产品分类
您现在的位置: 主页 > 产业新闻 > 对话 吴晔:计算传播学“路”在何方?

对话 吴晔:计算传播学“路”在何方?

时间:2019-02-04 14:02 来源:未知 作者: 点击:

  目前,他已经发表了数十篇学术论文,其中包括影响因子为9.8的《美国科学院院刊》,被SCI收录三十余篇,被引用三百多次。

  到北师大之前,吴晔是北京邮电大学的一员,本科和研究生阶段均主修物理学。作为一名“纯粹的理科生”,他是如何转到文科氛围颇浓的新闻传播专业的?其所置身的计算传播学是怎样一个新兴研究领域,发展前景如何?它对新传学子提出了什么新要求?第二届计算传播学论坛近日在南京大学新闻传播学院召开,带着疑问,南京大学新记者独家专访了吴晔。

  Q:你是物理学专业出身,现又任教于新闻传播学院,是什么机缘让你从物理学“跨界”到传播学?

  A:经常有人问我这个问题。实际上,我的本科同学考研去了各种各样的专业,比如心理学、汉语言文学、历史学……所以我并非独例。

  从硕士阶段开始做交叉网络研究时,我的研究方向已经趋于综合化,后面慢慢做了一些数据分析以及跟传播相关的工作。

  当时北京师范大学新闻传播学院刚成立,他们需要老师,并且也想做一个“不一样”的新闻学院,我又有这种背景,也算是机缘巧合吧。

  A:之前我看过一系列传播学著作,但看得似懂非懂,还停留在比较粗浅的认识上,只知道一些基本概念。毕竟没有经过系统的学习,往往都是需要用到什么看什么。现在自己买的传播学书籍已经很多了,有时间就看一看,抓紧时间“恶补”。

  Q:相较于传统的新闻传播学研究者,你觉得像你这样的计算传播学者有何优势,又有何不足?

  A:我们的优势体现在方法上,我们懂各种各样的工具。但是我们的弱点也很明显,那就是不了解传播学理论。

  至于说这两个领域到底谁会把谁给“吞”了,谁会占据主导地位,这就取决于哪个门槛更高,是工具的门槛高还是提问题的门槛高。传统传播学的研究者最大的优点就是会提各种各样的问题,他们提问题的底子好;我们是解决问题的能力好。

  到底谁会占主导呢?如果我们很快学会他们的提问方法,那我们就可以占主导;如果他们很快学会了工具,就可能更有优势,当然,我自己的优劣势也体现在这里。

  Q:你曾经在接受采访时谈到自己要“用物理的角度研究传播学”。作为一位交叉学科领域出身的研究者,你是如何在传播学领域定位、寻找自己的研究方向的?

  A:我现在还是用“新瓶”去找“旧酒”,就是找传播学里面的一些经典理论,用物理学的方法去证明它们,或者尝试去发现,在新的时代背景下,经典传播理论揭示的传播现象是否在改变?因为传播学也跟社会环境因素相关,当社会环境改变,那些理论是否仍然成立呢?这是我现在比较关注的。

  Q:计算传播学作为一个新兴的研究领域,对传统传播学的冲击越来越大,特别是它对传播学传统的研究范式的影响很大。在你的理解中,相较于传统的传播学研究范式,计算传播学能够为传播学带来什么新的研究视野呢?

  A:目前来说大部分还是没有提供太多新的理论,因为这个领域确实也属于起步阶段,现在做得比较少,而且也没有涌现一些真正的天才级的人物。何谓“天才级人物”?就是精通两个领域的人才。只有这样的人才能做出较有开创性的东西。否则的话,比如我们来做,更多还停留在用新的方法论去研究老的问题;传统传播学学者的问题可能比较新,方法论则不达,很难达到二者兼新的程度。

  A:合作是很难的,除非两类学者天天坐在一起。那样产生的合作才是真正意义上融合式的合作,每天都能讨论、交流。

  Q:听你这样说,计算传播学这一领域的研究前景好像并不太乐观,因为“新瓶旧酒”似乎不是一个褒义词。

  A:对,其实每个新的领域发展都必须经历这个阶段,特别是交叉学科。以后会得到很好的发展还是慢慢没落,取决于是否有天才级的人物出现。

  我肯定是抱着乐观态度才来到这一领域的,希望有一批人将这一学科发扬光大。因为传统的传播学已经发展到相对比较完善的程度,很难有特别新的理论出现,所以我希望计算传播学能慢慢发展起来,在传播学里有自己的一席之地。

  A:我感觉文科生思辨能力比较强,会试着寻找一种逻辑关系去理解、辨析问题。对于同一个问题,理科生是拿数据说话,使用真实的案例。所以对我而言,授课方式发生了非常大的变化。

  我到北师大半年有余,主讲的是数据新闻和舆论学的课程,这些都是文科的课。但如数据新闻的课程,其中还是涉及到了一些理科的方法论。这时,如何让文科生听懂这些带有理科色彩的内容,确实是一个挑战。

  又比如同样讲大数据,面对文科生和理科生,讲授方式肯定不一样。大数据涉及到的很多概念,理科生可能本来就懂,根本不用去解释;文科生的话,得逐一去解释。

  目前为止,收到的反馈还好,学生们会说“理科这东西没有想象中的那么难”。到最后发现有一些学生学得还挺好的,能掌握一定的技巧。

  Q:现在有越来越多的声音说新闻传播的学生也需要学习编程,但在很多文科生看来,编程就像是一座横亘在面前的大山。

  A:我一直觉得文科生必须懂一点编程知识,他们也都能做得到。第一节课,我就跟学生们讲,害怕学习编程都是心理作用。如果现在你们有接触初中生甚至小学生,你们可能就知道很多人从小学开始就学习编程。试想一下,你作为一名大学生或者一名研究生,各种能力会比小学生差吗?我觉得这就是一种自我设限。另外,我觉得文科生学理科的东西或者理科生学文科的东西都是非常有必要的。你没必要学得很深入,但需要有基本的了解。

  Q:你在之前的研究中探求了“厚尾”在社交网络的表现。能不能简单介绍一下“厚尾”现象?你是如何把它运用到传播学领域的?

  “厚尾”现象很好解释,主要探究的是人与人之间联系和通话的模式是什么。最原始的时候,人们认为人与人之间的通话是一个随机的过程,但后来有人证明了这不是随机的,而是一个“厚尾”的过程。

  我跟你打电话之间的时间间隔规律,它就是一个厚尾分布。比如我们之间可能很长时间都没有交流,但我今天给你打完电话之后,明天还会继续给你打,后天还可能会继续打,这个概率会比之前高很多。简单来说,就是在联系上会存在一段很长时间的空白期,然后又有一个短时间内的爆发期。其实生活中这种现象很常见,比如我们平时写E-MAIL、发微信,都会表现出厚尾现象,而我们的传播行为也会与之相关。

  A:名字不同而已,本质上是一样的。就中国本土而言,其计算传播学比传播学更加国际化。因为现在研究计算传播学的人大部分都是从国外归来的,研究所得的文章也大都发表在国际化的期刊上,所以说中西计算传播学并无太大区别。从起步开始,计算传播学就是带着国际视野的。

  A:这是肯定的。对待同样一件事情,外国人跟中国人的反应不一样。比如路边发生一件事情,也许外国人不会去看,而中国人却相反。其实这也是从人的心理研究传播。

  Q:研究的时候,你会担心缺乏好数据吗?事前了解到刘德寰教授曾对数据质量感到担心。他说:“好数据是极少的,结果也极不稳定。所有的算法不是基于人的生活与人性,而是基于这种极其片段的、亿分之一的行为。”

  A:获得好的数据很难,但只有好的数据,方可保障研究的可靠性。打个比方,如果食材不好,那么无论如何也做不出好吃的饭菜。

  A:视乎你研究问题的样本规模大小、数据收集的方式、采集的数据随机性有没有保证,原理跟抽样调查相似。

  A:两者兼有。如果从数据质量的角度考虑,第三方公司收集的数据质量较高,也是最好的,所以现在一般研究均是与公司合作。

  Q:当下,像今日头条这样的的互联网公司越来越多,借助算法抓取数据,分析用户的行为,实现个性化的新闻推送。但也注意到社会上有对这种推荐“算法”表达质疑的声音,比如9月22日人民网即发文批评了这种推荐算法,认为任何时候内容推送都不能少了总编辑,不能完全以受众的喜好为标准,认为这样会“失去独立思考、实例分析拆解:如何设计一个运营...,深度观察的能力,进而削弱整个社会的创造力”。你怎么看待这样的批评?

  A:你说的这些已然上升到了一个新的高度。你喜欢看体育资讯,是否意味着算法推送给你的都是同此一类的?事情是否果真如此,这对整个社会到底是好是坏,这个问题其实很难作答,关键要看你浏览新闻的目的到底是什么。如果只为了打发、消磨时间,那你喜欢看什么,算法就给你推荐什么,不就达成既定目的了?但诚如你刚才所言,从一个更高的角度来审视,那么可能就存在问题了。这种情况下,算法相当于阻断了用户获取其他资讯的渠道,进而局限了他们的视野。

  A:学一到两门编程语言,掌握计算机思维,其他对学习者而言都是相通的,没有太大的差别,很快就可以上手。

  Q:除了继续从事科研工作以外,计算传播学专业的学生还有哪些适合从事的工作岗位?

  A:此前我专程在招聘网站上了解过,需要具备数据分析能力、舆论学知识储备的岗位很多,不管是传媒公司,抑或是互联网公司,都大量需要这方面的人才。课堂上我也跟同学们介绍说,想在传统传播学领域出类拔萃不易,因为有很多人挤在里面,而计算传播学的门槛相对比较高,你要能跨过去的话,想出成绩并不困难。