| November 1, 2021
导语
中华传播研究如何国际化？这是几代华人传播学者一直在探讨和求索的问题。应香港中文大学李立峰教授的邀请，我们实验室的五位成员回顾和总结了我们实验室在过去二十余年在互联网、社交和移动媒体、以及计算社会科学的教学和研究的成果和经验，希望借此给“中华传播研究的国际化”提供“从边陲到主流的一条自然路径”。征得出版社同意，现在全文转发，以飨读者。
[引用本文]张伦、彭泰权、王成军、梁海、祝建华（2021）。〈从边陲到主流的一条自然路径：华人计算传播学者的参与和体验〉。李立峰、黄煜（编），《传承与创新：中华传播研究40年》（页399-419）。香港：香港中文大学出版社。
一、引言
中华传播研究如何得到国际传播学主流的关注、认可和尊重，是数代华人传播学者长期追求和探讨的热门话题。中华文化历史悠久，其传播学应该、也必须在国际传播学中占据重要地位。然而，中华文化又独具特色，往往难以与追求普适性的国际传播学主流直接对接。因此，华人传播学者中长期存在两种相背的路径：一是独立门户、自成一体；二是紧跟主流、亦步亦趋。半个多世纪过去了，两派各自努力不倦，但可惜成效均有限。其中的经验教训，自然值得包括本文作者在内的所有华人传播学者重视和借鉴。
我们从事计算传播学研究和教学，这在国际传播学界是个小分支、在中华传播学界更是边缘，所以从一开始并没有力争林立于国际主流的雄心大志。然而，十余年间星移斗转，计算传播学已成国际主流中的一个热点，而身处边陲的华人学者群也无意间成为其中的一支主力，以较具规模的、有特色的研究产出，获得了较大的国际学术声誉。这在传播学学科发展中，实属罕见。这既是一个机缘巧合的故事，也许是中华传播学走向国际主流的另一路径。 计算传播学是计算社会科学应用于传播学的研究分支（祝建华等，2014；王成军，2015 & 2017）。它主要关注人类传播行为的可计算性基础，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，(以非介入的方式)大规模地收集并分析人类传播行为数据，挖掘人类传播行为及过程背后的模式和法则，分析模式背后的生成机制与基本原理，可以被广泛地应用于数据新闻、健康传播、政治传播、计算广告等场景。计算传播学的重要应用领域是计算传播产业（王成军，2016），例如，数据新闻、计算广告、媒体推荐系统、算法新闻等。事实上，在计算社会科学引起传播学者的注意之前，计算传播产业早已随数字媒体之风潜入人类生活的日与夜。因此，计算传播学研究背后是计算传播产业的发展，而产业的发展催生了培养计算传播从业者的迫切需求和学术研究，推动了产学研的协同发展。
本文的作者都是从事计算传播学研究的华人学者，通过回顾和反思过去十年计算传播学在华人学者/学术共同体的缘起和研究进路，试图揭示在这个学术发展浪潮中，华人学者与传播学的这一新兴研究领域相互成就的过程。
二、从“新媒体研究”到“互联网挖掘”
1 Web 1.0研究
计算传播学的出现与互联网的发展密不可分。早期的互联网研究也伴随着新的教学和科研机构的出现。比如，1997年建立的以“为我国互联网络用户提供服务，促进我国互联网络健康、有序发展”为宗旨的中国互联网络信息中心(CNNIC)，每半年发布中国互联网统计信息，也为新媒体研究提供了数据支持。同时，以互联网为核心的课程和相关专业也开始普及起来，直至2010年教育部批准设立第一批本科专业。在华人社会中，早在1998年，祝建华在香港城市大学开设了最早的新媒体硕士学位课程(MA in New Media and Communication)，旨在培养传播理论与新媒体技术兼具的人才。该专业的课程设置包括互联网传播、新媒体传播、网络数据管理、社会网络分析、电子营销数码媒体等。从2016年起，課程更加貼近计算社会科学理论、技术与应用。该专业的课程进一步細分为三个专业方向：媒体数据分析 (Media Data Analytics)，视觉传媒 (Visual Media)及数码媒体/数字媒体(Digital Media)。这个硕士学位课程培养了多名目前计算传播学研究和实践领域的专业骨干人才，例如现任香港中文大学副教授陈志敏（Michael Chan）博士（香港中文大学新媒体硕士项目负责人）、香港浸会大学助理教授张昕之博士（香港浸会大学人工智能与数字媒体硕士项目负责人）、新加坡国立大学助理教授蒋少海博士。
2008年，祝建华在香港城市大学媒体与传播系建立了互联网挖掘实验室，属于当时国际传播学界内少有的大数据实验室之一。12年来，实验室通过培养博士和博士后人才、进行跨学科合作研究、举办国际会议与工作坊、组团参与数据竞赛等活动，有效推进了华人计算传播学的创建与发展。 基于香港城市大学的新媒体硕士学位课程和互联网挖掘实验室，我们专注于新媒体研究。在“前计算时代”，我们的研究兴趣集中在新媒体技术的采纳、使用以及影响。在新媒体技术的采纳层面，实验室一直关注互联网采纳的数字鸿沟、互联网采纳意愿（Zhu & He, 2002a; Zhu & Wang, 2005; Peng & Zhu, 2011；Peng et al., 2012）、互联网的社会扩散过程（Zhu & He, 2002b）、以及青少年与新媒体使用（Peng & Zhu, 2010）等议题。与此同时，我们还对互联网的采纳与使用带来的社会影响进行了大量的实证研究，其中包括互联网对社交活动和社会资本的影响（Zhong, 2011），对传统媒体使用的影响 (Peng & Zhu, 2011)，对政治效能（political efficacy）的影响（Peng & Zhu, 2008）、第三人效应（Zhong, 2009）等。
总结而言，当时计算社会科学的范式尚未出现，在线数据的获取还很困难。我们侧重于利用社会科学量化研究方法（例如社会调查），分析以互联网为代表的新媒体使用与社会影响的问题。在这些研究中，我们一直试图突破现存的分析框架，采用更为恰当、更有统计效力的研究设计（比如历时性视角longitudinal design和比较视角comparative design）和统计方法（比如结构方程模型、代群分析等），来更好地回答“貌似简单，但非常基础（seemingly simple but not trivial）”的理论问题。
这种研究思路一致贯穿在我们实验室的所有研究中，这在某种程度上也是我们能够在“计算社会科学”的时代开风气之先的重要基础。
2 Web 2.0研究与计算传播的雏形
二十一世纪的最初十年奠定了计算社会科学的基础。一方面，一大批重要的社交媒体开始出现（Facebook、Twitter、校内网、YouTube、优酷等）；另一方面，复杂网络科学的研究兴趣从物理学中扩散到工程学和社会科学、甚至人文科学（比如历史学）。这两方面的发展导致网络科学的方法成为社交媒体研究的主流方法。2009年，互联网挖据实验室和“校内网”（后改名为“人人网”）以学术合作研究的方式，分析“校内网”从建立之初前两年的用户交友行为，其数据涉及上千万用户、几亿对关系。当时“大数据”概念还不普及。但我们面对如此巨大的数据，马上意识到，在线数据的结构和体量，都与传统的社会科学数据有本质的不同。首先，数据量巨大。这导致传统的数据分析软件无法进行数据分析，数据处理速度过慢（例如，一个简单的网络拓扑结构计算，可能需要耗时一周甚至更长）。此外，海量数据以及以幂律分布为基本特征的互联网行为数据，挑战了传统的统计模型的前提假设，使得统计分析的结果容易产生偏差。再次，数据结构复杂，包含了大量的非结构化的数据。当时，自然语言处理等现在已经非常普通的文本分析工具还没有被传播学者所知悉。对于海量的文本数据，我们不知从何下手。所以我们意识到，传统的工具与方法已经无法有效地解决我们的研究问题，需要借助和开发新视野、新方法和新工具。在这样的背景下，我们自然而然地迈出了计算传播学的第一步。
怎么借鉴新视野、新方法和新工具？一个最直接和可行的办法是“走出去”和“请进来”——我们邀请相关领域的学者来进行合作研究。从2008年开始，祝建华邀请了多位计算机科学或复杂网络领域的研究者来实验室短期工作，先后有南开大学的项林英，大连民族大学的许小可， 杭州师范大学的韩筱璞、华东理工大学胡海波等人；此外，北京大学的李晓明、上海大学的史定华、电子科技大学的周涛、杭州师范大学的张子柯、上海财经大学的刘建国、华南理工大学的杨建梅和唐四慧等人也应邀来实验室讲学交流。同时，实验室的研究生还选修了香港城市大学陈关荣教授开设的复杂网络相关课程。
通过与这些学者的交流和我们自己不断的摸索，我们对于在海量数据下如何开展传播学研究，逐渐形成了一些共识。第一，跨学科成为必然趋势。例如，我们在《社会计算：大数据时代的机遇与挑战》（孟晓峰、祝建华、李勇，2013）中写到，信息革命使得自然科学和社会科学的边界变得模糊；信息技术也使得人类社会出现了需要解决的新问题。与此同时，信息技术也为人类社会固有的问题提供了可供追踪的数据和潜在解决途径（例如，社会不平等、阶级冲突、宗教冲突、国家冲突、环境与公共卫生危机事件）。对于传播学研究而言，这无疑是一个挑战，也是重大机遇。第二，客观地面对“大”数据。大数据不等于总体数据，也和样本数据有着本质差别。拿到“大”数据，不等于拿到了总体数据。第三，基于新媒体技术的人类信息传播行为，引发了信息传播模式、人类信息传播行为特征、信息传播结构可能的重大变革，我们需要关注重要的、基础的研究问题。因此，虽然当时还没有“大数据”概念，计算社会科学的发展还没成气候，但“计算传播学”就在这样的共识及其所面临的技术挑战前提下，缓慢前进了。用祝建华的话说，我们“先做起来”。
3 计算社会科学时代的来临
从在线社交网络数据的获取、到海量文本数据的获取逐渐成为可能，特别是在计算社会科学的研究成为新的研究范式之时，我们进一步开始了以回答“重要研究问题”为基础的前沿研究。现在回过头来看，我们的研究侧重于“传承”和“创新”两个层面。“传承”指的是，以经典的定量研究方法和经典传播学理论为基本出发点、目标和方向。“创新”指的是，（a）与经典研究方法融合，回答新媒体技术下产生的新问题；（b）探究传统的数据获取方式与分析方法无法回答，而必须借助于新数据、新方法才能得以回答的问题；以及（c）探究传统方法与新方法如何互补、改进。
（1） 与主流理论对话
我们通过与主流传播学、与经典传播理论对话，来用新方法传承传播学研究。例如，我们先后做了社交媒体的议程设置研究(Xu et al., 2013; Sun et al., 2014)、在线信息扩散与传播研究(Wang & Zhu, 2019; Zhang et al., 2014)、以及在线政治传播效果研究(Liang, 2014; Peng et al., 2016)。这些研究旨在新的语境和媒体环境中来探究传播学经典理论的适用性。换言之，在新的媒介环境中，经典传播理论是否还具有解释力？人类信息传播行为在新的媒介环境中，发生了哪些变化？以及哪些方面没发生变化？例如，在线社交媒体的人际间政治信息传播，依然彰显了其传播网络的同质性和互惠性（Zhang et al., 2014）。社交媒体的议程设置，依然呈现出议题竞合关系；用户对于议题的关注，依然是“零和”游戏。在线信息传播，其信息传播速度被提高之后，其信息的传播广度呈现出典型的幂律分布，而其传播规模的中位数，依然和线下的人际信息传播规模不相上下。
（2） 创新：与经典方法融合
与此同时，我们更关注计算传播学对于传统主流理论的创新以及对重要的、基于新的媒介环境产生的新问题的回答。
第一，新的数据获取形式，有助于我们更细致地观测传统信息传播行为。这个领域和“前计算时代”我们持续关注的研究领域——新媒体技术的采纳行为一脉相承。在线行为研究是新媒体采纳行为的拓展。传统的调查方法使得我们只能研究用户“用或不用”，而计算社会科学时代，数据的丰富让我们可以进一步探究“怎么用”这个问题。例如，我们进行了一系列在线用户行为研究（user analytics/news consumption），来探讨用户在线基本的信息传播行为模式。从2017年开始，我们开始关注用户在使用移动媒体上的行为模式。鉴于移动媒体行为数据丰富的时间戳信息，我们采用了一种全新的研究视角，即序贯分析（sequential modeling），对用户的媒体使用行为重新进行了概念界定和实证分析（Zhu et al., 2018; Peng & Zhu, 2020; Peng et al., 2020）。与此同时，我们从序贯分析（sequence analysis）还进一步对用户移动新闻消费的时序特征进行探究（Zhang, Zheng, & Peng，2020）。序贯分析视角不仅仅是方法上的新的尝试，更重要的是让传播学研究能够打破“用户是时间的消费者”（time consumers）的单一观念，将用户定义为“既是时间的消费者，也是时间的拥有者（time owners）”（Peng & Zhu, 2020），把用户的媒体使用行为还原到跟现实生活更为接近的时间维度上，让我们更深入和细致地理解用户在移动媒体上是如何对各种行为进行选择、组合和排列，为我们更好的理解移动媒体使用对人类生活带来的影响提供了新的角度。
第二，探究传统的数据获取方式与方法无法回答，而借助于新数据、新方法得以回答的问题。比如，传统传播学研究对于公共议题的研究，多基于民意调查。搜索引擎和在线社交媒体的广泛使用，使得越来越多的学者关注并将新的媒介平台作为民意调查的新渠道。但是，新的媒体平台是否可以替代民意调查？我们利用Google Trends和公共调查数据，对比了二者的异同。研究以环境议题为例，在Google中的提取了39个搜索词（niche queries）。研究发现，在为期一年的时间内，基于搜索引擎搜索词与盖洛普调查公众对环境议题的关注，二者呈现正相关关系。但是，搜索词只能作为传统民意调查的延伸和补充，而无法替代民意调查（Qin & Peng, 2016）。面对纷繁复杂、层出不穷的新数据和新方法，传播学研究者不能妄自菲薄，也不能固步自封。我们可以通过严谨的实证分析，对新数据和新方法做实证客观判断。这既可以防止我们对“大数据”和计算方法的误用或滥用，也有助于计算方法的改进和提高。
此外，搜索引擎数据可以弥补民意调查的一些缺陷。例如，民意调查由于是用户自我报告信息，只能用于研究个体“关注什么”，而很难发现个体“关注多久”。我们基于百度指数，分析了2010至2016年间公众对121个公共议题注意力周期的分析，揭示了近年来公众对议题的关注周期在缓慢但显著地缩短（李永宁、吴晔、张伦，2017）。与此类似，我们还通过从媒体后台提取数据，分析了在有推荐算法的移动新闻客户端，用户一段时间内新闻消费多样性的变化。我们发现，用户新闻兴趣的多样性在缓慢但显著地下降。
总结来说，借助于新数据、新方法，我们得以观测用户在较长时间内不易为人觉察、且传统数据获取方式与分析方法无法观测的规律——例如上文提到的“缓慢但显著”效果。这种基本规律的发现，使得计算传播学能够回应新媒体传播“有限效果论”。以社交媒体、移动新闻媒体为代表的新媒体，正在以个体可能察觉不到的缓慢速率改变人们的信息消费行为。 第三，经典的社会科学量化研究方法，还能够弥补计算社会科学背景下数据获取的一些弊端。我们对于海量数据保持着“警惕心”。海量数据，并非全局数据，其本身可能具有样本的系统偏差。早在2011年，祝建华就从传统电话抽样（Random Digit Dialing, RDD）方法的启示中，提出了基于博客用户ID的用户随机抽样方法（Random Digit Search, RDS）(Zhu et al., 2011)。RDS随机抽样方法和广泛采用的随机游走（random walks）方法相比，能够更准确地估计用户总体参数。计算社会科学发展至今的路经，大部分是由计算方法指导社会科学。而我们从传统的电话抽样（RDD）到用户随机抽样方法（RDS），走的是一条相反的路经，即由社会科学指导计算方法。
总结这个阶段，我们做到了“虽不领先、但是同步”。 我们为自己设立一个大目标和一个小目标。大目标是将我们的研究成果发表于国际跨学科的顶级期刊（如《科学》、《自然》、《美国科学院院刊》等）。虽然我们有过失败的尝试，但并不沮丧，因为我们能够借此来寻找重大而未解决的课题，并检验我们与国际顶级团队的差距。事实上，我们至今先后有三五个研究与这些顶级期刊的的最新论文选题相似，说明我们理念上已能同步，但在执行力上还有明显差距。我们的小目标则是参与国际传播学期刊的一些主题特刊征文。这些特刊，可以视为传播学主流学界关心的前沿问题。近十年里，我们先后参与了五、六次特刊的组稿工作，涉及互联网研究综述、传播学范式转移、移动媒体研究新方法等主题。结果成败各半，虽不完美、但也可见江东父老。
三、计算传播学在大中华区的学科发展
近年来，计算传播学在中国大陆，乃至大中华区发展迅速。其主要表现为，第一，学生培养模式的改变，逐步引入了“实验室”模式；第二，专业学术组织的成立；第三，教学体系日趋完善；第四，跨学科合作初现成效；以及第五，学术传承与学术共同体逐渐形成。
1 新的人才培养模式：实验室“传-帮-带”项目制形式
我们的学术研究得益于香港城市大学的互联网挖掘实验室。在实验室成员毕业后，也相继把这种人才培养模式带到了各自工作的科研机构。与此同时，在大中华区，特别是大陆地区，近年来多个新闻传播院系建立了计算传播学实验室，来适应新环境下的计算传播学研究，例如，南京大学计算传播学实验中心、中山大学计算传播学实验室、中国传媒大学大数据挖掘与社会计算实验室以及北京师范大学计算传播学研究中心等。
实验室的运行和管理，是计算传播学领域在中观层面的重要基础，为提高学科科研产出、生产知识起到了非常重要的推动作用。其既弥补了微观个体单打独斗的局限，又避免了庞大建制性机构（例如学部院系）繁杂的行政管理成本。总结来说，以张伦和北京师范大学吴晔所在的实验室为例，实验室运行和管理，大概可以遵循以下原则。
第一，“兴趣导向+项目制”。实验室的运行以每一个正在进行的科研项目（往往以论文为单位）为基本单位。重要项目导师亲自作“项目经理”，目标是带领学生对重要问题进行研究，成果多发表在重要期刊中。另外，每个学生根据能力差异和个人兴趣，自己提可行性强的研究问题，并以组员招募的形式领导一些小项目，学生作为项目经理，负责项目推进，碰到问题导师及时辅助。
第二，以大带小，分层设定目标。实验室往往由本科生、研究生、博士生、博士后和青年教师组成。对于每个阶段的学生，导师做分层次要求。例如，对于高年级本科生和研究生一年级的学生，要求“参与”项目，做一些义务性（例如人工编码）或者辅助性工作（例如撰写文献综述），观察项目负责人对项目的推进过程中所碰到的困难以及解决办法，从而感受和理解从事“计算传播学研究”的基本流程。对于高年级研究生和博士生，要求其逐步成长为可以独挡一面的“项目负责人”，在2-4年的实验室工作经验中，形成自己的学术兴趣，逐步取得一定的学术成果。在这个过程中，实验室内部鼓励互相分享“失败经验”。观摩同伴如何从失败中找到破局的办法，是非常重要的学术支持方式。
第三，问题导向。通过关注当前相关领域的前沿学术成果，定期组织讨论，来培养实验室成员学会问“大问题”、“好问题”，形成问题库。这样，在碰到合适的数据时，可以迅速启动研究项目。
第四，合作导师制度，跨学科合作。张伦所在的北京师范大学计算传播学研究中心，由具有物理学背景的吴晔和传播学背景出身的张伦两位老师共同指导学生。实验室成员也是来自校内校外多个院系（例如新闻传播学院、系统工程学院、艺术与传媒学院和北京邮电大学理学院）。实验室成员在理论把握、数据处理技术等方面碰到问题时，能够得到来自多个学科资源的支持。
第五，“先做起来”，想法“落地”。张伦所在的北京师范大学计算传播学研究中心，从学生进入实验室第一天，就灌输给学生一个核心的工作原则：在每周的例行组会上，“有进展说进展，没进展说困难”。借鉴这种理工科实验室工作方式，把科研问题和困难变得“可操作”，让学生避免在开会的时候说空话。
第六，学术为主、实践为用。在对学生进行基础知识和数据分析技术的训练基础上，要求学生参与多元实践活动（例如数据新闻竞赛、数据分析竞赛等），从而理解如何利用计算技术解决新闻传播学领域的现实问题。学生的实践经验，得益于学术共同体促进产学研结合的努力。例如，中国新闻史学会计算传播学研究委员会自2018年正式成立以来，已经连续与业界共同举办了三届传播数据挖掘竞赛。
2 在中国大陆地区建立学术共同体：史学会计算分会的创立及活动
近年来，日益增多的国内外知名大学开始将计算传播学研究作为新兴的学科发展领域，以计算传播学为主题的会议不断涌现。2016年9月，第一届计算传播学论坛在南京大学举办，40多位海内外专家学者和数百名学生参加。2017年9月，第二届计算传播学论坛增加了一天半的工作坊，以讲习班的形式介绍计算传播学基础知识。其中，工作坊学员超过60人，听众超过百人，来自中国大陆、香港、美国等地区的二十余所高校和数据工场、百度、今日头条、中央电视台、腾讯等业界公司。2017年12月23日，“计算传播学跨学科高峰论坛”在重庆大学虎溪校区举行。会议由重庆大学青年教师科学技术协会主办，邀请了来自新闻传播、计算机、网络科学和业界等不同学科的研究者共同探讨计算传播学研究的基础和应用问题。这些会议促进了与会学者对于计算传播学科发展问题的反思。在这几次会议中，与会学者逐渐意识到，为全面推进中国计算传播学领域的教学、科研和学科水平，促进学科内外交叉与优势互补，促进中外传播学界交流并提升中国传播学的国际地位，有必要成立全国性的学术团体。
图：2017年第二届计算传播学论坛 （左起：张昕之，王成军，祝建华，张伦，汪臻真）
2017年8月18-19日在郑州举办的中国新闻史学会学术年会吸引了来自国内外100余所高校和机构的1300余名专家学者参会。“千人大会”的成功举办让很多人在中国新闻史学会身上看到国际传播学会（简称ICA）的影子。在祝建华的代表下，南京大学新闻传播学院、香港城市大学传播研究中心等中国28所新闻院校、共计66位申报发起人联合发起，申请设立中国新闻史学会计算传播学研究委员会。中国新闻史学会常务理事会第五届第六次会议于2018年4月21日在西安召开，审核了建立计算传播学研究委员会的申请报告，经过充分的陈述答辩和讨论，与会的常务理事通过投票表决，同意成立计算传播学研究委员会。
计算传播学研究委员会（Computational Communication Research Association, 简写为CCRA）是由从事计算传播学研究的单位和个人自愿结成的全国性学术团体，隶属于中国新闻史学会。在祝建华的倡议下，学会制定了《计算传播学研究委员会管理规定》，进一步明确了学会的基本管理章程（性质、业务范围、资产管理和使用原则、管理规定的修改程序、终止程序）、会员发展和管理、组织机构、学术年会等问题，明确了采用主席团制度。
2018年7月，学会由理事会选举，产生三位轮值主席（深圳大学巢乃鹏、北京师范大学张洪忠、中山大学钟智锦），共同担任负责人，致力于全面推进中国计算传播学领域的教学与科研，尤其注重跨学科与国际化发展。计算传播学研究委员会的成立标志着中国计算传播学与国际计算传播学之间的同步发展。学会严格遵循开放、透明、民主、公平的基本原则，推动计算传播学研究朝向跨学科和国际化的方向健康持续发展。学会常规活动包括：召开计算传播学年会；制定有关计算传播学研究的全国性科研规划；出版计算传播学研究刊物；组织计算传播学的专项调查咨询活动；搜集整理有关计算传播学资料；评选优秀的计算传播学研究成果；组织计算传播学研究相关培训工作；开展计算传播研究方面的国际和国内学术交流活动等。委员会设立秘书处、发布成立公告、发展会员和理事单位、做好章程拟定等日常文档整理和外联组织工作、组织计算传播学论坛暨工作坊，按时召开成立大会并进行选举工作。
3 搭建教学体系
为促进计算传播学在国内（特别是大陆地区）的发展，许小可、王成军、张伦和胡海波相继合作撰写了专著和教材。专著题为《社交网络上的计算传播学》（高等教育出版社，2015年），该书侧重于是探究社交网络中影响传播行为的各种可计算因素，从网络科学为理论框架，探讨计算传播学的重要研究领域（例如在线新闻实践和计算广告学），并介绍了相关的研究方法和数据处理手段。2020年3月，该书重印发行。《计算传播学导论》（北京师范大学，2018年）更侧重于服务国内对计算传播学感兴趣的学生和教师，希望能够通过浅显易懂的初步方法讲解，使读者具备利用跨学科方法进行传播学研究的基本能力，为日后志在进入相关领域攻读硕士或博士学位打好坚实的理论和技术基础。该书介绍了国际学术界在相关领域的相关研究，以跨学科视角，强调数据处理与分析实践环节。2020年4月，该书重印发行。
这两本教材在“计算社会科学”发轫十年之际，将“计算思维”系统引入新闻传播学。两部教材立足传播学，将“立足传播学、定位理论问题、回答解决现实问题”为基本学术定位，强调了新闻传播学者在计算传播学领域的主体意识与引领作用，从而有效构建未来从事计算传播学研究的青年教师和学生的学术自觉。此外，教材强调学科专业交叉融合的前沿性。几位作者来自传播学和计算机科学领域。教材的编写援引了大量发表在国际、国内跨学科高水平期刊的论文，并系统介绍了自然语言处理和复杂网络等相关学科数据分析技术在新闻传播学领域的方法与应用。第三，教材提供了框架性教案，为教师提供了可供拓展的基本课程体系。同时，本教材提供了书中所有案例的Python代码实现，为教师和学生入门计算传播学领域提供了一套可执行的操作方案。
4 跨学科合作
计算传播学在寻求研究方法的过程中，参与了多个计算机、复杂物理等领域的学术活动。在这个互动过程中，收到了来自其他学科同仁的邀约，开始跨学科合作的尝试。
（1）SMP传播分会的活动
中国中文信息学会“社会媒体处理”专业委员会（Social Media Processing，下简称SMP）成立于2013年4月。SMP强调学科交叉与跨学科合作；专委会涉及计算机科学（自然语言处理、信息检索、数据库、多媒体、可视化）、社会学、管理科学、传播学、复杂系统等多个学科。计算传播学小组在专委会成立之初于2013年设立。
在2013至2020的八年间，计算传播学专业组开展了八次计算传播学论坛，邀请了来自传播学、数据收集和挖掘从业人员，和计算机其他相关领域学者进行学术分享。例如，2017年，计算传播学专业组在SMP年会中组织了《计算社会科学视角下的计算传播学》工作坊，听众达400人。2020年，计算传播学专业组进行了SMP线上学术论坛《不确定性时代的计算传播学研究》，单一IP访问量达3000余次。同时，以SMP年会为契机，计算传播学专业组充当了“结构洞”角色，促进传播学与自然语言处理两个领域的学术合作。
（2）参与跨学科竞赛
技术竞赛是计算/数据科学近年日益流行的一项活动。我们很早就意识到鼓励学生参与相关竞赛有检验实战能力、获取竞赛数据（当然在相关数据使用的规定之容许范围）、测试就业市场水温等多种收获。然而，直至2016年，我们只是鼓励、并无任何实质性投入，所以在高手如云的竞赛中我们的学生团队每次只是陪跑而已。当2017年中国计算机学会（CCF）主办的年度大数据与计算智能竞赛（CCF-BDCI2017）开始报名时，我们决定认真备战，争取在这个号称全球最大规模的大数据竞赛（共有6千多支团队）有所成绩。考虑到竞争对手全是计算机/数据科学背景出身，我们采取了“数据技术上合格、研究设计上创新”的策略，结果喜出望外，共获分组第一名、大赛创新奖、最佳导师奖等三项奖，创造了CCF史上首次由社会科学学生团队拿大奖的历史。祝建华用“算法是入场券、数据是故事、理论是灵魂”三句话，总结了我们此项成功的诀窍，也反映了华人计算传播学如何走向世界一流的路径之一。
（3）跨学科合作机制的建立
以上述各种形式的跨学科合作学术组织为纽带，计算传播学逐渐开始了真正意义的跨学科合作。所谓“真正意义”，指的是传播学学者和其他相关领域的学者合作撰写学术论文，生产学术知识。例如，彭泰权和微软亚洲研究院/浙江大学巫英才团队，在计算机可视化分析和传播学领域的顶级期刊上发表了多篇论文（例如，IEEE Transactions on Visualization and Computer Graphics、Communication Research）。总结下来，跨学科合作机制的建立，大概需要以下几个前提条件。首先，理解对方学科的基本知识、基本逻辑。其次，对对方的研究问题或方法感兴趣。在了解对方学术兴趣的基础上，提出“双赢”的选题。第三，虽然知识和现实问题是没有学科之分的，但论文发表是有着比较清晰的学科分野的，其主要表现在研究范式不同、“讲故事”的方式不同、以及写作体例不同。因此，在每一个研究项目开始时，应该有明确的论文发表期刊、主导者的定位。
5 学术传承与学术共同体的形成
我们实验室在12年间，先后培养了12位博士，其中彭泰权、吴令飞和秦洁分别在美国密歇根州立大学、匹兹堡大学和萨凡纳艺术与设计学院（Savannah College of Art and Design，SCAD)任正式教职，刷新了国际传播学界“逆向输出”（即由一个非美国大学向美国大学提供师资）的纪录。
我们的毕业生一部分回到中国大陆，成为大陆地区发展计算传播学的主力 （例如，中山大学钟智锦、深圳大学汪臻真等）。与此同时，随着计算传播学的发展逐渐壮大，一批志趣相投的学者相继进入这个领域。例如，复旦大学周葆华、中国传媒大学沈浩、北京师范大学张洪忠、吴晔、深圳大学巢乃鹏，都逐步建立了一批研究团队，来从事和计算传播学相关的研究工作。在这些团队中，一批博士生、硕士生迅速成长起来，相信假以时日，更多年轻学者即将走向学术舞台。
四、从中华传播学进入国际传播学研究主流
1 ICA专业学术组织：国际传播学会计算方法分会的创立
我们发起创建的国际传播学会计算方法分会（Computational Method Division at International Communication Association）是另一项新纪录。我们自2013年起，每年在国际传播学会的年会上举办计算方法工作坊，场场爆满。2015年国际传播学会年会结束时，学员们纷纷建议我们进一步向国际传播学会申报成立一个兴趣小组。我们起草了申报书，并联络了50多位国际传播学会会员作为创组成员联署，递交给国际传播学会理事会。当时，创组成员中最大的争议是我们这个兴趣小组取什么名。通信调查结果有5-6个版本，如Computational Communication Research (CCR), Social Media Analytics (SMA)等。CCR其实更准确反映我们这伙人的兴趣，但是可能被已有分会否决。如CAT(传播与技术，其为ICA最大分会)可能会说他们也做计算传播研究。为了争取拿到“出生证”，我们建议叫“国际传播学会计算方法小组”（Computational Methods，CM），以避免各分会大佬的反对。这一策略果然奏效，首次申报当即成功。
2016年国际传播学会年会在日本福冈举行。国际传播学会计算方法小组正式成立并选举了第一届小组领导，由刚从新加坡南洋理工大学转到美国密歇根州立大学任教的彭泰权任主席、荷兰阿姆斯特丹大学的Wouter van Atteveldt任副主席。2018年国际传播学会年会期间，van Atteveldt接任主席。时至2020年国际传播学会年会，“国际传播学会计算方法小组”成员超过300人，被ICA升格成国际传播学会计算方法分会，加州大学戴维斯分校的华人学者沈粹华当选为第三任主席。ICA史上早有其他华人担任过分会或小组主席，但由一批华人创导一个小组/分会却属首次。这其中既有偶然机遇，同时也说明，由华人主导的传播学研究走上国际舞台，需要与国际主流的对接对话。
图：2017年ICA会场 （左起：梁海、David Weaver、Gail Weaver、张伦、祝建华、彭泰权）
2 学术期刊的论文专刊
此外，我们还以多种方式引领和参与了国际传播学界关于计算方法的发展方向和前景的讨论。最主要的就是在主流学术期刊编辑了两份关于计算方法的特刊，其中包括Wouter van Atteveldt和彭泰权在Communication Methods and Measures主编的“When Communication Meets Computation”特刊和祝建华、彭泰权和梁海在Asian Journal of Communication主编的“亚太地区传播研究中的计算方法运用”特刊，这两份特刊都在整个国际传播学界引起了热烈反响。通过在主流传播研究刊物编辑特刊和发表“编首语（editorial）”，我们向国际学术界清晰地传达了我们对于计算传播学的现状、前景和挑战的认识，也为计算传播学在未来五至十年内的发展方向提供了建议。此外，我们还参与了关于计算传播学发展的跨学科研讨，其中祝建华和彭泰权应邀参加了2016年在美国加州大学戴维斯分校举办的一场关于计算传播研究的专题研讨会，这场研讨会邀请了十几位活跃在计算传播学研究前沿的国际学者，对计算传播学的发展方向进行了开放式的研讨，最后的讨论结果集结在一篇论文中，意图作为David Lazar等人（2009）的“计算社会科学宣言”的传播篇，发表在International Journal of Communication（Hilbert et al., 2019）。其实，我们虽然作为合作者，并不期望该“计算传播学宣言”日后一定会有历史性地位。但是，论文的15位合作者中有三分之一为华人传播学者（Jennifer Pan潘婕、彭泰权、沈粹华、张竞文、祝建华），却是华人计算传播学者对国际传播学主流作出的一个贡献。
五、结语
本文简要回顾了以香港城市大学互联网挖掘实验室为起点，过去十多年间，我们所参与的计算传播学的发轫与发展。近几年来，计算传播学在国际传播学界及大中华区均逐步发展壮大，凝聚了一批中青年学者、产出了一批有影响力的学术论文、形成了固定的专业学术组织，在国际传播学界产生了较为深远的影响。
中华传播学走向国际主流应该有多种路径。那么，我们通过计算传播学走进国际主流的路径到底是什么呢？用“高大上”的术语来表述，可称之为一种“自然路径”(a natural course)。具体一点，则大概包括顺应大势、勤练内功、借助外力、不离主流等四项。冠之为“自然”，是因为这一切并非来自高瞻远瞩的精心设计或刻意追求，而是无意插柳、水到渠成的事后总结。“自然”，其实也是对中华文化智慧中“大道无道”之传承。
[全文下载链接]
阅读原文