3月18日，清新讲堂在清华大学未来媒体实验室成功举行。本次讲座邀请了清华大学社会科学学院长聘副教授、副院长张开平，为我们作题为《从计算到智能：人工智能时代的国际政治传播研究》的学术分享。讲座围绕国际政治传播的新变化与人工智能驱动下的研究方法革新展开，系统梳理了传播学研究从传统方法、计算方法走向智能方法的演进逻辑，并结合跨平台信息流、中美媒体互动等案例，展示了人工智能如何进入传播学研究的具体过程。本次活动由清华大学新闻与传播学院党委副书记、副院长蒋俏蕾教授主持。

首先，张老师从传播学的经典问题出发，指出无论是内容分析、话语分析、访谈调查，还是后来的实验研究与计算研究，传播学始终关心的都是信息、媒介、受众与效果之间的关系。她强调，传统研究方法奠定了学科的重要基础，但也长期面临样本量有限、结论外推性不足、难以捕捉动态互动过程等问题。随着社交媒体时代的到来，传播过程更具流动性和反馈性，研究方法也必须随之更新。计算传播学正是在这一背景下发展起来，它帮助研究者从海量数据中识别主题、情感与网络结构，更清楚地看见信息传播的路径与形态。

随后，张老师提出整场讲座的核心判断，即计算传播学让我们看见信息传播的结构，而人工智能进一步帮助我们理解信息的意义。她指出，计算方法擅长回答信息如何流动、扩散到哪里、由谁连接等问题，而人工智能在语义理解、跨语言对齐、多模态分析和复杂语境识别方面展现出更强能力。面对反讽、黑话、隐含立场以及图文视频并置等传播现象，人工智能能够比传统基于规则和词典的方法更有效地把握其深层含义。因此，传播学研究正在从单纯观察结构，走向同时解释意义、识别语境和重建叙事的新阶段。

在分析当下国际政治传播环境时，张老师将其概括为“平台乘AI”的时代。她指出，今天的国际政治传播已不再只是传统媒体和职业记者主导的单向传播，而是平台、算法、政治人物、意见领袖、普通用户与自动生成内容共同参与的复杂过程。传播主体更加多元，传播内容更加多模态，传播路径更加跨平台、跨语言、跨国家，议程设置也从过去相对集中的话语分配，转向多方竞争的议程争夺。算法在排序、筛选和扩散中的作用不断增强，人工智能则进一步嵌入信源生成、内容生产、渠道中介和受众接收的全过程。这意味着，国际政治传播的研究对象、传播机制与权力结构都在发生深刻变化。

围绕方法革新，张老师进一步介绍了人工智能如何驱动社会科学研究。她认为，人工智能首先是一种高效的研究工具，可以辅助研究者完成文本标注、立场识别、主题归纳、框架分析与叙事抽取，大幅提升大规模数据处理的效率。其次，人工智能也可能成为实验研究中的重要资源，通过提示词设计、角色设定、随机化干预和模块化分析等方式，帮助研究者探索更接近真实传播场景的新型实验设计。与此同时，人工智能本身也构成新的传播对象，极化、虚假信息、信息茧房和数字鸿沟等经典议题，都需要在智能媒介环境中重新检验。张老师同时强调，人工智能辅助研究不能脱离人的判断，必须始终保留研究者在关键环节中的参与、校验与修正，通过人工核验、交叉验证和伦理审查来控制偏差与风险。

最后，张老师结合两项研究案例具体展示了人工智能如何进入传播学分析流程。通过这些案例，张老师指出，人工智能不仅提升了传播学对大规模数据的分析能力，也推动研究者更加深入地把握跨平台、多语言、多模态环境中的国际政治传播机制。

在互动交流环节，现场师生围绕人工智能标注的可信度、不同模型的价值偏向、人工校验的样本量选择、主题分析中的人工智能辅助方式等问题，与张老师展开了深入讨论。针对同学提出的“不同模型是否会因训练语料和用户画像而影响研究结果”的问题，张老师回应说，不同模型确实可能因价值偏向、语料库差异和交互逻辑不同而表现出不同结果，因此研究者必须对所使用的模型保持高度敏感，不能把人工智能输出视为天然中立的答案。她介绍，在实际研究中，团队通常会在人工标注者之间先建立一致性，再让人工标注结果与模型标注结果进行比较，同时在不同模型之间反复测试和校验，以提高编码的稳定性与可信度。对于样本抽取和人工校验的问题，她也结合自身经验指出，研究者可以先在较小样本中反复迭代提示词与标注规则，确认模型表现后再扩大到更大规模的数据集，以避免在前期规则不够成熟时造成不必要的成本浪费。