《大数据时代的计算舆论学:理论、方法与案例》(订购)
周葆华 梁海 主编
复旦大学出版社
2022年9月出版
由复旦大学周葆华教授、香港中文大学梁海副教授共同主编的《大数据时代的计算舆论学:理论、方法与案例》在复旦大学出版社出版。这是国内外第一本计算舆论学方面的教材,从理论、方法和案例层面,对基于计算方法的舆论研究进行了集中探索和梳理。
本书采取别具特色的创新设计,兼顾计算舆论学的理论、方法与应用案例,特别注重理论、方法原理的讲解与具体研究应用、实操的结合。
本书面向高年级本科生以上的传播学、舆论学、政治学、社会学等社会科学相关师生与研究人员,可以作为计算传播、舆论学方面的课程教材和研究参考;也可为计算机、数据科学、人工智能、管理科学等对计算社会科学感兴趣的研究者、以及相关政府部门和业界人士提供重要参考。
本书特点
▪ 定位前沿
紧扣最新的大数据与计算社会科学发展,聚焦计算舆论研究,是首次对该领域专门、集中的介绍,无论内容还是写作结构,在国内外均属首创。
▪ 聚焦专题
每章集中阐述舆论研究一个重要理论或概念,并配合研究该理论或概念所适配使用的主要计算方法,从而形成对特定理论和方法的集中讲解,帮助读者较为系统、全面地了解计算舆论研究的主要内容,启发开展相关专题的深入研究。
▪ 注重实用
在基础的理论和方法原理讲解之后,采用案例分析的视角。不仅精选计算舆论研究的高质量、代表性案例,更有特色的是为读者展现具体的研究设计和分析过程;不仅详细剖析案例,而且提供原始一手数据和编程代码,给予读者真正可以上手的教学。
▪ 作者权威
本书参撰作者均为在计算传播和计算舆论研究领域具有丰富经验的研究人员,包括知名专家和青年才俊,也包括跨学科的学者代表,来源覆盖海内外。
主编简介
周葆华,复旦大学新闻学院教授、博士生导师、副院长,新媒体传播专业硕士项目主任。兼任复旦大学信息与传播研究中心研究员、复旦大学国家发展与智能治理综合实验室研究员。国家万人计划哲学社会科学领军人才,教育部首批青年“长江学者”(2015)。主要研究兴趣为新媒体传播、计算与智能传播、受众与传播效果、舆论学等。在New Media & Society, Information Processing & Management, 《新闻与传播研究》等国内外核心期刊发表论文数十篇。获教育部人文社科优秀成果二等奖、上海市哲学社科优秀成果一等奖、上海市优秀教学成果一等奖、复旦大学本科生“我心目中的好老师”等数十项教学、科研奖励。
梁海,香港中文大学新闻与传播学院副教授,香港城市大学互联网挖掘实验室成员。主要从事计算社会科学、政治传播和公共卫生等领域的研究。在各类中英文学术刊物上发表论文40余篇,代表作多发表于顶级传播学期刊,如Communication Research、Human Communication Research、Journal of Communication、Journal of Computer-Mediated Communication等。
参撰作者名录
(按章节排列)
周葆华(复旦大学)
许未艾(美国马萨诸塞大学阿默斯特分校)
师文(暨南大学)
陈昌凤(清华大学)
林嘉琳(清华大学)
黄荣贵(复旦大学)
秦洁(美国佐治亚州萨凡纳艺术设计学院)
范锐(中国电子科技集团公司电子科学研究院)
赵吉昌(北京航空航天大学)
许可(北京航空航天大学)
张伦(北京师范大学)
张子恒(北京师范大学)
梁海(香港中文大学)
胡海波(华东理工大学)
汪翩翩(深圳大学)
郭蕾(美国波士顿大学)
王成军(南京大学)
内容摘编
大数据和计算方法的出现正在影响和改变着社会科学的版图,其中包括舆论研究。一方面,互联网、特别是社交与智能媒体的发展使得大规模的网络数据成为舆论的重要表征;另一方面,文本挖掘、机器学习、网络分析等计算方法的发展使得对大规模网络舆论数据的分析成为可能。因此,笔者提出“计算舆论”(computational public opinion research, CPOR)概念,指向一个以社交媒体等网络空间的意见表达为主要研究对象,以文本挖掘、机器学习、网络分析等计算方法为主要研究方法,以与经典舆论理论对话并发展面向数字舆论的理论为核心目标,以促进公众意见表达与讨论、推动社会福祉与进步为价值追求的舆论研究新领域与新取向。
计算舆论既是舆论研究发展的前沿领域,也是计算社会科学、以及倡导文理交叉融合的“新文科”发展的重要组成部分,是新闻传播学、舆论学学科发展的内在需求。舆论研究历史上存在两条“河流”,笔者称之为“大众意见式”与“社会过程式”。传统上,囿于理论、方法与数据的多重缺陷,社会过程式的舆论研究总体不足、滞后明显。计算舆论研究的发展,一方面对推进作为“大众意见”的舆论研究带来了新的契机。社交媒体上的意见表达、搜索指数等在线档案、短视频内容下的留言等均可被视为数字时代舆论的重要表征,因此文本挖掘、视觉分析、在线档案分析等多元计算方法的运用可以刻画数字时代的“大众意见”。包括:舆论文本挖掘(通过词频统计、主题建模、情感分析、语义网络分析、词嵌入模型等对网络舆论表达的主要议题、态度、情感等进行分析解读)、舆论主体挖掘(如运用机器学习方法预测舆论表达主体的用户特征、社交机器人账号检测、主体之间的网络关系、社群划分及意见领袖挖掘)、舆论档案挖掘(如搜索引擎记录、平台热搜榜)等具体分析,并将之与传统民意调查或社会事实结果进行比较、校验和预测,以及探讨两者之间的相互影响关系,从而促进了对数字时代“大众意见”的精准理解。
另一方面,也是更重要的,是计算舆论研究具有支持过程与动态演化研究的天然优势,特别在弥合理论与数据落差方面具有重要意义。首先,由于大数据采集自然行为的连续性,极大扩展了舆论数据的刻度,使得原本很难采集的历时性数据得以比较便捷地获取,从而得以在集群层面观察议题、框架、意见、情感的动态演化与发展过程;其次,“网”数据的特征与网络分析等计算方法(以及与“长”数据的结合),允许精确刻画公众舆论发展过程中信息、观点和情感的扩散流动过程,分析在线交往与讨论网络的结构形态及其时间演化规律;再次,通过仿真模拟等方法,可以设定个体状态和交互规则来观察舆论动力机制及其演变的后果,分析舆论发展从微观到宏观的跨层次涌现过程。正因为大数据和计算方法突破了单一时点、单一层次、割裂个体的囿限,从而给迈向过程化、交互化、跨层次的舆论过程研究带来了新的想象空间与理论发展的潜能。数字中国的本土经验为计算舆论研究也提供了丰富的土壤,学者应当在此基础上推动理论发展,贡献数字时代舆论学、传播学的新概念、甚至新理论。
对于计算舆论研究的发展,我还想强调如下几点:
第一,保持对舆论理解的开放性。尽管计算舆论研究为分析网络舆论带来了巨大契机,但要注意避免大数据研究常见的“路灯效应”——因为数据获取问题影响对真正问题的研究。即因为只能“抓取”某些特定的数据,便以为采用计算方法挖掘到的是“舆论”,殊不知往往只是舆论作为社会过程之“冰山一角”。因此,需要加强对线上舆论与线下舆论的关系研究,在“大数据”与“小数据”、计算方法与传统方法(包括量化、质化方法)的比较、整合中更好地理解和把握社会舆论。那些数据无法获取的隐匿、下沉的“舆论”,同样值得我们高度关注。
第二,保持研究领域的开放性。虽然我们是从新闻传播学的角度切入舆论研究,但正如舆论研究历来具有多学科交叉融合的传统,计算舆论研究的发展也是开放的。计算舆论研究、特别是舆论过程与演化研究,受到物理学、计算机、管理科学、复杂科学等诸多学科领域的激发与推动,传播学作为舆论研究所寄身的主要人文社会科学,需要更好地与这些学科融合,共同推动兼具人文关怀、社会价值与科学精神的计算舆论研究。
第三,坚守研究的价值立场。“计算”是数字时代研究舆论的重要创新方法,而不是“算计”。计算舆论研究应当始终服务于社会福祉与发展进步,而非操纵与控制。计算舆论研究过程中,也需要高度重视公民隐私保护、数据伦理等问题。
摘编自复旦大学出版社《大数据时代的计算舆论学:理论、方法与案例》“绪论”。
来源:复旦大学出版社
|