Gitbook of CCR Workshop

欢迎关注南京大学新闻传播学院开设的 《计算传播研究》博士工作坊 课程。

计算传播学不仅仅包括计算方法，但是计算方法却构成了多数人对计算传播学的主要认识。一个例子是国际传播学会的计算传播学分会的名字其实是“计算方法”（computational methods）。再比如，如果大家去翻一下《计算传播学导论》一书，会发现绝大多数内容也是在讲计算方法。显然，这和人们急切地需要使用计算方法来应对来自大数据的挑战有关。数据科学（包括深度学习）在过去的十几年里对计算方法发挥了主要的推动作用。在方法层面，还有一个令人欣喜的变化是因果革命的到来。朱迪·珀尔写作的三部曲，尤其是《为什么》一书进一步激发了人们对于因果推断的热情。但是，给博士研究生介绍计算方法总让人感觉“低级”甚至无趣的工作。包括我自己在内的很多人都认为博士研究生已经是一个更加独立的研究者，而研究者应该更多关注现实和理论问题。

换一个视角来看问题：如果选课的同学有我的博士生，我会有哪些期待呢？一方面，我会希望他选修或者旁听我开设给硕士研究生的课程《大数据挖掘与分析》。否则，他/她就没有办法真正动手做计算传播学研究。另一方面，我希望他/她关注重要的现实问题，尤其是和计算传播相关的问题。只有如此，才能把问题和方法统一起来。

首先，以经典文献和最新的研究为核心是一个很好的进路。对于经典文献的分析，我开设的《计算社会科学》课程是一个很好的尝试。但是这门课是开设给高中生和本科生，因此也有不少动手操作的内容。博士生已经形成相对固定的研究方法和研究兴趣。《计算传播研究》博士工作坊可能是他们的计算方法101课程。用编程操作把人吓跑不是好的策略？但是博士生真的已经固化了吗？我想也未必。回忆自己博士阶段，有不少时间都在挣扎着从传统方法当中走出来，学习最基本的Python编程、网络科学、大数据分析、自然语言处理、机器学习。似乎不应该”矮化“我们的博士生同学。

其次，应当围绕我们正在进行的研究展开。这种方式存在挑战。因为不同人的研究兴趣相差很大，对于现阶段新闻传播学院的博士研究生这一问题尤其明显。这种研究方式需要更加宽容和开放的格局。比如，开放数据、数据竞赛。我会在课程中安排两次课，让选课的学生（通常7个人左右）介绍自己的研究选题。

另外，一对一的讨论有助于解决问题。与博士生同学讨论个人研究（不管是老师的，还是学生的）都是一个不错的选择。事实上，采用这种方法可以促进彼此的了解。

最后，计算是沟通定性和定量的一个桥梁。没有什么方法是万能的。真正掌握计算方法的研究者不可能轻视定性方法和定量方法。正如Matthew Salganik所言，越是使用计算方法，对传统方法的依赖就会越强。希望研究者不要对于研究方法厚此薄彼，努力建立一个更加开放的方法论视角。

关于本课程的讨论见以下链接：https://github.com/socrateslab/workshop/discussions

王成军

2021年9月17日

南京大学仙林校区