■ 周葆華 苗 榕

人工智能技術(shù)不僅正在改變新聞傳播的實踐形態(tài)與人類生活和存在方式,還在改變傳播研究的學(xué)術(shù)版圖。近年來,“智能傳播”已經(jīng)開始作為一個學(xué)術(shù)概念出現(xiàn)與流行,并受到學(xué)界關(guān)注。傳播學(xué)的國際旗艦組織——國際傳播學(xué)會(ICA),于2019年成立了以探討人類與智能技術(shù)傳播關(guān)系為重心的人機傳播小組(ICA human-machine communication interest group),一批相關(guān)論著與學(xué)刊專輯相繼出版。①因此,當(dāng)前處于一個恰當(dāng)?shù)臅r點來系統(tǒng)性地回顧、分析與展現(xiàn)智能傳播的知識地圖。智能傳播研究呈現(xiàn)怎樣的整體圖景,包括哪些主要領(lǐng)域,所關(guān)注的核心概念有哪些,作為一個跨學(xué)科的前沿領(lǐng)域,智能傳播研究的知識基礎(chǔ)有哪些？智能傳播領(lǐng)域知識地圖的繪制,對更好地推進智能傳播研究具有重要的基礎(chǔ)性意義。本文將運用網(wǎng)絡(luò)挖掘計算分析方法,基于2000—2020年SSCI傳播學(xué)期刊論文,對智能傳播研究的知識地圖進行挖掘分析。

一、智能傳播研究與知識地圖的繪制

(一)智能傳播的概念化理解

根據(jù)Russell 等人(2002)的概括,不同的人工智能定義在兩個維度上存在差異:第一,注重思維方面(thought process and reasoning)還是行為方面(behavior)的智能；第二,注重模擬人類表現(xiàn)(human performance,意味著可能犯錯)還是追求符合理性(rationality)。②在傳播領(lǐng)域的討論中,共享的界定比較傾向于側(cè)重行為的、模擬人類表現(xiàn)的智能,代表著完成特定傳播任務(wù)的算法程序,盡管不同研究采取或窄或?qū)挼慕缍?。例?人工智能中介的傳播研究(AI-MC,AI-mediated communication)聚焦的是輔助、增益完成人際傳播任務(wù)的特定智能技術(shù)(如發(fā)送電子郵件中的用語提示、自動拼寫糾正與翻譯等),人工智能主要是支持人類、人際之間的傳播交流；基于人機傳播理論(human-machine communication,HMC)的智能傳播研究則采用“傳播智能”(communicative AI)或“傳播機器人”(communicative robots)概念,關(guān)注智能伴侶(如蘋果Siri、亞馬遜Alexa)、社交機器人、工作機器人(如機器寫作程序)等具體的智能技術(shù),它們可以成為人類社會性的交往伙伴(communicative partners),扮演傳播者(communicator)角色。因此,在本研究中,“智能”主要指基于算法(自然語言處理技術(shù)、機器學(xué)習(xí)等),為完成傳統(tǒng)由人類所完成的任務(wù)的自動化程序技術(shù),包括社交機器人、自動化寫作程序、推薦算法、對話代理體(conversational agents)等。它們在傳播中的角色不僅是輔助傳播(facilitate communication),而且是自動化傳播(automate communication)；不僅是傳播渠道與中介,而且是傳播者與交往對象。相應(yīng)地,“智能傳播”即指人工智能技術(shù)介入和參與的傳播活動:可以發(fā)生于生產(chǎn)環(huán)節(jié)(如機器新聞生產(chǎn)),也可以發(fā)生在分發(fā)、使用環(huán)節(jié)(如算法推薦)；不僅包括以智能技術(shù)為中介(through which)的人類交往過程(不限于人際范圍)及其影響,也包括人類與智能技術(shù)交往(with which)的人機傳播過程(HMC)及其影響。

(二)智能傳播研究的現(xiàn)有學(xué)術(shù)梳理

在智能傳播的一些分支領(lǐng)域,已經(jīng)分別有學(xué)者進行了綜述概括。一種主要的思路是聚焦人工智能對傳播活動的功能及影響。例如,一些學(xué)者對自動化新聞的綜述研究認(rèn)為,人工智能技術(shù)在打擊假新聞、新聞編輯和內(nèi)容個性化方面有利于新聞業(yè)發(fā)展,但在破壞創(chuàng)造力、偏見、缺乏監(jiān)督、透明度、公平性、數(shù)據(jù)利用和質(zhì)量方面也影響新聞業(yè)的專業(yè)性及倫理,總體來說,人工智能對記者工作來說是一項增益,并不會造成取代記者的威脅；③一些學(xué)者對人工智能在網(wǎng)絡(luò)廣告中應(yīng)用的綜述指出,智能廣告主要集中于搜索廣告排序、基于用戶定向的廣告生產(chǎn)、廣告?zhèn)€性化；④一些學(xué)者對智能中介傳播(AI-MC)的研究綜述則強調(diào)關(guān)注智能中介技術(shù)對人際傳播語言使用、自我呈現(xiàn)、關(guān)系建構(gòu)的影響,以及由此引發(fā)的倫理與政策議題。⑤

與上述將人工智能視為功能物的視角不同,聚焦人機傳播視角的綜述體現(xiàn)出對人工智能作為傳播主體的關(guān)注。Lewis等(2019)也對自動化新聞的相關(guān)研究進行總結(jié),他們提出重新思考人與技術(shù)的關(guān)系,將人機傳播理論運用到自動化新聞研究以帶來新的視野。⑥Guzman與Lewis(2020)將分析視角從自動化新聞擴展到廣義的智能傳播研究,提出人工智能作為傳播主體的三方面研究議程,分別是功能性(人工智能是如何被設(shè)計為傳播主體的)、關(guān)系性(人們?nèi)绾卧谂c智能的關(guān)系發(fā)展中理解人工智能與人類自身)以及形而上學(xué)(人與機器的本質(zhì)是什么)。⑦與此類似,Hepp(2020)認(rèn)為“傳播機器人”挑戰(zhàn)了傳統(tǒng)傳播學(xué)以人類為中心的基本預(yù)設(shè),智能傳播研究既面臨基礎(chǔ)理論挑戰(zhàn),也面臨巨大的方法挑戰(zhàn)。⑧

中國學(xué)者關(guān)于智能傳播的綜述歸納了智能傳播領(lǐng)域的主題。如總結(jié)出馴化、人機傳播、算法善用、算法公共性、算法正當(dāng)性,以及算法與信息個人化、作為傳播者的智能實體、算法中介化社會、算法的時間性、算法倫理等年度議題；⑨運用文獻計量法將2016年英文文獻中有關(guān)傳媒人工智能的研究總結(jié)為三大熱點:人工智能應(yīng)用、新媒體與社會、算法與通信。⑩

這些綜述為我們理解智能傳播研究的發(fā)展現(xiàn)狀提供了重要基礎(chǔ)。本研究在現(xiàn)有研究基礎(chǔ)上,從三個方面推進智能傳播研究知識地圖的繪制:第一,著眼于智能傳播的學(xué)術(shù)領(lǐng)域總體,而非局限于分支領(lǐng)域；第二,采用網(wǎng)絡(luò)分析的計算方法,挖掘智能傳播研究的主要領(lǐng)域、核心概念與知識來源；第三,基于SSCI傳播學(xué)期刊20年來的文獻,系統(tǒng)追蹤和把握智能傳播領(lǐng)域的歷史發(fā)展,從而為當(dāng)前方興未艾的智能傳播研究提供比較全面的學(xué)術(shù)圖景。具體地,本研究將回答如下三個研究問題:

第一,智能傳播研究的主要領(lǐng)域及其結(jié)構(gòu)是什么？

第二,智能傳播研究的核心概念及其結(jié)構(gòu)有哪些？

第三,智能傳播研究的主要知識基礎(chǔ)來源于哪里？

二、研究方法

(一)文獻數(shù)據(jù)

本文選擇Web of Science(SSCI)數(shù)據(jù)庫作為文獻的主要來源,以bot(s)、robot(s)、algorithm*、recommendation、personalization、automatic、automation、artificial intelligence、microtargeting等為主題關(guān)鍵詞對2000至2020年發(fā)表的傳播學(xué)論文進行檢索,共獲得2288篇英文文獻。由于這一步驟追求的是盡可能“查全”而非“查準(zhǔn)”,因此我們通過人工逐一閱讀的方式,進一步判斷文獻是否是以智能傳播為主題的,最終篩選出639篇文獻為本研究的數(shù)據(jù)樣本,在下文中稱為“初級文獻”(primary papers),被這639篇文獻引用的文獻,則被稱為“二級文獻”(secondary papers),共計25189篇。

(二)分析方法

為了探究上文提出的研究問題,在借鑒前人研究思路的基礎(chǔ)上,本文運用網(wǎng)絡(luò)分析(network analysis)的計算方法,對文獻進行引文耦合、關(guān)鍵詞共現(xiàn)、以及共引分析。在這三部分中,我們均使用R程序包bibliometrix(3.0.3),采用Association Strength方法對網(wǎng)絡(luò)數(shù)據(jù)進行標(biāo)準(zhǔn)化處理,然后用Walktrap算法對網(wǎng)絡(luò)中的節(jié)點進行聚類。

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

耦合分析的主要邏輯是基于初級文獻的引文共享度來劃分文獻的結(jié)構(gòu),并由此確定研究領(lǐng)域的主題分類。耦合分析網(wǎng)絡(luò)以初級文獻為節(jié)點,當(dāng)兩個節(jié)點有相同的參考文獻時,它們之間就形成一條邊,邊的值就是這兩篇初級文獻相同的參考文獻的數(shù)量。因此,對于智能傳播文獻來說,所引用的參考文獻重合的部分越多,它們的研究主題則越相近,從而可以發(fā)現(xiàn)智能傳播研究的主要領(lǐng)域及其結(jié)構(gòu)。

2.關(guān)鍵詞共現(xiàn)分析(co-word analysis)

采用論文關(guān)鍵詞共現(xiàn)方法的基本假設(shè)是核心概念能夠充分體現(xiàn)在研究文獻的關(guān)鍵詞中。我們以關(guān)鍵詞作為節(jié)點,如果兩個關(guān)鍵詞共同出現(xiàn)在同一篇文章的關(guān)鍵詞中,它們之間就形成一條邊,以此構(gòu)建出關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)。從關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)中,可以看出哪些關(guān)鍵詞處于核心位置,代表學(xué)術(shù)領(lǐng)域中最受關(guān)注的概念,也可以看出概念間相互聯(lián)系的結(jié)構(gòu)。

3.共引分析(co-citation analysis)

與耦合分析(以初級文獻為節(jié)點)不同,共引分析網(wǎng)絡(luò)以二級文獻為節(jié)點,以分析智能傳播研究為知識基礎(chǔ)。當(dāng)兩篇二級文獻同時被一篇初級論文引用時,它們之間就形成連接。被共同引用的次數(shù)越多,則可折射出這一組二級文獻聚焦并貢獻的學(xué)術(shù)領(lǐng)域越相似。共引分析有助于突破學(xué)科區(qū)隔,觀察到不同二級文獻的相互聯(lián)系和知識結(jié)構(gòu)。

三、研究發(fā)現(xiàn)與分析

(一)智能傳播研究的總體圖景

由圖1可見,從2000到2020年,智能傳播研究論文數(shù)量呈現(xiàn)明顯上升趨勢。以2010年為界,前10年智能傳播論文總計僅有63篇,而后10年則達到576篇(為前10年的近10倍)。特別是近五年(2016—2020)論文數(shù)量達473篇,占過去20年論文總量的74.02%,僅2020年一年論文的數(shù)量就有150篇(占論文總量逾1/5)。這說明,隨著智能技術(shù)在傳播領(lǐng)域應(yīng)用的快速發(fā)展以及對社會生活的全面滲透,智能傳播研究的確已經(jīng)成為當(dāng)前引人注目的學(xué)術(shù)領(lǐng)域。

圖1 智能傳播研究的文獻數(shù)量分布(2000—2020)

智能傳播論文來源于71本傳播學(xué)期刊(覆蓋SSCI傳播學(xué)期刊的77.17%),其中《交互研究》(Interaction Studies)發(fā)文最多(115篇),其次為《數(shù)字新聞》(Digital Journalism)(61篇)、《新媒體與社會》(New Media & Society)(56篇)、《信息、傳播與社會》(Information,Communication & Society)(45篇)以及《社會媒體與社會》(Social Media+Society)(42篇)等。

從論文獲得的影響看,如以被引用數(shù)為指標(biāo),最高的前十篇文獻見下表1。其中,引用數(shù)最高的Want to be on the Top?(2012)與排名三、四的Power through the Algorithm?(2009)、# Gamergate and the Fappening(2017)都關(guān)注社交媒體中的算法權(quán)力。名列第二的The Uncanny Advantage of Using Androids in Cognitive and Social Science Research(2006)與第五的Can Robots Manifest Personality?(2006)則聚焦機器人。

表1 被引用數(shù)前十名的智能傳播研究文獻(2000—2020)

(二)智能傳播研究的主要領(lǐng)域:引文耦合分析

耦合分析發(fā)現(xiàn),626篇論文(占全部論文的97.97%)均存在相互連接。它們共形成了51個聚類,其中以包含文獻數(shù)>15為標(biāo)準(zhǔn),發(fā)現(xiàn)7個主要的聚類(覆蓋82.16%的初級文獻)。根據(jù)每個聚類內(nèi)部論文的標(biāo)題、摘要和關(guān)鍵詞,我們對之進行了命名,代表智能傳播研究的七個主要領(lǐng)域:“算法與權(quán)力”(174篇)、“人工智能與信息消費”(143篇)、“人工智能與新聞生產(chǎn)”(77篇)、“智能機器人與人機傳播”(71篇)、“智能技術(shù)的社會性”(22篇)、“人工智能與廣告”(20篇)、“智能技術(shù)接受與回避”(18篇)。

我們分別計算了三個時間段內(nèi)每個領(lǐng)域文獻篇數(shù)所占比例(見表2),不難發(fā)現(xiàn):智能傳播研究的早期(2000—2010),主要以智能機器人與人機傳播領(lǐng)域(占比75.61%)和智能技術(shù)接受與回避(9.76%)為主；到了2011至2015年之間,算法與權(quán)力、人工智能與信息消費兩個領(lǐng)域的占比開始大幅增長,人工智能與新聞生產(chǎn)領(lǐng)域從無到有,智能機器人與人機傳播研究占比則顯著下降；2016年至今,算法與權(quán)力、人工智能與信息消費以及人工智能與新聞生產(chǎn)這三個領(lǐng)域獲得了研究者們更大的關(guān)注,成為了智能傳播研究的主體。

表2 智能傳播研究主要領(lǐng)域分布比例的歷史演變(%)

下面分別對各個領(lǐng)域的主要內(nèi)容進行簡要分析。

1.算法與權(quán)力(n=174)

這個最大聚類中的文獻圍繞算法與權(quán)力展開,主要探討算法、平臺和用戶之間的關(guān)系和影響。研究指出,算法和智能正以一種不可見的方式影響社會現(xiàn)實,從外在地影響我們的生活轉(zhuǎn)變?yōu)殡[蔽地存在于日常生活內(nèi)部,催生人們的“技術(shù)無意識”(technological unconscious)。算法通過讓“不可見性”成為一種時刻存在的威脅,規(guī)訓(xùn)網(wǎng)絡(luò)環(huán)境中的行動者。在可見性的博弈中,人類也具有自身能動性,比如為了讓算法更容易識別自己而主動調(diào)整創(chuàng)作內(nèi)容,從而達到增強可見性的目的。

對算法權(quán)力產(chǎn)生的影響,研究主要從社會公平角度進行揭示。例如:研究指出Reddit網(wǎng)站的設(shè)計、算法與平臺政策助長了反女權(quán)主義的文化；提出“平臺種族主義”(platform racism)概念,認(rèn)為算法對仇恨言論的助推加劇了社會的不平等；發(fā)現(xiàn)數(shù)字技術(shù)和算法造成了Uber平臺與司機之間的信息、權(quán)力不對等,增強了對后者的控制。

基于對算法權(quán)力的批判提出算法問責(zé)與倫理問題,不少研究指出追求算法的“透明性”將有利于我們理解并約束算法,但也有研究對此提出質(zhì)疑。

圖2 智能傳播研究文獻耦合分析網(wǎng)絡(luò)

2.人工智能與信息消費(n=143)

智能傳播研究的第二大領(lǐng)域圍繞人工智能與信息消費形態(tài)的改變及其影響展開。研究不但指出算法成為個人信息網(wǎng)絡(luò)中新聞策展(curation)的新主體,而且高度關(guān)注推薦算法對信息消費同質(zhì)性的影響,算法對內(nèi)容的過濾引發(fā)對形成高度同質(zhì)化的網(wǎng)絡(luò)社區(qū)、過濾氣泡與態(tài)度極化的擔(dān)憂。不過,這種憂慮在一些經(jīng)驗研究中并未找到有力的證據(jù)因為推薦邏輯可以和人類編輯一樣形成多樣化的內(nèi)容推薦；谷歌新聞的推薦算法似乎并未導(dǎo)致過濾氣泡的產(chǎn)生；臉書(Facebook)中的新聞使用可以讓用戶看到不同立場的新聞,從而形成態(tài)度的去極化等。但無疑,這個領(lǐng)域還需要更多的經(jīng)驗研究。

另一個憂慮是算法分發(fā)對虛假信息傳播的影響。有研究表明,智能技術(shù)(如面部、語音分析)能夠幫助產(chǎn)生“移情媒體”(empathic media),加劇假新聞的生產(chǎn)與傳播,但與此同時,算法推薦(由算法推薦正確信息)與社會修正(由用戶朋友發(fā)布正確信息)也有助于虛假信息的糾正。

3.人工智能與新聞生產(chǎn)(n=77)

第三大領(lǐng)域是人工智能與新聞生產(chǎn)。研究者采用“算法新聞”“自動化新聞”“機器生成新聞”等概念探討自然語言生成技術(shù)所完成的新聞生產(chǎn)。新聞生產(chǎn)方式的變革引發(fā)了關(guān)于新聞權(quán)威的爭議。在規(guī)范層面上,一方認(rèn)為算法在處理數(shù)據(jù)的速度和廣度上遠勝人類,并且正是因為算法脫離了人類的干預(yù)而獲得認(rèn)知上的權(quán)威；另一方則主張新聞權(quán)威不僅來自于其提供的關(guān)于世界的客觀信息,還在于剖析公共生活的能力以及高質(zhì)量新聞寫作中的情感性。經(jīng)驗層面的研究主要集中于探討用戶如何感知機器新聞寫作的權(quán)威性。實驗研究發(fā)現(xiàn),盡管問卷自我報告聲稱為人類生產(chǎn)的新聞能得到更高的評價,但實際上,自動化生產(chǎn)的內(nèi)容得到了更可信、新聞專業(yè)性更高的肯定,只是在可讀性上有所欠缺。

針對自動化新聞可能引發(fā)的社會風(fēng)險,研究指出新聞業(yè)的算法可以在數(shù)據(jù)、模型、輸出、界面四個層面上保持透明,另外還可以通過逆向工程的方法對算法使用加強問責(zé)。

4.智能機器人與人機傳播(n=71)

該領(lǐng)域文獻主要集中于對智能機器人以及人機傳播的探討,包括人機互動的形態(tài)、人類對機器人的角色感知,以及相關(guān)倫理討論等。當(dāng)機器人成為傳播者與交往對象,人類如何看待機器人是該領(lǐng)域研究的核心內(nèi)容,相關(guān)理論闡釋包括“媒介等同理論(media equation)”“恐怖谷理論(uncanny valley)”等。當(dāng)面對機器人時,人類可能會將它們置于生命體與非生命體之間加以看待,并與機器人存在情感互動。機器人引發(fā)的倫理道德問題既包括人類對機器人的虐待(如關(guān)注兒童對機器人的踢打行為),也包括人類的受騙(如育兒機器人欺騙兒童問題)。

人機傳播效果及其影響因素也是研究重點之一,如有實驗通過操控機器人的聲音與動作參數(shù)來賦予機器人不同的性格,當(dāng)機器人與人的性格互補時,人所感知與機器人交互的樂趣以及機器人的智力和社會吸引力將會更高。

5.智能技術(shù)的社會性(n=22)

該類研究主要從技術(shù)與社會的關(guān)系視角關(guān)注智能技術(shù)的社會性。其中,“可供性”是最受關(guān)注的概念之一。傳統(tǒng)可供性概念強調(diào)技術(shù)使行動可能或受限的特質(zhì),但忽視了人與技術(shù)互動中的感知以及互動所處的環(huán)境。特別是智能算法包含諸多隱藏的可供性,用戶對此也未知全貌。因此,有研究者提出“想象可供性”(imagined affordance)的概念,指出相比技術(shù)的實際功用,人們?nèi)绾蜗胂蠹夹g(shù)的可能性對理解其行動更為關(guān)鍵?？晒┬圆皇侵悄芗夹g(shù)的固有特征,而是人機互動過程中的集體性獲得(collective achievements),是社會—物質(zhì)的共同創(chuàng)造(socio-material co-creation)。以微軟推出的推特聊天機器人Tay為例:Tay原先只是設(shè)計者出于娛樂目的設(shè)計的機器人,而人類用戶基于想象可供性在與Tay互動的過程中不斷塑造Tay,結(jié)果Tay因說出淫穢與偏激的言論只上線一天即被叫停。Tay的例子體現(xiàn)出智能技術(shù)發(fā)展過程中的“共生能動性”(symbiotic agency)。其他研究還探討了機器人如何進入并影響家庭等智能技術(shù)的社會性問題。

6.人工智能與廣告(n=20)

該領(lǐng)域主要關(guān)注人工智能對廣告業(yè)的影響。研究指出,新型廣告內(nèi)容創(chuàng)作者、新媒體平臺、媒體內(nèi)容提供商以及廣告技術(shù)提供商共同構(gòu)成計算廣告生態(tài),而自動生成內(nèi)容的算法也是新型廣告內(nèi)容創(chuàng)作者,廣告技術(shù)提供商則基于數(shù)據(jù)進行智能廣告分發(fā)。廣告主越來越多采用“微定位”(microtargeting)策略,自動化購買廣告對目標(biāo)消費者的曝光。智能廣告引發(fā)的相關(guān)技術(shù)知識和隱私問題也受到關(guān)注。

7.智能技術(shù)接受與回避(n=18)

最后一個主要研究領(lǐng)域集中探討智能技術(shù)接受與回避的影響因素。研究發(fā)現(xiàn),對隱私的關(guān)切是用戶回避智能技術(shù)的主要原因。個性化技術(shù)因為對個人信息的收集增加了消費者的感知威脅,從而降低其消費意愿。感知個性化水平也是顯著的影響因素之一,感知個性化水平越高(如感知推薦越有效),則越有助于用戶對智能技術(shù)的接納。

(三)智能傳播研究的核心概念:關(guān)鍵詞及其共現(xiàn)分析

首先,我們對關(guān)鍵詞(共2137個)進行了統(tǒng)計(對單復(fù)數(shù)、不同拼寫方式作了合并),出現(xiàn)3次及以上的高頻關(guān)鍵詞為202個。其中,出現(xiàn)次數(shù)最高的關(guān)鍵詞為“算法”(algorithm,147次),隨后2—10位依次是“社交媒體”(social media,76次)、“人工智能”(artificial intelligence,61次)、“人—機器人交互”(human-robot interaction,60次)、“個人化/個性化”(personalization,47次)、“大數(shù)據(jù)”(big data,39次)、“機器人”(robots,39次)、“臉書”(Facebook,30次)、“自動化”(automation,28次)，以及“計算新聞”(computational journalism,27次)?！叭恕獧C器人交互”和“算法”分別是前后兩個十年(2000—2010、2011—2020)出現(xiàn)頻次最高的關(guān)鍵詞。在前十位偏實體性概念之外,出現(xiàn)頻率較高的理論概念還包括:“過濾氣泡”(filter bubble,11次)、“可供性”(affordance,8次)、“透明性”(transparency,8次)、“把關(guān)”(gatekeeping,6次)、“物質(zhì)性”(materiality,6次)、“行動者網(wǎng)絡(luò)理論”(actor-network theory,5次)、“數(shù)據(jù)化”(datafication,5次)、“極化”(polarization,5次)、“選擇性接觸”(selective exposure,5次)、“恐怖谷”(uncanny valley,5次)等。

我們對高頻關(guān)鍵詞(n=202)進行共現(xiàn)分析(圖3)?！八惴ā薄吧缃幻襟w”與“人工智能”分別是度數(shù)中心性、中介中心性與接近中心性最高的三大關(guān)鍵詞,構(gòu)成智能傳播研究最核心的概念。高頻關(guān)鍵詞共形成14個聚類,其中,有8個聚類包含的關(guān)鍵詞個數(shù)在5個以上,形成了概念群。其中,三大概念群(占所有出現(xiàn)3次及以上關(guān)鍵詞的69.31%)分別是:算法與社交媒體(n=56)、個性化新聞(n=46)、人工智能與社會(n=38),另外還有五個相對較小的概念群,分別是自動化新聞(n=17)、人—機器人交互(n=11)、人—計算機交互(n=11)、平臺研究(n=8)與輔助型機器人(n=6)。

圖3 智能傳播研究關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)

1.算法與社交媒體(n=56)

這是涵蓋關(guān)鍵詞最多的一個概念群,圍繞著算法(algorithm)與社交媒體(social media)兩個核心概念展開。除平臺(platform)及其具體代表(Facebook、YouTube、Netflix、Google等)以及受眾(audience)、用戶(user)等外,主要的理論概念包括算法文化(algorithmic culture)、數(shù)字文化(digital culture)、媒介生態(tài)(media ecology)、可見性(visibility)、不平等(inequality)等,體現(xiàn)出對算法在宏觀上如何影響文化和社會的關(guān)切；推薦(recommendation)、極化(polarization)、認(rèn)同(identity)等,則側(cè)重微觀層面上算法對個人的影響。

2.個性化新聞(n=46)

本概念群圍繞個性化、自動化和新聞業(yè)展開,既包括對側(cè)重新聞生產(chǎn)的討論,如把關(guān)、行動者網(wǎng)絡(luò)理論、場域理論、客觀性、透明性等；也包括關(guān)注個性化新聞效果的概念,如過濾氣泡、選擇性接觸、回音壁等。

3.人工智能與社會(n=38)

該聚類處于中心位置的技術(shù)概念主要包括人工智能、大數(shù)據(jù)、機器學(xué)習(xí)等,理論概念主要是可供性、物質(zhì)性、媒介化、數(shù)據(jù)化等,并涉及對權(quán)力、民主、隱私、監(jiān)控等重要社會議題的思考。

4.自動化新聞(n=17)

自動化新聞(automated journalism,automated news)相關(guān)的技術(shù)概念包括自然語言生成(natural language generation)、新聞機器人(newsbots)等,理論概念包括評估內(nèi)容可信度的MAIN(modality-agency-interactivity-navigability,形式—載體—互動性—可操作性)模型，以及計算新聞、算法新聞(algorithmic journalism)等。

5.人—機器人交互(n=11)

該概念群的中心概念是“人—機器人交互”,涉及的實體概念有社交機器人、索尼AIBO機器狗(artificial intelligence robot),以及機器人設(shè)計(robot design)等,理論概念包括社會臨場感(social presence)、心理基準(zhǔn)(psychological benchmarks)等。

6.人—計算機交互(n=11)

該聚類的主要概念包括“人—計算機交互”、計算機作為社會行動者(computer as social actors),以及與交互過程息息相關(guān)的信任(trust)、參與(engagement)、情感(affect)、情緒(emotion)、自我披露(self-disclosure)、親密感(intimacy)等。

7.平臺研究(n=8)

主要包括平臺研究(platform studies)、軟件研究(software studies)、平臺化(platformization)、基礎(chǔ)設(shè)施(infrastructure),以及與平臺緊密相關(guān)的勞動(labor)、工作(work)等。

8.輔助型機器人(n=6)

主要概念有仿人機器人(humanoid robot)、輔助型機器人(assistive robot)、輔助技術(shù)(assistive technology)及其主要應(yīng)用場景(autism、learning)等。

(四)智能傳播研究的知識基礎(chǔ):引文共引分析

1.總體特征與高引文獻

首先,639篇智能傳播文獻共引用25189篇/部文獻,平均引用39.42篇。最早的引用文獻是1629年笛卡爾致哲學(xué)家梅森討論人工語言的信件InaLettertoMersenne。但智能傳播研究所引用的二級文獻總體上主要集中于21世紀(jì),只有少量2000年以前的經(jīng)典文獻得到較多引用(在被引次數(shù)≥5的419篇二級文獻中,占12.65%)。

其次,我們分析了高引二級文獻的學(xué)科分布。對被引次數(shù)≥15的49篇二級文獻進行學(xué)科分類人工標(biāo)注后發(fā)現(xiàn)(可多選),71.43%屬于傳播學(xué),同時42.86%來自其他學(xué)科。具體地,22.45%來自其他人文社會科學(xué)(主要包括法學(xué)、文化研究、政治學(xué)),18.37%來自理工科(主要來自計算機科學(xué)、機器人學(xué)),以及2.04%來自于跨學(xué)科期刊(Science)。

第三,表3報告了被初級文獻引用次數(shù)最多的11篇/部二級文獻,均出版/發(fā)表于2010年后。其中,書籍4部,論文7篇。值得注意的是,其中四篇論文本身也是智能傳播研究的初級文獻(序號3、4、5、10)。

表3 被智能傳播研究論文引用次數(shù)最多的11篇/部二級文獻

2.引文網(wǎng)絡(luò)分析

在25189篇二級文獻中,大部分(87.35%)二級文獻只被一篇初級論文引用,這使得它們無法與其他節(jié)點聯(lián)系起來。為減少信息冗余,降低網(wǎng)絡(luò)的復(fù)雜度,以便更好地把握智能傳播研究知識來源的總體特征,我們選擇次數(shù)3作為二級文獻的引用閾值,最終得到了1229篇二級文獻。通過共引分析,我們發(fā)現(xiàn)了7個主要的二級文獻聚類(涵蓋98.28%,另有3個聚類包含的二級文獻各不超過10篇)。我們對各個聚類中的文獻結(jié)合主要內(nèi)容給出了聚類名稱,代表智能傳播研究七個方面的知識基礎(chǔ),分別是:算法與平臺、信息個人化、算法與新聞業(yè)、互動型機器人、人類對機器的認(rèn)知與交互、說服與商業(yè)傳播、輔助型機器人，如圖4。

圖4 智能傳播研究的引文共引網(wǎng)絡(luò)

(1)算法與平臺(n=308)

最大的一個引文分類集中于對算法文化、算法權(quán)力以及社交媒體、平臺設(shè)施的探討,主要來自傳播學(xué)與文化研究領(lǐng)域,偏向宏觀,批判色彩濃郁。被引用最多的是Bucher 2012年發(fā)表于《新媒體與社會》的論文WanttobeontheTop?AlgorithmicPowerandtheThreatofinvisibilityonFacebook(該文本身也是被引次數(shù)最多的智能傳播研究初級文獻),這篇論文討論了不可見性作為一種威脅對算法權(quán)力的塑造；其次是探討算法與社會關(guān)系的著作《黑箱社會》(TheBlackBoxSociety,2015)、闡述社交媒體連接性的著作《連接:社交媒體批評史》(TheCultureofConnectivity:ACriticalHistoryofSocialMedia,2013),以及關(guān)于平臺政治的論文《平臺政治》(ThePoliticsof‘Platforms’,載于《新媒體與社會》,2010)等。

(2)信息個人化(n=290)

第二大引文類別主題是信息個人化(information personalization),探討算法所形成的信息個人化、選擇性接觸,以及這一過程所產(chǎn)生的過濾氣泡、信息繭房、群體極化等效果。這部分的前十位高被引文獻中(均發(fā)表于2010年之后),包括闡釋“過濾氣泡”的代表性著作《過濾泡:互聯(lián)網(wǎng)對我們的隱秘操縱》(TheFilterBubble:WhattheInternetIsHidingfromYou,2011),以及ExposuretoIdeologicallyDiverseNewsandOpiniononFacebook(發(fā)表于Science,2015)、FilterBubbles,EchoChambers,andOnlineNewsConsumption(發(fā)表于Public Opinion Quarterly,2016)等代表性實證研究論文。

(3)算法與新聞業(yè)(n=288)

人工智能、算法與新聞業(yè)不僅構(gòu)成智能傳播研究的主要領(lǐng)域,而且也構(gòu)成一個主要的知識基礎(chǔ),體現(xiàn)出該領(lǐng)域“自給自足”的知識生態(tài)。這部分文獻主要來自傳播學(xué)內(nèi)部,其中在被引用次數(shù)前十名的二級文獻中(均發(fā)表于2010年之后),一半來自于《數(shù)字新聞》(Digital Journalism),說明該刊已經(jīng)成為算法新聞領(lǐng)域核心的知識貢獻來源。高被引文獻集中于對新聞業(yè)量化/計算轉(zhuǎn)向的理論綜述(如TowardsaSociologyofComputationalandAlgorithmicJournalism,2012)和對自動化新聞業(yè)新行動者(機器人記者)的概念化研究(如TheRoboticReporter:AutomatedJournalismandtheRedefinitionofLabor,CompositionalForms,andJournalisticAuthority,2015)等。

(4)互動型機器人(n=120)

與前三類引文不同,互動型機器人方面的高被引文獻更多來自于機器人學(xué)(robotics)、人工智能、自動化與控制系統(tǒng)等理工科期刊(如Robotics and Autonomous Systems),以及語言學(xué)與傳播學(xué)交叉期刊(如Interaction Studies)。聚焦互動型機器人的概念闡釋、機器人設(shè)計、人機互動、對話分析等方面。與前三類引文集中于近年不同,互動型機器人的前十位高被引文獻全部發(fā)表于2010年之前,其中包括兩篇1970年代的經(jīng)典文獻:日本機器人專家森政弘(Mosahiro Mori)闡釋“恐怖谷理論”(指人類對與他們有某種程度相似的機器人的排斥反應(yīng))的論文TheUncannyValley(載Energy,1970),以及社會學(xué)家Sacks等開創(chuàng)會話分析(conversation analysis)領(lǐng)域的論文《一個關(guān)于會話話輪轉(zhuǎn)換規(guī)則的最簡系統(tǒng)》(ASimplestSystematicsfortheOrganizationofTurn-TakingforConversation,載于Language,1974)。

(5)人類對機器的認(rèn)知與交互(n=92)

這部分文獻主要來源于計算機科學(xué)、心理學(xué)、傳播學(xué)等學(xué)科,聚焦人類對機器的認(rèn)知和交互。與上一類引文相比,該聚類更加體現(xiàn)心理學(xué)的微觀、實證視角。前十位高被引文獻中有7篇發(fā)表于2010年之前。包括斯坦福大學(xué)Reeves和Nass闡述人類會對計算機作出社會性反應(yīng)的人機傳播經(jīng)典著作《媒介等同》(TheMediaEquation,1996),還包括人工智能領(lǐng)域提出“圖靈測試”的經(jīng)典論文《計算機與智能》(ComputingMachineryandIntelligence,載于Mind,1950)等。

(6)說服與商業(yè)傳播(n=76)

本聚類中的二級文獻代表人工智能廣告等研究領(lǐng)域所依托的說服與商業(yè)傳播知識基礎(chǔ),主要來源于商學(xué)、傳播學(xué)、心理學(xué)期刊,特別是市場營銷與消費者研究期刊。如Friestad和Wright的《說服知識模式》(ThePersuasionKnowledgeModel,載于Journal of Consumer Research,1994)在本類被引次數(shù)排名中位列第二,被引次數(shù)最高的文獻是Fornell和Larcker的結(jié)構(gòu)方程模型經(jīng)典論文EvaluatingStructuralEquationModelswithUnobservableVariablesandMeasurementError(載于Journal of Marketing Research,1981)。

(7)輔助型機器人(n=28)

這部分文獻聚焦于具有實用功能的輔助型機器人,包括教育機器人、醫(yī)療機器人、育兒機器人等。主要來自于機器人學(xué)、語言學(xué)、生物醫(yī)學(xué)工程等學(xué)科期刊,以及它們與傳播學(xué)的復(fù)合類期刊,側(cè)重從人機交互角度探討機器人在醫(yī)學(xué)、教育等領(lǐng)域的作用。前十位高被引文獻中8篇發(fā)表于2010年之前。最高被引文獻是Robins等的《機器人中介的自閉癥兒童的聯(lián)合注意力》(Robot-mediatedJointAttentioninChildrenwithAutism)(載于Interaction Studies,2004)。

四、結(jié)論與討論

本文基于2000—2020年SSCI數(shù)據(jù)庫的傳播學(xué)論文,運用引文耦合分析、關(guān)鍵詞共現(xiàn)分析，以及共引分析,首次對當(dāng)前方興未艾的智能傳播研究進行長時段的文獻計算分析,從研究領(lǐng)域、核心概念與知識基礎(chǔ)三個方面繪制智能傳播研究的知識地圖。研究發(fā)現(xiàn)，第一,智能傳播研究自2000年以來,特別是近十年獲得長足發(fā)展,主要包括七大研究領(lǐng)域:算法與權(quán)力、人工智能與信息消費、人工智能與新聞生產(chǎn)、智能機器人與人機傳播、智能技術(shù)的社會性、人工智能與廣告,以及智能技術(shù)的接受與回避,其中又以前四大領(lǐng)域為主(占全部初級文獻的72.77%)。第二,智能傳播研究的核心概念包括“算法”“社交媒體”“人工智能”等實體概念與“人—機(器人)交互”“過濾氣泡”“可供性”等理論概念,可聚合成包括算法與社交媒體、個性化新聞、人工智能與社會三個主要聚類在內(nèi)的八大概念群。第三,智能傳播研究的知識基礎(chǔ)包括七大方面:算法與平臺、信息個人化、算法與新聞業(yè)、互動型機器人、人類對機器人的認(rèn)知與交互、說服與商業(yè)傳播、輔助型機器人,智能傳播研究受到跨學(xué)科滋養(yǎng),除傳播學(xué)外,所引用的文獻來自計算機科學(xué)、機器人學(xué)、語言學(xué)、自動化與控制、心理學(xué)、生物醫(yī)學(xué)工程、文化研究、商學(xué)等十多個學(xué)科。

本文所做的主要貢獻在于:第一,不僅呈現(xiàn)了智能傳播研究的主要領(lǐng)域(研究主題),而且分析了核心概念和知識來源,從而對智能傳播研究的知識地圖進行了更全面的繪制。第二,采用基于文獻挖掘的“自下而上”計算方法,避免了“自上而下”的先驗之見或僅基于部分文獻的“局部掃描”,從而不但展現(xiàn)了智能傳播研究相對客觀、完整的圖景,而且揭示出不為以往研究所關(guān)注的一些發(fā)現(xiàn),例如:在研究領(lǐng)域方面,發(fā)掘出智能機器人與人機傳播、智能技術(shù)的社會性、人工智能與廣告等不為以往研究所強調(diào)的主題；在研究概念方面,發(fā)現(xiàn)了“人—機器人交互”“人—計算機交互”“平臺研究”等獨特的概念群；在知識來源方面,挖掘出多學(xué)科的知識貢獻,特別是經(jīng)典文獻的影響,從而幫助我們更好地理解智能傳播研究的學(xué)術(shù)脈絡(luò)。第三,基于文獻網(wǎng)絡(luò)分析的方法不僅有助于挖掘新的發(fā)現(xiàn),更重要的是展現(xiàn)出智能傳播研究的知識結(jié)構(gòu),即基于文獻之間的連接關(guān)系構(gòu)建知識地圖的內(nèi)在邏輯,一方面展現(xiàn)出智能傳播研究凝聚形成的多個不同的學(xué)術(shù)社群,另一方面也揭示出它們之間的隱藏聯(lián)系,從而有助于激發(fā)智能傳播研究的想象空間。第四,相對于以往研究的短視閾,本文基于過去20年的視野對智能傳播研究進行較長期的研究,既可以讓我們看到當(dāng)前熱點,也提醒著我們溫故知新。

正是基于網(wǎng)絡(luò)分析,本文清晰地揭示出智能傳播研究的兩大學(xué)術(shù)傳統(tǒng):“智能技術(shù)作為傳播中介”與“智能技術(shù)作為傳播者”。無論是研究領(lǐng)域、核心概念,還是知識基礎(chǔ),都浮現(xiàn)出兩大主要體系結(jié)構(gòu)——一類由算法與權(quán)力、人工智能與信息消費、人工智能與新聞生產(chǎn)等構(gòu)成,關(guān)注的是智能技術(shù)如何重構(gòu)傳播過程和社會權(quán)力關(guān)系；另一類由人機傳播、互動型機器人、輔助型機器人等構(gòu)成,聚焦的是人類與智能機器之間的交往互動。它們在各自內(nèi)部具體的領(lǐng)域、概念和知識基礎(chǔ)聚類之間存在較多交叉,但兩大傳統(tǒng)之間則很少重合,甚至呈現(xiàn)清晰的分隔。如從高引二級文獻來看,前者的知識基礎(chǔ)很“新”,主要引用近十年，甚至近五年發(fā)表的文獻,其中不少“初級文獻”本身構(gòu)成“二級文獻”,并主要來自傳播學(xué)內(nèi)部,意味著以算法與權(quán)力、算法效果等為代表的傳播研究之間形成一個相互引用的“自給自足”的體系,它們似乎也很少直接與崇尚內(nèi)容/訊息中心的傳播學(xué)經(jīng)典理論對話,而是更為勾連技術(shù)、媒介、平臺和物質(zhì)性理論；而后者的知識基礎(chǔ)則相對較“遠”,但它們也非傳統(tǒng)意義上傳播學(xué)的經(jīng)典文獻,而更多源自跨學(xué)科,高引二級文獻最早可上溯至1950年圖靈的經(jīng)典之作。這說明以智能技術(shù)為傳播者的“人機傳播”研究更加注重悠久的學(xué)術(shù)傳統(tǒng),也呈現(xiàn)更強的跨學(xué)科特征。

智能傳播研究給傳播學(xué)帶來的最大挑戰(zhàn)與想象恐怕也在于此:如何看待并定義智能技術(shù)在傳播中的位置。傳統(tǒng)傳播研究的基本假設(shè)是傳播的主體是人,傳播是發(fā)生在人類之間的交往活動(human communication)；但智能傳播研究的知識地圖已經(jīng)打破了這一預(yù)設(shè),清晰展現(xiàn)出智能技術(shù)不僅是人類傳播的中介(AI-mediated human communication),而且是重要的傳播者與交流對象(human-AI communication)。“人—機傳播”應(yīng)當(dāng)且已經(jīng)成為智能傳播研究的重要內(nèi)容,值得更多關(guān)注與重視。兩大傳統(tǒng)之間也需要更多的互通與對話。

值得思考的還有“人類”與“智能技術(shù)”的二元區(qū)分?！昂笕祟悤r代”的“賽博人”概念認(rèn)為,人類本身已非傳統(tǒng)意義上的生命有機體,而是整合了智能媒介的新型主體(智能媒介并非外在于人的延伸,而是與人的身體融合互嵌)。因此,智能傳播研究應(yīng)當(dāng)在“智能技術(shù)作為傳播中介”與“智能技術(shù)作為傳播者”的基礎(chǔ)上對話、整合,發(fā)展基于“智能人類主體”的傳播研究,不僅考察智能技術(shù)對于人類交往活動的影響,重視人類與智能技術(shù)之間的交往,還要關(guān)注“智能人類主體”自身,以及相互之間的溝通實踐,從而不斷煥發(fā)智能傳播研究的想象力,塑造傳播研究的未來。

注釋:

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 師文、陳昌鳳:《馴化、人機傳播與算法善用:2019年智能媒體研究》,《新聞界》,2020年第1期,第300-306頁。師文、陳昌鳳:《信息個人化與作為傳播者的智能實體——2020年智能傳播研究綜述》,《新聞記者》,2021年第1期,第90-96頁。

⑩ 喻國明、梁爽、程思琪:《當(dāng)前國際傳媒領(lǐng)域人工智能研究的學(xué)術(shù)熱點與框架》,《東南學(xué)術(shù)》,2018年第2期,第55頁。