計算扎根理論：數智時代的方法探索與理論構建

蔣俏蕾 張雅迪

【內容摘要】數智時代背景下，傳播學的研究方法與理論發展正面臨前所未有的機遇與挑戰。隨著深度媒介化社會的演進，傳媒研究亟須突破傳統方法論中對于量化與質化的二元區隔，尋求更具創新性和整合性的研究路徑。計算扎根理論作為一種新興的方法范式，由數據驅動，從經驗出發，旨在超越傳統的量化與質化的二元對立，實現方法的有機融合，從而構建啟發性理論。本文首先在方法論的宏觀框架內對計算扎根理論進行定位，進而分別從計算社會科學和扎根理論的視角探討其邏輯前提，隨后介紹計算扎根理論的相關操作流程，最后闡釋計算扎根理論在數智時代助力傳播學理論建構的可能性。這一方法創新的嘗試為應對數智時代復雜的研究生態和傳播學的理論建構提供了新的思路。

【關鍵詞】計算社會科學；扎根理論；計算扎根；量化方法；質化方法；范式創新

媒介技術的數字化與智能化變革深刻改變了傳媒的生態環境，深度媒介化社會為傳播學研究帶來了前所未有的巨大機遇和挑戰。媒介技術逐漸下沉成為現今社會的基礎設施，在各種生活場景和社會領域的廣泛覆蓋也促進了傳播數據的富集。隨著數字化生存時代的到來，傳媒數據資源呈現爆炸式增長態勢，大數據作為一種技術現象逐漸興起。海量數據為傳播研究提供了豐富的實證基礎，以社交媒體平臺為代表的媒體平臺作為巨大的數據寶庫，蘊含著用戶的各種信息、興趣、行為、關系和互動等數據。這些沉積于社交媒體的數據不僅反映著傳播內容，也揭示著傳播過程與結構。媒介技術的日益智能化使算法、實時計算和人工智能等技術在傳播領域得到了廣泛應用，這不僅使得媒介能夠更精準地定位受眾需求，提供個性化的內容和服務，還使得傳播模式更加非線性、更具交互性。同時，媒介技術的智能化也豐富了傳播主體，使得機器也成為傳播過程中的重要行動者，引發了傳播研究范式的后人類轉向。

傳播媒介的數字化和智能化不僅為深入挖掘傳播現象和模式提供了前所未有的機遇，也促使傳播學者不斷審視既有研究方法和傳播理論的適應性和適用性。可以肯定的是，當今社會生活中大量的傳媒數據為研究者提供了廣闊的探索空間，使得突破質化和量化方法的傳統壁壘，挖掘數據、探索經驗、建構理論成為一種重要的研究取徑。①

一、傳統量化與質化研究的區隔

（一）量化與質化的二元之分

在社會科學研究中，實證性量化研究與詮釋性質化研究遵循著不同的邏輯過程。量化研究遵循演繹邏輯，基于表征為數量化的概念進行客觀測量，旨在揭示普適化的狀況、趨勢和相互關系，但難以確定變量之間的因果關系。②質化研究基于對行動者的意義世界進行考察、歸納與探索，能夠提供良好的深入闡釋，但具有主觀化、非量化、個案化的特點，使其研究結果的客觀性、普適性相對較弱。③

從社會科學方法論發展歷程的角度來看，兩類研究方法反映出實證主義與自然主義不同的認識論與方法論假設。實證主義在哲學上有著悠久的歷史，尤其在20世紀30年代的“邏輯實證主義”中達到了頂峰。④隨著統計方法的快速發展和實證主義哲學影響力的日益增強，調查研究逐漸被一些研究者視為一種獨立的方法論傳統。傳播學誕生于實證主義的流行期，在哥倫比亞學派對學科建制化的過程中，芝加哥學派的民族志傳統被削弱，傳播學被量化研究打上了深刻的烙印。⑤

實證主義社會科學研究的方法模型，主要基于實驗邏輯構想的物理科學。實證主義者認為，客觀世界的研究對象是可以被觀察的，并且這種觀察可以從經驗層面上升到理論層面。⑥因此，實證主義者非常重視數據收集程序的標準化和過程的客觀性，其主要目標是識別變量間的關系，獲得具有普遍推廣性的規律。相較而言，自然主義社會科學研究的方法模型借鑒了生物學。自然主義者主張在不受研究者干擾的“自然”狀態下進行研究，對研究對象采取“尊重”或“欣賞”的態度，其主要目標是描述人們如何看待和談論自己及他人行為，關注行為發生的環境和后果，而由于這些發現基于特定情境，因此未必能推廣。在自然主義者看來，社會科學研究的核心要求是忠于研究現象，而不是拘泥于特定的方法，他們借鑒了廣泛的哲學和社會學思想，尤其是符號互動論、現象學和解釋學。⑦質化研究在方法論思想上表現出自然主義特征，同時，建構主義和文化相對主義也塑造了質化研究者對人的行為背后的社會文化意義的重視。

（二）對量化與質化二元區分的反思

關于量化與質化研究哪個更合理，長期存在著爭論甚至對立。一方認為量化研究才是科學的研究方法，一方認為質化研究才能更好地理解社會機制。實證主義認為研究程序的標準化至關重要，而自然主義將與社會世界的直接接觸置于研究的核心。然而，盡管有上述諸多不同，實證主義與自然主義的相通之處在于訴諸自然科學的模式，傾向于將社會現象視為獨立于研究者而存在的實體，避免研究者本身的政治與實踐取向，從而保證研究的獨立性。

盡管兩類研究方法的認同者之間似乎長期處于對立狀態，但也不乏以馬克斯·韋伯為代表的重要人物將二者聯結、在二者關系中尋求折中道路的探索與嘗試。⑧在科學哲學發展的背景下，解釋主義、后結構主義和后現代主義的影響共同催生了反現實主義的觀點，這一觀點對研究能否產生真理性知識提出了質疑，并提出“反身性”的重要概念。反身性強調研究者所處的社會歷史位置及其所承載的價值和興趣，突出了研究者與社會環境之間的互動關系。無論是量化還是質化研究，在所有的社會研究中研究者都在某種意義上參與社會世界，并對這種參與過程進行反思。因此，社會科學研究者實際上是他們所研究的世界的一部分。反身性為我們突破量化研究與質化研究的二元之分，提供了共識性基礎。這并不意味著拒絕對其方法論差異進行探討，而是強調更為關鍵的是明確研究的首要和直接目標——知識的生產。華萊士的“科學環”⑨認為理論與研究的理想狀態是不斷循環互動的過程。在這一過程中，歸納和演繹在經驗與假設之間架起邏輯橋梁，使理論和觀察得以循環和迭代發展。

二、超越量化與質化二元區隔的計算扎根理論

（一）突破混合方法視域的計算扎根理論

量化和質化研究并非嚴格對立，實際上二者相互依賴而非相互排斥，可以在一個連續體中進行有機結合。被譽為“第三次方法論運動”的混合方法，旨在突破量化與質化研究傳統范式的界限，尋找第三種方法。⑩混合方法生發于社會科學研究的應用領域，在實用主義范式下更關注行動結果和實際問題的解決而不是方法論的爭議，其基本假設是，質化和量化方法的結合能使研究者更全面更深入地理解研究問題。

混合方法是經典實驗主義和20世紀70年代開始的三角測量運動的直接產物。起初，三角測量指的是多種質化方法的結合，時至今日，三角測量早已不再拘泥于質化和量化的方法分野，而是強調對替代性測量的重視，即通過方法的多樣性來減少或抵消不同方法的缺陷和偏向，增強數據的豐富性和復雜性，從而得出更嚴謹和更穩健的研究結論。早期的混合方法表現出方法和范式的分離，即只關注方法的操作，而不討論范式的結合。隨著質化和量化方法的混合延展到研究過程的各個階段，混合方法逐漸成為一種具有獨立哲學觀點和操作技巧的方法論。混合方法的當代特征體現在方法論的折中主義、范式的多元主義以及對研究中各層次多樣性的重視。混合方法論認為方法是連續的光譜，而不是非此即彼的二分。正是對方法論壁壘的破除，使得混合方法論表現出由研究問題驅動，歸納和演繹反復與循環的特性。

混合方法在實踐中得到了廣泛應用，但仍面臨諸多爭議。混合方法的倡導者約翰·W.克雷斯韋爾總結了該領域的關鍵爭議，涉及混合方法的定義、研究的價值、哲學和理論問題以及研究的程序與過程。在混合方法的研究過程中，研究者根據研究問題在不同階段采用不同的方法，將質化和量化方法結合起來，常見的做法是：首先通過質化訪談獲取核心概念，然后使用量化方法進行數據調查分析，之后再利用質化方法對數據進行深度解讀。盡管混合方法強調了不同研究方法的相輔相成，但在實際操作中，這些方法往往是獨立進行的，而非真正的有機融合。而這一過程中最受質疑的是量化數據分析主宰了混合方法，在量化結果和質化結果不一致時走向對量化結果的偏倚。正是在這樣的背景下，計算扎根理論作為一種從方法論上的“優勢互補”到“有機融合”的方法創新應運而生。

勞拉·尼爾森（Laura K.Nelson）提出計算扎根理論（Computational Grounded Theory），作為一種方法框架旨在將人類的詮釋能力與機器的模式識別和處理能力有機結合，建立一種既具有解釋性又具有嚴謹性的分析方法。尼爾森指出，計算扎根理論是對傳統扎根理論的創新，致力于將數據富集的研究問題與扎根理論所具有的理論構建和深度闡釋的傳統結合起來，改變了計算方法通常難以產生有意義解釋的缺陷。因此，計算扎根理論力圖在數量和質量、廣度和深度、客觀和主觀之間找到一種平衡的研究路徑，以實現研究方法上真正的有機融合。這種融合將混合方法研究推向更為深入的發展，為研究者提供更為強大的整合性工具來揭示復雜的社會現象。

（二）作為計算扎根邏輯前提的扎根理論

起源于20世紀60年代末的扎根理論，由分別代表哥倫比亞學派的格拉澤和代表芝加哥學派傳統的施特勞斯提出，初衷是在理論假設和經驗研究之間構建橋梁。雖然扎根理論最初并未關注質化或量化方法論的立場，但在應用中逐漸演變為質化研究的常用方法。

扎根理論的核心是同時進行數據收集和分析，通過持續比較激發研究者的“理論敏感性”，并對理論進行反復推敲，直至達到理論飽和。具體來說，扎根理論往往采用民族志、深度訪談收集數據，使用文本分析作為主要的分析方法。由于扎根理論不預設邏輯框架，而是從數據中構建理論，因此抽樣邏輯以理論建構為目標，而非基于代表性的抽樣。目前常見的編碼過程分為三個階段：開放性編碼（識別和開發不同的范疇）、主軸性編碼（確定范疇間的聯系）和選擇性編碼（將不同概念和范疇組織起來并達到理論飽和）。

扎根理論在發展過程中經歷了多種演繹，形成了客觀主義、建構主義和后實證主義三大流派。格拉澤和施特勞斯的經典扎根理論主張客觀主義，強調研究者在概念生成和理論建構中應保持客觀中立的立場，認為通過大量案例分析可以糾正研究者的主觀偏見，從而超越傳統質化研究中對于資料描述的局限性，聚焦于超越時空限制的抽象概念。后來，由于在理論的核心理念上逐漸產生了分歧，格拉澤堅守客觀主義立場，而施特勞斯則轉而擁抱后實證主義。建構主義扎根理論對客觀主義的經典扎根理論進行了修正，通過強調相對性和反身性而從客觀主義和實證主義的束縛中解放出來，拒絕對研究客觀性的要求，注重研究對象的能動性。后實證主義的扎根理論試圖在客觀主義和建構主義之間尋求平衡，代表人物是施特勞斯和科賓。科賓在其反思中承認早期的客觀主義傾向，逐漸接受反身性原則和多重真實性的觀點后而與建構主義路徑逐漸接近。盡管在認識論上存在差異，在操作流程中也存在不同，三大流派都遵循扎根理論的核心理念，即通過深入探究社會現象來構建具有解釋力的理論框架。

總體而言，扎根理論的研究過程是互動的，其中研究者和研究內容不可分割。扎根理論的研究過程也是開放的，研究者根據研究問題選擇多種數據收集方式，并涵蓋多個數據收集的“田野”。扎根理論的研究過程還是比較的，比較分析是形成理論的基石。扎根理論的最終目標是建立上下兼容的中層理論。因此，互動性、開放性、比較性和理論建構性構成了計算扎根理論的邏輯前提。

（三）計算社會科學與扎根理論的雙向奔赴

數智時代為量化和質化研究的融匯，提供了共享的基點和廣闊的可能。互聯網技術使得人類的社會活動、大量行政檔案和歷史檔案數字化，與傳統量化社會科學側重個案和變量關系的數據類型不同，這些新型數據具有非結構化特征，包含了豐富的細節，如語言、位置、運動、網絡、圖像和視頻等。新興的計算技術，如自動化文本分析、機器學習、主題模型以及在線實驗等，被廣泛應用于分析這類復雜而不確定的數據集。數據類型和分析方法的雙重變革推動著社會科學研究領域經歷了一場“計算革命”，并催生出計算社會科學這一新興的跨學科領域，得到了社會學、科學、技術、工程和數學等諸多領域的共同關注。根據戴維·拉澤爾（David M. J. Lazer）等人的定義，計算社會科學致力于對復雜的大規模人類或模擬人類行為的數據進行計算方法的開發與應用。大數據對知識的要素、研究過程、信息處理以及對現象的觀察分類帶來了深遠的影響，正如達納·博伊德（Danah Boyd）和凱特·克勞馥（Kate Crawford）所言，計算社會科學正在重塑我們對知識的定義。盡管大數據具有巨大的潛力，但并不能保證得出更客觀、更準確的結果，單純追求更大規模的數據并不意味著數據質量的提升，也不等同于更接近客觀現實，如果脫離了具體的語境，大數據將失去其解釋力。在“尋找模式”這一層面，當下計算社會科學的探索與人類學一脈相承，計算社會科學的數據驅動特性相較于理論假設驅動的傳統量化研究而言，更凸顯出自下而上的經驗研究特質，并在對語境的重視中呈現出扎根探索的本質。

作為扎根理論的創始人之一，格拉澤曾強調“一切都是數據（All is Data）”，這一觀點打破了質化和量化研究數據表征為文本和數字的二分。在扎根理論中，數據旨在對研究對象的感受、觀點、動機等進行“深描”，因而數據不僅限于文本，而是涵蓋訪談、田野筆記、檔案報告、圖片、視頻等豐富的來源和類型。伴隨著縱向研究、團隊協作、不同項目的交疊，以訪談為代表的數據收集和分析越來越成為一個“時間和資源密集型的過程”，社會科學研究中訪談的數量已經遠遠超過了理論飽和的閾值，因此計算方法逐漸被引入到扎根數據的收集、處理、分析、呈現過程中。比如，計算機輔助質性資料分析軟件（computer-assisted qualitative data analysis software，CAQDAS）支持逐行編碼、撰寫備忘錄、概念關系的可視化等功能。通過使用CAQDAS，研究人員可以更加方便地管理資料、保留原始資料和分析過程，并與其他團隊成員進行共享和多次分析。計算方法的輔助不僅提高了數據處理和分析的效率，還在一定程度上提升了質化研究的可檢驗性、透明性和開放性。隨著深度媒介化社會的來臨，數智化網絡作為人們重要的生存空間，在對數字田野的探究中也有研究者結合計算思維用“大數據”“深描”來編織“機器人類學（Machine anthropology）”、“數字/計算人類學（Digital/computational ethnography）”等未來愿景。

可見，數智時代的計算社會科學與扎根理論表現出充分的交融基礎。首先，數智時代富集的更為多元和多樣的數據為計算社會科學與扎根理論研究所共享，計算社會科學涉及深入闡釋，質化研究也需要更大量的分類與分析處理。其次，由于豐富的、不確定的、復雜的數據驅動，計算社會科學與扎根理論都倚賴經驗研究的探索和歸納的認識邏輯，比如機器學習從數據中識別范疇與結構，扎根理論基于數據進行編碼，都在始于數據并回到數據的迭代過程中進行闡釋并建構理論。最終，對數據進行探索性研究和對理論建構的重視共同促成了計算社會科學和扎根理論的雙向融匯。

三、計算扎根理論方法的可能性與可行性

（一）何以可能

在方法層面，計算扎根理論位于量化內容分析與質化文本分析的交匯處。無論研究采用何種方法收集數據，最終都需要對內容進行描述和闡釋，而基于計算機輔助的分析技術和手段，可以開展詞匯的詞頻統計和語義網絡分析，更復雜的有監督和無監督的機器學習文本分類，以及將語言結構和詞匯關系納入計算的自然語言處理。由于計算方法已被證實能夠部分補充或替代文本分析的任務，幫助研究者快速識別和編碼文本中的主題、框架和概念等，使得計算扎根理論在實操層面成為可能。

在傳播學研究領域，研究者們不斷探索人工編碼與機器模型的結合使用，也在思考人工編碼與機器模型的替代關系。主題模型作為一種自動化分類大量文本的歸納方法，因其探索性優勢而被廣泛應用，在具體研究中通常與人工編碼結合使用。以工作場所中遭遇歧視的語料庫為例，一項研究比較了無監督的機器主題模型和人工內容分析的結果，研究發現兩種方法確立了相似的主題——這表明主題模型能夠以較低的成本有效地識別更多甚至是容易被人工忽視的主題。另一項研究涵蓋了三種主流的計算機輔助編碼方法，包括編碼字典、有監督的機器學習和無監督的機器學習對新聞中的不平等內容進行編碼，發現有監督的機器學習與人工編碼更為接近。

（二）何以可為

在實施層面，基于人工分析與計算分析的關系，計算扎根理論的具體操作主要有兩種邏輯，即“模塊拆分”和“相互交織”。其中，模塊拆分指人工分析和計算分析在特定步驟中各自獨立執行任務，而相互交織則強調人工分析和計算分析在不同階段都緊密協作、共同推進研究進程。

關于“模塊拆分”邏輯，尼爾森提出計算扎根理論的三步方法框架。第一步是模型識別，采用無監督機器學習檢測文本模型，將原始文本簡化為易讀易解的詞匯列表。第二步是模型細分，通過人工的定性閱讀對模型進行細分、闡釋和修改。第三步是模型確認，使用自然語言處理評估歸納的模型，進行模型的確認。整個流程中，人工分析和計算分析各自獨立運行，最終獲得一個有效的、嚴格的、可重復的計算扎根理論過程。類似的，國內學者陳茁和陳云松提出計算扎根理論的六個環節。第一步根據社會調查數據明確因變量，確定研究問題。第二步準備社會調查的高維數據。第三步對高維數據進行有監督的學習訓練預測模型。第四步利用可解釋性算法進行歸因分析，拆解模型黑箱，比較預測能力。第五步倒推潛在機制，尋找既往研究沒有涉及的關系模式，對理論進行驗證澄清或歸納。第六步用不同數據和不同算法對得出的理論進行交叉驗證，確保理論的穩健性和適用性。

哈爾瑪·邦·卡爾森（Hjalmar Bang Carlsen）和斯諾爾·勞倫德（Snorre Ralund）對“模塊拆分”的邏輯進行了批判性討論，指出這種操作存在計算主導的傾向，認為無監督的機器學習無法有效識別有意義的文本主題，因此開發了一種名為CALM（Computer Assisted Learning and Measurement）的計算機輔助學習和測量工作流來使計算扎根理論方法流程更符合扎根理論的探索邏輯。約塔姆·奧菲爾（Yotam Ophir）等人的研究則在跨學科的合作中凸顯了“相互交織”的邏輯。盡管他們并未直接使用“計算扎根理論”這一表述，但他們在傳播學領域探索了計算傳播研究與扎根理論的結合，認為強調彌補不同方法的弱點會進一步固化傳播學乃至跨學科領域的認識論分歧，因此應關注增強不同方法的優勢，而非解決彼此的“弱點”。基于這一思路，自動化工具不應用來復制或取代人對知識理解的工作，而應用來擴展和補充。為此，他們倡導各有專長的計算社會科學家和人類學家共同合作，人類學家參與數據預處理和主題模型建模，計算研究人員也參與結果的分析和闡釋。這種合作的認知方式可以發揮民族志反身性的核心特質，實現“機器學習中反身實踐的發展”，從而最大化理論建構的潛力。例如，這種邏輯理念被應用于iHub社區中，以探索敘事在塑造肯尼亞技術企業家技術生產能力方面的作用：人類學家先進行了為期一年的參與觀察，了解該組織的敘事建構策略，并對員工和企業家進行訪談；在對田野數據的分析中，沒有使用既有的軟件或代碼，而是將原本的277個項目分成1865個段落，以保留多樣性和豐富性；在主題建模過程中，一些原本被忽略的主題得以顯現，這有助于人類學家意識到自身觀點的主觀性和局限性，同時主題關系網絡的可視化也成為反身性的一種具象提示。

四、計算扎根理論：傳播理論構建的創新與探索

理論在社會科學研究中具有重要的意義，理論為我們提供邏輯解釋，指出更多可能性并為實證研究的開展提供方向上的指引。隨著數智時代的到來，深刻的媒介生態變革給傳播學經典理論帶來了前所未有的挑戰，也給傳播學理論創新與構建帶來新的發展機遇。然而，傳統量化研究通過從邏輯上驗證由既有理論演繹而來的假設，雖然能夠使現有理論更為精致化，但卻很少產生新的理論建構，而長于構建中層理論的質化研究卻對海量數據的處理顯得乏力，因而作為二者有機融通的計算扎根理論方法恰逢其時。

（一）數智時代傳播學理論發展的新機遇

傳播學，作為一門位于十字路口上的學科領域，具有鮮明的學科交叉融合的特性，汲取了社會科學、人文學科乃至自然科學與工程技術等領域的知識，融合了修辭學、符號學、現象學、控制論、心理學以及社會文化和批判理論的傳統。借助這些多學科的理論與方法資源，傳播學的核心目標在于深入探討社會情境中的人與媒介的交互，揭示傳播的本質和規律。

現有經典的傳播學理論主要形成于傳統媒體興盛的大眾傳播時代，隨著新興媒介技術的迅猛發展和快速普及，傳媒生態環境的深刻變革不斷呼喚著傳播學理論的發展與創新。數智時代的到來，互聯網、社交媒體、移動媒體、人工智能、算法等媒介形態深度融入社會生活，亦對傳播學理論發展產生了深遠的影響。一方面，媒介技術的飛速進步為傳播學研究提供了全新的研究工具和手段，借助于大數據和大模型等技術，傳播學者得以獲取和分析海量數據，從而揭示信息傳播的內在機制和規律，重新審視那些在傳統大眾傳媒時代難以回答的傳播學問題，進而補充、完善抑或修訂傳統大眾媒體時代構建的傳播學經典理論。例如，基于數據挖掘與社會網絡分析等方法與手段，經典的議程設置理論演進到網絡議程設置階段，突破了線性媒介效果論的傳統，帶來了理論的突破與創新。同時，媒介技術的發展迭代也催生了一系列適應當前媒介生態環境的新理論。近年來，傳播學界以“何為媒介”為核心，涌現了元宇宙、具身傳播、虛擬數字人與社交機器人研究、人機傳播研究等一系列新的研究議題，使傳媒研究的邊界不斷拓展。值得一提的是，計算機作為社會行動者、媒介等同理論、媒介可供性與分布式認知等理論概念中的機器，從單純的中介角色逐漸轉變為介入和參與傳播過程的主體，為理解現今的人與媒介交互提供了新的視角。

（二）數智時代計算扎根的理論探索

在傳播學研究領域，對扎根理論存在著一種誤用——僅僅將其視為一種編碼技巧而在研究中止步于經驗描述。實際上，計算扎根理論對傳播學研究的貢獻不僅體現在新數據的引入和新的方法技術層面，更在于為闡釋人類的傳播行為提供了巨大的理論潛力。計算扎根理論對變量數目和關系的不設限，能夠引導研究者發現新的解釋變量和潛在模型，為新的理論假說提供啟示。計算扎根理論的實用主義哲學使其在模型設計中追求盡可能模擬真實情景，關注立場、情境、話語和行動，有助于捕捉復雜關系，因此可以揭示個體遭遇與文化、社會、經濟、政治結構的互動，用以分析廣泛的社會問題，也為理論的豐富和延展提供了有力支持。

盡管目前計算扎根理論的相關研究尚處于發軔階段，但現有的研究已經為傳播研究提供了諸多具有啟發性的理論闡釋，包括社會網絡分析與群體傳播、集體行動與政治傳播、知識社會學與科學傳播、文化生產與跨文化傳播、媒介心理學與情感計算、傳媒經濟與組織傳播等。例如，通過計算扎根理論的方法對民族志、數據挖掘與問卷調查收集到的數據展開分析，發現游戲玩家并非一種臨時公眾，而是在流動中顯示出韌性，其社群具有不同于平臺搖擺的媒介溢出效應，進而提出復媒體語境下的“玩家公眾”的概念，有助于理解新興媒介生態環境下的社會集群的新形態與形成。在西方政治傳播研究領域，尼爾森（2020）運用計算扎根理論對女性運動的政治訴求進行的深入分析，顛覆了先前以時段為基準將女性主義政治訴求劃分為第一波和第二波浪潮的觀點，揭示出女性運動訴求的地理差異，即地理因素而非時間因素在更大程度上決定了女性運動的政治訴求。在科學傳播領域，基于計算扎根理論對社交媒體上中醫相關話題的話語實踐與身份認同的研究，突破了將公眾視為聚集“大眾”的簡單化約，對于認識議題公眾的可見性及其高度選擇性可能帶來的群體極化和行動動員具有突出意義。在健康傳播領域，學者將計算扎根理論應用于分析乳腺癌患者的不確定性管理行為，基于對患者的訪談和社交媒體的參與式觀察，研究將原有的傳播與不確定性管理理論中單一的影響層次——功能支持，拓展到社會支持、角色、情感、時間、文化和權力層次，豐富了原理論對動機和社會聯系的解釋力。基于中國綜合社會調查的數據，陳茁和陳云松（2023）使用計算扎根理論探究家庭傳播中影響主觀幸福感的因素，發現了之前研究未曾關注的新變量——“配偶每周工作小時”，并據此提出了家庭距離影響幸福感的理論假說，即家庭距離通過影響夫妻認同進而影響幸福感。在國際傳播領域，對國際視頻社交媒體平臺上的視頻文本及其線上反饋進行的計算扎根理論分析，發現了以個人化敘事要素作為創意黏性策略引發的媒介化共情，進而形成傳播者網紅化和受眾粉絲化的情感部落。將人工分析與計算分析相結合，學者們通過計算扎根理論的方法探究算法推薦類移動新媒體用戶算法疲勞的影響因素，發現個人因素、信息因素和技術因素共同影響著用戶算法疲勞現象的產生。

五、結語與展望

數智時代，未來已來。“生成式人工智能革命已經開始”，以ChatGPT為代表的大語言模型（LLMs）應用成為互聯網空間的新生態，傳播研究面臨前所未有的挑戰與機遇。生成式人工智能（GAI）不僅已全面滲透至新聞傳播內容生產的全過程，影響著新聞傳播實踐教育，更是延伸至傳播學在內的科學知識生產流程——從優化文獻搜索、發現研究空白，到構思研究框架，乃至形成變量測量和數據分析的代碼。計算技術與思維拓展了研究者組織、記憶和系統化的心智能力。傳媒技術的不斷進步，不僅帶來新的傳播研究問題，推動著傳播研究方法的更新迭代，也不斷拓展著傳播研究者對理論知識的想象力。面對數智時代的挑戰與機遇，對于計算扎根理論的探討之于媒介生態環境深刻變革中的傳播學研究，既是方法創新的務實之舉，也是激發理論構建潛能的探索之路。

參考文獻：

①Latour， B. Tardes idea of quantification. In The Social after Gabriel Tarde. Routledge， 2010.

②⑧謝立中：《實證性量化研究和詮釋性質化研究的聯結：來自韋伯的啟示》，《武漢大學學報》2018年第5期。

③〔美〕艾爾·巴比：《社會研究方法》，邱澤奇譯，華夏出版社2009年版，第22-25頁、第32-33頁。

④⑦Hammersley， M.， & Atkinson， P. Ethnography： Principles in practice （3rd ed）. Routledge， 2007.

⑤Gitlin， T. Media Sociology： The Dominant Paradigm. Theory and Society， 1978， 6（2）， 205-253.

⑥卜衛：《傳播學實證研究的方法論問題》，《新聞與傳播研究》1994年第2期。

⑨Wallace， W. The Logic of Science in Sociology. Routledge， 2017.

⑩〔美〕諾曼·K.鄧津、〔美〕伊馮娜· S.林肯主編：《質性研究手冊：資料收集與分析方法》，朱志勇、董軒、張華軍譯，重慶大學出版社2019年版，第426頁、第402-405頁、第428-429頁、第403—404頁、第543頁、第536-537頁、第539-540頁。

Johnson， R. B.， Onwuegbuzie， A. J.， & Turner， L. A. Toward a Definition of Mixed Methods Research. Journal of Mixed Methods Research， 2007， 1（2）， 112-133.

Denzin， N. K. Triangulation 2.0. Journal of Mixed Methods Research， 2012， 6（2）， 80-88.

Denzin， N. K. Triangulation. In The Blackwell Encyclopedia of Sociology. John Wiley & Sons， Ltd， 2007.

Bryman， A. Barriers to Integrating Quantitative and Qualitative Research. Journal of Mixed Methods Research， 2007， 1（1）， 8-22.

Nelson， L. K. Computational Grounded Theory： A Methodological Framework. Sociological Methods & Research， 2020， 49（1）， 3-42.

吳肅然、李名薈：《扎根理論的歷史與邏輯》，《社會學研究》2020年第2期。

Glaser， B. G. Theoretical sensitivity. Mill valley. CA： Sociology Press， 1978.

〔英〕凱西·卡麥茲：《建構扎根理論：質性研究實踐指南》，邊國英譯，重慶大學出版社2009年版，第50頁、第7頁、第225頁、第7頁。

Strübing， J. Research as pragmatic problem-solving： The pragmatist roots of empirically-grounded theorizing. The Sage Handbook of Grounded Theory， 2007， 580-602.

Glaser， B. G. Doing Grounded Theory： Issues and Discussions. Mill Valley， CA： Sociology Press， 1998.

Glaser， B. G. Constructivist Grounded Theory？ Historical Social Research / Historische Sozialforschung. Supplement， 2007， 19， 93-105.

Corbin， J. Taking an Analytic Journey. In Developing Grounded Theory. Routledge， 2009.

Lazer， D. M. J.， Pentland， A.， Watts， D. J.， Aral， S.， Athey， S.， Contractor， N.， Freelon， D.， Gonzalez-Bailon， S.， King， G.， Margetts， H.， Nelson， A.， Salganik， M. J.， Strohmaier， M.， Vespignani， A.， & Wagner， C. Computational social science： Obstacles and opportunities. Science， 2020， 369（6507）， 1060-1062.

Lazer， D.， Pentland， A.， Adamic， L.， Aral， S.， Barabási， A.-L.， Brewer， D.， Christakis， N.， Contractor， N.， Fowler， J.， Gutmann， M.， Jebara， T.， King， G.， Macy， M.， Roy， D.， & Van Alstyne， M. Computational Social Science. Science， 2009， 323（5915）， 721-723.

Edelmann， A.， Wolff， T.， Montagne， D.， & Bail， C. A. Computational Social Science and Sociology. Annual Review of Sociology， 2020， 46（1）， 61-81.

Boyd， D.， & Crawford， K. Critical Questions For Big Data： Provocations for a cultural， technological， and scholarly phenomenon. Information， Communication & Society， 2012， 15（5）， 662-679.

Agar， M. An Ethnography By Any Other Name...Forum Qualitative Sozialforschung / Forum： Qualitative Social Research， 2006， 7（4）， Article 4.

Deterding， N. M.， & Waters， M. C. Flexible Coding of In-depth Interviews： A Twenty-first-century Approach. Sociological Methods & Research， 2021， 50（2）， 708-739.

Pedersen， M. A. Editorial introduction： Towards a machinic anthropology. Big Data & Society， 2023， 10（1）.

Brooker， P. Computational ethnography： A view from sociology. Big Data & Society， 2022， 9（1）.

Sandelowski， M.， Voils， C. I.， & Knafl， G. On Quantitizing. Journal of Mixed Methods Research， 2009， 3（3）， 208-222.

Ophir， Y.， Walter， D.， & Marchant， E. R. A Collaborative Way of Knowing： Bridging Computational Communication Research and Grounded Theory Ethnography. Journal of Communication， 2020， 70（3）， 447-472.

Chen， N.-C.， Drouhard， M.， Kocielnik， R.， Suh， J.， & Aragon， C. R. Using Machine Learning to Support Qualitative Coding in Social Science： Shifting the Focus to Ambiguity. ACM Transactions on Interactive Intelligent Systems， 2018， 8（2）， 9：1-9：20.

Walter， D.， & Ophir， Y. News Frame Analysis： An Inductive Mixed-method Computational Approach. Communication Methods and Measures， 2019， 13（4）， 248-266.

Muller， M.， Guha， S.， Baumer， E. P. S.， Mimno， D.， & Shami， N. S. Machine Learning and Grounded Theory Method： Convergence， Divergence， and Combination. Proceedings of the 2016 ACM International Conference on Supporting Group Work， 2016， 3-8.

Carlsen， H. B.， & Ralund， S. Computational grounded theory revisited： From computer-led to computer-assisted text analysis. Big Data & Society， 2022， 9（1）.

Krippendorff， K. Content Analysis： An Introduction to Its Methodology. SAGE Publications， 2018.

Chen， Y.， Peng， Z.， Kim， S.-H.， & Choi， C. W. What We Can Do and Cannot Do with Topic Modeling： A Systematic Review. Communication Methods and Measures， 2023， 17（2）， 111-130.

Miner， A. S.， Stewart， S. A.， Halley， M. C.， Nelson， L. K.， & Linos， E. Formally comparing topic models and human-generated qualitative coding of physician mothers experiences of workplace discrimination. Big Data & Society， 2023， 10（1）.

Nelson， L. K.， Burk， D.， Knudsen， M.， & McCall， L. The Future of Coding： A Comparison of Hand-Coding and Three Types of Computer-Assisted Text Analysis Methods. Sociological Methods & Research， 2021， 50（1）， 202-237.

陳茁、陳云松：《計算扎根：定量研究的理論生產方法》，《社會學研究》2020年第4期。

Ophir， Y.， Walter， D.， & Marchant， E. R. A Collaborative Way of Knowing： Bridging Computational Communication Research and Grounded Theory Ethnography. Journal of Communication， 2020， 70（3）， 447-472.

Grimmer， J.， & Stewart， B. M. Text as Data： The Promise and Pitfalls of Automatic Content Analysis Methods for Political Texts. Political Analysis， 2013， 21（3）， 267-297.

Elish， M. C.， & Boyd， Danah. Situating methods in the magic of Big Data and AI. Communication Monographs， 2018， 85（1）， 57–80.

Craig， R. T. Communication theory as a field. Communication Theory， 1999， 9（2）， 119-161.

《國際新聞界》傳播學年度課題組：《2022年中國的傳播學研究》，《國際新聞界》2023年第1期。

Nass， C.， Steuer， J.， & Tauber， E. R. Computers are social actors. Proceedings of the SIGCHI Conference on Human Factors in Computing Systems， 1994， 72-78.

Reeves， B.， & Nass， C. I. The media equation： How people treat computers， television， and new media like real people and places. Cambridge university press， 1996.

蔣俏蕾、張自中：《全媒體時代的決策與素養：媒介可供性與分布式認知》，《中國新聞傳播研究》2022年第3期。

徐開彬、葉春麗：《扎根理論在新聞傳播研究中的應用——基于中英文新聞傳播學術期刊的分析》，《新聞與傳播評論》2022年第1期。

Edelmann， A.， Wolff， T.， Montagne， D.， & Bail， C. A. Computational Social Science and Sociology. Annual Review of Sociology， 2020， 46（1）， 61-81.

蔣俏蕾、張自中：《玩家公眾：復媒體語境下游戲社群的媒介溢出與韌性塑造》，《現代傳播（中國傳媒大學學報）》2024年第1期。

蔣俏蕾、劉入豪、邱乾：《議題公眾的可見性與群體認同：基于知乎平臺中醫相關話題的分析》，夏倩芳編：《中國網絡傳播研究：數字時代的信息失序與輿論極化》，中國傳媒大學出版社2023年版。

金鑫、王錫苓：《跨越邏輯、方法與范式：計算扎根理論作為創新性研究方法的特征、意義與應用》，《新聞界》2023年第6期。

蔣俏蕾、景嘉伊：《情感部落：網絡視頻國際傳播中的個人敘事與媒介共情》，《中國新聞傳播研究》2023年第3期。

洪杰文、王怡：《移動新媒體用戶算法疲勞影響因素研究》，《現代傳播（中國傳媒大學學報）》2023年第1期。

Van Noorden， R.， & Webb， R. ChatGPT and science： The AI system was a force in 2023 — for good and bad. Nature， 2023， 624（7992）， 509–509.

蔣俏蕾、陳宗海、張雅迪：《可供性視角下的人工智能生成內容》，《青年記者》2023年第20期。

李欣、柳欣怡：《生成式人工智能背景下新聞傳播實踐教育改革研究》，《教育傳媒研究》2023年第6期。

Konopásek， Z. Making Thinking Visible with Atlas ti： Computer Assisted Qualitative Analysis as Textual Practices. Historical Social Research / Historische Sozialforschung. Supplement， 2007， 19， 276-298.

（作者蔣俏蕾系清華大學新聞與傳播學院長聘副教授、博士生導師：張雅迪系清華大學新聞與傳播學院博士研究生）

【責任編輯：謝敏】

*本文系“清新計算傳播學與智能媒體實驗室研究支持計劃”的階段性成果。