计算传播学：智能媒体视阈下传播学研究的新范式

摘要：物联网、大数据、云计算、机器学习等全新的技术集群构成了智能媒体生态系统所赖以存在的技术基础，在此基础上，泛媒介化趋势的快速发展重构了媒介产业的产品模式和产业生态，并催生出了一门全新的计算传播学。为了使计算传播学的理念和技术应用范围更大，我们需要总结、抽象、提炼出一整套有关计算传播学的理论框架，去指导更广泛的应用实践。它将推动传播学领域的量化研究思想和工具更充分地融入到质化研究的流程和細节中，真正实现传播艺术与传播科学的完美融合。

关键词：计算传播学；智能媒体；媒介产业；物联网

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。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、计算能力成为智能媒体的核心竞争力

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最基本的生产要素，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”[1]，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。随着近乎于免费的、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。

（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，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。以至于在未来的可以预见到的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”，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。

二、计算传播学的核心逻辑

计算传播学是一门利用计算技术和计算能力来实现语境、内容和用户三者的最佳匹配的全新的交叉学科，它可以将海量的数据转变为能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，而是会更广泛的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。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到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。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

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到的传播效果测量的模糊性一直为学界和业界所诟病，这在很大程度上影响了传播学作为一门真正科学的权威性。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，并进一步将含糊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必备的核心能力，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我们目的所必须掌握的研究工具。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”[2]，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、结语

计算传播学作为一门新兴的交叉学科，其根本目的不是要引导我们用量化替代质化，而是引导我们用全新的量化手段去替换甚至颠覆传统的量化手段，用云计算、机器学习、人工智能等大数据量化手段去代替传统大众传播时代的小数据量化手段，它所带来的是媒介产业演进过程中的量化革命，以及由这场量化革命所引发的媒介产业的思维调整和整体变迁。

参考文献：

[1][美]克莱·舍基.胡泳，哈丽丝译，认知盈余[M].中国人民大学出版社，2012：110.

[2]刘庆振.计算广告学：大数据时代的广告传播变革[J].现代经济探讨，2016（2）：87-91.

作者简介：高盼盼（1990.04-）女，黑龙江省绥化市人，研究生学历，大连艺术学院，讲师，研究方向为新闻与传播。