计算传播学:智能媒体时代的传播学研究新范式 内容简介

传播学的研究和实践领域正在经历一场颠覆性的变革，其核心表现为传播活动关注的焦点从同质化的大众群体转变为异质化的独立个体。信息技术革命背景下的大数据技术、程序化工具和个性化算法等一系列全新的传播研究和实践方法使我们可以用全新的视角和思维来探索解决传播问题的全新路径。这种转变在很大程度上冲击着建立在大众传播逻辑基础上的前提假设、思维习惯和理论框架，并试图在新的信息技术背景下建立一套全新的传播观与方法论——也就是计算传播学或者说计算传播范式。

计算传播学:智能媒体时代的传播学研究新范式 本书特色

传播学的研究和实践领域正在经历一场颠覆性的变革，其核心表现为传播活动关注的焦点从同质化的大众群体转变为异质化的独立个体。信息技术革命背景下的大数据技术、程序化工具和个性化算法等一系列全新的传播研究和实践方法使我们可以用全新的视角和思维来探索解决传播问题的全新路径。这种转变在很大程度上冲击着建立在大众传播逻辑基础上的前提假设、思维习惯和理论框架，并试图在新的信息技术背景下建立一套全新的传播观与方法论——也就是计算传播学或者说计算传播范式。

计算传播学:智能媒体时代的传播学研究新范式 目录

计算传播学成为一种新范式智能媒体需要强大的计算能力来分析并预测用户场景化的媒介需求，这将推动着媒介内容生产从即时响应向预测需求的进一步转变，进而激活用户的个人信息和内容消费市场。由于用户本身被深刻地洞察了，因此这样的媒介生产、集成、分发和消费必然是定向化、个性化和智能化的。计算能力的提升带来的智能传播意味着内容提供者将不再向用户推送一些他们不感兴趣的内容，而是努力实现场景、用户和内容三者之间的完美匹配。传播技术进化的这种新方向不但重构着媒介产业本身的竞争格局，而且催生了一门全新的交叉学科——计算传播学。一、传播技术与范式变迁每次技术革命所引发的范式转换都在很大程度上改变了人们的思维方式和行为方式，或曰世界观和方法论。这意味着旧有规则发生了变化，新范式对旧范式的很多内容进行了重新审视甚至推倒重构。（一）传播技术在范式变迁中的基础作用英国的演化经济学家卡萝塔·佩蕾丝认为包括基础设施、关键要素、技术集群、软件程序、思维方式、文化制度等在内的同类型“工具”共同改变了市场经济体系中所有行为主体*佳惯性方式的边界，沿着库恩提出的“范式”和多西提出的“技术范式”的理念和逻辑，她将这套同类型工具得以扩散的主要载体命名为“技术—经济范式”。“每次技术革命都提供了一套相互关联的、同类型的技术和组织原则，并在实际上促成了所有经济活动的潜在生产率的量子跃迁。每次技术革命都使得整个生产体系得以现代化和更新，从而每50年左右都使总的效率提高到一个新的高度…每一次技术革命都是新产品、新行业和新基础设施的爆炸性发展，它逐渐产生了新的技术—经济范式。”［英］卡萝塔·佩蕾丝：《技术革命与金融资本》，田方萌译，中国人民大学出版社2007年版，第13～14页。按照佩蕾丝的理解，每次技术革命都会作为核心驱动力量不可避免地引发一次范式变迁，而这将是一个持续约50年的升级过程，分为包含着不同阶段的导入期（爆发阶段和狂热阶段）和展开期（协同阶段和成熟阶段）两个时期，每次范式变迁的过程都会在经济领域和广大的社会领域引发深层次的结构变化。值得强调的是，佩蕾丝非常敏锐地注意到了包括印刷术、广播、电话、计算机乃至手机等传播技术在技术革命以及由技术革命所引发的技术—经济范式变迁过程中所扮演的基础角色。她认为，这一过程从不起眼的事物开始，首先发生在有限的部门和地域，并取决于交通和通信基础设施的能力，它逐渐将核心国家的大量活动囊括其中，并扩散到越来越远的外围。进一步地，她将18世纪70年代至21世纪*初10年的这段历史划分为五次相继出现的技术革命：产业革命，蒸汽和铁路时代，钢铁、电力、重工业时代，石油、汽车和大规模生产的时代以及信息和远程通信的时代。每次技术革命都会产生一组协同作用、相互依赖的产业，以及一个或者更多的基础设施网络。与此同时，旧的组织模式无法应付或充分利用全新的技术集群和基础设施，这就使得经济主体的思维方式和行为方式发生了深刻的变迁，也就是技术—经济范式的变迁。（二）物联网作为第三次工业革命的基础设施美国著名经济思想家杰米里·里夫金同样发掘了库恩留下的“范式”遗产，库恩将范式描述为“信仰和认知的一组系统”。里夫金认为正是这组系统“建立了统一而协同的世界观，其威力在于它几乎囊括了一切现实。一旦范式成立，那么很难（甚至不可能）质疑它反映自然规律的核心假设。但这种从不质疑的接受和对其他观念的视而不见使矛盾的逻辑逐渐堆积到一个临界点，之后便是该范式的瓦解，取而代之的是一套能够解释不规则现象和新发展的综合性新范式”［美］杰里米·里夫金：《零边际成本社会》，赛迪研究院专家组译，中信出版社2014年版，第9页。。里夫金用范式转换的概念来对应佩蕾丝的范式变迁，我们不能推断里夫金是否受到了佩蕾丝的启示，但无论是偶然、巧合还是借鉴，里夫金同样对信息传播技术在范式转换过程中的基础作用产生了极大的兴趣，并且将其提升到了一个更加显眼的高度。他认为，每一种伟大的经济范式都要具备三个要素——通信媒介、能源、运输机制，每个要素都与其余要素互动，三者成为一个整体。如果没有通信，我们就无法管理经济活动；没有能源，我们就不能生成信息或传输动力；没有物流和运输，我们就不能在整个价值链中进行经济活动。总之，这三种操作系统共同构成了经济学家所说的通用技术平台。但与佩蕾丝不同的是，里夫金将上述那段历史时期划分为了三种不同的经济发展范式，蒸汽、印刷、电报、铁路系统、煤炭资源等共同推动了**次工业革命的发生，集中供电、电话、广播、电视、廉价石油、公路系统、内燃机车等相互融合促成了第二次工业革命的发展。而当前，我们正在经历的则是第三次工业革命，它是由无处不在的通信互联网、可再生能源互联网、自动化的物流和交通互联网共同构成的一个分布式的神经网络驱动而不断发展的，这一超级网络就是正在快速形成中的物联网基础设施。事实上，物联网的形成将是人类经济发展史上首次智能基础设施革命，在未来二十年将会有数以百万亿计的智能芯片和传感器以近乎为零的成本接入物联网中。加速变化的技术创新、急剧降低的经济成本、不断完善的移动通信和云端计算能力，以及全球核心国家政府部门的大力投入，都将这一全新的智能基础设施推向了变革时代的风口浪尖和全球经济的舞台中央。智能芯片、传感器、自动化、网络连接、大数据、算法、深度学习等智能技术以越来越低的成本嵌入我们日常生活中的更多物体中，使它们具备了某种程度上的信息交互功能与媒介传播属性。在未来，几乎我们能使用到的所有物品都将会连接到物联网中，这也就意味着通过物联网这样一个超级智能媒介，我们可以借助自己周围的任何一个智能媒体节点与接入其中的任何其他智能节点直接互动，而无须像过去那样通过层层的中间转达环节。这将会是历史上*波澜壮阔的一次技术革命所引发的范式转换。每次重大的范式转换都是核心技术集群和基础设施网络的变革，而使基础设施发生变革的则是新的媒介传播体系、能源动力体系和交通运输体系的融合进化。在这次范式转换过程中，三大基础网络的融合创造了一个前所未有的超级智能物联网，从而开启了一个全新的智能媒体传播时代。（三）从口头语言传播范式到智能媒体传播范式与佩蕾丝的技术—经济范式变迁或者里夫金的三次工业革命范式转换相似，媒介传播领域也同样因为传播技术的演进而正在发生着一场伟大的范式转换，这场转换就是从建立在印刷技术和广播技术基础上的大众传播范式向建立在互联网信息技术基础上的智能传播范式的变迁，互联网以及“互联网 ”激活更多要素之后形成的物联网恰恰正是新范式得以建立的基础设施。伴随着互联网技术革命而来的，不仅仅是传播模式和传媒产业的全面改造，更重要的还在于它深刻地影响了当前社会的流行文化乃至整个人类文明的进程。凯文·凯利注意到了传播范式转换所产生的巨大影响：“在古代，文化都是围绕着言语的。大约500年前，科技推翻了言语，1440年古登堡发明了金属制成的活字，将写作提升到了文化的中心位置，新闻、科学、数学公式和法律法规无一不从印刷中诞生。美国的成功依赖于较高水平的识字率，依赖于强大的自由媒体，依赖于对（书面规定的）法律的忠诚，依赖于遍布全国的通用语言，我们变成了书籍之民。但今天，超过50亿张的数字屏幕在我们的生活中闪烁，我们现在成了屏幕之民。”［美］凯文·凯利：《必然》，周峰译，电子工业出版社2016年版，第91～93页。针对从以口语中心向以文字中心的传播范式转换所造成的深刻影响，苏联心理学家亚历山大·罗曼诺维奇·鲁里亚20世纪30年代针对中亚地区的田野调查发现，不识字与哪怕识一点字的人之间存在着惊人的差异，这种差异并不在于人们掌握知识的多少，而在于他们的思维方式。文字作为一种技术，与作为人类本身心智功能的语言之间存在着截然不同的传播效果，从文字开始，一个脱离了具体事物的由抽象传播主导的世界开始建构起来了。从文字印刷到广播电视的范式转换同样意义重大，加拿大著名的媒介理论家麦克卢汉极尽溢美之词地称颂了彼时正在兴起的新范式：“听觉空间是有机的、综合的，通过所有感官的同步互动才能感受到；而‘理性空间’或图文空间则是单一的、序列化的、连续的，它制造的是一个封闭世界，其中缺失了部落时代的回音世界里那种丰富的回声。”Marshall Mcluhan，“Media and Cultural Change”，Playboy interview，March 1969，in Essential Mcluhan，240。广播电视作为一种大众传播媒介，与同样作为大众传播媒介的书籍和报纸遵循了相似的线性化、单向化、中心化的传播逻辑，麦克卢汉预言的所谓“部落时代的回音世界”即用户高度参与、即时会话、充分互动的伊甸园，并没有在广播电视媒介所构建的“电子世界”成为现实。事实上，每出现一种新的媒介，都会对人类思维的性质加以改造。作为万事万物所存在的信息本质和不可再分的基本单位，数字化开启了一个建立在物联网基础设施之上的全新的智能传播范式，它所产生的深远影响，将不亚于文字技术对传播逻辑的改造。二、技术革命背景下的智能媒体之所以称之为智能传播范式，是因为我们正在通过物联网技术集群将所有原本没有生机的物体智能化和媒介化，一切被植入智能组件的普通事物都将具备某种信息传播的媒介属性，在这场全新的技术革命驱动下，我们的传播模式和日常行为将被彻底地改变。很多时候，我们习惯于从既有传播范式的框架来看待并理解新的范式，好让它能够适应既有范式，但是这样做反而恰恰会让我们曲解新范式，甚至会迷失在新旧范式的交错纠葛之中。因此，为了避免路径依赖对我们的愚弄，我们应该跳脱出既有的大众传播范式来观察和研究正在发生的巨变。当然，新的范式并不会彻底抛弃旧范式的所有要素，而是会在很大程度上与旧范式的精髓发生融合，*典型的媒介融合进程即是例证，但是这种融合后的新范式已经迥异于旧范式了；在另外一个层面来看，新范式也极大程度地冲击甚至摧毁了旧范式，正如数字内容产业对音乐、出版、广播、广告等传统内容产业所造成的影响那样。总体来看，智能传播范式有以下几个主要表现。（一）智能网络严格地说，当前我们所处的互联网环境还算不上真正的智能网络，或者说它只是我们迈向智能网络万里长征的**步。搜索引擎是当前互联网世界的重要入口，它从技术的角度定义了我们可以搜索到的一切超级链接。但事实上，数字世界的大部分内容和信息却无法通过当前的搜索引擎访问到，例如视频网站用户上传的一段视频，微信朋友圈中用户分享的一张图片等，当前的搜索引擎都无能为力。但未来，物联网将会把万事万物连接起来形成一个超级智能网络，这个网络不但会延伸到各个物理维度的人工设备或自然存在等实体当中去，它还会延伸进时空维度中连接过去与未来，也就是说，网络将无所不在、永远开启、随时待命。接入网络中的每一个节点或设备都变得更加复杂、更加智能、更加依赖网络中的其他节点以及整个网络，整个网络则更像一种有生命的生态系统，节点之间、节点与网络之间形成了互相依存、协同进化、快速迭代的共生关系，网络与节点随着时间不断地更新自己的程序、升级自身的功能。可以说，物联网总是处于永不停息的加速变化中，正是这种变化使得整个网络向着更高层次的智能迈进。之所以说网络是智能的，因为它在记录了用户所有日常数据和信息之后，总是试图预测用户接下来的意图或行为，并根据特定场景向用户推荐*完美的信息解决方案，可以说网络智能本身已经成为一种客观泛在的智能。而当前的互联网还只是即将到来的超级智能网络雏形的雏形、开端的开端，真正的智能网络正在酝酿之中，但网络世界遵循的是指数型加速进化的特征，因此，未来的智能网络距离当前的现实世界并不遥远。（二）智能节点把智能植入越来越多的普通事物中去将会使它们都成为超级智能网络的一个个节点，当几乎从前的所有普通事物都变成智能节点的时候，智能化将使它们变得更加新奇、不同和有趣，而我们的整个世界将被彻底颠覆，我们的日常生活将发生根本改变。智能节点与智能网络是密不可分的，真正的智能媒体不可能存在于一个个相互独立的节点设备中，而是诞生于智能网络这个由数以亿计甚至万亿计的智能节点相互连接而形成的超级组织之中。没有海量智能节点的连接也就不存在所谓的智能网络，没有接入智能网络的智能节点也将会由于无法快速聪明地学习而彻底丧失其存在的根本价值。智能媒体不同于以往出现的任何媒体类型，它的触角延伸到任何智能节点存在的每一个角落却没有固定的形态，它分布式地通过每个智能节点获取更高级的智能而同时也提升每个节点的智能水平，我们所接触到的所有智能设备只是微观层面上可以定义的智能媒体，或者说它们只是更宏大的超级智能媒体的冰山一角。（三）智能分析智能分析客观上要求我们掌握丰富的、多元的、海量的用户数据，智能媒体近些年来的迅猛发展在很大程度上也是由于大数据技术的实质性突破而带来的对用户洞察能力的提升，从而一步步地强化了媒体的学习能力和智能程度。例如，脸谱网利用当前互联网所产生的大数据并通过优化算法，能够使自身的系统在“看”过一个人的照片之后，快速从数十亿照片中准确地挑选出此人的照片，这种智能分析的能力已经远远超过了人类的数据处理能力。人类的头脑并不擅长做数据统计和分析等方面的超级复杂的工作，但是我们所创造的智能媒体能够通过不同的思考方式弥补人类在数据分析方面的弱势。当然，这并不意味着智能媒体的思维方式在数据分析的方方面面一定比人类大脑更快、更强、更深刻，而是意味着它能够分析人类无法分析的数据、思考人类无法思考的事情、完成人类无法完成的工作。传统媒体时代的决策和判断很多时候是基于主观价值，智能媒体时代将会越来越依靠客观和智能的数据分析来支撑我们的判断，与数据打交道将会成为传媒领域的一项新技能，数据分析将会植入任何一家媒体的生存与发展基因中去，从而改变媒介产业的思维方式和实践方法。（四）智能产消这场新范式革命的核心实际上是一种全新的互动方式和参与方式，这种互动方式不仅仅重塑了人与人之间的互动方式，而且创造了全新的人机互动、万物互联、机器协同的互动方式，并正在重塑着当前的社会文化。那些捍卫旧有范式的媒介专家曾经一度坚持认为受众只会被动地消费内容而不会主动地创造内容，美国传媒巨头ABC甚至将受众比喻为一群“坐在沙发上的马铃薯”。网络时代的用户们所创造出的内容景观却很好地回应了这种谬论，今天的用户们通过书写微博、分享图片、拍摄视频、分类信息、更新新闻、评论商品、管理社区等方式创造并生成了互联网上的绝大部分内容，而只有小部分内容是通过商业机构创造出来的。作为未来学家托夫勒所说的“产消者”的用户们所做的这些既是生产者也是消费者的事情是旧范式下只有报社、电台、电视台才能完成的工作。如今，这种对于内容创作与信息传播的原始冲动、创作激情以及网络责任已经扭转了传媒经济的发展方向，并且正在将社会化媒体中形成的开放创作和互动传播氛围稳步转化为整个智能媒体网络的主流价值理念。腾讯、谷歌、脸书以及越来越多的媒介机构和平台型企业都已经通过开放API的方式鼓励用户参与到内容或产品的研发、生产、传播或营销等环节了。这样，传统媒体之前自上而下的等级架构逐步向互联网乃至物联网时代的超级智能媒体的网络架构转变，同时，中心化的生产和消费机制也在向去中心化的网络机制过渡，这些已经成为媒介内容生产与消费方面*主要的演化进程。三、计算能力成为核心竞争力从根本上讲，智能媒体是在数据和算法的双重驱动下逐渐成为现实的，大数据已经成为智能媒体时代*基本的生产要素，而各种各样有助于深度学习的算法则是其核心驱动力和关键引擎。“新的工具赋予我们新的能力，继而又使我们能为彼此创造新的机会”［美］克莱·舍基：《认知盈余》，胡泳、哈丽丝译，中国人民大学出版社2012年版，第110页。，事实上，正是全新的技术工具赋予了媒介产业前所未有的计算能力，才使我们能够挖掘出大数据所蕴含的价值和意义，从而更好地服务于媒介用户。（一）算法推动媒介进化智能媒体会随着人们的使用而不断优化算法、改进功能、提升智能，并且其进化速度将会十分惊人，而这种进化的本质归根结底是智能媒体的核心能力——计算能力的不断提升。随着近乎免费的、可靠的、无处不在的计算在整个智能网络和所有智能设备背后加速运行，智能媒体也将会以指数型的趋势提升自身的智能水平。例如，谷歌公司平均每天需要帮助来自世界各地的用户完成上百亿次的搜索和查询，每次的搜索计算都会帮助谷歌实现自我改进，深度强化的机器学习使得它在一次计算中习得的东西能够被很快地运用到下一次的搜索和计算中去，这种对算法的稳步改进将会使谷歌在未来的竞争中不断完善其智能媒体产品。再如，智能手机设备中一个不起眼的摄像头也包含着大量的计算功能，它通过算法优化、智能计算等方式就可以完成过去只有传统笨重的相机镜头才能拍摄出的光圈、聚焦、景深、虚化等效果，这意味着照片不再是被拍摄出来的，而是通过疯狂的视觉智能和算法识别被计算出来的。此外，智能算法更重要的特征还在于，当越多的人使用这些算法的时候，这些算法就会变得更加聪明；而当它们变得更加聪明的时候，将会有更多的人使用这些算法，这样就形成了计算能力不断提升的良性循环和自我强化。既然这些优秀的算法能够带来更好的问答、查询、拍摄，那么我们可以合理地推测，它也能够使得媒体的采访、写作、编辑、传输、营销、洞察、研发、排版、后期、动画、特效等更多的环节变得更加高效和优质。这样，算法将被应用到智能媒体领域的每一个环节和细节中去，计算能力成为智能媒体产业竞争的核心竞争力。（二）计算重构产业竞争事实上，计算能力已经正在并将继续深入地改变整个媒介产业的竞争格局。在超级智能媒体的生态中，一切与一切相互连接，这不但极大地拓展了媒介和媒介产业的内涵和外延，甚至将揭示越来越多事物的内在本质。以至于在未来可以预见的10年或者20年之内，某种具备强大计算能力的智能眼镜或者智能手表会在极短的瞬间呈现出我们所接触到的任何事物的本质信息，而且这种计算能力和智能互动将变得无处不在并成为我们身体的一部分，而不仅仅像麦克卢汉所认为的媒介只是人体的延伸。在某种程度上，今天的智能手机更像是与我们身体紧密相连的智能“机手”，我们一刻也不能离开它，它是我们放置在口袋里的拥有超级计算能力的微型电脑，借助它，任何人都可以释放出前所未有的传播影响力，甚至一群新闻爱好者完全有能力也有可能达到过去那种资深记者们的*高水平。这也就意味着，我们正处在自从现代媒介产业诞生以来的长达一百多年的去中心化进程的风口浪尖之上，非常便宜而且无处不在的计算技术和计算能力则是这一进程的关键引擎。传统意义上的媒介产业正在分崩离析并且边界已经消失，超级智能的泛媒介化景观已经初现轮廓，未来的传媒竞争将不再仅仅是媒介类型和媒介机构之间的初级竞争，例如报纸与报纸之间、电视台与电视台之间的竞争；而是打破了所有竞争壁垒的超限竞争和跨界竞争，例如一个个网红的崛起可能会加快一大批报纸用户量的大跌，而某些已经积累了海量用户群或粉丝群的网络服务平台可能摇身一变成为媒介内容生产商，任何看似毫不相关的个体或者机构，都有可能在下一刻成为当前叱咤风云的传媒巨头*强有力的竞争对手。四、计算传播学的价值计算传播学是一门利用计算技术和计算能力来实现语境、内容和用户三者*佳匹配的全新的交叉学科，它可以将海量的数据转变为诠释行动的人工智能，让我们的媒介系统、供需和基础设施更高效、生产力更高、反应更快，它所引发的范式转换将不仅仅停留在媒介领域，而是会更广泛地影响到经济领域更深层次的资源配置效率问题。（一）作为一种新范式的计算传播学计算能力在重新定义媒介和媒介产业的同时，也在深刻地改变着传播学的版图，与大数据、云计算、物联网、智能终端等全新的软件和硬件打交道，是传播学研究者必须具备的一项新技能，也是对过去侧重于传播学的经典理论、传受双方、传播模型、策划创意等环节的研究者本身的一个全新拓展。超级智能媒体以及越来越多的智能工具会加快我们的模型思维速度并极大地改变我们的研究方法；极具智慧的数据记录、跟踪和分析手段会加快我们了解媒介产业和舆论动向的速度并改变我们了解这些事情的方式。科学缜密的研究方法是作为研究者认知、探讨和建构传播学本身的手段，但是在过去它通常是从研究者主观的、质化的视角出发的。今天，当我们把一种全新的智能要素、客观视角和量化思维加入传播学的研究过程中去的时候，传播学正在以一种与之前截然不同的范式去认知、研究和发展。例如，数以十亿的网民每一秒都在释放出图书馆级别的文字量，一个用户一年中产出的文字量甚至比过去的许多专业作家或者高级记者都要多，如此庞大规模的信息和数据是我们无法用过去的传播学研究方法所能应对的，这种状况必然要求我们提升传播学研究过程中的计算能力。再如，苹果、三星和华为等手机厂商已经研究出能够跟踪我们眼球动作的手机屏幕，它不但能够预测我们的眼睛下一秒将会看向屏幕的哪个位置，而且能够知道我们在注意什么、眼睛已经停留了多长时间等状态，并根据读取到的我们的情绪实时做出反应，改变下一秒我们即将看到的内容，这也有赖于计算能力的极大提升。由于这种传播学新的研究思路与产业变革的方向保持着高度的一致，都是以计算能力作为其核心能力，因此，我们可以将这一全新的传播学研究方向或者分支称为“计算传播学”。（二）计算传播学研究的核心命题我们正在迈向一个泛媒介化的超级智能媒体时代，这意味着我们所要面对的媒体类型和媒体数量将会达到有史以来的空前顶点，媒体内容选项的规模将会膨胀到前所未有的天文数字级别，而且仍然在按照某种与摩尔定律类似的指数型曲线加速增长。但是传播学领域所涉及的用户注意力是固定的，在任何用户有限的数十年人生、短暂的每周七天、每天固定的二十四小时中，没有哪一位用户有足够的时间去消费这海量的媒介内容。换言之，我们面临的不是像古人那样的信息稀缺问题，而是丰裕所带来的信息过载问题。传播学研究的核心命题是如何将信息有效地传递给媒介受众，但是过去研究所涉及的传播效果测量的模糊性一直为学界和业界所诟病。作为传播学研究的一个分支方向，计算传播学所要解决的就是弥补传播学研究在量化方法上过去所存在的缺陷，并进一步将含混不清的有效传播向前推进为具化的精准传播，从而在智能传播时代实现用户、场景和内容之间的精准匹配。在这个过程中，计算能力成为传播学研究所**的核心能力，而大数据、云计算、机器学习、人工智能等相关技术手段则是实现目的所必须掌握的研究工具。对于用户而言，我们亟须一种对海量信息进行分类、筛选和过滤的方法；对于媒介而言，我们则亟须一种能够将内容产品在*合适的时间以*合适的方式呈现在*合适的用户终端上面的工具。过去，媒介机构自身以及媒介监管者充当了信息“把关人”的家长角色，为受众过滤掉了他们认为并不合适的信息。尽管这些方法和工具并未消失，但是在处理未来智能媒体时代急剧增长的信息产品时，这些方法显得捉襟见肘和力不从心，因此我们要研究出更有价值的信息传播和过滤方法。今天，我们“可以不再通过采样的方式就能够获得海量数据，并且通过较低的成本就能够利用优秀的算法对这些数据进行深度挖掘和处理，发现具体到每一位用户的消费需求和媒介使用习惯”刘庆振：《计算广告学：大数据时代的广告传播变革》，《现代经济探讨》2016年第2期，第87～91页。，从而帮助用户在特定时空中获得与他们的信息消费需求完全相匹配的媒介产品。这种研究恰恰正是落在计算传播学肩上的重要时代使命。（三）计算传播学的理论价值和应用价值计算传播学作为一门全新的交叉学科，为传播学研究和实践带来了前所未有的机遇，使得过去研究领域和应用领域所面临的传播问题随着技术的发展迎刃而解。无处不在的信息追踪、信息交互和信息过滤意味着我们可以运用这些数据为用户提供量身定制的媒介内容产品，并将这些产品以个性化的方式呈献给精准用户。而计算传播学作为研究智能媒体时代传播规律的新兴学科，在理论层面和应用层面都有着巨大的价值。首先，它将推动传播学研究范式的转换。传统的传播学领域在量化的研究工具和研究方法方面存在一定的技术和数据弱点，旧有的、相对稳定的学科范式无法提供解决智能媒体时代信息精准传播问题的合适方法，而这些恰恰是计算传播学的研究能够补足的。计算传播学是的新的学科范式的重要产物，它并不是要彻底否定旧有传播学研究范式在质化研究方面所积累的经验，而是将之前研究的精髓理念继承下来并与新范式下全新的量化手段、计算技术、数据能力相叠加，进而推动传播学走向一个新高度。其次，它将为新环境下的媒介产业变革提供理论指导。全新的信息技术革命、如火如荼的“互联网 ”浪潮、持续展开的媒介融合进程以及初现雏形的物联网未来景观，都在一定程度上推动着媒介产业走向一场广泛而深刻的产业变革，媒介产业生态中的各方利益相关者需要学界为他们提供*客观的理论指导和意见结晶。计算传播学所研究的机器人新闻、程序化广告、数据化技术、智能化传播、精准化定向等核心问题恰恰是媒介产业未来发展的重要趋势，它的快速发展将会为产业实践带来*新的理论成果。再次，它将立足未来为媒介产业培养优秀的复合型人才。由于过去的出版与广电、邮政与电信、计算机与IT技术等分属于不同的产业部门，高校的人才培养体系也随之按照新闻传播、影视艺术、编辑出版、通信技术、计算机等不同学科进行相应的人才培养。但是媒介融合时代的智能传播是多种媒介生产流程和传播要素的重组和整合，这就要求媒介人才从单一型的“一专”人才向复合型的“一专多能”人才转变，计算传播学由于自身的多学科交叉特点，能够立足传播学，并从计算机科学、数据科学、新闻学、传播学、广告学、社会学、人工智能、机器学习等多角度出发，培养更适合未来智能媒体时代的复合型传媒人才。五、结语

计算传播学:智能媒体时代的传播学研究新范式 作者简介

刘庆振北京信息科技大学网络与新媒体系副教授，计算传播研究所负责人，博士，先后毕业于中国人民大学新闻学院和中国传媒大学广告学院。主要研究方向为智能媒体、计算传播学、计算广告学、新媒体产业经济、新媒体营销等。主持国家社科基金青年项目“智能算法时代的计算广告学理论建构和应用创新研究”及北京市社科基金青年项目“‘互联网 ’时代的政府数据开放政策与应用创新研究”等项目。受聘担任凤凰卫视中国与世界品牌研究中心顾问、中关村大数据产业联盟计算传播研究中心主任、电子商务协会顾问等。著有《计算广告学》《智能红利》《媒介经营与管理》等，在《现代传播》《当代传播》《编辑之友》等学术期刊发表CSSCI期刊来源论文、中文核心期刊论文、行业研究论文50余篇。于进中国科学院大学经管学院博士生，中国经济导报社副总编辑，中国发展网总编辑。长期致力于宏观经济新闻传播与政策研判、形势分析。近年来致力于大数据平台建设和融媒体发展研究与实践，系中宣部新闻出版改革发展项目“PPP全媒体社交平台”及“中国品牌发展大数据平台”项目负责人。参与、负责多项国家中长期规划、重大国际倡议建设、国家区域战略政策成果全媒体展览展示工作，“全国低碳日”气候传播工程总协调人。著有《中国城市发展观察》、《齐飞—空客A320建设纪实》等。牛新权北京信息科技大学公管传媒学院副教授，传播学博士。主要学术兼职有：中国社会心理学会传播心理专业委员会委员，现代职业教育研究院专家委员新媒体分委会专家等。主要教学和研究领域为传播心理学、传播伦理与法规、网络与新媒体等。近年来致力于大数据时代的网络舆情分析及其智能管理、计算传播学等研究方向。著有《农业新闻传播》《数字文化传播》等。