智能传播研究的知识地图:主要领域、核心概念与知识基础*

■ 周葆华 苗 榕

人工智能技术不仅正在改变新闻传播的实践形态与人类生活和存在方式,还在改变传播研究的学术版图。近年来,“智能传播”已经开始作为一个学术概念出现与流行,并受到学界关注。传播学的国际旗舰组织——国际传播学会(ICA),于2019年成立了以探讨人类与智能技术传播关系为重心的人机传播小组(ICA human-machine communication interest group),一批相关论著与学刊专辑相继出版。①因此,当前处于一个恰当的时点来系统性地回顾、分析与展现智能传播的知识地图。智能传播研究呈现怎样的整体图景,包括哪些主要领域,所关注的核心概念有哪些,作为一个跨学科的前沿领域,智能传播研究的知识基础有哪些？智能传播领域知识地图的绘制,对更好地推进智能传播研究具有重要的基础性意义。本文将运用网络挖掘计算分析方法,基于2000—2020年SSCI传播学期刊论文,对智能传播研究的知识地图进行挖掘分析。

一、智能传播研究与知识地图的绘制

(一)智能传播的概念化理解

根据Russell 等人(2002)的概括,不同的人工智能定义在两个维度上存在差异:第一,注重思维方面(thought process and reasoning)还是行为方面(behavior)的智能；第二,注重模拟人类表现(human performance,意味着可能犯错)还是追求符合理性(rationality)。②在传播领域的讨论中,共享的界定比较倾向于侧重行为的、模拟人类表现的智能,代表着完成特定传播任务的算法程序,尽管不同研究采取或窄或宽的界定。例如:人工智能中介的传播研究(AI-MC,AI-mediated communication)聚焦的是辅助、增益完成人际传播任务的特定智能技术(如发送电子邮件中的用语提示、自动拼写纠正与翻译等),人工智能主要是支持人类、人际之间的传播交流；基于人机传播理论(human-machine communication,HMC)的智能传播研究则采用“传播智能”(communicative AI)或“传播机器人”(communicative robots)概念,关注智能伴侣(如苹果Siri、亚马逊Alexa)、社交机器人、工作机器人(如机器写作程序)等具体的智能技术,它们可以成为人类社会性的交往伙伴(communicative partners),扮演传播者(communicator)角色。因此,在本研究中,“智能”主要指基于算法(自然语言处理技术、机器学习等),为完成传统由人类所完成的任务的自动化程序技术,包括社交机器人、自动化写作程序、推荐算法、对话代理体(conversational agents)等。它们在传播中的角色不仅是辅助传播(facilitate communication),而且是自动化传播(automate communication)；不仅是传播渠道与中介,而且是传播者与交往对象。相应地,“智能传播”即指人工智能技术介入和参与的传播活动:可以发生于生产环节(如机器新闻生产),也可以发生在分发、使用环节(如算法推荐)；不仅包括以智能技术为中介(through which)的人类交往过程(不限于人际范围)及其影响,也包括人类与智能技术交往(with which)的人机传播过程(HMC)及其影响。

(二)智能传播研究的现有学术梳理

在智能传播的一些分支领域,已经分别有学者进行了综述概括。一种主要的思路是聚焦人工智能对传播活动的功能及影响。例如,一些学者对自动化新闻的综述研究认为,人工智能技术在打击假新闻、新闻编辑和内容个性化方面有利于新闻业发展,但在破坏创造力、偏见、缺乏监督、透明度、公平性、数据利用和质量方面也影响新闻业的专业性及伦理,总体来说,人工智能对记者工作来说是一项增益,并不会造成取代记者的威胁；③一些学者对人工智能在网络广告中应用的综述指出,智能广告主要集中于搜索广告排序、基于用户定向的广告生产、广告个性化；④一些学者对智能中介传播(AI-MC)的研究综述则强调关注智能中介技术对人际传播语言使用、自我呈现、关系建构的影响,以及由此引发的伦理与政策议题。⑤

与上述将人工智能视为功能物的视角不同,聚焦人机传播视角的综述体现出对人工智能作为传播主体的关注。Lewis等(2019)也对自动化新闻的相关研究进行总结,他们提出重新思考人与技术的关系,将人机传播理论运用到自动化新闻研究以带来新的视野。⑥Guzman与Lewis(2020)将分析视角从自动化新闻扩展到广义的智能传播研究,提出人工智能作为传播主体的三方面研究议程,分别是功能性(人工智能是如何被设计为传播主体的)、关系性(人们如何在与智能的关系发展中理解人工智能与人类自身)以及形而上学(人与机器的本质是什么)。⑦与此类似,Hepp(2020)认为“传播机器人”挑战了传统传播学以人类为中心的基本预设,智能传播研究既面临基础理论挑战,也面临巨大的方法挑战。⑧

中国学者关于智能传播的综述归纳了智能传播领域的主题。如总结出驯化、人机传播、算法善用、算法公共性、算法正当性,以及算法与信息个人化、作为传播者的智能实体、算法中介化社会、算法的时间性、算法伦理等年度议题；⑨运用文献计量法将2016年英文文献中有关传媒人工智能的研究总结为三大热点:人工智能应用、新媒体与社会、算法与通信。⑩

这些综述为我们理解智能传播研究的发展现状提供了重要基础。本研究在现有研究基础上,从三个方面推进智能传播研究知识地图的绘制:第一,着眼于智能传播的学术领域总体,而非局限于分支领域；第二,采用网络分析的计算方法,挖掘智能传播研究的主要领域、核心概念与知识来源；第三,基于SSCI传播学期刊20年来的文献,系统追踪和把握智能传播领域的历史发展,从而为当前方兴未艾的智能传播研究提供比较全面的学术图景。具体地,本研究将回答如下三个研究问题:

第一,智能传播研究的主要领域及其结构是什么？

第二,智能传播研究的核心概念及其结构有哪些？

第三,智能传播研究的主要知识基础来源于哪里？

二、研究方法

(一)文献数据

本文选择Web of Science(SSCI)数据库作为文献的主要来源,以bot(s)、robot(s)、algorithm*、recommendation、personalization、automatic、automation、artificial intelligence、microtargeting等为主题关键词对2000至2020年发表的传播学论文进行检索,共获得2288篇英文文献。由于这一步骤追求的是尽可能“查全”而非“查准”,因此我们通过人工逐一阅读的方式,进一步判断文献是否是以智能传播为主题的,最终筛选出639篇文献为本研究的数据样本,在下文中称为“初级文献”(primary papers),被这639篇文献引用的文献,则被称为“二级文献”(secondary papers),共计25189篇。

(二)分析方法

为了探究上文提出的研究问题,在借鉴前人研究思路的基础上,本文运用网络分析(network analysis)的计算方法,对文献进行引文耦合、关键词共现、以及共引分析。在这三部分中,我们均使用R程序包bibliometrix(3.0.3),采用Association Strength方法对网络数据进行标准化处理,然后用Walktrap算法对网络中的节点进行聚类。

1.引文耦合分析(bibliographic coupling analysis)

耦合分析的主要逻辑是基于初级文献的引文共享度来划分文献的结构,并由此确定研究领域的主题分类。耦合分析网络以初级文献为节点,当两个节点有相同的参考文献时,它们之间就形成一条边,边的值就是这两篇初级文献相同的参考文献的数量。因此,对于智能传播文献来说,所引用的参考文献重合的部分越多,它们的研究主题则越相近,从而可以发现智能传播研究的主要领域及其结构。

2.关键词共现分析(co-word analysis)

采用论文关键词共现方法的基本假设是核心概念能够充分体现在研究文献的关键词中。我们以关键词作为节点,如果两个关键词共同出现在同一篇文章的关键词中,它们之间就形成一条边,以此构建出关键词共现网络。从关键词共现网络中,可以看出哪些关键词处于核心位置,代表学术领域中最受关注的概念,也可以看出概念间相互联系的结构。

3.共引分析(co-citation analysis)

与耦合分析(以初级文献为节点)不同,共引分析网络以二级文献为节点,以分析智能传播研究为知识基础。当两篇二级文献同时被一篇初级论文引用时,它们之间就形成连接。被共同引用的次数越多,则可折射出这一组二级文献聚焦并贡献的学术领域越相似。共引分析有助于突破学科区隔,观察到不同二级文献的相互联系和知识结构。

三、研究发现与分析

(一)智能传播研究的总体图景

由图1可见,从2000到2020年,智能传播研究论文数量呈现明显上升趋势。以2010年为界,前10年智能传播论文总计仅有63篇,而后10年则达到576篇(为前10年的近10倍)。特别是近五年(2016—2020)论文数量达473篇,占过去20年论文总量的74.02%,仅2020年一年论文的数量就有150篇(占论文总量逾1/5)。这说明,随着智能技术在传播领域应用的快速发展以及对社会生活的全面渗透,智能传播研究的确已经成为当前引人注目的学术领域。

图1 智能传播研究的文献数量分布(2000—2020)

智能传播论文来源于71本传播学期刊(覆盖SSCI传播学期刊的77.17%),其中《交互研究》(Interaction Studies)发文最多(115篇),其次为《数字新闻》(Digital Journalism)(61篇)、《新媒体与社会》(New Media & Society)(56篇)、《信息、传播与社会》(Information,Communication & Society)(45篇)以及《社会媒体与社会》(Social Media+Society)(42篇)等。

从论文获得的影响看,如以被引用数为指标,最高的前十篇文献见下表1。其中,引用数最高的Want to be on the Top?(2012)与排名三、四的Power through the Algorithm?(2009)、# Gamergate and the Fappening(2017)都关注社交媒体中的算法权力。名列第二的The Uncanny Advantage of Using Androids in Cognitive and Social Science Research(2006)与第五的Can Robots Manifest Personality?(2006)则聚焦机器人。

表1 被引用数前十名的智能传播研究文献(2000—2020)

(二)智能传播研究的主要领域:引文耦合分析

耦合分析发现,626篇论文(占全部论文的97.97%)均存在相互连接。它们共形成了51个聚类,其中以包含文献数>15为标准,发现7个主要的聚类(覆盖82.16%的初级文献)。根据每个聚类内部论文的标题、摘要和关键词,我们对之进行了命名,代表智能传播研究的七个主要领域:“算法与权力”(174篇)、“人工智能与信息消费”(143篇)、“人工智能与新闻生产”(77篇)、“智能机器人与人机传播”(71篇)、“智能技术的社会性”(22篇)、“人工智能与广告”(20篇)、“智能技术接受与回避”(18篇)。

我们分别计算了三个时间段内每个领域文献篇数所占比例(见表2),不难发现:智能传播研究的早期(2000—2010),主要以智能机器人与人机传播领域(占比75.61%)和智能技术接受与回避(9.76%)为主；到了2011至2015年之间,算法与权力、人工智能与信息消费两个领域的占比开始大幅增长,人工智能与新闻生产领域从无到有,智能机器人与人机传播研究占比则显著下降；2016年至今,算法与权力、人工智能与信息消费以及人工智能与新闻生产这三个领域获得了研究者们更大的关注,成为了智能传播研究的主体。

表2 智能传播研究主要领域分布比例的历史演变(%)

下面分别对各个领域的主要内容进行简要分析。

1.算法与权力(n=174)

这个最大聚类中的文献围绕算法与权力展开,主要探讨算法、平台和用户之间的关系和影响。研究指出,算法和智能正以一种不可见的方式影响社会现实,从外在地影响我们的生活转变为隐蔽地存在于日常生活内部,催生人们的“技术无意识”(technological unconscious)。算法通过让“不可见性”成为一种时刻存在的威胁,规训网络环境中的行动者。在可见性的博弈中,人类也具有自身能动性,比如为了让算法更容易识别自己而主动调整创作内容,从而达到增强可见性的目的。

对算法权力产生的影响,研究主要从社会公平角度进行揭示。例如:研究指出Reddit网站的设计、算法与平台政策助长了反女权主义的文化；提出“平台种族主义”(platform racism)概念,认为算法对仇恨言论的助推加剧了社会的不平等；发现数字技术和算法造成了Uber平台与司机之间的信息、权力不对等,增强了对后者的控制。

基于对算法权力的批判提出算法问责与伦理问题,不少研究指出追求算法的“透明性”将有利于我们理解并约束算法,但也有研究对此提出质疑。

图2 智能传播研究文献耦合分析网络

2.人工智能与信息消费(n=143)

智能传播研究的第二大领域围绕人工智能与信息消费形态的改变及其影响展开。研究不但指出算法成为个人信息网络中新闻策展(curation)的新主体,而且高度关注推荐算法对信息消费同质性的影响,算法对内容的过滤引发对形成高度同质化的网络社区、过滤气泡与态度极化的担忧。不过,这种忧虑在一些经验研究中并未找到有力的证据因为推荐逻辑可以和人类编辑一样形成多样化的内容推荐；谷歌新闻的推荐算法似乎并未导致过滤气泡的产生；脸书(Facebook)中的新闻使用可以让用户看到不同立场的新闻,从而形成态度的去极化等。但无疑,这个领域还需要更多的经验研究。

另一个忧虑是算法分发对虚假信息传播的影响。有研究表明,智能技术(如面部、语音分析)能够帮助产生“移情媒体”(empathic media),加剧假新闻的生产与传播,但与此同时,算法推荐(由算法推荐正确信息)与社会修正(由用户朋友发布正确信息)也有助于虚假信息的纠正。

3.人工智能与新闻生产(n=77)

第三大领域是人工智能与新闻生产。研究者采用“算法新闻”“自动化新闻”“机器生成新闻”等概念探讨自然语言生成技术所完成的新闻生产。新闻生产方式的变革引发了关于新闻权威的争议。在规范层面上,一方认为算法在处理数据的速度和广度上远胜人类,并且正是因为算法脱离了人类的干预而获得认知上的权威；另一方则主张新闻权威不仅来自于其提供的关于世界的客观信息,还在于剖析公共生活的能力以及高质量新闻写作中的情感性。经验层面的研究主要集中于探讨用户如何感知机器新闻写作的权威性。实验研究发现,尽管问卷自我报告声称为人类生产的新闻能得到更高的评价,但实际上,自动化生产的内容得到了更可信、新闻专业性更高的肯定,只是在可读性上有所欠缺。

针对自动化新闻可能引发的社会风险,研究指出新闻业的算法可以在数据、模型、输出、界面四个层面上保持透明,另外还可以通过逆向工程的方法对算法使用加强问责。

4.智能机器人与人机传播(n=71)

该领域文献主要集中于对智能机器人以及人机传播的探讨,包括人机互动的形态、人类对机器人的角色感知,以及相关伦理讨论等。当机器人成为传播者与交往对象,人类如何看待机器人是该领域研究的核心内容,相关理论阐释包括“媒介等同理论(media equation)”“恐怖谷理论(uncanny valley)”等。当面对机器人时,人类可能会将它们置于生命体与非生命体之间加以看待,并与机器人存在情感互动。机器人引发的伦理道德问题既包括人类对机器人的虐待(如关注儿童对机器人的踢打行为),也包括人类的受骗(如育儿机器人欺骗儿童问题)。

人机传播效果及其影响因素也是研究重点之一,如有实验通过操控机器人的声音与动作参数来赋予机器人不同的性格,当机器人与人的性格互补时,人所感知与机器人交互的乐趣以及机器人的智力和社会吸引力将会更高。

5.智能技术的社会性(n=22)

该类研究主要从技术与社会的关系视角关注智能技术的社会性。其中,“可供性”是最受关注的概念之一。传统可供性概念强调技术使行动可能或受限的特质,但忽视了人与技术互动中的感知以及互动所处的环境。特别是智能算法包含诸多隐藏的可供性,用户对此也未知全貌。因此,有研究者提出“想象可供性”(imagined affordance)的概念,指出相比技术的实际功用,人们如何想象技术的可能性对理解其行动更为关键。可供性不是智能技术的固有特征,而是人机互动过程中的集体性获得(collective achievements),是社会—物质的共同创造(socio-material co-creation)。以微软推出的推特聊天机器人Tay为例:Tay原先只是设计者出于娱乐目的设计的机器人,而人类用户基于想象可供性在与Tay互动的过程中不断塑造Tay,结果Tay因说出淫秽与偏激的言论只上线一天即被叫停。Tay的例子体现出智能技术发展过程中的“共生能动性”(symbiotic agency)。其他研究还探讨了机器人如何进入并影响家庭等智能技术的社会性问题。

6.人工智能与广告(n=20)

该领域主要关注人工智能对广告业的影响。研究指出,新型广告内容创作者、新媒体平台、媒体内容提供商以及广告技术提供商共同构成计算广告生态,而自动生成内容的算法也是新型广告内容创作者,广告技术提供商则基于数据进行智能广告分发。广告主越来越多采用“微定位”(microtargeting)策略,自动化购买广告对目标消费者的曝光。智能广告引发的相关技术知识和隐私问题也受到关注。

7.智能技术接受与回避(n=18)

最后一个主要研究领域集中探讨智能技术接受与回避的影响因素。研究发现,对隐私的关切是用户回避智能技术的主要原因。个性化技术因为对个人信息的收集增加了消费者的感知威胁,从而降低其消费意愿。感知个性化水平也是显著的影响因素之一,感知个性化水平越高(如感知推荐越有效),则越有助于用户对智能技术的接纳。

(三)智能传播研究的核心概念:关键词及其共现分析

首先,我们对关键词(共2137个)进行了统计(对单复数、不同拼写方式作了合并),出现3次及以上的高频关键词为202个。其中,出现次数最高的关键词为“算法”(algorithm,147次),随后2—10位依次是“社交媒体”(social media,76次)、“人工智能”(artificial intelligence,61次)、“人—机器人交互”(human-robot interaction,60次)、“个人化/个性化”(personalization,47次)、“大数据”(big data,39次)、“机器人”(robots,39次)、“脸书”(Facebook,30次)、“自动化”(automation,28次)，以及“计算新闻”(computational journalism,27次)。“人—机器人交互”和“算法”分别是前后两个十年(2000—2010、2011—2020)出现频次最高的关键词。在前十位偏实体性概念之外,出现频率较高的理论概念还包括:“过滤气泡”(filter bubble,11次)、“可供性”(affordance,8次)、“透明性”(transparency,8次)、“把关”(gatekeeping,6次)、“物质性”(materiality,6次)、“行动者网络理论”(actor-network theory,5次)、“数据化”(datafication,5次)、“极化”(polarization,5次)、“选择性接触”(selective exposure,5次)、“恐怖谷”(uncanny valley,5次)等。

我们对高频关键词(n=202)进行共现分析(图3)。“算法”“社交媒体”与“人工智能”分别是度数中心性、中介中心性与接近中心性最高的三大关键词,构成智能传播研究最核心的概念。高频关键词共形成14个聚类,其中,有8个聚类包含的关键词个数在5个以上,形成了概念群。其中,三大概念群(占所有出现3次及以上关键词的69.31%)分别是:算法与社交媒体(n=56)、个性化新闻(n=46)、人工智能与社会(n=38),另外还有五个相对较小的概念群,分别是自动化新闻(n=17)、人—机器人交互(n=11)、人—计算机交互(n=11)、平台研究(n=8)与辅助型机器人(n=6)。

图3 智能传播研究关键词共现网络

1.算法与社交媒体(n=56)

这是涵盖关键词最多的一个概念群,围绕着算法(algorithm)与社交媒体(social media)两个核心概念展开。除平台(platform)及其具体代表(Facebook、YouTube、Netflix、Google等)以及受众(audience)、用户(user)等外,主要的理论概念包括算法文化(algorithmic culture)、数字文化(digital culture)、媒介生态(media ecology)、可见性(visibility)、不平等(inequality)等,体现出对算法在宏观上如何影响文化和社会的关切；推荐(recommendation)、极化(polarization)、认同(identity)等,则侧重微观层面上算法对个人的影响。

2.个性化新闻(n=46)

本概念群围绕个性化、自动化和新闻业展开,既包括对侧重新闻生产的讨论,如把关、行动者网络理论、场域理论、客观性、透明性等；也包括关注个性化新闻效果的概念,如过滤气泡、选择性接触、回音壁等。

3.人工智能与社会(n=38)

该聚类处于中心位置的技术概念主要包括人工智能、大数据、机器学习等,理论概念主要是可供性、物质性、媒介化、数据化等,并涉及对权力、民主、隐私、监控等重要社会议题的思考。

4.自动化新闻(n=17)

自动化新闻(automated journalism,automated news)相关的技术概念包括自然语言生成(natural language generation)、新闻机器人(newsbots)等,理论概念包括评估内容可信度的MAIN(modality-agency-interactivity-navigability,形式—载体—互动性—可操作性)模型，以及计算新闻、算法新闻(algorithmic journalism)等。

5.人—机器人交互(n=11)

该概念群的中心概念是“人—机器人交互”,涉及的实体概念有社交机器人、索尼AIBO机器狗(artificial intelligence robot),以及机器人设计(robot design)等,理论概念包括社会临场感(social presence)、心理基准(psychological benchmarks)等。

6.人—计算机交互(n=11)

该聚类的主要概念包括“人—计算机交互”、计算机作为社会行动者(computer as social actors),以及与交互过程息息相关的信任(trust)、参与(engagement)、情感(affect)、情绪(emotion)、自我披露(self-disclosure)、亲密感(intimacy)等。

7.平台研究(n=8)

主要包括平台研究(platform studies)、软件研究(software studies)、平台化(platformization)、基础设施(infrastructure),以及与平台紧密相关的劳动(labor)、工作(work)等。

8.辅助型机器人(n=6)

主要概念有仿人机器人(humanoid robot)、辅助型机器人(assistive robot)、辅助技术(assistive technology)及其主要应用场景(autism、learning)等。

(四)智能传播研究的知识基础:引文共引分析

1.总体特征与高引文献

首先,639篇智能传播文献共引用25189篇/部文献,平均引用39.42篇。最早的引用文献是1629年笛卡尔致哲学家梅森讨论人工语言的信件InaLettertoMersenne。但智能传播研究所引用的二级文献总体上主要集中于21世纪,只有少量2000年以前的经典文献得到较多引用(在被引次数≥5的419篇二级文献中,占12.65%)。

其次,我们分析了高引二级文献的学科分布。对被引次数≥15的49篇二级文献进行学科分类人工标注后发现(可多选),71.43%属于传播学,同时42.86%来自其他学科。具体地,22.45%来自其他人文社会科学(主要包括法学、文化研究、政治学),18.37%来自理工科(主要来自计算机科学、机器人学),以及2.04%来自于跨学科期刊(Science)。

第三,表3报告了被初级文献引用次数最多的11篇/部二级文献,均出版/发表于2010年后。其中,书籍4部,论文7篇。值得注意的是,其中四篇论文本身也是智能传播研究的初级文献(序号3、4、5、10)。

表3 被智能传播研究论文引用次数最多的11篇/部二级文献

2.引文网络分析

在25189篇二级文献中,大部分(87.35%)二级文献只被一篇初级论文引用,这使得它们无法与其他节点联系起来。为减少信息冗余,降低网络的复杂度,以便更好地把握智能传播研究知识来源的总体特征,我们选择次数3作为二级文献的引用阈值,最终得到了1229篇二级文献。通过共引分析,我们发现了7个主要的二级文献聚类(涵盖98.28%,另有3个聚类包含的二级文献各不超过10篇)。我们对各个聚类中的文献结合主要内容给出了聚类名称,代表智能传播研究七个方面的知识基础,分别是:算法与平台、信息个人化、算法与新闻业、互动型机器人、人类对机器的认知与交互、说服与商业传播、辅助型机器人，如图4。

图4 智能传播研究的引文共引网络

(1)算法与平台(n=308)

最大的一个引文分类集中于对算法文化、算法权力以及社交媒体、平台设施的探讨,主要来自传播学与文化研究领域,偏向宏观,批判色彩浓郁。被引用最多的是Bucher 2012年发表于《新媒体与社会》的论文WanttobeontheTop?AlgorithmicPowerandtheThreatofinvisibilityonFacebook(该文本身也是被引次数最多的智能传播研究初级文献),这篇论文讨论了不可见性作为一种威胁对算法权力的塑造；其次是探讨算法与社会关系的著作《黑箱社会》(TheBlackBoxSociety,2015)、阐述社交媒体连接性的著作《连接:社交媒体批评史》(TheCultureofConnectivity:ACriticalHistoryofSocialMedia,2013),以及关于平台政治的论文《平台政治》(ThePoliticsof‘Platforms’,载于《新媒体与社会》,2010)等。

(2)信息个人化(n=290)

第二大引文类别主题是信息个人化(information personalization),探讨算法所形成的信息个人化、选择性接触,以及这一过程所产生的过滤气泡、信息茧房、群体极化等效果。这部分的前十位高被引文献中(均发表于2010年之后),包括阐释“过滤气泡”的代表性著作《过滤泡:互联网对我们的隐秘操纵》(TheFilterBubble:WhattheInternetIsHidingfromYou,2011),以及ExposuretoIdeologicallyDiverseNewsandOpiniononFacebook(发表于Science,2015)、FilterBubbles,EchoChambers,andOnlineNewsConsumption(发表于Public Opinion Quarterly,2016)等代表性实证研究论文。

(3)算法与新闻业(n=288)

人工智能、算法与新闻业不仅构成智能传播研究的主要领域,而且也构成一个主要的知识基础,体现出该领域“自给自足”的知识生态。这部分文献主要来自传播学内部,其中在被引用次数前十名的二级文献中(均发表于2010年之后),一半来自于《数字新闻》(Digital Journalism),说明该刊已经成为算法新闻领域核心的知识贡献来源。高被引文献集中于对新闻业量化/计算转向的理论综述(如TowardsaSociologyofComputationalandAlgorithmicJournalism,2012)和对自动化新闻业新行动者(机器人记者)的概念化研究(如TheRoboticReporter:AutomatedJournalismandtheRedefinitionofLabor,CompositionalForms,andJournalisticAuthority,2015)等。

(4)互动型机器人(n=120)

与前三类引文不同,互动型机器人方面的高被引文献更多来自于机器人学(robotics)、人工智能、自动化与控制系统等理工科期刊(如Robotics and Autonomous Systems),以及语言学与传播学交叉期刊(如Interaction Studies)。聚焦互动型机器人的概念阐释、机器人设计、人机互动、对话分析等方面。与前三类引文集中于近年不同,互动型机器人的前十位高被引文献全部发表于2010年之前,其中包括两篇1970年代的经典文献:日本机器人专家森政弘(Mosahiro Mori)阐释“恐怖谷理论”(指人类对与他们有某种程度相似的机器人的排斥反应)的论文TheUncannyValley(载Energy,1970),以及社会学家Sacks等开创会话分析(conversation analysis)领域的论文《一个关于会话话轮转换规则的最简系统》(ASimplestSystematicsfortheOrganizationofTurn-TakingforConversation,载于Language,1974)。

(5)人类对机器的认知与交互(n=92)

这部分文献主要来源于计算机科学、心理学、传播学等学科,聚焦人类对机器的认知和交互。与上一类引文相比,该聚类更加体现心理学的微观、实证视角。前十位高被引文献中有7篇发表于2010年之前。包括斯坦福大学Reeves和Nass阐述人类会对计算机作出社会性反应的人机传播经典著作《媒介等同》(TheMediaEquation,1996),还包括人工智能领域提出“图灵测试”的经典论文《计算机与智能》(ComputingMachineryandIntelligence,载于Mind,1950)等。

(6)说服与商业传播(n=76)

本聚类中的二级文献代表人工智能广告等研究领域所依托的说服与商业传播知识基础,主要来源于商学、传播学、心理学期刊,特别是市场营销与消费者研究期刊。如Friestad和Wright的《说服知识模式》(ThePersuasionKnowledgeModel,载于Journal of Consumer Research,1994)在本类被引次数排名中位列第二,被引次数最高的文献是Fornell和Larcker的结构方程模型经典论文EvaluatingStructuralEquationModelswithUnobservableVariablesandMeasurementError(载于Journal of Marketing Research,1981)。

(7)辅助型机器人(n=28)

这部分文献聚焦于具有实用功能的辅助型机器人,包括教育机器人、医疗机器人、育儿机器人等。主要来自于机器人学、语言学、生物医学工程等学科期刊,以及它们与传播学的复合类期刊,侧重从人机交互角度探讨机器人在医学、教育等领域的作用。前十位高被引文献中8篇发表于2010年之前。最高被引文献是Robins等的《机器人中介的自闭症儿童的联合注意力》(Robot-mediatedJointAttentioninChildrenwithAutism)(载于Interaction Studies,2004)。

四、结论与讨论

本文基于2000—2020年SSCI数据库的传播学论文,运用引文耦合分析、关键词共现分析，以及共引分析,首次对当前方兴未艾的智能传播研究进行长时段的文献计算分析,从研究领域、核心概念与知识基础三个方面绘制智能传播研究的知识地图。研究发现，第一,智能传播研究自2000年以来,特别是近十年获得长足发展,主要包括七大研究领域:算法与权力、人工智能与信息消费、人工智能与新闻生产、智能机器人与人机传播、智能技术的社会性、人工智能与广告,以及智能技术的接受与回避,其中又以前四大领域为主(占全部初级文献的72.77%)。第二,智能传播研究的核心概念包括“算法”“社交媒体”“人工智能”等实体概念与“人—机(器人)交互”“过滤气泡”“可供性”等理论概念,可聚合成包括算法与社交媒体、个性化新闻、人工智能与社会三个主要聚类在内的八大概念群。第三,智能传播研究的知识基础包括七大方面:算法与平台、信息个人化、算法与新闻业、互动型机器人、人类对机器人的认知与交互、说服与商业传播、辅助型机器人,智能传播研究受到跨学科滋养,除传播学外,所引用的文献来自计算机科学、机器人学、语言学、自动化与控制、心理学、生物医学工程、文化研究、商学等十多个学科。

本文所做的主要贡献在于:第一,不仅呈现了智能传播研究的主要领域(研究主题),而且分析了核心概念和知识来源,从而对智能传播研究的知识地图进行了更全面的绘制。第二,采用基于文献挖掘的“自下而上”计算方法,避免了“自上而下”的先验之见或仅基于部分文献的“局部扫描”,从而不但展现了智能传播研究相对客观、完整的图景,而且揭示出不为以往研究所关注的一些发现,例如:在研究领域方面,发掘出智能机器人与人机传播、智能技术的社会性、人工智能与广告等不为以往研究所强调的主题；在研究概念方面,发现了“人—机器人交互”“人—计算机交互”“平台研究”等独特的概念群；在知识来源方面,挖掘出多学科的知识贡献,特别是经典文献的影响,从而帮助我们更好地理解智能传播研究的学术脉络。第三,基于文献网络分析的方法不仅有助于挖掘新的发现,更重要的是展现出智能传播研究的知识结构,即基于文献之间的连接关系构建知识地图的内在逻辑,一方面展现出智能传播研究凝聚形成的多个不同的学术社群,另一方面也揭示出它们之间的隐藏联系,从而有助于激发智能传播研究的想象空间。第四,相对于以往研究的短视阈,本文基于过去20年的视野对智能传播研究进行较长期的研究,既可以让我们看到当前热点,也提醒着我们温故知新。

正是基于网络分析,本文清晰地揭示出智能传播研究的两大学术传统:“智能技术作为传播中介”与“智能技术作为传播者”。无论是研究领域、核心概念,还是知识基础,都浮现出两大主要体系结构——一类由算法与权力、人工智能与信息消费、人工智能与新闻生产等构成,关注的是智能技术如何重构传播过程和社会权力关系；另一类由人机传播、互动型机器人、辅助型机器人等构成,聚焦的是人类与智能机器之间的交往互动。它们在各自内部具体的领域、概念和知识基础聚类之间存在较多交叉,但两大传统之间则很少重合,甚至呈现清晰的分隔。如从高引二级文献来看,前者的知识基础很“新”,主要引用近十年，甚至近五年发表的文献,其中不少“初级文献”本身构成“二级文献”,并主要来自传播学内部,意味着以算法与权力、算法效果等为代表的传播研究之间形成一个相互引用的“自给自足”的体系,它们似乎也很少直接与崇尚内容/讯息中心的传播学经典理论对话,而是更为勾连技术、媒介、平台和物质性理论；而后者的知识基础则相对较“远”,但它们也非传统意义上传播学的经典文献,而更多源自跨学科,高引二级文献最早可上溯至1950年图灵的经典之作。这说明以智能技术为传播者的“人机传播”研究更加注重悠久的学术传统,也呈现更强的跨学科特征。

智能传播研究给传播学带来的最大挑战与想象恐怕也在于此:如何看待并定义智能技术在传播中的位置。传统传播研究的基本假设是传播的主体是人,传播是发生在人类之间的交往活动(human communication)；但智能传播研究的知识地图已经打破了这一预设,清晰展现出智能技术不仅是人类传播的中介(AI-mediated human communication),而且是重要的传播者与交流对象(human-AI communication)。“人—机传播”应当且已经成为智能传播研究的重要内容,值得更多关注与重视。两大传统之间也需要更多的互通与对话。

值得思考的还有“人类”与“智能技术”的二元区分。“后人类时代”的“赛博人”概念认为,人类本身已非传统意义上的生命有机体,而是整合了智能媒介的新型主体(智能媒介并非外在于人的延伸,而是与人的身体融合互嵌)。因此,智能传播研究应当在“智能技术作为传播中介”与“智能技术作为传播者”的基础上对话、整合,发展基于“智能人类主体”的传播研究,不仅考察智能技术对于人类交往活动的影响,重视人类与智能技术之间的交往,还要关注“智能人类主体”自身,以及相互之间的沟通实践,从而不断焕发智能传播研究的想象力,塑造传播研究的未来。

注释:

① Guzman A.,LewisS.ArtificialIntelligenceandCommunication:AHuman-MachineCommunicationResearchAgenda.New Media and Society,vol.22,no.1,2020.pp.70-86.Hancock J.,Naaman M.,Levy K.AI-MediatedCommunication:Definition,ResearchAgenda,andEthicalConsiderations.Journal of Computer-Mediated Communication,vol.25,no.1,2020.pp.89-100.Thurman,N.,Lewis,S.,Kunert J.Algorithms,Automation,andNews(Special issue).Digital Journalism,vol.7,no.8,2019.pp.980-992.Guzman A.Human-MachineCommunication:RethinkingCommunication,Technology,andOurselves.New York:Peter Lang.2018.

② Russell S.,Norvig P.,Davis E.ArtificialIntelligence:AModernApproach.Upper Soddle River:Prentice Hall.2010.p.5.

③ Ali W.,Hassoun M.ArtificialIntelligenceandAutomatedJournalism:ContemporaryChallengesandNewOpportunities.International Journal of Media,Journalism and Mass Communications,vol.5,no.1,2019.pp.40-49.

④ Liu-Thompkins Y.ADecadeofOnlineAdvertisingResearch:WhatWeLearnedandWhatWeNeedtoKnow.Journal of Advertising,vol.48,no.1,2019.pp.1-13.

⑤ Hancock J.,Naaman M.,Levy K.AI-MediatedCommunication:Definition,ResearchAgenda,andEthicalConsiderations.Journal of Computer-Mediated Communication,vol.25,no.1,2020.pp.89-100.

⑥ Lewis S.,Guzman A.,Schmidt T.Automation,Journalism,andHuman-MachineCommunication:RethinkingRolesandRelationshipsofHumansandMachinesinNews.Digital Journalism,vol.7,no.4,2019.pp.409-427.

⑦ Guzman A.,Lewis S.ArtificialIntelligenceandCommunication:AHuman-MachineCommunicationResearchAgenda.New Media and Society,vol.22,no.1,2020.pp.70-86.

⑧ Hepp A.ArtificialCompanions,SocialBotsandWorkBots:CommunicativeRobotsasResearchObjectsofMediaandCommunicationStudies.Media,Culture and Society,vol.42,no.7-8,2020.pp.1410-1426.

⑨ 师文、陈昌凤:《驯化、人机传播与算法善用:2019年智能媒体研究》,《新闻界》,2020年第1期,第300-306页。师文、陈昌凤:《信息个人化与作为传播者的智能实体——2020年智能传播研究综述》,《新闻记者》,2021年第1期,第90-96页。

⑩ 喻国明、梁爽、程思琪:《当前国际传媒领域人工智能研究的学术热点与框架》,《东南学术》,2018年第2期,第55页。