计算。首先，参考了《新华词典》、《现代汉语词典》、词林确定了20个管理的近义词（约束、照料、管束、经管、处置、料理、处分、收拾、执掌、统制、束缚、管制、治理、统治、处理、拘束、办理、打点、解决、问）。然后，按照 95%置信度，正负10%的误差进行分层抽样，共抽取了71个样本，其中访谈8个，观察63个，进行人工阅读后添加了近20多个与上述词汇相近的表述87个（如不知道、大概、也会、也许、可能、没有等）后，采用机器识别方式从所有文档中提取出包含关键词汇的22,968个文本。其次，将提取的文本进行去重，删除无关和字符低于20个字符 的文本，最终获得5,040个有效文本进行主题分析。最后，采用jieba分词词典，对文本进行分词处理，并放入LDA主题模型中，进行初次的计算。

探索式计算严格使用测量抽样获得了2万多条文本内容，并通过利用计算机算法和自然语言处理技术快速、准确地筛选出符合要求的5,040个文本，面对如此大规模的数据量，传统扎根理论人工筛选不仅难以完成，且容易出现主观误判的情况，探索式计算能大大提高分析效率和准确度。

第二步，模式细化。首先，根据初次的计算结果，对一些非文字符号（如@、#等）进行清洗，合并同义词（如医生与大夫等），去除没有意义的停用词（如这个、那个、一个、这种、那种、两个等）后，分别计算了30、40、50个主题词，每个主题词提取了前10个重要关键词并计算权重。然后，根据主题词计算的距离分布数据和图示进行比较，相较于30、40个主题词而言，50个主题词更为合适，表现为：1—42分布较为分散，基本上覆盖了坐标的所有维度，43—49则聚集在坐标的左下方并与0号主题词完全重合，说明50个主题词划分已充分饱和，有着较为全面的解释力（图1、图2、图3）。因而，采用50个主题词的分析结果，提取每个权重最高的词（表1）进一步通过人工深度阅读完成扎根分析。

模式细化是将计算和人工深度阅读相结合的一种高效的数据分析方法，相较于传统的扎根理论完全依赖主观人工编码的二级迭代而言，模式细化能够实现在数千次迭代中嵌入人工深度阅读，提炼出最优结论，为科学研究提供了更加全面、深入和准确的解释。

第三，模式确认。通过人工随机抽取10%的文本进行有监督学习编码，对主题词进行比对，测试前两步确认的步骤是否可以推广到整个语料库，并且对扎根理论进行最终的可信度检查，结果显示二者主题词差异为8.7%。

通过模式确认，能够对前两步的分析结果进行更加全面和准确的验证和检查，确认二者主题词差异为8.7%，这个数据证明了模式确认能够有效地对前两步的分析结果进行验证和可靠性检查。这对于无法进行结果检验的传统扎根理论而言，不仅能够提高研究结果的可信度和科学价值，还能够推广到其他领域和方法中，为科学研究的应用和方法的推广提供更有效的支持和保障。

（三）研究发现

通过人工深度阅读完成扎根层次和属性编码（表2），发现乳腺癌患者会通过寻求信息、回避信息和传递信息三种行为方式对不确定性进行管理，每个行为都对应着两个具体的管理目标，并受到功能支持、社会支持、角色、情感、时间、文化和权力七个社会情境因素的影响。

寻求信息的动机。患者寻求信息的一个动机是为了减少不确定性所带来的风险。通过互联网寻求信息为患者提供了功能性的支持，从而减少了患者对医疗专业术语不确定的问题。例如，28岁在读博士的Frede，回忆刚患病时与医生沟通后的情形时说道：

（医生）医生一开始的时候说我不能进行放疗，当时不理解，看过资料后明白了医生为什么说我情况比较好，不需要做放疗，而只做了化疗。

再如，34岁处于治疗期的小王通过病友群寻求信息，获得了社会支持：

只加了两个病友群，也是病友互相推荐的，康复群和重庆的一个群，我（觉得）比医生讲得还要好，但是她们分享的也都是经验，和医生还是不一样。

患者寻求信息的另一个动机是通过增加不确定性来让自己获得更多选择，从而抵消疾病所带来的焦虑。例如，47岁已治愈的芳姐在患病初期就曾去两家医院就诊，为自己增加更多的选择，最后还是选择了较为权威的医院：

当时我觉得多看两个医院（比较）好，然后到了其他医院去看，去了其他医院看后都说了我这个有一点点问题，过后我还是去了我之前那个更好点的医院去住了院。

2.回避信息是患者可能采取的第二种不确定性管理方式。首先，患者会通过回避信息保持不确定性，来构建希望以抵挡当消极确定性（比如死亡）所带来超出承受能力的恐惧和压力。例如，32岁康复期的小鹃在自己刚确诊不久时的反应是：

我会逃避所有关心我的人，包括我身边最好的朋友和我的家人，我都（不会）去见他们，那是我认为最难过的一段时间。

小鹃会通过逃避所有人际沟通和支持，让自己躲在不确定性构建的“茧”中，而QQ乳腺癌康复群里一名叫野草的患者为了避免疾病（癌症）文化隐喻（如死亡、不吉利等）所带来的巨大伤害而保守患病的秘密：

如果在我们农村（知道）你得癌症了有些人还指指点点，觉得你晦气，不愿意接触你，甚至有的还以为癌症会传染，所以我不想让人知道。

其次，患者会回避不完整、无法理解或不喜欢的信息。例如，52岁作为领导的黎姐非常理性地回避了不权威、不成熟的信息：

我这个人可能（比较）理性，所以从来不看网上的东西，因为网上有些东西是作为研究或者探讨的，都不成熟。如果真正应用于临床，它必须是成熟的东西。

而58岁治愈的昔阿姨在生病期间，通过不确定性回避，回避了所有有关疾病的信息，消除负面情感的干扰，令自己生活在非常简单的状态中：

我生病的时候什么（没有）想，很自在，现在像正常了，反而想得要多一点，所以我觉得很奇怪。

3.患者通过信息管理不确定性可能采取的第三种方式是传递信息表现出自己对不确定性的适应或帮助其他患者管理不确定性。例如，51岁已治愈的吴阿姨说道：

前几年基本上是一年去一次，去年四月份还去复查了，今年没去，像（我们）这种快十年的人，一般就是不舒服的时候顺便查一下这个病。

而65岁同样是治愈的古阿姨，早就从患者的角色转换成了一名志愿者，她经常被医院邀请去给新确诊的患者讲述经验，提供社会支持：

每年4月份和11月份，这些病友们就要集中在XX医院的会议室，我给大家讲自己的亲身体会这些。

......

（四）理论的拓展

为了对理论进行检验，笔者将上述计算扎根层级编码表（表2）进行汇总，整理出信息管理的编码汇总表（表3）。

从上述汇总可以看出（表3），研究结论在原有传播与不确定性管理理论（TCUM）基于功能支持获得寻求信息、回避信息、适应不确定性和管理不确定性四种信息管理方式的层次上，拓展出社会支持、角色、情感、时间、文化和权力等多元层次，并将信息管理的方式补充、整合为寻求信息、回避信息和传递信息三大类，包括减少、增加、保持不确定性信息，避免不完整信息，适应和管理不确定性信息六种具体的方式，更加精确地区分信息管理行为和动机，从而丰富了该理论的解释维度和关联视角。

结论

现代数字化技术的繁盛，令整个世界都随着传播“多媒”“跨媒”和信息计算的再创造，超越单一交流的功能，以更多维、复杂方式构建出新秩序。然而，以往立足于还原论，以学科为基础构建的扎根理论，因充分体现了在阐释主义范式下，质性研究将“主观”“倾向”和“性格”带入分析过程，不能对大量非结构化社会数据进行解释（即样本不能代表总体），很难验证和复制等特征，研究结论备受研究者质疑。虽然，科宾(Juliet Corbin）、芬特和萨克斯(Fendt ＆ Sachs)等学者们都尝试将其与经验主义融合，但也无力于论证、解释当今时代理论与经验的复杂性。因而，需要一种新范式引领，从根本上突破原有的阻隔。计算社会科学是数据驱动的社会科学（Data-driven social science），主要应用于大数据分析的全过程：数据的采集与存储，数据结构化自然语言过程与实体识别等，分析网页、文本、视频、

等形式的海量数据。它终结传统的量化、质性研究方法的分野，被视为大数据时代社会科学研究第四范式：利用超级计算能力直接分析海量数据发现相关关系，获得新知识。计算扎根理论基于计算社会科学而诞生，它既具备社会科学研究的第四范式的新能力，也继承了以往扎根理论的优势，能为当今传播学的研究提供新路径。因而，本文重点讨论计算扎根理论作为创新性研究方法的特征、意义与应用，以期为传播学研究之路提供新方向。研究结果表明：

第一，扎根理论与计算科学因基点相近、发展趋同、应用领域相似等原因，为计算扎根理论诞生的合法性提供了科学依据和保障。

第二，在合法性的基础上，计算扎根理论表现出一种在建构主义、现实主义范式下，以涌现为立场，以溯源为推论，基于词典进行可复制迭代编码的全新特征。因而，它能超越还原论，透析当今传播学领域的复杂现象。

第三，在操作化层面，计算扎根理论能通过计算（无监督学习）弥补传统扎根理论主观性过强、效率过低、数据量较小的困境，也能通过扎根理论的解释性抽象，避免了计算（无监督学习）抽象级别低、解释力弱等具体问题。

最后，通过实践分析，虽然没有推论出一个新的理论，但其结果在动机和社会关联两个因素上都超出了原有不确定性管理理论的范畴，切实具备对传统理论进行补漏订讹或开拓创新的能力。

尽管如此，本研究对计算扎根理论的阐释与实践只不过刚刚起步，对于新理论的激发以及应用范围、解释力度、重复验证的可靠性等问题，还需要学者们继续探索。

转自：“质化研究”微信公众号

如有侵权，请联系本站删除！