宣长春 李嘉鑫 | 直面复杂系统：计算传播研究的路径创新与方法前瞻

以下文章来源于新闻界，作者宣长春李嘉鑫

摘 要在传播学研究“复杂性转向”的背景下，计算传播研究虽在数据处理与方法应用上快速发展，但整体仍呈现出“以计算处理复杂数据”而非“以计算理解复杂性”的取向。本文以复杂系统理论为基础，引入“科尔曼之舟”作为“宏观-微观”跨层级分析框架，主张通过情境机制、个体行动机制与转化机制的有机串联，将宏观传播现象“局部还原”为宏观条件下微观主体的行动生成与交互过程，并在方法论层面提出双重革新方向：一是强化微观层级的过程性分析，从结果表征走向行动生成机制的深描；二是推动跨层级桥接，发展多层网络与递归仿真方法，以刻画“行动-结构-再行动”的动态演化迭代过程。溯因推理应成为计算传播学的核心认识论，通过与“科尔曼之舟”的有机结合，能够构建从宏观结果出发反向推断机制的理论生成路径。此时，计算不再只是方法论工具，更是探索宏观现象涌现机制的认识装置，这在一定程度上能够化解计算传播研究“只有计算，没有理论”的困境，以便在复杂性转向的语境下重建传播学理论的解释力。

关键词计算方法；计算传播研究；复杂系统；科尔曼之舟；溯因推理

一键下载原文

宣长春 李嘉鑫-直面复杂系统：计算传播研究的路径创新与方法前瞻.pdf

汤景泰 陈秋怡-“事实”的危机：计算宣传中的信任操纵与真实性增值.pdf

王敏 张子柯-计算传播学的仿真研究范式：优势、挑战与发展.pdf

一、问题缘起：传播学研究中的“复杂性转向”

近年来，传播学领域逐渐出现“复杂性转向”，即关注传播过程中的不确定性、相互依赖与涌现机制，将传播活动视为多主体互动中不断生成的复杂系统。这一转向并非简单基于新媒介技术或大数据条件的外在推动，相较于技术驱动的表层解释，其更深层的理论根源在于复杂性科学对社会现象理解方式的重塑，即从线性因果走向关系性、生成性与非线性机制的整体把握。这一重塑之所以在当下的传播学研究中凸显，一方面源于数字传播环境中流动边界、非线性、涌现、多样性和相互依存等概念的突出，使复杂性视角更具解释力；另一方面也在于复杂系统思想并非外在引入，而是植根于传播学理论传统之中。正如韩少卿与巢乃鹏所指出的，“传播理论一开始就拥有着复杂性的思想内核。无论是传播理论的‘老三论’（信息论、控制论、系统论）还是后来的‘新三论’（耗散结构论、协同论、突变论），它们所处理与嵌入的核心都是复杂性” 。然而，复杂性视角并不自动转化为具体的研究路径，它需要借助能够处理复杂结构与动态过程的方法体系加以实现。正是在这一意义上，以计算方法为核心的计算社会科学为复杂性问题提供了可操作的分析框架，并进一步在传播研究中具体化为计算传播学这一研究进路。

然而，相较于计算方法在实证研究中的快速扩张，复杂性视角在计算传播中的理论引入与系统整合仍显不足，整体上呈现出“以计算处理数据”而非“以计算理解复杂性”的取向。具体而言，在研究议题与方法层面，尽管近年来以生成式人工智能、多模态内容与算法权力反思为代表的计算传播研究议题不断涌现，大数据技术与自然语言处理等计算方法的应用亦持续增长，但研究范式整体上仍以回归分析、结构方程模型等传统量化路径为主导，方法创新更多体现为数据处理能力的扩展，而非复杂系统视角下解释框架的深化。进一步来看，即便是引入网络分析与仿真建模这类具有复杂系统分析潜力的计算方法的研究，其在方法应用与理论整合上仍缺乏对复杂系统理论的系统跟进。

在方法上，已有不少利用网络分析方法的计算传播研究尝试立足复杂系统视角，通过局部互动与反馈回路来说明舆论形态的涌现与非线性变化。相关实证工作多尝试描绘不同国家媒体、智库、平台用户等主体在议题层面的竞争与协同机制及其扩散轨迹，较为系统地刻画了多主体网络中的议题联动模式、级联扩散机制与跨国议程互动结构，在经验层面呈现出国际传播由线性影响走向网络化协同的演化图景。然而，从复杂系统理论看，这类研究更多停留在对关系结构的“表征性刻画”，而非对复杂性机制的系统整合，这些研究的思路往往将舆论系统抽象为同质节点及其连接关系，在一定程度上简化了复杂系统本身的多层次结构。而舆论场中的突变、极化或结构性转向，其背后往往有多个维度的共振效应，如情绪因素、社群网络拓扑、主流媒体议程设定、政治经济背景等，并且各维度的要素之间又是互相依赖、彼此耦合的子系统。若仅停留在对微观主体之间的互动机制或单层级网络结构的考察，“跨层次”的因果机制则难以解释，也无法回答不同层级变量如何相互转化、结构性约束与个体之间如何互构等关键理论问题。

而利用仿真建模方法的计算传播研究在捕捉局部互动的全局效应方面精度显著提升，超越了系统动力学的抽象确定性与元胞自动机的网格封闭性，并能够将微观和宏观视角联系起来，为数据中观察到的经验模式提供过程机制解释。尽管仿真模拟被引入计算传播以增强对复杂系统的刻画，其方法论运作仍以预设规则与参数调试为核心：代理行为源于既有理论假设，通过“生成充分性”（generative sufficiency）检验既定机制是否再现宏观模式，本质上是服务于理论验证而非理论生成。同时，此类模型的应用多将宏观环境压缩为静态参数或局部约束，难以回答远离平衡态下的自组织与多层级反馈等复杂系统理论问题。更为突出的是，现有计算传播的仿真研究所采用的模型较为集中，以SIR模型及其变体（SEIR）为主，这在方法上便利了对信息扩散过程的刻画，但也在无形中将研究重心锁定于以个体为单位的传播演化框架之中，研究内容也自然收缩为“信息如何传播以结成结构”，限制了计算传播研究在理论解释方面的能力。相较之下，引入如自组织临界性等理论下的模型，则有助于突破个体主义分析范式，将研究视角拓展至跨主体关系结构及其整体演化过程，例如“媒体-国家”等行为体间的互动及其宏观结果的涌现，从而为理解传播系统的非线性跃迁提供新的视角。

因此，本文认为，计算传播研究要真正面对传播学的“复杂性转向”，真正从“数据计算”走向“理解复杂性”，亟需在理论框架、方法路径与认识论基础上进行整体推进。基于此，本文首先引入“科尔曼之舟”作为跨层级机制分析的理论工具，以重构微观行动与宏观结构之间的解释路径，从以“局部相互作用”为核心的机制描摹，走向对“宏观整体结构-微观个体行动”之间复杂关系的综合解释。而后进一步从复杂系统视角出发反思计算传播方法的发展方向，强调由表征性分析走向生成性建模的转变，并在认识论层面引入溯因推理，将其视为连接经验数据与机制解释的关键路径，从而为复杂传播现象研究的理论生成提供支撑。通过三个层面的整合，本文尝试为计算传播研究提供一条面向复杂系统的理论与方法创新路径，深化复杂性理论与传播学研究之间的对话。

二、“科尔曼之舟”：理解跨层级社会机制的理论框架

在复杂传播系统中，一个重要的理论问题是，如何在不诉诸整体主义因果解释的前提下，系统说明个体传播行为与宏观舆论结构之间的关联路径。舆论形态与议题结构等宏观现象，既不能被简单还原为个体行为属性的线性加总，也难以被视作独立于个体行动之外的“自主社会力量”。因此，计算传播研究若要真正回应复杂性转向所提出的跨层级解释要求，就必须引入一种能够同时容纳结构条件、个体行动与宏观结果的机制性分析框架。“科尔曼之舟”（Coleman’s Boat）正是在这一意义上提供了一个清晰而具有方法论指向性的理论模型。

（一）走向方法论局部主义：“科尔曼之舟”的理论回应

对复杂系统的解释在传统上秉持着一种偏向“整体主义”的思路，受到复杂性、自组织与涌现等思想的启发，强调宏观秩序的不可还原性与整体层级的解释优先性。然而，这一路径也面临着内在张力。一方面，它往往容易滑向神秘主义，即承认宏观性质的存在，却难以具体说明这些性质究竟如何在动态过程中由微观互动生成；另一方面，在宏观社会层次，无论是在单一社会系统的长期演化中，还是在不同社会系统之间的比较中，结构性变量的变化往往十分缓慢且幅度有限，这也使得相关假设难以通过经验数据获得有力检验，进而陷入理论高度抽象却缺乏可操作性的困境。在这一背景下，引入“科尔曼之舟”作为核心分析框架，实质上是将复杂系统研究的重心由宏观层级的因果说明，转向对跨层级作用机制的过程性解释。这一取向并不意味着重新回到假定“社会整体具有自主因果力”的整体主义路径，而是强调社会因果必须落实为“随附于行动者之上的结构化选择与行为过程”。也就是说，社会机制的实在性并非来自抽象社会实体本身，而是来自“被社会构成并被社会定位的行动者”，他们在特定制度情境与规范约束中，根据自身动机与信念做出行动选择，由此承载并实现社会因果力。

在这一意义上，社会结构并非外在强加于个体之上的“黑箱”，而是以制度安排、角色期待、资源分配与信息环境等方式，转化为个体可感知、可回应的行动条件；而个体行动也并非纯粹的心理反应，而是在既定社会定位中被形塑，同时又试图施加影响的策略性实践。二者之间并非简单的单向决定关系，而是通过持续的互动构成递归性的反馈机制。在传播学研究中，无论是算法推荐机制还是舆论极化现象，其背后的驱动力最终都要回溯到具体情境中人类行动者的认知加工、选择偏好与互动策略，乃至非人行动者（如代码）的配置方式。由此，社会机制既不是脱离行动者的抽象力量，也不是可被完全还原为纯粹的个体属性，而是往返于“宏观-微观”互动之间的结构化过程与关系模式。

这种“方法论局部主义”（methodological localism）立场，使得社会因果解释既避免了将结构视为自主实体的整体主义困境，也超越了仅以个体心理为起点的还原主义解释路径，其实质上主张一种基础主义的分析策略，是“社会-个人”双向的建构主义：认为每一类社会机制都根植于制度情境、社会建构特征、个体发展轨迹与具体互动场景的组合之中，并通过行动者对规则、惯例与限制的回应而发挥作用。这一视角为面对复杂系统的传播学研究提供了坚实的哲学基础，促使我们将对宏观传播现象的解释锚定在具体的行动逻辑之上，复杂传播现象得以被解释为“可理解的生成过程”，而非仅仅是统计相关或整体属性的描述。

（二）复杂系统的因果链条：基于科尔曼之舟的机制拆解

对于传播学中的复杂系统研究而言，科尔曼之舟的价值在于它并未将宏观与微观割裂，而是提供了一种层次化且可操作的因果拆解路径。在该框架下，宏观的社会事实与微观的个人动机及行动都可以在同一机制链条中被同时纳入解释框架之中。在科尔曼之舟的理论框架下，复杂传播现象可以被理解为多重因果链条的交织过程，而非单一层级因素的直接作用。具体而言，其“复杂性”可被拆解为三个相互关联的机制路径：“宏观条件至微观条件”的情境机制（situational mechanism）、“微观条件至微观结果”的个体行动机制（individual action mechanism）和“微观结果至宏观结果”的转化机制（transformational mechanism）（图1）。

值得注意的是，“宏观-微观-宏观”的贯通逻辑在复杂系统与计算社会科学研究传统中并不罕见，譬如谢林（Friedrich Schelling）的隔离模型就清晰展示了微观行动者的局部规则（如对邻居种族构成的偏好阈值）如何在去中心化的互动中涌现为宏观的种族隔离格局。爱泼斯坦（Joshua Epstein）更明确提出“如果你无法生成（grow）它，你就无法解释它”，强调通过微观规则生成宏观结构的解释策略。因此，本文也并不认为，离开科尔曼之舟的框架复杂系统下的计算传播研究中就会面临不可弥补的缺口。本文更倾向于将科尔曼之舟的框架定位为适用型的分析框架，其价值在于，在特定研究情境中为研究者提供一种更为系统的跨层级（宏观-微观）变量组织方式与因果机制拆解逻辑，从而使已有的计算传播研究在面对复杂性问题时更具解释深度与可对话性。由此，科尔曼之舟的框架在面对复杂性的计算传播研究中也有其明确的适用边界。第一，研究问题涉及宏观结构变化，且研究者希望对这一互动过程做出机制性说明。值得注意的是，无论是宏观结构还是微观个体都并不指向某一特定实体或固定对象，而是一种分析层级上的概念指称，譬如在不同情境下，个人、家庭与国家之间可以构成相对意义上的宏观-微观的跨层次关系。第二，虽然其他学科的部分研究认可复杂系统计算方法（如ABM）的预测潜力，但亦有学者持怀疑态度，认为此类方法应用的出发点是回答“为什么”问题，而不仅仅是“是什么”。本文支持后者的观点，提出科尔曼之舟这一框架更适用于研究目标是解释性的而非单纯预测性的研究，若研究仅以预测大规模传播结果为目的，强行套用该框架则可能带来分析上的繁冗而非增益。

情境机制指向宏观条件对微观条件的有效约束，旨在解释特定场景对个体欲望、信念等个体行动前提条件的塑造。在计算传播研究中，这一机制可以被用于考察宏观层面的政策变动、地缘政治冲突或突发公共卫生事件如何改变传播主体的内部生产流程或资源获取方式等微观主体所处的“情境”或“结构”，进而引发后续的适应性行为。个体行动机制则是解释行动主体如何在特定情境下，通过认知加工、博弈与互动产生的具体行为。对这一机制的探讨在目前的计算传播学研究中最为常见，即利用大规模数据捕捉微观主体之间的信息流动、情绪传染或议程设置过程，关注“微观条件”如何转化为“微观行为”，以及微观主体之间如何发生横向的互动，以刻画微观主体如何在既定规则下进行策略性的互动与话语建构，揭示了传播系统内部的动力学特征。转化机制则是考察个体行动经累积而产生各种预期和非预期的社会结果，即由微观结果上升至宏观结果的过程，以解释分散的个体行为如何通过聚集、相互依赖或反馈涌现为新的宏观结构。

这三类机制在既有社会科学研究中并非什么新事物，但在此引入科尔曼之舟这一理论框架并非可有可无之举，其价值首先在于能够结合计算方法系统整合传统社会科学中长期分散于情境、行动与转化等环节的过程性分析路径。具体而言，在传统社会科学研究中，情境机制的处理多以分组比较的形式呈现，涂尔干（Émile Durkheim）的自杀论研究就通过比较法国天主教地区和基督新教地区个人自杀率的差异，发现处于不同宗教环境中的个体自杀倾向会有所不同，由此识别了社会结构对个体行为的约束。行动机制的分析则更多集中于心理学研究，譬如将个体的行为解释为其出于维护自身利益的动机，在不同的结构约束与资源禀赋之下形成的差异化选择。转化机制，即分散的个体行为如何通过聚合、互赖与反馈涌现为新的宏观结果，在社会心理学领域得到了相对系统的形式化表达，门槛模型正是典型案例，其通过个体阈值差异在相互依赖中引发连锁反应和反馈积累，描绘微观选择向宏观结果转化的条件。由此可见，在每个机制阶段，传统社会科学研究都在不断探索深化，但由于其使用的学科视角与方法各不相同，因而难以形成贯通性的整体因果解释。显然，韦伯（Max Weber）在提出阐释社会学时就已经意识到这样割裂的分析路径无法充分把握社会行动的主观意义，因而提出以“理解”（verstehen）的方法，即在分析社会时考虑个体意义，对社会现象进行有意义的解释，并将个体与结构性联系起来。然而，囿于当时方法论与经验工具的限制，这一解释路径虽在理论上确立了宏观与微观之间贯通的分析取向，却难以对跨层级机制进行可操作的形式化表达，从而使其方法论想象长期停留于理念框架之中。而科尔曼之舟的引入，则使这一跨层级的过程性分析路径得以在计算方法的支持下获得直接而系统的贯彻，将情境、行动与转化机制整合为一条可形式化、可检验的因果链条。

这也点明了引入科尔曼之舟这一理论框架的另一价值，即其结构上内在契合复杂系统所呈现的跨层级递归与动态演化逻辑，为计算时代传播学研究面对日益严峻的复杂性问题提供了恰如其分的分析框架。复杂系统具有全局性、迭代性、持续性等特征，其宏观结构是在多主体相互作用中整体涌现的，演化过程遵循“结构-行动-再结构”的递归迭代，个体行为与网络的共同演化涌现集体行动、新网络结构与新制度规范，新集体性质反过来又会影响个体行为，周而复始，复杂系统在这一过程中层层升级、不断扩张。而既有计算传播研究在全局性上往往将平台结构与制度环境视为既定背景，虽揭示了个体行为模式（如虚假信息扩散研究中的选择性接触），却难以解释这些行为如何在整体层面生成或重塑结构。在迭代性上，网络扩散与实验研究虽揭示互动与反馈的重要性，但计算传播研究较少将宏观结果重新纳入下一轮行动情境，从而中断了“结果-情境”的递归；在持续性上，舆论动力学与主体建模虽实现了“微观生成宏观”的形式化表达，却往往依赖固定规则与初始条件，缺乏对结构长期演化与路径依赖的刻画。由此，与传统社会科学研究一样，传播过程被切割为若干孤立片段，要么停留于微观互动的即时机制，要么止步于宏观结果的静态描述，难以揭示复杂传播系统在时间与层级上的连续生成与反馈过程。因而，在复杂系统视角与计算方法条件已然具备的背景下，若仍不引入能够系统贯通情境、行动与转化机制的分析框架，对既有研究加以整合与推进，实属遗憾。科尔曼之舟正是在此意义上提供了一条整合路径。

总之，通过科尔曼之舟的机制拆解，我们可以将复杂的传播现象还原为清晰的因果链条，使对复杂传播系统的解释成为一种可操作且具有解释深度的研究路径。这一视角也为方法论层面的拓展提供了明确方向，它不仅要求研究者在不同分析层级上识别关键变量，更强调必须揭示这些变量是通过何种具体机制被联结起来并发生转化的，从而倒逼研究设计由“相关性检验”转向“因果机制说明”。在此意义上，方法的选择应服务于机制链条中不同环节的识别与验证，推动计算传播研究从单一环节的刻画，转向围绕因果链条整合多源数据等多种方法，在动态过程中识别与检验跨层级机制。

三、方法论革新：计算传播研究方法的发展前瞻

科尔曼之舟为理解复杂传播系统提供了一套更为精细的理论框架，但要将其转化为经验层面的实证框架，则需要计算传播方法论的同步革新。若缺乏相应的方法论工具支撑，关于“情境”“行动”与“转化”的机制拆解则容易停留在抽象的思辨层面，难以在大规模数据中进行验证。现有计算传播研究议题广泛，呈现出方法更新与跨学科融合的整体趋势，但大部分研究仍集中在若干易于量化环节，并且使用的计算方法相对有限，特别是对个体行为逻辑的复杂性和动态性有所简化，并且对跨层级结构的关注不足，对复杂系统的理解和应用较为片面和抽象。因此，为了真正打开复杂系统中“宏观事实变化过程”的黑箱，我们需要在方法论层面进行双重重构。一是强化微观层级的深描，细化在行动机制层面对个体及其所生产内容解析的颗粒度，从单一文本的静态表征走向对生成过程及其内在机制的深层剖析，以确保微观基础的有效性；二是强化跨层级关系的桥接与迭代过程分析，即突破单层网络的平面视角，引入跨层嵌套结构与涌现分析，一方面动态捕捉宏观结构的约束作用及微观互动的宏观结果涌现，另一方面进一步刻画个体行为与结构条件在反复“生成-反馈-再生成”过程中的共同演化，弥补既有计算传播研究对跨层递归机制关注的不足。这面向跨层级机制解释的方法论革新，是计算传播学回应复杂系统挑战的必然选择。

（一）微观层深描：文本表征到行动生成机制分析

在“个体行动机制”所对应的“微观条件至微观结果”层级上，核心问题在于传播主体如何在既定情境中，通过认知加工、话语选择与互动博弈生成具体的传播行为或内容形态。然而，现有研究主要依赖于平台数据抓取和统计分析，集中关注大规模用户行为的相关性与行为结果。这种基于相关性的分析本质上是后验性的，它难以穿透数字行为的表象，洞察个体在宏观结构下面对复杂信息的认知加工过程、决策动机或情境化原因。例如，对“过滤气泡”的研究往往聚焦于信息同质化的结果，却难以深入探究用户对算法过滤效应的认知图式与实践策略，或在线上线下社交关系中的信息离散性如何调节算法功能。对社交机器人干预舆论环境的研究发现，社交机器人仅需少部分比例就能对人类用户造成大规模沉默，这是一个重要而有趣的结果，但其背后的生成机制，特别是在行动与环境共同演化背景下的持续性生成机制，并未得到充分说明。因而，洞察人类和非人类个体行为结果的生成机制，避免对行动者行为逻辑的简化，是复杂系统下微观层级计算传播研究的重要面向之一。

为回应这一面向，一些研究已经开始通过扩展计算方法深入分析传播现象的内在形态与形成性过程，有效地弥补了以往研究对行动者行为逻辑复杂性过度简化的问题。首先，一些研究通过计算方法剖析文本和话语的内在复杂形态。例如，情感波动性（sentiment volatility）这一概念的提出，正是研究者尝试利用自动化情感分析来追踪语篇的“情感弧”，即叙事内容在不同语段内情感强度和方向的变化，并发现这种文本内的动态变化能够增强用户的刺激体验，为理解个体对复杂信息的认知加工提供了过程性计算路径。未来则可以将这种过程性分析方法从情感弧拓展到语义维度，结合ALC词嵌入，或基于语言模型的词义归纳（word sense induction）方法，探究核心词汇在语篇中如何发生动态的语义漂移，从而完善并丰富叙事弧的研究，以刻画文本意义如何在连续表达与语境约束中被逐步建构，使文本不再仅被视为态度或立场的静态载体。另有一些研究尝试利用计算方法深入分析传播内容的演化过程，如对国际舆论话语的研究则通过共同基础分析、关键词历时性分析等方法，从共享知识和共享解释两个角度，揭示了争议性概念在国际舆论场中得以持续流动的机制，一定程度上避免了对行动者行为逻辑的简化。除了文本等计算传播研究中常规的分析对象，亦有研究开始针对平台算法等非人行动者的黑箱问题，通过代码内容分析与功能分解的方法，将研究视野从算法的外部效果转向了其内部形成过程，揭示了嵌入在代码中的人类新闻价值判断与过滤优先级机制，从过程性视角提供了对算法机制的关键说明。

在此意义上，这类在微观层级上刻画传播现象内部动态结构的方法，有助于更全面地将个体认知加工过程嵌入到更广泛的复杂系统全局性语境之中，并通过对语篇展开精细化描摹、对话语流动与算法运行展开过程性分析，为呈现“行动-反馈-再行动”的循环结构提供数据支持，为理解传播结构在时间维度上的持续性累积与演化提供可能。

（二）跨层级桥接：宏观约束与微观涌现的机制刻画

相较于“微观条件-微观结果”层级对互动过程本身细致刻画的要求，跨层级方法革新的核心任务在于解释不同尺度结构之间的互动关系与迭代过程，既包括宏观制度、舆论环境与技术架构如何被转译为行动者可感知、可回应的情境条件；也包括分散且异质的个体互动又如何经由累积、反馈与选择机制，涌现为具有稳定形态的宏观传播结构；以及个体与结构的共同演变如何进一步催生新一轮的演化过程。这正对应于科尔曼之舟中的情境机制与转化机制两个因果链条。面对这一跨层级的复杂系统问题，在网络分析上，传统以单层网络或单尺度变量为核心的分析框架已难以胜任跨层级因果解释的需求；在仿真模拟上，传统以参数设定为核心的ABM难以刻画个体与结构的共同演变的复杂系统“迭代”过程。由此，计算传播研究中方法的关键转向在于，其一，从将宏观因素视为外生控制变量，转向刻画行动主体与结构约束之间的嵌套关系，使宏观因素以可操作的方式进入微观互动模型；其二，从基于固定规则与参数设定的单向生成逻辑，转向对“行动-结构-再行动”递归过程的动态刻画，以揭示个体行为与网络结构在持续反馈中的共同演化机制。也就是说，跨层级计算方法的核心并非“把不同层级的变量放进同一个模型”，而是要建构“（宏观）结构-（微观）行动”之间的动态反馈与迭代模型，以真正检验和解释跨层级的因果机制。

1.从单层网络到跨层嵌套结构的分析

无论是考察宏观结构如何约束微观行动，还是分析微观互动如何累积并生成新的宏观形态，关键都在于如何在同一分析框架中同时表示不同行动主体、制度要素与信息结构之间的依附与连接关系，以单层网络或单尺度变量为分析单位无法完整呈现其中跨层级因果关系的复杂性。因而，计算传播研究中需要引入跨层嵌套结构分析，为不同层级要素提供统一的关系化表达方式，使宏观与微观不再只是模型中的不同变量层次，而是同时参与结构分析与动态演化的网络组成部分，从而为情境机制与转化机制提供共享的跨层次结构分析方法。

社会复杂系统在本质上由多种类型的关系构成，这些关系在不同情境、时间尺度与传播渠道中共存并相互作用。早期关于意见传播与网络结构的计算研究，已经在单层网络内部尝试引入“嵌套”的思想。早期研究并未将网络视为静态背景，而是将意见状态与网络拓扑的相互作用纳入同一更新规则之中，将反馈机制纳入了计算过程，发现系统最终呈现出从多元共存到高度聚类乃至生成共识的变化过程。这说明多层动力学与其单层近似之间存在根本性的、不可通约的差异，凸显了在计算社会科学研究中，理解复杂社会现象时整合多层网络（multilayer networks），考虑这些精细而相互关联结构的必要性。

在此基础上，后续研究开始系统性地将多层结构纳入计算分析，实现向跨层嵌套结构分析的方法跃迁。“时间”就被认为是过往研究常备忽略但十分重要的层级结构。斯塔尔尼尼（Michele Starnini）等人不再假定传播过程发生在均质时间轴上，而是通过多层马尔可夫链刻画不同时段、不同互动层之间的关联性，显示个体在多重社会场景中的“多任务化”行为会显著改变传播持续时间。乌雷尼亚-卡里翁（Javier Ureña-Carrión）等人则进一步提出了一条更为可行的计算路径，先从接触数据中推断潜在的“社会时间”（如昼夜节律、“工作日-周末”差异等嵌套要素），再将其离散为多个时间层网络，进而比较关系在不同层中的分布与聚集特征。通过多层模块度和中心性分析，他们发现，关系往往更依附于其生成的时间情境，而并非仅由强度决定。

在层间互动的计算方法上，研究开始从网络动力学本身的内在结构进行考量，通过在双层网络中引入边重叠与节点跨层参与度等参数，以刻画层间互动规则，以此将“层间作用”转化为可被追踪的变量。博尼法齐（Gianluca Bonifazi）等人面向更复杂的多模态系统，提出通过跨层相关性与扰动后的结构恢复情况来衡量网络韧性，关注不同关系类型在冲击下的协同响应，其核心仍是比较各层之间变化的同步性与滞后性，来刻画多层结构在演化过程中的耦合关系。这些计算方法的进展为研究复杂传播现象提供了关键工具和启示，在跨层的统一框架想进行综合分析和解释，而不仅仅依赖单层网络或单一动力学机制进行近似描述。

2.从单向生成到演化递归的过程分析

传统以参数设定为核心的ABM本质上遵循“单向生成”逻辑，研究者通过预定义的规则、效用函数或少量参数一次性刻画代理的决策机制，模拟运行后直接涌现宏观结果。这种以参数中心的“微观行动-宏观结构”的线性流程虽能高效模拟静态均衡或简单涌现结果（如舆论网络形成、意见极化），却难以进一步刻画宏观结果形成后的“行动-结构-再行动”的动态递归过程。行为体的行为结果锁定在初始参数中，无法通过长期记忆、反思或环境反馈实现自适应演化，宏观结构也难以反过来作为可感知的情境条件重新塑造个体决策。正如现有研究指出的，传统ABM多采用“反应式架构”（reactive architecture），支持“感知-行动”的直接循环，缺乏深度推理、长期规划与反思机制，导致适应性学习和演化能力严重受限；而参数校准的复杂性与异质性进一步加剧了这一问题，微小参数扰动就可能引发截然不同的涌现结果，难以自然捕捉真实世界中个体与结构的“共同演变”迭代过程。

引入基于大语言模型的ABM方法（LLM-based ABM）则可能适应对演化递归过程的研究，将大型语言模型作为代理的认知核心，通过提示工程、记忆模块、反思与规划循环，构建闭合的“行动-结构-再行动”反馈回路。如派克（Joon Park）等人进行的“斯坦福小镇”研究就引入了生成式智能体（Generative Agents）。这类智能体基于大语言模型（LLM）驱动的认知架构，集成了记忆、反思和规划三大核心功能，这三个递归模块的闭环交互使个体行动直接改变环境结构（如形成新关系、生成新舆论内容影响他人等），新结构又作为可检索记忆反馈给代理，触发新一轮反思与规划，从而完成“个体-结构”的共同演化，实现了传统参数ABM难以自发实现的递归涌现过程。并且这一架构具有极强的迁移性。在社交媒体语言演化的模拟中，研究者构建了一个由“参与者智能体”和“监管智能体”组成的对抗性模拟框架。在该研究中，参与者通过持续互动不断调整其语言表达策略，而监管机制则对其进行约束与筛选，在多轮对话与策略更新过程中，语言表达方式在“适应-反馈-再适应”的循环中逐步演化，构建了隐喻、黑话等复杂的语言形态，展现出制度约束与语言策略的长期互相适应过程。由此可见，LLM-based ABM的建模路径能够在多主体互动与规则约束的交互中，刻画行动策略的动态生成及其跨轮次积累，为分析复杂系统中的递归演化机制提供了更具解释力的工具。

当然，本文无意于构建一套封闭的“方法清单”，而是重点在科尔曼之舟的理论框架下，指出计算传播研究在面对复杂系统时所需实现的方法论转向及其内在逻辑。它们共同指向了一种本体论上的转向，不再将传播现象简化为静态变量之间的线性关系，而是将其理解为嵌入多主体互动、多层结构之中不断演化与迭代的复杂系统。通过引入这些计算路径，计算传播研究有望在保持可计算性与可复现性的同时，更充分地回应传播研究中的复杂性问题，深化复杂性理论与传播学研究之间的对话。

四、认识论反思：溯因推理与科尔曼之舟间的有机互构

计算传播学研究常面临“只有计算，没有传播”的批评，其核心困境在于计算方法在传播学研究中的应用往往被局限于对既有理论的验证（演绎逻辑）或对数据表象的归纳（归纳逻辑），而缺乏对理论生成过程的贡献。在复杂系统视角下，传播现象往往表现为大量异质行动者在非线性交互中所产生的涌现结果，既难以由既有理论直接推出，也无法仅凭统计归纳加以穷尽，这使得研究不可避免地需要从结果出发反向构造解释性假设。在这一意义上，溯因推理（abductive reasoning）能够成为计算传播学的核心认识论基础。科尔曼之舟与溯因推理的有机融合，在于两者能够在认识论层面深层互构，如果说科尔曼之舟描述了社会宏观事实涌现与迭代的生成路径，那么，溯因推理则是这一过程进行反向机制推断的认识论工具。它始于对令人惊讶的宏观结果的观察，通过理论化的“猜测”回溯微观行动机制与情境条件，构成了连接经验发现与理论建构的关键认识论路径，从而实现理论的生成与拓展（图2）。

具体而言，在面对大数据的现实研究中，研究者往往首先面对的是难以用既有理论完全解释的、复杂的宏观涌现“观察结果”，如特定的舆论极化形态、异常的网络结构等。此时，研究逻辑必须转向逆向的回溯和推理。正如科瓦奇（Gyöngyi Kovács）和斯彭思（Karen M. Spens）所指出的，溯因推理不同于从一般到特殊的演绎，也不同于从特殊到一般的归纳，它始于一个无法被现有理论解释的“异常现象”或“谜题”，旨在寻找一个最合理的解释框架来使这个现象变得合理。在此基础上，科尔曼之舟构成了溯因推理展开的操作路径。研究首先从“宏观结果”出发，回溯其潜在的“宏观条件”，但由于“宏观条件-宏观结果”的直接关系，往往呈现为经验上的黑箱，例如，下例中的中国风险投资产业的发展并不能直接推出“精英俱乐部型小世界网络”的结构形态。因此，必须借助跨层机制拆解，将这一黑箱展开为“情境-行动-转化”的跨层级因果链条。在这一过程中，假设性机制的提出并非任意猜测，而是围绕宏观条件如何约束微观行为展开进行的结构化推断。以中国风险投资产业（VC）为例，罗家德等人的研究首先通过网络分析识别出高度聚集且具“小世界”特征的精英俱乐部网络结构，这一模式无法被传统基于理性选择的投资决策理论充分解释。于是，研究者从网络科学的视角切入，提出在VC产业中存在偏好依附情境下“主投-跟投”的机制（情境机制），以及关系嵌入与结构嵌入两种行为模式（行动机制），再运用多主体建模进行推断，发现中国VC产业中嵌入行为与网络结构形成了正反馈，精英选择联盟伙伴时的行为促成了“精英俱乐部型小世界网络”的涌现（转化机制）。通过这一过程，原有投资行为理论被重新修正为一个嵌入关系结构与制度情境的行为模型，即“关系”不再是附属变量，而成为生成宏观结构的关键机制变量。这一案例表明，溯因推理并不只停留于“提出解释”，而能够在结合科尔曼之舟的框架之后，将解释拆解为可建模、可检验的机制链条。

进一步而言，这一逻辑同样适用于计算传播研究。例如，在社交媒体舆论网络中识别出异常的极化或群体分化结构后，研究者可以通过类似路径，将平台算法环境视为情境条件，将用户的选择性接触与互动偏好建模为行动机制，并通过仿真或因果推断检验其是否能够生成观测到的宏观结构。由此，计算方法不再只是用于描述模式，而是嵌入溯因推理过程，成为连接“异常发现”与“机制生成”的关键工具。

通过这种逆向的理论化过程，计算不再仅仅是处理数据的工具，而是通过“以果索因”发现新机制，形成实用主义导向下的最佳解释推论。当然，这一综合探索性研究与验证性研究的溯因推理过程并非一蹴而就的，而应当在“理论、数据挖掘和模型”的三角对话中交互进行。在“观察结果至假设性机制”的探索阶段，计算方法作为一种发现工具，可以通过大数据挖掘技术（如网络分析、自然语言处理）“深描”宏观现象与微观行为的特征，发现现有理论无法覆盖的变量关系。此时产出的不是最终结论，而是待验证的理论命题和假设机制。在“假设性机制至观察结果”的阶段，计算方法作为验证的手段，基于溯因得出的理论命题，构建因果模型、多主体仿真或进行大规模互联网实验，对推测的机制进行严格的假设检验。通过“探索-验证”这一溯因推理的过程，计算不再只是验证既有理论的工具，成为了“理论生成”与“实证检验”循环中的关键环节。

五、总结

本文以传播学研究的“复杂性转向”为问题起点，系统论述了计算传播研究在理论框架、方法路径和认识论基础上面向复杂系统的整体创新路径，并由此尝试推动计算传播从“以计算处理复杂数据”走向“以计算理解复杂性”的范式转型。在理论层面，本文引入科尔曼之舟作为跨层级机制分析的核心工具，将复杂传播现象的因果解释拆解为情境机制、个体行动机制与转化机制三个相互关联的链条，强调以方法论局部主义为基础，实现对结构约束与个体行动之间关系的过程性解释，从而弥补既有研究中“局部深化而整体断裂”的问题。

在方法论层面，本文认为计算传播研究需由表征性分析走向生成性建模，并提出了双重方向的革新路径。在微观层级，研究可以通过情感弧追踪、语义漂移分析与算法代码内容分析等方法，从传播结果的静态表征走向对话语生成过程与行动机制的动态剖析，有效提升了个体行动机制层面的研究颗粒度。在跨层级结构上，研究需要从单层网络拓展至跨层嵌套网络分析，将时间层级、制度层级与互动层级纳入统一的关系化分析框架，为情境机制与转化机制的经验刻画提供了可操作的方法支撑。同时，计算传播研究也需要引入生成式主体建模方法，实现对复杂传播系统中“行动-结构-再行动”递归过程的动态分析。这些方法论革新共同指向一种本体论层面的转向，不再将传播现象视为变量间的静态线性关系，而是将其理解为嵌入多主体互动与多层结构之中不断迭代演化的复杂系统。

在认识论层面，本文将溯因推理确立为计算传播研究的重要逻辑基础，并与科尔曼之舟形成互构关系，前者提供从宏观结果出发的机制生成和理论发展路径，后者提供跨层级机制拆解的操作框架。溯因推理从令人惊讶的宏观涌现现象出发，回溯潜在的情境条件与行动机制，在“观察结果-假设机制-模型验证”的循环中推动理论的生成与修正。这一认识论路径使计算方法不再仅仅是验证既有理论的工具，而成为在“理论-数据-模型”三角对话中生成新机制解释的关键环节，在一定程度上回应了计算传播学长期面临的“只有计算，没有传播”的批评。

本文通过构建一个以跨层级机制解释为核心、以方法论革新为支撑、以溯因推理为驱动的整合性分析框架，尝试推动计算传播学从对复杂性的描述性应用，迈向以机制解释与理论生成为导向的系统研究路径。通过计算对复杂传播现象进行刻画和探索，该范式不仅强化了对复杂传播现象的因果理解，也推动计算传播学由“数据驱动”走向“机制驱动”，以在复杂性理论与传播学经验研究之间建立更加紧密的互动关系，并尝试在复杂性转向的语境下重建传播学理论的解释力。

作者：宣长春，厦门大学新闻传播学院副教授，厦门大学国际传播研究中心研究员，福建厦门361005；李嘉鑫，厦门大学新闻传播学院硕士研究生，福建厦门361005

原文刊载于《新闻界》杂志2026年第4期，参考文献详见原文

编辑：徐秋染

校对：舒   炜

审核：段吉平