信息传播技术高速发展催生了新的传播格局和传播体系|科学推进中国传播学学术体系建设( 三 )

非科学研究的研究结果，不具有可证伪性。可证伪性，是科学研究的基本特征。非科学研究的不可证伪性，带来的一个问题是，难以形成相对确定的知识和理论创新。例如，研究媒介融合如何发展，非科学研究会梳理目前媒介融合现状及问题，提出几点意见或建议，但不会进行证伪，未确定其提出的意见或建议是否正确；媒体在融合过程中，采纳该意见或建议进行操作，有可能造成负面影响。
非科学研究的不可证伪性，导致研究形成非累积性的特点，即现有研究和已有研究未形成有效的学术对话，导致自说自话。这种现象会带来严重的内卷化，低水平的研究成果越来越多，重复性的研究议题与结论充斥着传播学研究，研究难以进一步发展，更难以触及理论的创新。长此以往，非科学研究必然导致传播学研究停滞不前、无法回应现实问题，传播学知识体系陈旧，对传播学学科的合法性造成冲击。现有的中国传播学，亟须解决非科学研究问题，减少该类研究的产生，加强科学研究。
第三，大数据时代传播学科学研究面临挑战与机遇。早期，拉扎斯菲尔德在传统媒体环境下，挖掘信息传播的过程，面临了一些困难，例如需要自我报告。也有学者认为，多年来传播学研究未曾解决传播效果是怎样的、如何产生传播效果等问题，仅仅证明了媒介确实存在传播效果。就效果研究理论创新而言， “第三人效果”理论也已是20世纪80年代的产物。互联网时代，关于网络传播的研究没有形成特定的理论范式，已有研究多是对诸如“议程设置理论”或“意见领袖”等主流观点的反复验证与修补。
大数据时代，公众号文章的点读，微博的评论、转发，网页的浏览，都会在网络中有迹可循。人类大量的言行举止，不再是传统媒体时代的转瞬即逝，而是转化为数据储存下来，使大数据分析成为可能。大数据时代，技术以云计算、区块链等为核心，大数据分析以全样本分析为优势，有别于传统媒体时代的部分样本分析。社交媒体、智能媒体等新媒体的发展，给传统传播学的科学研究带来巨大挑战。一是如何应对大规模的数据。传统科学研究方法一般只能处理小规模的数据。当数据量多达百万级、千万级、亿级时，传统科学研究方法就会难以胜任。二是如何找寻因果关系。传统科学研究方法只能探究变量之间的统计关联，难以获得因果关系。三是如何处理关系数据。传统科学研究方法主要处理的是受众个体的属性数据和媒体的文本数据，然而，社交媒体和智能媒体中，充斥着大量的关系数据（人与人的关系、文本与文本的关系），传统科学研究方法很难处理此类数据。
新媒介技术的发展，也将给传播学科学研究带来重要机遇。大数据技术的发展，使得大规模的数据处理成为可能。研究者可以爬取海量的社交媒体文本、图像和视频等数据，并基于分布式计算平台对大规模数据进行清洗、处理和建模。特别是文本挖掘技术的成熟，使得研究者有能力分析海量文本数据。人工智能技术逐渐发展到能够进行因果推断的阶段，随着贝叶斯网络等网络推断技术的发展，社会科学中的因果推理不再遥不可及。随着社会网络分析和复杂网络建模技术的发展，传播学研究中的关系数据也得以充分运用，并正在贡献理论创见，推动传播学科学研究的发展。

开展传播内在机制研究