4月29日下午，北师香港浸会大学人文社科学院、创意媒体与传播研究中心以及研究生院联合举办了一场客座讲座。香港城市大学计算社会科学讲座教授、传播研究中心主任祝建华教授应邀来到学校，为师生带来了题为《如何研究AI相关的传播？传播学研究者的跨学科路径与知识贡献》的精彩讲座。北师港浸大创意媒体与传播研究中心主任朱琳教授担任讲座主持人。

讲座现场

朱琳教授担任讲座主持人

讲座伊始，北师港浸大协理副校长黄煜教授为师生们介绍了祝建华教授的学术背景。作为计算传播领域的领军人物，祝教授将传播学理论与计算方法结合，并在传播学顶尖会议国际传播学会（ICA）年会中开创了这一研究分支。

黄煜教授介绍讲座嘉宾

在讲座中，祝教授分享了自己的学术转型之路。他回顾了从最初的agenda setting研究，到e-social science研究，再到如今结合计算与AI方法的传播学研究的历程。他提到，做研究的过程是不断自我探索和深化的过程。尽管专注于计算传播研究，祝教授强调自己并非单纯的“方法论者”，而是从未放弃传播学理论的贡献，始终致力于深入探索媒介效果。

祝建华教授分享观点

祝建华教授分享观点

接着，祝教授详细阐述了计算科学与社会科学两种研究取向的异同。他以有监督学习和无监督学习为例，指出虽然社会科学对计算方法的应用不像计算科学那样复杂和广泛，但它更注重“小而精”的研究，聚焦关键变量的影响。他还介绍了计算传播学中的一些重要概念，如supervised based statistical learning、ground truth data、cross-validation，以及unseen independent data等。

祝建华教授分享观点

讲座现场

在讲座的后半部分，祝教授提出了一个关键问题：“社会科学还能做什么？”他分享了自己对这一问题的看法：（1）社会科学学者拥有独特的观察、判断和分析能力，这些是无监督机器学习无法替代的。例如，社会科学学者的人工标注以及严格的intercoder reliability标准，确保了数据标注的专业性和可验证性；（2）社会科学的分析方法能够使研究结果更准确地呈现。例如，在社交网络大数据研究中，选择不同的研究单位（如单条帖子与单一用户）会得出完全不同的结论。如果缺乏社会科学的思维训练，随意选择研究单位可能会误导读者；（3）社会科学更注重关键变量的研究，而非单纯的模型整体效应。社会科学学者更倾向于对数据进行深入的科学解释，而单一的可视化图表可能会由于过于简化，导致细节的丧失。

祝建华教授分享观点

讲座最后，祝教授还针对师生们在自然语言处理、中国研究等方面的提问，进行了详细解答。

祝建华教授与师生进行深入交流