《跨越网络的门槛》出版！

| July 30, 2022

王成军（2022）《跨越网络的门槛：社交媒体上的信息扩散》. 北京：科学出版社.

信息扩散是一种普遍存在的传播现象，在人类生活中扮演着重要角色。社交媒体平台及其与公众之间的相互作用，对信息扩散的机制产生了深刻的影响，并带来很多新的、亟须解决的问题。本书聚焦于信息扩散研究领域存在一个重要困惑：与分析式模型的预测相反，实证研究发现大规模扩散罕见且脆弱。限制信息扩散的主要因素是什么？本书从格兰诺维特所提出门槛模型（1978）出发，系统地分析了不同社交媒体上的信息扩散及其瓶颈；在此基础上，逐渐走向注意力流动和计算叙事研究；最后，围绕拉图尔所提出来的“计算中心”概念对计算社会科学的逻辑进行讨论。

本书定位为社会科学专业书籍，适合对新媒体、计算传播学、计算社会科学感兴趣的研究者和学生阅读，对于互联网行业的从业者（尤其是产品经理、数据分析师）也有参考价值。

在阅读社会网络的文献时，我注意到了格兰诺维特关于门槛模型的理论。1978年格兰诺维特在《美国社会学杂志》发表了他的第一篇介绍门槛模型的论文。在这篇论文当中，他提出了门槛的概念：当一个人做出某一个决策的时候，需要其他所有人做出相同决策的数量或比例。只有当周围人的参与比例高于某一个门槛值的时候，个体才会愿意参与其中。行动就面临着成本和风险。个体需要确保行动所带来的收益至少不小于成本或风险。从门槛理论出发分析人类传播行为对我具有天然的吸引力。想要复刻格兰诺维特的门槛模型？点击这个的链接。事实上，瓦伦特在20世纪90年代就已经开始采用这种方法分析网络门槛对于创新扩散的影响。瓦茨在2002年发表的一篇题为“随机网络全局级联的一个简单模型”（“A simple model of global cascades on random networks”）的论文提出了基于网络门槛的Watts模型。对于数字媒介上的信息扩散是否可以采用相似的思路？这为本书的写作埋下了种子。

计算社会科学是目前看来最好的中间道路。不必着急去否认生活世界不存在明确的模式和法则，也不要为了追求普适性的法则而回避生活世界当中的重要问题。从重要的问题出发，收集和分析多种来源、不同类型、大规模的数据，采用计算机算法进行测量，通过数学和物理学模型进行建模，更好地回答人们关心的问题。如有可能，不仅仅将数据背后的模式讲清楚，而且试图给出机制性的解释。这条道路当然不容易。正如瓦茨所抱怨的，社会科学内部存在太多相互矛盾的假设，而社会科学家过于依赖常识。事实上很多理论内部相互攻讦，令人莫衷一是，宛若进入了理论的丛林，反而照不到一丝理论的阳光。有没有什么好的解决方法？瓦茨的建议是做预测！当然，计算社会科学远非彻底的范式转型，更不是所谓数据驱动的简单相关，但它的确为解决众多现实问题和理论问题提供了更多的选择。更加重要的是，越是开展计算社会科学的研究，就越会重视内容分析的编码和问卷调查。传统的研究方法和计算的方法互为裨益。

本书只能看作一次初步的尝试，虽然用到了一些计算的方法，但远没有达到上述的理想。事实上，距离完成博士论文已经过去整整六年了。而从我开始关于信息扩散的研究算起，整整十年时间已经过去。在过去几年，我个人加入了推动计算传播学发展的洪流当中，目睹了计算传播产业在数字时代的崛起和计算传播研究的发展。本书第六章对公众注意力的研究使得我开始更多关注信息扩散背后的注意力流动网络，尤其是社会结构如何影响人类在数字媒介中的注意力流动。第七章则逐渐从信息扩散、注意力流动转向计算叙事。数字媒介的演化依然让人看不到边际，智能媒体已经呼之欲出。会有更多有趣的话题出现，有更多重要的数据需要分析。虽然存在诸多挑战，我依然愿意相信瓦茨的乐观预见。

整本书在最后的写作阶段，也逐渐从煎熬变成了一种自我反思的快乐。我开始偏离刻板的学术写作的方式，将对自我研究脉络的总结以及未来研究方向的可能性放了进来。因此，这本书最终变成了一种认识自我的方式。每个人内心当中都有一座万神殿。我也在误打误撞当中找到了我自己的“YYDS”（永远的神）—苏格拉底。两千年前，苏格拉底来到德尔斐神庙，目睹着断壁残垣。立柱上尘封已久的铭文仍清晰可见：

“认识你自己。”

苏格拉底深爱着自己所在的城市，曾三次参军并且作战英勇。但他更喜欢与人讨论问题，尤其是向别人提问、追问、反问、修正、总结。他常常站在雅典城邦的广场上思考重要的问题，比如什么是正义。后人将这种认识世界、传授知识的方式称为“精神助产术”。然而，他却因为不敬神和败坏青年的罪名被捕，迫于多数人暴力而饮下毒酒。苏格拉底成为人类的殉道者。我希望可以建立一个苏格拉底学园，引导人们认识自己、热爱智慧并点燃内心的火焰。

欢迎大家关注笔者负责维护的计算传播学豆瓣小组，这是本书隐藏的一个彩蛋，感谢你耐心地读到了这里。

《跨越网络的门槛》出版！

勘误信息

Slides

Video

Github

Douban

Afterwords

References

Search