为满足当下人才培养需求，计算传播学实验室以“融合”为关键点，主要借鉴理工科实验室工作模式，通过联合跨学科师资、线上线下连接以及产学研互动等方式培养新一代计算传播学人才。

　　伴随着移动互联网的普及和媒介技术的迅速发展，人类进入一个全新的数字社会。大数据、人工智能、算法等新兴概念正渗透、融入社会生活的各个领域，人类信息的传播模式、特征和结构也随之迎来新的变革。在这样的时代背景下，越来越多的人类传播活动转移至互联网空间，使得用户生成的数字轨迹得以被记录。多种形式的海量数据资源急需相应的算法、算力去挖掘。由此，计算传播学应运而生。

　　“计算传播学作为计算社会科学的分支之一，致力于寻找传播学可计算化的基因，以传播网络分析、传播文本挖掘、数据科学等为主要分析工具，大规模地收集并分析人类传播行为数据，挖掘人类传播行为背后的模式和法则，分析模式背后的生成机制与基本原理。”[1]不同于传统传播学研究所常用的经典定量研究方法，计算与传播的“碰撞”对传播学人才培养提出了新要求。大数据时代要求传播学学者能够以数据思维和计算方法去重新思考和研究传播学问题。香港城市大学媒体与传播系教授祝建华认为：“人才是实现学术创新或者形成学术新范式的重要条件，也是我国计算传播学走向‘学术新绿洲’极其重要的一步。”为适应学科发展和人才培养新要求，多家计算传播学实验室（研究中心）相继成立，融合多方资源推出人才培养新模式，为推动计算传播学学术发展以及计算传播学人才培养贡献力量。

　　本文聚焦于我国计算传播学实验室人才培养现状，以北京师范大学、南京大学、中山大学、复旦大学、深圳大学计算传播学实验室及团队为案例，以望了解当前计算传播学实验室的建设情况以及相应培养模式，为未来计算传播学人才培养提供指导和借鉴。

　　计算传播学实验室成立情况

　　2008年，香港城市大学媒体与传播系建立互联网挖掘实验室，成为当时国际传播学界少有的大数据实验室之一。互联网挖掘实验室培养了一批批优秀的计算传播学学者。与此同时，计算传播学研究也吸引来国内其他志趣相投的学者加入。在计算传播学学者们的共同努力下，多家计算传播学实验室、研究中心成立，如中山大学计算传播研究室、南京大学计算传播学实验中心、北京师范大学计算传播学研究中心、深圳大学计算传播研究实验室、暨南大学计算传播研究中心等。除此之外，清华大学、复旦大学、中国传媒大学等多所高校的新闻传播学院也高度重视计算传播学研究，纷纷组建研究团队以推动计算传播学的发展。

　　各高校计算传播学实验室成员往往由多位导师、博后以及博士生和硕士生共同组成。实验室导师专业背景以新闻传播学为主，同时兼有计算机科学、物理学、心理学、信息管理学等学科背景。实验室学生的专业背景同样呈现多样化的特点，除新闻传播学学科外，还包括物理学、电子信息工程、计算机科学、机械工程、电气工程、工商管理等学科。整体来看，计算传播学实验室成员队伍具有很强的跨学科特色。经过多年发展，计算传播学已在一定程度上形成了充满学术生命力的“无形学院”。

　　计算传播学实验室所专研的方向各有所别。南京大学计算传播学实验中心主要开展关于信息扩散、注意力流动、计算叙事、在线信息传播以及新媒介技术使用等方向的研究；北京师范大学计算传播学研究中心主要研究领域为社交机器人、舆情传播、健康传播、在线知识传播等；中山大学计算传播研究室聚焦于计算政治传播，网络舆情分析与决策建议等方向；深圳大学计算传播研究实验室的核心研究方向涉及计算传播理论与社会发展研究、大数据与计算传播方法研究以及数据价值与计算应用研究三大领域；复旦大学计算传播学团队则致力于计算传播理论与方法、基于计算方法的舆论研究、智能媒体与算法社会研究等。各高校计算传播学实验室共同以大数据为驱动、计算科学为方法以及社会科学理论为指导，关注传播学前沿问题，推动计算传播研究与时俱进，多角度、多面向发展。

　　计算与传播“碰撞”：人才培养新要求

　　“计算”与“传播”的碰撞是大数据与传统“小数据”的碰撞，是“方法”与“理论”的碰撞，也是文理学科的碰撞。计算传播学的交叉性和跨学科特质对学者提出了新要求，本文将计算传播学人才所需核心能力总结为以下三点。

　　（一）大数据挖掘能力。“计算传播首先提倡的是可计算的传播，数据、算法、算力缺一不可。”[2]因此，数据的获取、处理、分析以及可视化能力成为计算传播学者应有的核心能力之一。用户在互联网上主动或被动留下的数字踪迹成为计算传播学研究的数据基础，这要求计算传播学者能够掌握一定的数据获取技术，如通过代码采集数据。对采集到的数据，学者需要进行预处理以去除噪音，并且需要运用合适的计算方法对体量庞大的数据进行分析，如自然语言处理、情感分析、社会网络分析、机器学习等。此外，大数据分析结果的呈现形式往往区别于传统的统计图表，词云、热力图、网络图谱等新形式需要一定的数据可视化技术支持。大部分新闻传播学背景的学生由于缺乏相关专业训练，对编程、算法或多或少存在畏难情绪，大数据挖掘能力较为薄弱，补足技术的不足是当务之急。

　　（二）跨学科思维能力。“作为交叉学科领域，计算传播学的学者应该是具有‘T字形’甚至‘#字形’复合知识结构的人才。”[3]面对新的信息环境，计算传播学者应充分发挥交叉学科的包容性和优势。在计算传播学的人才培养中，学生不仅要学习计算科学中的大数据分析方法，也要熟练掌握多种社会科学研究方法以及统计学的数理基础和相关知识，能够综合运用数学、统计学和计算机技术正确分析、推演和解决复杂问题。除此之外，计算传播学者在筑牢传播学理论知识基础的同时，也要了解其他社会科学理论以丰富自身理论知识体系。将扎实的理论素养与严谨的研究方法相结合，保证研究设计的科学性和价值性。

　　（三）问题意识。“从问题出发，是社会科学研究的一个重要意识。”[4]这种问题意识体现在学者能够将目光聚焦于现实生活，提出理论意义与研究价值兼顾的好问题。回应社会关切是社会科学研究的重点，作为计算社会科学分支的计算传播研究应该“在理论或学说的指导下构建缜密的分析框架，进而让数据为问题服务，逐渐开辟发展理论的契机。”[5]与传统传播学研究一致，计算传播学所关注的仍然是人类信息传播行为规律及其背后的社会意义，而非算法本身的精益求精。计算传播学研究应避免过度依赖算法，通过花哨、复杂的计算方法得到众所周知的结论，陷入“新瓶装旧酒”的局面。而应坚守“以人为本”，对人类传播的新现象、新问题保持较为敏锐的观察力，让“计算”为“理论”提供科学支撑，让“理论”赋予“计算”社会价值。

　　计算与传播“融合”：人才培养新路径

　　面对计算与传播的“碰撞”，“融合”成为应对人才培养新要求的关键。培养新时代复合型人才，需要实现思维、方法以及资源等多要素的大融合。本部分将以北京师范大学计算传播学研究中心的人才培养模式为主，结合其他高校培养方式，对当前计算传播学实验室人才培养路径进行归纳总结。

　　（一）平时积累选题，时机成熟开始孵化。选题是学术科研中重要的一环，以北京师范大学计算传播学研究中心为例，实验室每周至少开展两次学术组会，其中一次为文献阅读分享会，阅读的文献不局限于传播学的论文，而是扩展到社会学、心理学、甚至计算机科学，物理学等其他学科的论文。组会中会结合文献阅读和生活中的理论意义与应用价值，提出一些研究选题，选题以公共文档的形式记录，等待数据、方法、人手等各种时机成熟后开始孵化。

　　在具体的孵化过程中围绕选题为中心实行“项目制”，由高年级的同学担任项目负责人，招募低年级组员组成科研攻关小团队，在组员的组成上尽量是理论功底好的同学和技术方法好的同学组队，这样能发挥各自的优势，也能互相学习。在每周的另外一次组会上由导师来把关项目方向的正确性以及解决项目推进过程中遇到的各种困难。“有进展说进展，没进展说问题”是这次组会的核心思想，类似地，“学中做，做中学”“Learning by doing”也是深圳大学、南京大学计算传播学实验室的行动哲学。

　　（二）朋辈互助为主，师辈指导为辅。因为在日常的科研生活中，朋辈之间的交流学习时间远长于师生之间的交流，所以北京师范大学计算传播学研究中心在每年新学生入学后会进行编程和统计等基本方法的短期速成培训，鼓励低年级的学生在掌握研究方法后，加入师兄师姐的项目，进行朋辈间的学习，从而积累经验。对于高年级的学生，导师会毫无保留的把自己的学术经验教给他们，让他们掌握独立的科研能力和带领项目团队的能力。这种导师将学术经验和专业素养传递给高年级学生，再由高年级学生帮助和带领低年级学生开展研究的“传-帮-带”模式可以大大提高整个团队的运行效率。

　　南京大学计算传播学实验中心也采取类似的培养模式，实验中心教授王成军认为：“传-帮-带，相互带动，可以让小团体有不断前进的动力。”这种薪火相传的模式促使实验中心的研究者们相互学习、共同进步，提高了学生的积极主动性和自我认同感，也有助于增强实验中心的凝聚力。

　　（三）跨学科合作，优势互补。计算传播学实验室的导师多具有不同学科背景和科研经历，不同专业背景的老师合作组办计算传播学实验室是提供跨学科资源的一种途径。另外，实验室导师也可加强与院外导师的合作，如深圳大学建立“计算传播学术硕士交叉育人平台”，实验室导师与计算机与软件学院、电子信息工程学院等导师开展跨学科联合培养模式，对学术硕士进行联合培养，专业硕士则依托健康传播专业平台，由学界和业界导师联合培养。来自不同学科的老师共同指导学生，保证实验室成员在理论把握、数据处理技术等方面能够得到来自专业领域的学术指导。

　　开设跨学科领域相关课程和专业讲座也是提高计算传播学者技能的重要方式。深圳大学计算传播研究实验室不定期开展文本挖掘、社会网络分析、数据统计分析等方法专题培训；中山大学计算传播研究室开展基于R语言的计算传播研究方法教学；北京师范大学计算传播学研究中心发挥实验室成员多学科背景优势，鼓励组成学习互助小组，实验室成员根据自己专业所长，开展Python、统计学小课堂。通过一系列课程教学，系统学习统计基础、计算机编程语言和分析软件应用，既能帮助新加入的低年级成员快速入门，同时也能够培养团队成员互助学习、交流合作的精神。

　　（四）线上线下连接，形成学术共同体。利用互联网技术实现线上线下连接开展学术交流活动，是数字时代组织学术活动的新途径。实验室动员学生积极参与线上的学术讲座、工作坊、学术会议等，汲取计算传播学前沿学术观点和研究经验。另外，也通过线上连接的方式加强各高校计算传播学实验室的交流联系。例如，北京师范大学计算传播学研究中心联合中山大学计算传播研究室开展“京广珠论文分享会”。通过网络会议的形式，定期分享讨论与计算传播学相关的论文。联合论文分享会凝聚多方计算传播学者形成学术共同体，在交流中碰撞思维的火花。

　　此外，各实验室整合学习资源，通过互联网平台提供给更多对计算传播学感兴趣的学者。如南京大学计算传播学实验中心组建苏格拉底学园豆瓣小组、计算传播学豆瓣小组以及第谷读书会等，通过豆瓣、哔哩哔哩等平台分享社会科学、计算社会科学、计算传播学的最新研究、经典著作、计算方法，吸引更多志同道合者加入计算传播学研究。

　　（五）产学研联动，学界业界两开花。计算传播学实验室根据国家新文科人才培养理念，不仅指引学生在学术道路上前行，也为有志于进入新闻传播业界工作的学生提供技能学习的机会和积累经验的平台。北京师范大学计算传播学研究中心与上海学习强国平台合作，鼓励对数据新闻感兴趣的学生加入创作队伍，在导师的指导下参与新闻选题、数据获取、数据处理与分析、数据可视化等全流程数据新闻创作过程。

　　此外，实验室鼓励学生积极参与各类由学界、业界联合组织的实践活动和竞赛，如中国数据新闻大赛。在比赛中，学生可以利用大数据处理技术，结合对社会现实的理解，彰显人文关怀，做出好的新闻作品，为之后在业界开展工作积累经验。由中国新闻史学会计算传播学专业委员会与微热点研究院联合举办的传播数据挖掘竞赛每年也吸引着来自各高校的计算传播学人才参与，学者们可以利用微热点提供的宝贵数据资源探索有价值的研究议题，实现竞赛与学术研究的双赢。

　　结 语

　　不同于工业社会专业化分工思想下的单一学科培养模式，互联网时代的数据与计算转向提出培养复合型人才的要求，而计算传播学人才培养正是以此为目标。面对计算与传播的“碰撞”，实现计算与传播的“融合”是人才培养的关键，“融合”不是跨学科知识的简单叠加，而是联合跨学科资源，形成跨学科思维、培养跨学科研究能力，进而推动学科发展与理论创新。在碰撞与融合之下，相关实验室建设为计算传播学人才培养提供积极实践，也为探索交叉学科人才培养路径提供线索。

　　参考文献：

　　[1]张伦，王成军，许小可.计算传播学导论[M].北京：北京师范大学出版社，2018.

　　[2]周葆华.“计算”的传播与“传播”的计算[J].新闻与写作，2020(05):1.

　　[3]塔娜.“计算传播学”的发展路径：概念、数据及研究领域[J].新闻与写作，2020(05):5-12.

　　[4]巢乃鹏,黄文森.范式转型与科学意识：计算传播学的新思考[J].新闻与写作，2020(05):13-18.

　　[5]沈浩，罗晨.计算传播学:国际研究现状与国内教育展望[J].中国传媒大学学报(自然科学版)，2021,28(01):42-49.

　　（吴晔：北京师范大学新闻传播学院教授；王琦：北京师范大学新闻传播学院博士研究生）