计算传播学是一门对海量数据进行采集和分析，旨在揭示人类个体和群体行为模式的新兴学科。7月17日，在西安召开的2021年计算传播学年会上，海内外计算传播领域专家学者围绕计算传播学学科发展方向、融合时代变化与媒体变革、研究计算传播学的人机行为、网络舆情、计算科学社会逻辑等主题，深入探讨计算传播学研究在当代创新社会治理中的必要性和重要性，为未来学科发展、人才培养、解决社会问题提供理论支撑。
从“人找信息”到“信息找人”
大数据时代，无论是信息消费者还是信息生产者都会遇到挑战。对于用户而言，从大量信息中找到自己感兴趣的信息是一件非常困难的事情；而对于信息生产者而言，如何让自己的信息脱颖而出并受到广大用户的关注也非易事。随着信息技术和互联网尤其是移动互联网的发展，算法成为解决这一矛盾的重要工具。算法能够连接用户和信息，帮助用户发现对自己有价值的信息，同时让信息展现在对它感兴趣的用户面前，实现信息消费者和信息生产者的双赢。算法分发的出现和普遍应用，意味着人类开始运用机器大规模地解决信息分发问题，人类社会信息分发的动力从人力转向了部分自动化——从“人找信息”到“信息找人”。
应用数据驱动、借助于可计算方法进行的传播过程，称为计算传播，而分析计算传播现象的研究领域就是计算传播学。当下我们面临的智能化社会，颠覆了传统社会实践理念，传播学建立的产业基础正在发生变化，智能传播模式正在扩展。北京师范大学新闻传播学院执行院长张洪忠提出，传统媒体是建立在“真人”研究基础上，而智能传播时代是人机协同的，或是以机器为主完成传播工作。计算传播学目前的研究涉及新现象（计算传播）、新学科分支（自动化政治传播）和新研究对象（政治谣言）。社交网络中对人的身份扮演，以及拥有不同程度人格属性的虚拟形象已经非常普遍，社交机器人甚至在公共卫生事件和重大国际事件上“操纵”着公众舆论。媒体和社交机器人在负面情感属性中更容易产生影响，而公众在正面情感属性呈现上更容易产生影响。
传统的社会科学研究者往往忽略计算机技术尤其是编程能力的培养。计算传播学是智能媒体时代传播学研究的新范式，更是新文科背景下传播学进行学科融合、文理融合的必然路向。计算传播学作为一个正在发展中的领域，尚未形成成熟的研究范式和理论体系，虽然当前学界对现象的描述与理论化研究都已经存在，但二者之间还存在着一定的错位。作为一个交叉学科，计算传播学涵盖了社会学、心理学、计算机科学、物理学、统计学等多个领域的内容，包括传播网络、文本挖掘、计算广告、数学模型及编程等内容形式。香港城市大学教授祝建华表示，面对社会各界对大数据、算法等的质疑与批评，学术界应该携手共同努力，致力于计算传播学更高一层的研究。
媒体融合助力治理创新
信息技术的发展为媒体融合开拓了新空间，也为提升社会治理效能提供了重要支撑。近年来，随着媒体融合深入推进，新媒体在畅通群众参与社会治理渠道、搭建多样化社会治理平台、汇聚各方资源、提升社会治理效能等方面的作用日益凸显。西北大学新闻传播学院副院长来向武提出，融媒体建设是近些年我国媒体转型中的核心问题。衡量融媒体发展的一个重要维度，就是其网络结构中的社会资本，包括宏观和微观社会资本。通过发展融媒体网络，提升社会资本，增强社会协同、集体信任，提高社会治理水平。已有的研究对于社会资本概念理解没有统一的测量方法。宏观角度研究认为，社会资本即社会网络结构，高密度的网络有助于约束个人遵从团体规范，低密度的网络会减少这种约束。微观角度研究认为，社会资本即社会网络关系，个人的网络关系越多，社会资本量就越大。经过对结论各异的众多独立研究的综合分析，中国经验中的互联网使用会增加使用者的社会资本获得。
理论源于实践，也作用于实践。南京大学新闻传播学院副教授王成军表示，信息的扩散较为复杂，原因在于外部的冲击、社会网络内部的影响、个人层面的影响，还有信息本身的属性。要归纳信息的推动力，就要不断细化不同的变量。网络门槛和扩散深度对信息扩散规模均有较大影响，扩散的深度越大，扩散规模也就越大。倘若扩散的深度没有那么大，网络门槛变大，会使得扩散的规模减小，扩散深度和网络门槛之间存在一个调节作用。
随着全媒体时代的到来，传统的单向信息传播转变为双向和多向互动。用户不仅是信息接收者，也是信息发布者、传播者。中山大学传播与设计学院副院长钟智锦发现，网络舆论中的情绪表达呈现差异化和复杂化的特点——不同的类型事件与话题、不同平台的情绪表达和不同人群的情绪表达都存在差异。人们对新媒体事件的记忆与传统媒体的报道呈正相关，偏向于最能够激发集体记忆中的正向情绪表达。钟智锦表示，推进社会治理现代化，需要强化媒体与用户的联结，加强用户习惯和偏好研究，优化用户互动体验，打造更多更优质的有利于加强和创新社会治理的互动平台。
会议由中国新闻史学会计算传播学委员会主办，西北大学新闻传播学院、媒体与传播研究中心承办，《新闻知识》杂志社协办。
