計算傳播學的創新路徑：理論框架、研究方法與應用實踐的系統分析

【內容摘要】本研究從傳播學Q1區英文期刊和新聞與傳播學CSSCI中文期刊中篩選出227篇計算傳播學的相關論文，對2024年的研究進展進行了系統梳理與分析，以揭示計算傳播學的最新發展態勢。研究顯示，2024年計算傳播學呈現出理論與實踐雙重融合、研究議題多樣化以及方法論持續創新的顯著特征。未來，計算傳播學將在整合傳統傳播理論與現代計算方法方面繼續深化，為解決復雜的傳播問題提供更具前瞻性的研究路徑。

【關鍵詞】計算視覺傳播；生成式人工智能；社交機器人實驗；方法創新

計算傳播學作為融合計算方法與傳播學理論的跨學科研究方向，已經逐漸發展成為理解現代信息傳播和社交互動的重要工具。2024年的研究特別關注了大模型、算法與人工智能對信息傳播影響、計算傳播方法創新與應用等議題，涵蓋了從理論創新到實證應用的廣泛主題。

一、數據采集與篩選

本文的研究數據來自傳播學Q1區英文期刊和新聞與傳播學CSSCI中文期刊，從中篩選出227篇與計算傳播學相關的論文，它們代表不同主題的最新成果。通過對這些論文的內容進行歸納和分析，本文總結了2024年計算傳播學研究中的11個核心主題，這些主題涵蓋了從數據采集方法的創新、社交機器人在實驗中的應用，到計算內容分析的突破性進展，反映了計算傳播學的多樣化發展和學科體系的逐步成熟。

二、關鍵研究議題

（一）大模型：認知能力、輿情研判與內容生產

ChatGPT類大語言模型在各類應用場景中逐漸展現出強大的潛力和影響力，依舊成為重要的研究熱點。

虞鑫和王金鵬①評估了大語言模型的認知能力和潛在偏見，通過采用“圖靈實驗”方法，讓大語言模型模擬人類的態度與行為，在針對中、美、德三國的3000名受訪者開展的新聞真實性判定的調查實驗（政治新聞組/非政治新聞組），并利用GPT-3.5生成了相應的3000份“硅樣本”以進行對比分析。結果顯示，ChatGPT在新聞真實性判定任務上具有優勢，尤其在政治新聞和真實新聞的判斷上表現優于人類，但在非政治新聞和虛假新聞的判斷上遜于人類。此外，ChatGPT存在一定的代際和語言偏見。

在輿論關注層面，任吳炯、張洪忠和燕東祺②選取推特（X）和微博兩個平臺進行對比，分析了大模型在不同文化背景下的角色期望。結果顯示，微博平臺的期望更傾向于實用性產業的發展與應用，而X平臺則更側重于信息傳播技術的發展。與此同時，丁曉蔚等人③關注到ChatGPT類大模型在輿情精準研判中的理論和應用，提出了一種基于“大數據、大模型、大計算”范式的輿情精準研判理論框架，并從學理層面探討了ChatGPT在文本分析、情緒識別、輿情預測和預警中扮演的角色。他們的實證研究表明，ChatGPT對輿情研判具有較高的預測精度。

同時，周葆華和張悅④采用算法審計方法考察了生成式AI在內容生產中的“標題黨”特征傾向，通過實證分析ChatGLM3和GPT-4兩個大模型對973篇微信公眾號文章的標題生成的48650條標題內容，研究發現，在無額外提示的情況下，大模型生成的標題具有一定的“標題黨”特征傾向，其中GPT-4的傾向比ChatGLM3更為明顯，但它們的傾向均不及人類顯著。此外，提示對模型生成的“標題黨”特征傾向有顯著影響。

程蕭瀟和吳櫟騫⑤則進一步探討了生成式AI在內容分析中的應用，通過實證分析中英文社交媒體上關于氣候變化的文本數據，考察了GPT 在認知、情感和立場編碼上的效度差異和潛在的效度折扣問題。

這些研究展示了大語言模型在多個領域中的廣泛應用及其挑戰，從輿情研判到內容生成，再到跨文化的輿論關注，大模型的優勢和局限性也逐步顯現，未來的研究可關注其偏見、文化適配性以及效度等問題。

（二）算法與人工智能對信息傳播與社會關系的影響

在智能媒介與算法控制日益互嵌的現代數字社會，算法與人工智能技術正越來越多地影響著人們如何互動和獲取信息。它們不僅影響著信息的傳播路徑和受眾的接觸范圍，更深刻地影響著信息的內容生產、價值判斷和社會意義的建構。

2024年國內外學者在計算傳播領域更加側重討論技術對人的影響，或者人機互動的體驗。算法的個性化推薦對社會聯系影響一直以來廣受學界關注，為了研究“孤獨算法問題”，Taylor和Chen⑥開發了感知算法響應度（PAR）和感知算法不敏感度（PAI）量表。他們發現，算法可以通過迎合用戶的身份需求來促進其社交聯結感。這意味著算法個性化對社交聯系的影響并非完全負面，關鍵在于用戶對算法的感知。

算法審計是計算傳播學領域一種重要的研究方法，它通過模擬用戶行為或分析平臺數據來揭示算法運作機制及其社會影響。Li和Shi⑦創新性地將基于代理的測試（ABT）方法應用到移動設備，并精確控制了地理位置數據，從而能夠更真實地模擬用戶行為。他們研究發現來，自欠發達地區的TikTok用戶接觸專業健康相關視頻的比例較低，即使他們的偏好與發達地區用戶的偏好相同。這說明算法可能會根據地域屬性對用戶進行分類，從而延續現有的健康信息獲取不平等，進一步拉大區域間的數字鴻溝。而算法偏見還體現在刻板印象層面，基于搜索引擎的圖片內容分析，研究發現算法對移民群體的形象具有強烈的污名化色彩，⑧并且算法還存在著反映職業性別刻板印象的比例夸大情況。⑨此外，算法推薦常被認為是網絡意見極化的重要影響因素，基于意見可見性視角的算法多層次分析發現，熱點算法、基于內容的協同過濾算法和基于用戶的協同過濾算法塑造的不同類型的意見氛圍，通過影響個體對意見氣候的感知和意見表達，最終促成輿論極化。⑩

理解人機交互中的人類情感體驗是計算傳播學的一個新興研究領域。Li和Zhang以人工智能聊天機器人Replika為研究對象，結合多種計算方法分析人機交互中的情感動態。他們的研究結果表明，親密行為是人機交互中最突出的主題，但愛和悲傷這兩種截然不同的情緒常常矛盾地混合在一起。此外，他們發現當Replika在自我表露或參與有害行為表現出類似人類的思想時，恐懼情緒會加劇，這與“恐怖谷”效應相一致。

（三）廣告營銷中的創新應用：生成式技術與消費者行為洞察

在廣告營銷領域，計算方法與大數據分析技術的應用顯著提升了對廣告傳播效果、受眾行為及廣告內容影響的研究效能。計算傳播學方法為廣告營銷研究提供了新的視角和工具，其強大的數據處理與分析能力，能夠更有效地洞察消費者行為、評估廣告效果、優化營銷策略，進而推動廣告營銷領域的創新發展。此外，生成式技術在行業中的應用引發了計算傳播學的深入討論，提出了多種新的研究方法和思路。

從贊助商與用戶態度的相關性角度出發，研究發現與銀行贊助相比，賭博贊助會降低受眾對贊助商的道德適宜性評價，進而對非問題賭博者產生抑制影響，降低他們的賭博意愿、品牌態度和賽事參與度。在存在可持續品類的情境下，具體的可持續標簽相比于籠統的可持續標簽，更能降低消費者的認知模糊性，同時提升其對產品社會效益的感知、對零售商的信任度及購買意愿。但用戶自身因素也在廣告營銷中發揮著重要作用，對于高度依戀品牌的消費者，即使面對廣告重復，其評價仍保持穩定，且傾向于主動產生更多積極想法來抵消可能的負面情緒。品牌植入與游戲機制結合的創新研究探討了屬性關聯對品牌態度的影響。研究發現，與品牌相關的屬性（如健康或速度）在游戲中的呈現方式會影響玩家對品牌的感知與評價。

在計算方法的應用方面，Barari等人探討了計算內容分析在廣告研究中的應用，介紹了目標檢測、主題建模、情感分析等方法，并列舉了其具體應用場景。作者還強調了在使用計算內容分析時應關注效度問題，并提供了相關解決方案，為研究者的計算內容分析在廣告研究中的應用提供了方法論指導。一個具體例子是NIMA模型在美學評估中的應用，該模型代表了審美評估領域的范式轉變，使研究者能夠通過與人類感知一致性的角度來量化廣告圖像的視覺吸引力。作者還補充了計算機視覺模型與傳統定性方法的互補性，建議研究者將二者結合，以實現更全面、深入的分析。此外，van Berlo等人提出了MADE框架，這是一個利用生成式人工智能創建有效實驗刺激材料的最佳實踐框架，包括四個步驟：映射、組裝、演示和執行。研究者以香水廣告為例闡述了如何借助Midjourney等人工智能工具創建實驗材料，并指出在使用人工智能工具時應進行預測試，以確保材料的質量和有效性。

（四）自然災害與難民議題的傳播模式

近年來，區域性和全球性自然災害頻發，學界逐漸關注災害事件發生時在地場域與線上公眾傳播之間的動態聯系。2024年，應用計算傳播學方法關于自然災害與難民議題的研究顯著增加。在自然災害和人為災難事件發生時，計算傳播方法能夠有效揭示公眾通過線上傳播渠道進行信息共享與情感共鳴的行為模式。

整體而言，學者側重借助數據分析描述災害事件期間及難民議題的線上公眾傳播模式。數據分析的核心維度涵蓋主題、情緒、報道框架等多個要素。在災害議題的傳播中，直接涉及災害的議題更易引發公眾關注，并促使熱度升溫。在敘事策略方面，相比新聞媒體或其他來源，災害幸存者親自講述的故事更能激發公眾的同情和悲傷情緒。在災害報道中，記者的線上角色呈現出監測、公民參與和協作等多樣化形態，而記者的角色行為也反映了其在災害報道中的不同立場和視角。

在難民議題的傳播研究中，Kenix和Gibbins通過跨國網絡分析發現，與難民群體直接相關的各國主流媒體在難民報道上普遍傾向于負面呈現。類似的負面屬性在不同國家的報道中普遍存在。媒體報道框架的這種同質性可能會加劇對難民的污名化，并削弱公眾對移民政策的支持。而公眾對難民問題的具體主題也呈現著不同的態度，Ahammad等人通過情感基調分析發現，公眾對難民援助和國際支持的討論普遍呈積極態度。此外，專業媒體和社交媒體在話語上也存在差異，de Keulenaar等人利用Word2vec和自動語音識別（ASR）技術，分析了電視廣播與社交媒體關于“難民危機”的話語差異，發現社交媒體用戶更傾向于使用“入侵”等爭議性框架，而電視廣播則更注重客觀性與描述性報道。這種差異反映了社交媒體在塑造公眾輿論方面的獨特影響力，以及不同媒體在影響公眾對社會問題理解中的角色作用。

（五）性別平等與女性表現：從政治參與到學術成就的多維探索

近年來，爭議性話題如性別主義得到了越來越多學者的關注。研究者通過定性和定量內容分析等研究方法，在多個平臺開展相關研究。

在政治選舉舞臺上，“女性發聲”是實現性別平等的重要途徑。在2021年印度西孟加拉邦的選舉研究中，研究者看到女性候選人積極利用社交媒體進行視覺形象構建，通過各種視覺線索展示自己，努力在傳統與現代之間找到平衡，以打破文化規范和社會影響對女性形象的固有期待，從而爭取更多的關注與支持。而在肯尼亞，女性議員則面臨在媒體報道中獲得更多曝光的困境。Ireri和Ochieng的研究表明，在媒體作為政治現實的鏡子的背景下，盡管這些女性議員在政治舞臺上有著積極表現，但只有參與評論腐敗、批評國家政府和資歷等負面政治議題時，才更有可能被媒體關注。而在2020年美國大選后的實證研究中，學者通過將線上Twitter數據與選民記錄相結合，追蹤政治競選支持者的在線活動，則發現政治失敗對女性支持者的政治表達產生了抑制作用，尤其是那些在社交媒體上明確表達性別身份的女性，這進一步凸顯了女性在政治領域發聲和保持可見性的困難。她們在政治失敗后更容易受到影響，推文數量減少，在網絡政治空間中的表達變得更為謹慎。

在學術研究方面，女性被低估的現象得到了更多實證研究結果的支持。在開源軟件領域，女性參與者比例極低。研究者基于從GitHub收集符合特定條件的1728個Python項目，分析發現代碼結構上存在顯著的性別差異，但在代碼質量方面沒有性別差異。這意味著不能用編程能力差異解釋女性在開源軟件中的低參與度。Song等人選用了16個著名的傳播學期刊，收集其2012—2022年的研究文章及相關元數據，測量涵蓋研究績效、合作網絡、學術流動和在線知名度等方面的指標。結果表明，盡管女性學者數量有所增加，但在研究績效、在線知名度等方面仍落后于男性學者。

（六）政治傳播的多維探索：數字競選、新聞報道與組織行為

在當今的政治傳播研究中，學者從多角度探討了社交媒體、組織行為和新聞媒體在政治信息傳播中的影響。

Gibson等人通過對2017年英國大選中的推特競選活動進行分析，研究了數字競選的實際影響及其背后的運作機制。為此，他們開發了一個“聯合”模型，發現通過推特互動吸引更多選民的候選人獲得了更大的選舉成功，并證實了網絡效應在數字競選中的重要性，這一效應遠比傳統的廣播效應更為顯著。

不僅候選人互動與成功之間的關系受到關注，Jeffrey等人還探討了政治信息傳播的推動因素。他們研究了140多萬條國會議員推文，發現包含政治攻擊的消息更易被轉發，而即便在控制語氣因素后，關于“文化戰爭”議題或唐納德·特朗普的推文依然獲得更多分享，表明消極性和特定政策內容在信息傳播中的重要性。

與此同時，Smith和Haenschen的研究聚焦于不同政治傾向媒體在報道#BlackLivesMatter（BLM）運動時的表現差異，揭示出黨派偏見在新聞報道中的顯著影響。他們發現，右翼媒體更傾向于對抗議者進行貶損性敘述，而中間和左翼媒體的報道則相對中立。這種媒體的黨派偏見在公共輿論中塑造了對BLM運動的不同認知。

Dahlke和Zhang通過將候選人支持者的推特數據與選民檔案配對，研究了政治失敗對社交媒體上政治表達的影響，特別關注性別在這一過程中的差異。研究結果表明，只有特朗普的女性支持者在其2020年美國大選中失利后發布的推文數量急劇下降，而他的男性支持者則沒有受到影響。研究發現加深了對社交媒體和政治失敗如何共同導致性別表達差距及其與政治失敗后線下政治行為關系的理解。

除了個體與媒體的政治傳播，組織的政治行為也成為關注點。You等人通過對主要政治組織捐贈者發布的174118份新聞稿進行計算分析，研究了通過政治捐款來衡量組織的政治意識形態，并調查其如何通過新聞稿影響組織關系的構建。結果顯示，組織的政治意識形態影響其被提及的頻次（即入度），而CEO的政治意識形態則影響其對其他組織的提及頻次（即出度）。研究還發現，互惠性和傳遞性在政治活躍組織之間的連接模式中起著關鍵作用。

（七）網絡心理健康：從青少年社交焦慮到網紅粉絲心理

網絡心理健康議題持續占據今年研究領域的熱門關注點，其研究焦點呈現出更為精細化的趨勢。尤為引人注目的是，青少年心理健康問題贏得了公眾的廣泛矚目。針對這一群體，眾多研究深入探討了諸如社交焦慮、問題性網絡使用等一系列心理問題。

社交焦慮這一心理現象長久以來一直是傳播學者的關注焦點。王藝和黃格格通過對微博文本進行計算扎根研究，分析青少年網絡社交焦慮的情感映射與涌現路徑，發現社交文本與焦慮存在密切關聯，且焦慮類型與情感場景高度匹配，其場景、行為和應對形成內在閉環。而Nan等人則通過元分析整合了27項研究成果，發現社交媒體使用與社交焦慮顯著正相關。與之相似的還有抑郁現象。研究者則以微博中無人管理的在線抑郁社區（unmanaged online depression communities，ODGs）——“走飯”為例，運用敘事分析和小樣本研究范式，剖析社區成員抑郁自評話語中的主題簇（“懲罰”“剝奪”“失敗”）和視角，揭示了這些成員的心理狀態和認知模式，為了解網絡平臺上抑郁群體心理健康狀況提供了詳細案例和深入分析，有助于深入探究網絡社區對抑郁情緒的影響及傳播機制。

還有研究者將視線投向網紅與博主的粉絲群體，并對他們進行了深入細致的觀察研究。Cooper等人關注到健康網紅博主的粉絲的生活方式與心理健康，發現雖然粉絲表現出更健康的行為習慣，但仍存在更高的心理困擾，尤其是關注食物或飲食相關健康網紅的粉絲。該研究揭示了網紅文化對粉絲心理健康的復雜影響，表明社交媒體上的健康信息傳播可能帶來意想不到的心理壓力，為網紅經濟時代關注受眾心理健康提供了新視角。

此外，眾多學者還關注到短視頻對人們心理健康的潛在影響。例如，Jiong和Ma的研究采用雙加工理論來探討TikTok用戶觀看短視頻時用戶的心理機制。具體而言，一是觀看短視頻時，用戶的分析性思維較少；二是滑動交互的刷視頻模式對用戶的分析性思維產生了負面影響，而且積極情緒在其中起中介作用。

（八）數字媒體生態中的用戶行為與新聞信任

在社交媒體和新聞消費日益多元化的今天，如何平衡用戶體驗、信息質量和新聞可信度，以實現信息傳播的有效性與社會價值，已成為眾多學者的研究目標。這一部分探討了平臺如何影響用戶的內容分享和參與行為，分析了新聞推薦算法、內容多樣性與用戶信任之間的關系，同時考察了人們選擇性規避特定新聞主題的動因與后果。

在平臺行為與用戶參與方面，研究者聚焦于YouTube內容創作者在 Twitter 上的“機器人化”（bot-like）行為及其與平臺權力的關系，尤其在疫情期間，發現以“不真實”（inauthentic）方式分享YouTube視頻有所增加，部分創作者為提升頻道知名度和實現商業化采用此類策略。也有學者研究了健康類非營利組織在Facebook上使用的禮貌策略如何影響用戶互動，發現視覺和語言上的禮貌策略可以顯著增加用戶參與度。通過分析在不同平臺（Twitter和Facebook）用戶如何應對平臺權力或使用禮貌策略，研究揭示了平臺規則和用戶策略之間的互動如何影響用戶參與度和內容傳播。

在新聞信任和用戶感知方面，Blassnig等人開展了涵蓋英國、美國、波蘭、荷蘭和瑞士五國的在線調查，調查內容包括用戶對新聞推薦系統（有用性、準確性、多樣性、透明度）的感知、對媒體信任的程度、新聞消費習慣（頻率、來源、類型）。他們發現新聞推薦系統（News Recommender Systems， NRS）的使用與新聞信任度之間存在關聯，透明化、責任化的推薦系統有助于維護用戶的信任。類似地，Zerback和Schneiders從觀點多樣性入手，發現多樣化的觀點能夠提高新聞的可信度和讀者滿意度。

新聞回避也成為學者的研究焦點。Sch?fer等人研究了個體對特定新聞主題的選擇性規避，發現疫情、政治等新聞話題因為情緒疲憊和興趣缺乏而被規避。與之相似，Betakova等人的研究指出，不同類型的新聞回避行為（選擇性回避和全面回避）可能存在不同的動機和影響因素。他們結合在線調查和深度訪談，調查了用戶新聞回避類型、頻率、原因、對新聞來源的態度、政治興趣和信息獲取渠道等。結果表明，選擇性新聞回避比全面新聞回避更為普遍，不同類型回避行為動機各異，人口統計學特征對新聞回避行為有一定影響，新聞回避行為對個體在信息獲取、政治參與和社會認知方面產生負面影響，媒體和社會應采取措施應對新聞回避現象。

總體而言，這些研究揭示了在數字媒體生態系統中，平臺設計、用戶行為、新聞內容和社會信任之間的多維度關聯。

（九）視頻平臺上的文化傳播與中國形象

隨著短視頻平臺的興起，B站和抖音成為國內學者的重要研究對象，而在國外，研究者則更多地選擇以YouTube為研究平臺。

廖秉宜和狄鶴仙通過對抖音平臺上高贊短視頻的119823條用戶評論進行情感分析和主題提取，深入探討了中華優秀傳統文化短視頻“出圈”的敘事策略和美學表達。與此同時，劉鳴箏和梅凱聚焦中華優秀傳統文化的青年傳播實踐，他們利用計算傳播方法分析了B站的視頻和彈幕，發現青年群體既作為生產者，積極推動中華優秀傳統文化與二次元等青年亞文化之間的對話交流，又作為消費者，基于自身文化特性廣泛開展對傳統文化的表達與情感實踐。

同樣以B站為研究對象的還有黃駿和陳雪薇，他們旨在探討以報刊亭為代表的“附近”的消失。具體而言，該研究以《報刊亭》視頻中1.3萬多條評論作為數據樣本，通過詞頻分析和LDA主題模型分析等方法，借以揭示用戶報刊亭數字懷舊的群像圖像，同時通過文本分析進一步闡釋用戶“記憶中的附近”。

在國際傳播領域，研究者更多地關注YouTube平臺。王媛和劉心怡探討了“中國話語”國際傳播闡釋共同體的多元類型及差異化協同，以YouTube平臺上發布的“中國鄉村振興”主題視頻的宣介型與經驗型闡釋共同體為例，結合主題分析、多模態話語分析及情感分析等方法對199條視頻樣本進行比較。研究表明，多元闡釋共同體在議題偏好和視聽語言風格上呈現出顯著差異，但也具備一些共性。

此外，張伊妍和邵逸涵考察了海外視頻社交媒體上的中國形象。他們基于國際傳播理論和議程設置理論，對2019年至2021年在YouTube上發布的387730條中國相關視頻進行了主題和網絡分析。研究發現，YouTube上與中國相關的子議題主要集中在娛樂內容和中國的對外關系上，這些議程隨時間發生顯著變化。不同語言的賬號呈現出截然不同的中國形象。此外，傳統媒體賬號在視頻社交媒體上非常活躍，但與其他類型賬號的議程之間缺乏顯著聯系。

國內外學者通過對不同視頻平臺的研究，揭示了視頻在文化傳播、社會記憶和國際形象塑造等方面的作用。這些研究體現了平臺選擇、文化背景和受眾特性的多樣性，為理解視頻時代的傳播提供了重要的學術視角。

（十）計算視覺傳播：理論拓展與多模態未來

近年來，伴隨各類圖像與視頻等視覺信息的大量涌現，視覺傳播逐漸成為計算傳播研究領域的新興熱點，二者呈現出融合趨勢，形成了計算視覺傳播的新領域。有鑒于此，巢乃鵬指出，計算視覺傳播（Computational Visual Communication）旨在運用計算機視覺技術與方法，從微觀、中觀、宏觀入手，對當下視覺傳播的熱點現象與難點問題展開研究，以總結其傳播模型與規律。

計算機視覺傳播的研究涵蓋多個方面。在新聞信息傳播方面，吳曄和劉禹希融合了視覺框架理論和計算機視覺技術，深入探究了新聞海報在外延層次和風格層次上視覺框架的分布特性，以及這些特性如何影響傳播。通過對《人民日報》2022年度1111張新聞海報進行詳細分析，揭示了外延層次和風格層次框架在整體上對受眾認同度和傳播互動性具有顯著的影響。具體而言，那些融入人物元素、以暖色調為主的新聞海報，在提升傳播效果方面展現了積極的促進作用。

在品牌傳播方面，海外研究者招募數千名參與者，要求他們對七組品牌圖片進行評分。研究結果顯示，顏色和視覺特征的復雜程度對于品牌個性有著顯著的預測作用。

此外，周葆華等人呼吁未來可以進一步探索多模態計算傳播研究。他們通過Web of Science平臺的SSCI和Aamp;HCI數據庫，以“多模態內容”和“使用計算方法”為關鍵詞檢索了近年來多模態相關的31篇計算傳播研究。分析結果表明，目前的計算傳播研究主要由文本向視覺轉向，仍局限于單一模態，視覺分析也集中于圖片，缺乏對動態圖像或視頻的分析，亦缺乏對更多模態的研究。

（十一）計算傳播方法創新與應用：實驗、模擬與數據實證

2024年，計算傳播學的方法論實現了創新與突破，逐漸形成了體系化的兩種趨勢：一種是在實驗環境中基于數據模擬進行預測和分析，另一種是基于現實中已有數據進行量化研究。多元創新的研究方法和研究工具，為理解當今復雜多變的媒體環境和傳播現象提供了借鑒。

通過建立數學模型，可以模擬傳播現象，探索其背后的機制和預測其未來發展趨勢。趙汗青等人通過MAP計算實驗模型研究發現，疫情信息自身能夠影響疫情結果，但其影響力有限。并且疫情信息對疫情結果的影響高度依賴于系統情境，包括病毒狀態、封控規模和資源供應水平。

社交機器人田野實驗是一種新興的計算模擬方法，通過社交機器人模擬人類用戶在社交媒體平臺上的行為，可以研究算法、平臺和社群的影響。吳曄等人認為這種方法可以幫助研究者在碎片化和高選擇性的媒體環境中更客觀地測量媒體曝光，并且可以用來驗證和擴展議程設置理論、社團形成機制以及選擇性接觸等經典傳播學理論。他們利用這一方法在Google News平臺上進行了一項社交機器人隨機閱讀實驗，發現即使社交機器人采取隨機點擊的方式閱讀新聞，也可能陷入過濾氣泡之中。

在數據實證分析層面，學者對內容分析開展了諸多研究。計算內容分析利用計算方法對大量的文本、圖像和視頻數據進行分析，以識別其中的模式和趨勢。Shah等人將計算與話語結合，利用ICCN多模態分類器分析了美國總統辯論中的攻擊性政治辯論風格，發現2016年和2020年的總統辯論中攻擊性言論明顯增加。消息刪除是社交平臺的一種審計手段，Buehling研究了Telegram平臺上的消息刪除現象，發現消息刪除會影響數據類型和后續的計算分析結果。在研究方法創新方面，TeBlunthuis等人指出當前自動內容分析中的誤分類會導致回歸分析中的偏差，并提出了一種新的誤差校正方法MLA。同時，聊天機器人憑借其網絡檢索和數據分析的特性，或許可以作為一種新的數據收集工具，用于縱向研究。Zarouali等人比較了聊天機器人和在線調查在數據收集方面的差異，發現聊天機器人的回復率與在線調查無顯著差異。聊天機器人的回復時間更長，但開放式問題的答案更短。聊天機器人調查的數據質量更高，參與者對其評價也更好。

計算方法研究為計算傳播學提供了新的思路、工具和模型，使研究者能夠更深入地理解和預測傳播現象。未來研究可以進一步完善計算方法，并將其與傳統的傳播學研究方法和經典傳播學理論相結合，以更好地應對當今復雜多變的傳播環境帶來的挑戰。

三、總結

2024年，計算傳播學在理論、主題和方法等方面取得了顯著進展，展示了這一領域不斷拓展與深化的特征與趨勢。

第一，理論層面：計算視覺傳播的提出與多學科理論融合。從某種意義上而言，計算傳播學在學理上實現了新的延展，提出了“計算視覺傳播”這一新概念，為研究視覺媒介的傳播機制和受眾反應提供了新的指引。計算視覺傳播結合了計算機視覺技術與傳播學理論，嘗試性揭示了視覺傳播中的模式和傳播路徑。

第二，研究主題：多元化發展與社會議題的響應。研究主題展現出多元化發展的趨勢，涵蓋了生成式人工智能、社交媒體、平臺經濟中的信息傳播等多個領域。這種多元化不僅體現了計算傳播學對當前社會議題的敏銳反應，也鞏固了其在理論、方法創新方面的優勢。社交機器人田野實驗等新興研究進一步拓展了研究主題，通過模擬社交媒體用戶行為，有助于研究社群形成和信息過濾等現象，或將有效驗證并擴展議程設置理論和選擇性接觸理論等經典傳播學理論。

第三，方法創新：實驗模擬與數據實證的多樣化融合。在方法層面，計算傳播學展現出顯著的多樣化和創新性，尤其是實驗模擬與實證數據相結合的趨勢，推動了研究方法的革新。研究者通過數學模型、計算實驗和社交機器人實驗等多種方法，探索信息傳播背后的復雜機制及未來發展趨勢。在生成式技術與工具的引入方面，生成式人工智能的應用成為今年的重要趨勢之一。數據采集工具也迎來了創新，聊天機器人作為一種數據收集工具被引入到計算傳播學的研究中，表現出與在線調查相似甚至更高的數據質量，特別是在用戶反饋和數據可靠性方面。此外，跨學科合作和工具融合也成為研究的重要特征，通過結合計算機科學、社會學和心理學等多個學科的理論與方法，研究者在多模態傳播環境中取得了更全面的分析結果。這種跨學科的融合，提升了對傳播現象的理解深度，體現了計算傳播學在復雜信息社會中的獨特優勢。

第四，未來展望：完善方法與經典理論的結合。展望未來，計算傳播學的研究需要進一步完善計算方法并與傳統傳播學理論相結合，以更好地解釋和預測現代復雜傳播現象。例如，如何在計算模型中更好地融入人類認知與情感因素，如何利用生成式AI進行有效的傳播實驗等，都是未來可能深入研究的方向。此外，通過進一步拓展數據來源、提高模型的靈活性和可解釋性，計算傳播學將在更多應用場景中發揮關鍵作用。

總的來看，2024年的計算傳播學研究不僅在理論上有了新的延展，也在方法和應用上展現了多樣化和創新性的發展。隨著計算方法的不斷完善和跨學科融合的深入，計算傳播學將在未來繼續為理解和解釋復雜傳播現象提供強有力的支持和工具。

參考文獻：

①虞鑫、王金鵬：《“真實”的鴻溝：人類認知與大語言模型判定新聞真實的比較研究》，《當代傳播》2024年第5期。

②任吳炯、張洪忠、燕東祺：《大模型的角色期望：基于X（推特）和微博語境的比較分析》，《新聞界》2024年第5期。

③丁曉蔚、趙鑫、劉梓航等：《輿情精準研判中的Chat GPT：“大數據、大模型、大計算”范式驅動的理論與應用探索》，《傳媒觀察》2024年第3期。

④周葆華、張悅：《大模型會產生“標題黨”特征傾向嗎？——以中外代表性大模型為例的實證研究》，《現代出版》2024年第7期。

⑤程蕭瀟、吳櫟騫：《生成式人工智能在內容分析中的應用及測量效度評估》，《全球傳媒學刊》2024年第11期。

⑥Taylor， S. H.， amp; Chen， Y. A. The lonely algorithm problem： The relationship between algorithmic personalization and social connectedness on TikTok. Journal of Computer-Mediated Communication， 2024， vol.29， no.5， zmae017.

⑦Li， J.， amp; Shi， W. Accessing the impact of TikTok’s algorithm on regional inequality in health information. Health Communication， 2024.

⑧Ieracitano， F.， Vigneri， F.， amp; Comunello， F. ‘I’m not bad， I’m just… drawn that way’： Media and algorithmic systems logics in the Italian Google Images construction of （cr） immigrants’ communities. Information， Communication amp; Society， 2024， vol.27， no.2， pp.386-405.

⑨周葆華、羅沛：《搜索引擎圖片中的職業性別刻板印象——基于跨平臺算法審計的研究》，《新聞大學》2024年第6期。

⑩晏齊宏：《算法推薦對網民意見極化的影響機制研究——基于輿論可見性視角的多層次分析》，《現代傳播（中國傳媒大學學報）》2024年第8期。

Li， H.， amp; Zhang， R. Finding love in algorithms： Deciphering the emotional contexts of close encounters with AI chatbots. Journal of Computer-Mediated Communication， 2024， vol.29， no.5， zmae015.

De Jans， S.， Hudders， L.， amp; Constandt， B. Are gambling company sports sponsorships a losing game？ Investigating consumer responses on gambling， brand and team outcomes. International Journal of Advertising， 2024， vol.43， no.6， pp.933-959.

Cho， M.， Ko， E.， amp; Borenstein， B. E. The interaction effect of fashion retailer categories on sustainable labels： The role of perceived benefits， ambiguity， trust， and purchase intention. International Journal of Advertising， 2024.

Amaral， N. B.， amp; Redden， J. P. Battle of the brand： Brand attachment inoculates against the negative effects of ad repetition. Journal of Advertising， 2024.

Ingendahl， M.， Brückner， L.， amp; Vogel， T. Beyond affect transfer： Attribute associations in video-game brand placements and their impact on brand attitudes. Journal of Advertising， 2024.

Barari， M.， amp; Eisend， M. Computational content analysis in advertising research. Journal of Advertising， 2024.

Li， H.， amp; Zhang， N. Computer vision models for image analysis in advertising research. Journal of Advertising， 2024.

van Berlo， Z. M. C.， Campbell， C.， amp; Voorveld， H. A. M. The MADE framework： Best practices for creating effective experimental stimuli using generative AI. Journal of Advertising， 2024.

Xu， S.， Zhao， X.， amp; Chen， J. A temporal approach to online discussion during disasters： Applying SIR infectious disease model to predict topic growth and examining effects of temporal distance. Public Relations Review， 2024， vol.50， no.2.

Liu， W.， Zhao， X.， Zhan， MＭ.， amp; Hernandez， S. Streaming disasters on TikTok： Examining social mediated crisis communication， public engagement， and emotional responses during the 2023 Maui wildfire. Public Relations Review， 2024， vol.50， no.5.

Maurer， P.， amp; Nuernbergk， C. No watchdogs on Twitter： Topics and frames in political journalists’ tweets about the coronavirus pandemic. Journalism， 2024.

Kenix， L. J.， amp; Gibbins， E. A transnational network analysis of refugees in crisis. Media and Communication， 2024， vol.12.

Ahammad， T.， Ahmed， S.， amp; Sharmin， S. Decoding online narratives and unraveling complexities in the Rohingya refugee crisis. Social Media+ Society， 2024， vol.10， no.4.

de Keulenaar， E.， Poell， T.， Helmond， A.， Rieder， B.， amp; Gorp， J. V. Computational cross-media research： Tracing divergences between normative Dutch television and social media discourses on the ‘refugee crisis’ （2013-2018）. Convergence， 2024.

Banerjee R， Mitra S. Reconstituting the ‘good woman’： Gendered visual politics on social media during 2021 state election in West Bengal， India. Convergence， 2024.

Ireri K， Ochieng J. Determinants of women legislators’ media coverage in a male-dominated Kenya political landscape. Journalism， 2024.

Dahlke R， Zhang Y. Surviving or thriving political defeat on social media： a temporal analysis of how electoral loss exacerbates the gender gap in political expression. Journal of Computer-Mediated Communication， 2024， vol.29， no.1.

Brooke S. Programmed differently？ Testing for gender differences in Python programming style and quality on GitHub. Journal of Computer-Mediated Communication， 2024， vol.29， no.1.

Song Y， Wang X， Li G. Can social media combat gender inequalities in academia？ Measuring the prevalence of the Matilda effect in communication. Journal of Computer-Mediated Communication， 2024， vol.29， no.1， zmad050.

Gibson， R.， Southern， R.， Vaccari， C.， Smyth， P.， amp; Musayev， J. Does digital campaigning matter， and if so， how？ Testing a broadcast versus network effects model of candidates Twitter use. Journal of Information Technology amp; Politics， 2024， pp.1-16.

Fine， J. A.， Smith， D. H.， Oliveira， C.， Deas， N.， Shellnutt， S.， Stotzky， R.， amp; Clyburn， R. How negativity and policy content drive the spread of political messages. Journal of Information Technology amp; Politics， 2024， pp.1-10.

Smith， M. A.， amp; Haenschen， K. Contextualizing Representations of Violence in# Blacklivesmatter Coverage with Inductive Computational Content Analysis. Mass Communication and Society， 2024， pp.1-27.

Dahlke， R.， amp; Zhang， Y. Surviving or thriving political defeat on social media： a temporal analysis of how electoral loss exacerbates the gender gap in political expression. Journal of Computer-Mediated Communication， 2024， vol.29， no.1， zmad051.

You， L.， Zhao， X.， amp; Xu， S. （2024）. How political ideology affects the communication of organizational relations： A social network approach. Public Relations Review， 2024， vol.50， no2， 102451.

王藝、黃格格：《情感映射與涌現路徑：青少年網絡社交焦慮的智能識別——基于微博文本的計算扎根實證》，《當代傳播》2024年第3期。

Nan Y， Qin J， Li Z， et al. Is Social Media Use Related to Social Anxiety？ A Meta-Analysis. Mass Communication and Society， 2024， vol.27， no.3， pp.441-474.

Chen Y， Lee C， Ang P S. Perspectivization in the thematic exploration of atypical depressive self-talk in an unmanaged online depression community on Weibo. Discourse， Context amp; Media， 2024， vol.62， 100820.

Cooper J， Campbell Q， Conner T. Healthier but not happier？ The lifestyle habits of health influencer followers. Cyberpsychology： Journal of Psychosocial Research on Cyberspace， 2024， vol.18， no.2.

Jiang Q， Ma L. Swiping more， thinking less： Using TikTok hinders analytic thinking. Cyberpsychology： Journal of Psychosocial Research on Cyberspace， 2024， vol.18， no.3.

Matamoros-Fernández A， Bartolo L， Alpert B. Acting like a bot as a defiance of platform power： Examining YouTubers’ patterns of ‘inauthentic’behaviour on Twitter during COVID-19. new media amp; society， 2024， vol.26， no.3， pp.1290-1314.

Bünzli F， Alizadeh-Afrouzi O. User Engagement on Facebook： Examining the Role of Visual and Verbal Politeness Cues. Mass Communication and Society， 2024， pp.1-24.

Blassnig S， Mitova E， Strikovic E， et al. User Perceptions of News Recommender Systems and Trust in Media Outlets： A Five-Country Study. Journalism Studies， 2024， vol.25， no.10， pp.1182-1204.

Zerback T， Schneiders P. Noticed and appreciated？ The role of argument diversity in enhancing news credibility and reader satisfaction. Journalism， 2024.

Sch?fer S， Betakova D， Lecheler S. Zooming in on Topics： An Investigation of the Prevalence and Motives for Selective News Avoidance. Journalism Studies， 2024， pp.1-18.

Betakova D， Boomgaarden H， Lecheler S， et al. I do not （want to） know！ The relationship between intentional news avoidance and low news consumption. Mass Communication and Society， 2024， pp.1-28.

廖秉宜、狄鶴仙：《何以“出圈”：中華優秀傳統文化短視頻的敘事策略與美學表達》，《中國編輯》2024年第9期。

劉鳴箏、梅凱：《中華優秀傳統文化的青年傳播實踐——基于B站視頻和彈幕的計算傳播分析》，《編輯之友》2024年第9期。

黃駿、陳雪薇：《消失的報刊亭：用戶評論、數字懷舊與“記憶中的附近”》，《傳媒觀察》2024年第9期。

王媛、劉心怡：《“中國話語”國際傳播闡釋共同體的多元類型及差異化協同》，《當代傳播》2024年第5期。

張伊妍、邵逸涵：《如何在海外視頻社交媒體上講好中國故事？——2019-2021年油管（YouTube）不同類型賬號之間的多層議程設置研究》，《國際新聞界》2024年第2期。

巢乃鵬：《邁向計算時代的傳播學》，《傳媒觀察》2024年第1期。

吳曄、劉禹希：《認同與互動：主流媒體新聞海報的傳播效果影響因素與框架分析》，《傳媒觀察》2024年第1期。

Peng， Yilang， Taylor Jing Wen， Jing Yang. A computer vision methodology to predict brand personality from image features. Journal of Advertising， 2024.

周葆華、吳雨晴：《超越單一模態：多模態計算傳播研究的進展與前瞻》，《傳媒觀察》2024年第1期。

趙汗青、葛巖、印闖、秦裕林：《疫情信息怎樣影響疫情演化：一個計算實驗模型》，《國際新聞界》2024年第5期。

吳曄、黎樟浩、閔勇：《計算傳播學的社交機器人田野實驗：概念、方法與應用》，《國際新聞界》2024年第9期。

Shah， D. V.， Sun， Z.， Bucy， E. P.， Kim， S. J.， Sun， Y.， Li， M.， amp; Sethares， W. Building an ICCN multimodal classifier of aggressive political debate style： Towards a computational understanding of candidate performance over time. Communication Methods and Measures， 2024， vol.18， no.1， pp.30-47.

Buehling， K. Message deletion on Telegram： Affected data types and implications for computational analysis. Communication Methods and Measures， 2024， vol.18， no.1， pp.92-114.

TeBlunthuis， N.， Hase， V.， amp; Chan， C. H. Misclassification in automated content analysis causes bias in regression. Can we fix it？ Yes we can！ Communication Methods and Measures， 2024.

Zarouali， B.， Araujo， T.， Ohme， J.， amp; de Vreese， C. Comparing chatbots and online surveys for （longitudinal） data collection： An investigation of response characteristics， data quality， and user evaluation. Communication Methods and Measures， 2024， vol.18， no.1， pp.72-91.

（作者李華系北京師范大學新聞傳播學院、北京師范大學計算傳播學研究中心講師；吳曄系北京師范大學新聞傳播學院、北京師范大學計算傳播學研究中心教授；原鳳妍系北京師范大學新聞傳播學院、北京師范大學計算傳播學研究中心博士研究生；王琪方系北京師范大學新聞傳播學院、北京師范大學計算傳播學研究中心碩士研究生）

【責任編輯：謝敏】