中英文计算传播研究的比较:议题、方法与理论

以中西方新闻传播学领域重要学术期刊为来源,本研究从“议题”“方法”“理论”三个维度对2022年计算传播研究进行了系统回顾,并比较了中西方文献侧重点的异同。研究发现,在议题选择上,政治传播是中西方学者共同关注的热门领域,此外,英文文献对疫情、新闻业领域的研究注意力较高。研究方法层面,新浪微博则构成中文文献的主要数据来源。英文文献中,Twitter、Facebook和新闻报道是最主流的数据来源,也出现跨平台获取数据以及大小数据结合的前沿研究。语义分析、网络分析和情感分析是中英文文献都常用的计算方法,视觉分析和仿真模拟得到初步应用,西方文献开始引入屏幕组学的研究方法。

多点UDP互连的透明代理

本文阐述了UDP与NAT的一个兼容性问题,并提出了解决方案,介绍了一个实施例。

作为刻板印象“容器”的生成式智能:从“像化”框架到传播后效——基于文-图生成模型的混合研究

本研究通过一组混合研究设计,从传播研究的两个重点面向——内容与效果层面联合探究了一个问题:生成式人工智能文-图模型如何在主、客观上传递刻板印象。针对2140张AI人像的算法审计结果表明,作为“容器”的文-图模型继承、亦“超越”了既有刻板印象的“像化”框架:AI稳定地强化了亚洲人小眼、扁鼻、长且宽的脸、皱纹与瑕疵突出的面部等特征,令亚洲人形象被显著刻板化;黑人形象也受到一定贬损,其中“性化”是突出问题。随后面向中国被试(N=242)的实验研究发现,AI人像在内容框架上较真实人像折射出更突出、夸张的刻板印象,这影响人们对群体刻板印象的认识和感知;女性用户还有将AI产出的丑化人像投射至自身,进而导致个体自尊受损、技术抵制意愿增强。人正从机器处承受更严重的刻板印象表达和更负面的心理后效,智能时代个体身心健康与人机、人技关系面临危机,这些直指智能社会的底层秩序挑战。