周葆華 方揚(yáng)

　　【內(nèi)容提要】大模型作為人工智能領(lǐng)域的重要突破，正在改變國(guó)際傳播研究的格局。本文基于大模型時(shí)代計(jì)算國(guó)際傳播的英文文獻(xiàn)，勾勒這一領(lǐng)域的基本圖景。研究發(fā)現(xiàn)，大模型的計(jì)算國(guó)際傳播研究呈現(xiàn)較強(qiáng)的跨學(xué)科特征，文化和政治是其兩大主題，中國(guó)和美國(guó)是兩大考察地區(qū)，GPT系列是主要分析模型。根據(jù)模型角色（對(duì)象/方法）和觀察視角（比較/流動(dòng)），本文將大模型的計(jì)算國(guó)際傳播研究概括為“對(duì)象-比較”“對(duì)象-流動(dòng)”“方法-比較”“方法-流動(dòng)”四種模式，并詳細(xì)分析了其具體形態(tài)和方法操作，進(jìn)而對(duì)大模型時(shí)代國(guó)際傳播研究的發(fā)展提出建議。

　　【關(guān)鍵詞】大語(yǔ)言模型 國(guó)際傳播 計(jì)算傳播 智能傳播

　　作為人工智能技術(shù)最引人矚目的新進(jìn)展，大語(yǔ)言模型（large language models）的發(fā)展非常迅速，不但深刻影響社會(huì)生活，也為社會(huì)科學(xué)研究帶來(lái)重要機(jī)遇。它對(duì)國(guó)際傳播領(lǐng)域也產(chǎn)生重要影響，不但可以應(yīng)用于國(guó)際傳播的實(shí)踐，①也可以助力計(jì)算國(guó)際傳播研究（computational international communication research）。本文基于國(guó)際英文文獻(xiàn)，對(duì)大模型應(yīng)用于計(jì)算國(guó)際傳播研究的現(xiàn)狀進(jìn)行梳理。

　　本文對(duì)“國(guó)際傳播”的含義采取相對(duì)廣義的理解，包括國(guó)家比較層面的傳播分析（comparative studies）和跨國(guó)之間的傳播互動(dòng)（international and intercultural studies）。②在比較層面，研究聚焦于傳播現(xiàn)象在不同國(guó)家或文化背景下的表現(xiàn)差異；在傳播互動(dòng)層面，研究關(guān)注信息、文化在國(guó)家或區(qū)域之間的流動(dòng)與影響。大模型時(shí)代的計(jì)算國(guó)際傳播研究被定義為與大模型有關(guān)（包括作為對(duì)象與方法）、采用計(jì)算（包括文本挖掘、在線實(shí)驗(yàn)、行為挖掘等）或智能方法（基于大模型）展開的國(guó)際傳播研究。我們基于“國(guó)際傳播”和“大模型”兩個(gè)核心概念構(gòu)建檢索詞組合，對(duì)社會(huì)科學(xué)引文索引（SSCI）和藝術(shù)與人文引文索引（A&HCI）數(shù)據(jù)庫(kù)的傳播學(xué)及相關(guān)學(xué)科進(jìn)行系統(tǒng)檢索（時(shí)間范圍為2022年1月1日至2025年1月15日）。考慮到學(xué)術(shù)期刊的發(fā)表周期問(wèn)題，我們?cè)陬A(yù)印本平臺(tái)arXiv的“計(jì)算機(jī)科學(xué)”（Computer Science）分類下采用相同的檢索詞策略進(jìn)行補(bǔ)充檢索。③經(jīng)過(guò)對(duì)文獻(xiàn)題目、摘要及部分正文內(nèi)容的人工閱讀，最終確定符合大模型計(jì)算國(guó)際傳播研究主題的文獻(xiàn)數(shù)量為54篇。接下來(lái)從研究概況、模式與方法等維度勾勒大模型時(shí)代計(jì)算國(guó)際傳播研究的發(fā)展圖景。

　　一、研究概況

　　（一）數(shù)量、平臺(tái)與主題

　　盡管ChatGPT在2022年問(wèn)世，但當(dāng)年并未出現(xiàn)與大模型相關(guān)的計(jì)算國(guó)際傳播研究。2023年，對(duì)這一領(lǐng)域的關(guān)注逐漸開始，共有10篇文章；2024年有38篇文章；2025年初，已有6篇新成果面世。從發(fā)表平臺(tái)看，該領(lǐng)域成果呈現(xiàn)跨學(xué)科特征。其中刊載較多的期刊為《自然》（Nature）雜志下屬的《人文與社會(huì)科學(xué)通訊》（Humanities and Social Sciences Communications）（3篇），收錄最多的會(huì)議為自然語(yǔ)言處理實(shí)證方法會(huì)議（EMNLP，3篇）、北美計(jì)算語(yǔ)言學(xué)協(xié)會(huì)會(huì)議（NAACL，2篇）、語(yǔ)言模型會(huì)議（COLM，2篇）等，均為自然語(yǔ)言處理相關(guān)的國(guó)際會(huì)議。相對(duì)而言，傳播期刊的發(fā)表較少（3篇）。

　　從研究主題看, 與大模型相關(guān)的計(jì)算國(guó)際傳播研究主要涉及政治、經(jīng)濟(jì)、文化、軍事、環(huán)保、科技、教育等主題。其中，文化類主題最多（35篇，64.8%，可多選），關(guān)注大模型在不同國(guó)家文化、宗教、方言及飲食等方面的偏見、適應(yīng)性與文化意識(shí)。政治類主題次之（14篇，25.9 %），涉及大模型的政治偏見、對(duì)跨國(guó)政治文本的分析能力等。

　?。ǘ﹪?guó)家/地區(qū)與模型分布

　　從研究涉及的國(guó)家/地區(qū)的數(shù)量而言，有42篇文章說(shuō)明了國(guó)家/地區(qū)的具體范圍；有5篇文章以不同語(yǔ)言（如中英文背景下的飲食文化）、宗教（如穆斯林和印度教徒的方言差異）、文化（如東西方思維）等作為比較或流動(dòng)的邊界；有7篇沒有說(shuō)明研究國(guó)家/地區(qū)的具體范圍。從研究的具體國(guó)家/地區(qū)來(lái)看，在指明國(guó)家/地區(qū)的研究中，美國(guó)（31篇，73.8%）和中國(guó)（23篇，54.8%）是占比最多的兩個(gè)國(guó)家，其次是德國(guó)（20篇，47.6%）、英國(guó)（19篇，45.2%）、法國(guó)、澳大利亞、西班牙、日本、印度和巴西（各有16篇，38.1%）等。

　　大模型的選取也存在偏向。在涉及的27個(gè)模型中：對(duì)GPT的研究最多（46篇，85.2%），其次是Llama（11篇，20.4%）、Claude 和 Gemini（各7篇，13.0%）。從大模型開發(fā)公司的所在地而言，美國(guó)模型（52篇，96.3%）占比最高，其次是中國(guó)（Qwen、GLM、INTERN-VL、Wenxin Yige/文心一格、Ernie/文心一言、Baichuan/百川，8篇，14.8%），再次是法國(guó)模型（Mixtral、Mistral，5篇，9.3%）。

　　二、研究模式

　?。ㄒ唬﹦澐帜Ｊ降膬蓚€(gè)維度：大模型角色與國(guó)際傳播視角

　　首先，大模型在國(guó)際傳播研究中存在兩種主要角色：作為分析對(duì)象和作為分析方法。前者指將與大模型相關(guān)的國(guó)際傳播現(xiàn)象作為研究問(wèn)題（可被視為“智能的社會(huì)科學(xué)/Social Science of AI”的組成部分），后者則指將大模型作為國(guó)際傳播問(wèn)題的研究方法（可被視為“社會(huì)科學(xué)智能/AI for Social Science”的組成部分）。

　　其次，國(guó)際傳播研究有兩種主要視角：多國(guó)比較研究和跨國(guó)流動(dòng)研究。前者主要是將不同國(guó)家/地區(qū)作為比較研究的對(duì)象、考察國(guó)家/地區(qū)在傳播現(xiàn)象上的異同，后者則考察國(guó)家/地區(qū)之間的信息、文化等的流動(dòng)關(guān)系與影響（如：相互報(bào)道、信息流通、文化流動(dòng)、國(guó)際輿論、全球情緒、文化適應(yīng)等）。

　　根據(jù)上述兩個(gè)維度的組合，我們將大模型時(shí)代的計(jì)算國(guó)際傳播研究劃分為四種主要研究模式，并統(tǒng)計(jì)了各自所占的比例：（1）對(duì)象–比較研究：30篇（55.6%）；（2）對(duì)象–流動(dòng)研究：5篇（9.3%）；（3）方法–比較研究：10篇（18.5%）；（4）方法–流動(dòng)研究：9篇（16.7%）。

　?。ǘ┐竽Ｐ陀?jì)算國(guó)際傳播研究的四種主要模式

　　1.對(duì)象–比較研究

　　這類研究主要關(guān)注大模型在不同國(guó)家/文化上的差異或偏見/偏向。所使用的核心概念/理論主要包括：偏見（含國(guó)家偏見、政治偏見、意識(shí)形態(tài)偏見、地理偏見、社會(huì)偏見、國(guó)籍偏見、性別偏見等）、文化理解（含文化維度理論、跨文化理解、文化意識(shí)、文化認(rèn)知、文化自我感知等）、情感（如情感程序理論/affect program theories）、思維（如思維地理性/geography of thought）、擦除（含地理擦除/geographical erasure、文化擦除/cultural erasure、文化簡(jiǎn)化/cultural simplification、文化遺漏/cultural omission）等。具體的研究主要包括如下三方面：

　　第一，關(guān)注大模型的國(guó)家形象偏見。研究利用大模型生成關(guān)于不同國(guó)家的描述或評(píng)價(jià)，發(fā)現(xiàn)大模型復(fù)制了固有偏見，例如對(duì)西歐國(guó)家印象更好，對(duì)拉丁美洲和非洲的評(píng)價(jià)較為負(fù)面。④還有研究進(jìn)一步將國(guó)家的基本特征作為解釋變量，發(fā)現(xiàn)大模型對(duì)國(guó)家形象的呈現(xiàn)受到國(guó)家網(wǎng)民數(shù)和經(jīng)濟(jì)指數(shù)的影響——顯著偏向網(wǎng)民總數(shù)較多、人類發(fā)展指數(shù)高的國(guó)家。⑤⑥

　　第二，關(guān)注大模型的價(jià)值觀（文化價(jià)值觀、政治價(jià)值觀等）。例如，有研究發(fā)現(xiàn)GPT在文化價(jià)值觀（以綜合價(jià)值觀調(diào)查/Integrated Values Surveys，IVS數(shù)據(jù)測(cè)量）上偏向英語(yǔ)和新教歐洲國(guó)家；⑦有研究關(guān)注了大模型在心理認(rèn)知文化上的表現(xiàn)，發(fā)現(xiàn)GPT在情感表達(dá)（以19個(gè)跨文化情景測(cè)量）上偏向西方規(guī)范。⑧在政治價(jià)值觀方面，有研究關(guān)注了大模型在意識(shí)形態(tài)（以墮胎議題測(cè)量）上的表現(xiàn)，發(fā)現(xiàn)GPT在使用瑞典語(yǔ)時(shí)對(duì)相關(guān)議題的回應(yīng)更偏向瑞典，使用波蘭語(yǔ)時(shí)則更偏向波蘭。⑨

　　第三，關(guān)注大模型在具體知識(shí)和任務(wù)中的偏見。例如，有研究分析ChatGPT在環(huán)境保護(hù)上回復(fù)的建議，發(fā)現(xiàn)其很大程度強(qiáng)化了西方科學(xué)認(rèn)知，而忽略了低收入國(guó)家和本地社區(qū)的修復(fù)經(jīng)驗(yàn)。

　　10當(dāng)大模型使用地理文化知識(shí)生成旅游建議時(shí)，更多提到歐洲地區(qū)，對(duì)非西方文化地區(qū)表現(xiàn)不佳（總體出現(xiàn)率低、推薦原因單一）。

　　11這種偏見還體現(xiàn)在團(tuán)隊(duì)招聘、街景圖像渲染等許多任務(wù)情景中。

　　2.對(duì)象–流動(dòng)研究

　　這類研究聚焦大模型在信息或文化的跨國(guó)傳播中的表現(xiàn)與影響。所使用的核心概念包括文化（含文化適應(yīng)、文化意識(shí)、跨文化關(guān)聯(lián)等）、信息（含虛假信息、錯(cuò)誤信息、數(shù)字宣傳等）和認(rèn)知效果（如確認(rèn)偏差/confirmation bias、首因效應(yīng)/primacy effect等）三個(gè)方面。具體的研究可以分為兩類：

　　第一，考察大模型在跨文化傳播任務(wù)中的表現(xiàn)。例如，有研究分析大模型在跨文化改編中的表現(xiàn)：讓GPT、ChatGLM2等完成一項(xiàng)中英互譯的食譜改編任務(wù)（cross-cultural recipe adaptation），發(fā)現(xiàn)大模型的文化適應(yīng)能力存在差異——GPT在中文到英文的食譜翻譯中表現(xiàn)出色，而ChatGLM2在英文到中文的翻譯中表現(xiàn)優(yōu)異。

　　12還有研究分析大模型能否識(shí)別不同文化中的相似概念（如美國(guó)的新娘面紗和中國(guó)的紅蓋頭），發(fā)現(xiàn)思維鏈（CoT）的提示策略可以幫助模型識(shí)別跨文化流動(dòng)中的相似性，但其跨文化理解能力仍然沒有人類準(zhǔn)確。

　　13

　　第二，考察大模型生成技術(shù)在跨國(guó)傳播中可能帶來(lái)的影響。例如，一項(xiàng)研究分析大模型驅(qū)動(dòng)的聊天機(jī)器人如何處理俄羅斯關(guān)于烏克蘭戰(zhàn)爭(zhēng)的虛假信息，并發(fā)現(xiàn)這些聊天機(jī)器人的準(zhǔn)確性存在波動(dòng)，特別是在非英語(yǔ)語(yǔ)境下，其識(shí)別和反駁虛假信息的能力顯著下降。

　　14另一項(xiàng)研究則分析了中道（Midjourney）生成俄烏戰(zhàn)爭(zhēng)相關(guān)圖像時(shí)的視覺表征特點(diǎn)，發(fā)現(xiàn)AI生成的戰(zhàn)爭(zhēng)圖像往往趨于同質(zhì)化，過(guò)分強(qiáng)調(diào)破壞和戰(zhàn)斗場(chǎng)景，而忽視了更廣泛的文化和社會(huì)語(yǔ)境，可能會(huì)影響公眾對(duì)戰(zhàn)爭(zhēng)事件的認(rèn)知和理解。

　　15

　　3.方法–比較研究

　　這類研究關(guān)注將大模型作為方法應(yīng)用于研究時(shí)在不同國(guó)家/文化中的效果差異，包括作為文獻(xiàn)推薦方法（1篇，10%）、文本分類（5篇，50%）、以及調(diào)查樣本替代（4篇，40%）。其中，除了1篇涉及到大模型與人類在混合編碼中的協(xié)同角色外（使用GPT-4對(duì)政治推文做出兩次編碼，當(dāng)出現(xiàn)分歧時(shí)由人類專家裁定），

　　16其余均呈現(xiàn)大模型與人類之間的比較關(guān)系——即比較大模型的應(yīng)用表現(xiàn)與傳統(tǒng)研究方法。

　　根據(jù)應(yīng)用的具體情景，方法–比較研究主要可以分為兩類。首先，比較大模型用于文本分析的國(guó)家/地區(qū)差異。例如，有研究發(fā)現(xiàn)大模型在多模態(tài)仇恨言論編碼中的文化偏向（以與相應(yīng)文化中的人類編碼員的一致性衡量），即大模型的編碼結(jié)果更傾向于美國(guó)文化，而與印度文化的契合度較低。

　　17還有研究發(fā)現(xiàn)大模型在政治分類中的跨文化差異，例如，使用GPT-4根據(jù)推文消息識(shí)別政治黨派時(shí)，在美國(guó)以外的地區(qū)準(zhǔn)確率都較低。

　　18

　　其次，比較大模型在模擬調(diào)查樣本上的差異。例如，ChatGPT在模擬世界價(jià)值觀調(diào)查（WVS）中的政治和環(huán)境議題的輿論上，對(duì)西方、英語(yǔ)和發(fā)達(dá)國(guó)家的表現(xiàn)更好；

　　19類似地，當(dāng)使用GPT-3.5來(lái)模擬公眾的政治選舉行為和對(duì)政治議題的態(tài)度時(shí)，模型在英語(yǔ)國(guó)家的模擬效果優(yōu)于非英語(yǔ)國(guó)家，在兩黨制國(guó)家（如美國(guó)）的選舉模擬表現(xiàn)優(yōu)于多黨制國(guó)家（如德國(guó)）。

　　20這類研究揭示了大模型作為“硅樣本”（silicon sample）的模擬局限，強(qiáng)調(diào)了訓(xùn)練語(yǔ)料多樣化的必要性。

　　4.方法–流動(dòng)研究

　　這類研究主要聚焦大模型作為方法在跨國(guó)或跨文化傳播研究中的應(yīng)用價(jià)值，包括文本分類（6篇，66.67%）和問(wèn)卷調(diào)查（3篇，33.33%）。其中，有2篇（22.22%）體現(xiàn)了大模型與人類的協(xié)同關(guān)系，另外7篇體現(xiàn)了比較關(guān)系（77.78%）。具體內(nèi)容包括：

　　首先，關(guān)注大模型方法在國(guó)際傳播流動(dòng)的文本分析中的應(yīng)用。例如：有研究使用ChatGPT對(duì)美國(guó)、英國(guó)對(duì)中國(guó)的經(jīng)濟(jì)新聞報(bào)道文本進(jìn)行主題分類，

　　21有研究使用GPT和Claude對(duì)中國(guó)社交媒體上關(guān)于烏克蘭危機(jī)的討論發(fā)帖進(jìn)行立場(chǎng)分類，

　　22還有研究運(yùn)用GPT對(duì)優(yōu)兔上瑞典網(wǎng)民對(duì)羅姆移民議題的評(píng)論中的仇恨言論進(jìn)行主題分析。

　　23

　　其次，關(guān)注大模型在跨國(guó)/跨文化調(diào)查中的問(wèn)卷改編應(yīng)用。例如，有研究使用AI預(yù)測(cè)試從美國(guó)改編至南非的問(wèn)卷，發(fā)現(xiàn)經(jīng)過(guò)GPT審閱和迭代后的問(wèn)卷在清晰度和偏見問(wèn)題上相比原始版本表現(xiàn)更好，并大大減少了傳統(tǒng)專家審閱和用戶測(cè)試的時(shí)間和成本；

　　24有研究則指出，GPT在翻譯問(wèn)卷的質(zhì)量和問(wèn)題識(shí)別方面具有潛力，但對(duì)復(fù)雜語(yǔ)境的理解和輸出的穩(wěn)定性不足。

　　25

　　三、研究方法

　　（一）參數(shù)設(shè)定

　　我們編碼了所有54篇文獻(xiàn)中對(duì)相關(guān)參數(shù)的設(shè)置情況，主要包括溫度、響應(yīng)次數(shù)等。結(jié)果發(fā)現(xiàn)：有37篇（68.5%）明確了每個(gè)提示的響應(yīng)次數(shù)。其中，只考慮模型單次輸出的情況最多（14篇，37.8%）、其次是3次和100次輸出（各4篇，10.8%）。

　　有20篇文獻(xiàn)（37.0%）明確了溫度的設(shè)置，共有13種不同的溫度設(shè)置（可多選）。設(shè)置為0的有10篇（50%），設(shè)置為1的有8篇（40%），設(shè)置為其他溫度的有9篇（45%）。在20篇文獻(xiàn)中，有6篇研究（30%）探究了大模型在不同的溫度設(shè)置下的表現(xiàn)，剩余14篇（70%）研究使用了單一的溫度設(shè)置。

　　溫度和響應(yīng)次數(shù)影響著輸出的穩(wěn)定性，取決于任務(wù)的不同需求，每篇文章具體的設(shè)置差異較大。但研究發(fā)現(xiàn)，即便是相似的主題和任務(wù)，參數(shù)的設(shè)置也存在差異。例如，在研究GPT模型的國(guó)籍偏見時(shí)，研究者為了避免偶然性，讓每個(gè)提示在4種溫度設(shè)置下（0、0.3、0.6、0.9）生成2輪話語(yǔ)，在計(jì)算相似度后選擇是否合并，

　　26而另外兩篇研究國(guó)際偏見的文章則未提及溫度設(shè)置，將每個(gè)提示的響應(yīng)次數(shù)設(shè)置為100。

　　27

　　28

　?。ǘ┨崾驹O(shè)計(jì)

　　提示（prompt）是用戶給大模型的指令，模型會(huì)根據(jù)這些指令生成相應(yīng)的輸出，不同的提示設(shè)計(jì)會(huì)顯著影響大模型的輸出結(jié)果。在社會(huì)科學(xué)研究中，微調(diào)通常因需要大量的計(jì)算資源和訓(xùn)練數(shù)據(jù)而難以實(shí)現(xiàn)，因此，簡(jiǎn)單輕量的提示設(shè)計(jì)在大模型使用的零樣本和少樣本學(xué)習(xí)場(chǎng)景中具有重要作用。

　　29

　　研究發(fā)現(xiàn)，在提示設(shè)計(jì)中，“角色扮演”（role-play）的使用最多。主要有具有特定文化身份的角色（如作為在某國(guó)長(zhǎng)大的人、天主教徒、聯(lián)合國(guó)維和人員等）、分析輔助型角色（如定性研究員、敘事學(xué)家等）兩種。前者主要是為了得到特定文化身份的回答，從而獲得模型對(duì)不同文化的模擬和評(píng)估。例如，讓LLaMA扮演不同宗教教徒以獲得模型對(duì)不同宗教的情感表達(dá)，評(píng)估模型的文化偏見。

　　30后者主要是為了幫助模型理解、生成和分析與跨文化、多語(yǔ)言背景相關(guān)的內(nèi)容，例如，讓ChatGPT扮演精通某國(guó)文化的專家，從而實(shí)現(xiàn)對(duì)問(wèn)卷的跨文化改編。

　　31

　　四、總結(jié)與思考

　　本文總結(jié)了大模型時(shí)代計(jì)算國(guó)際傳播研究的發(fā)展特征。第一，呈現(xiàn)社會(huì)科學(xué)與計(jì)算機(jī)技術(shù)交叉的學(xué)科特征，文化和政治是其中的重要主題；第二，從國(guó)家來(lái)看，美國(guó)和中國(guó)是研究最多的兩個(gè)國(guó)家；從模型來(lái)看，GPT系列是研究最多的模型；第三，本文基于大模型角色（對(duì)象vs.方法）和國(guó)際傳播視角（比較vs.流動(dòng)）提出大模型計(jì)算國(guó)際傳播研究的四種模式，并發(fā)現(xiàn)其作為分析對(duì)象主要集中于研究大模型的跨國(guó)和跨文化偏見，作為方法則主要應(yīng)用于文本分析和調(diào)查研究；第四，大模型的設(shè)置在響應(yīng)次數(shù)上以單次為主，主要采用“角色扮演”型的提示設(shè)計(jì)。

　　基于上述發(fā)現(xiàn)，我們認(rèn)為，大模型時(shí)代的計(jì)算國(guó)際傳播研究可以在如下方面進(jìn)一步發(fā)展：第一，傳播學(xué)應(yīng)當(dāng)更加重視大模型時(shí)代的計(jì)算國(guó)際傳播研究。目前，相對(duì)于計(jì)算機(jī)學(xué)科，傳播研究的關(guān)注相對(duì)不足，值得加強(qiáng)；第二，超越“西方中心主義”。目前大模型時(shí)代的計(jì)算國(guó)際傳播研究仍然存在一定程度的西方中心主義傾向——表現(xiàn)在無(wú)論是所研究的國(guó)家還是模型產(chǎn)地，仍以美國(guó)和歐洲主要國(guó)家為主。在推動(dòng)全球文化互鑒與信息流通的國(guó)際傳播背景下，未來(lái)研究可以納入更多來(lái)自全球不同地區(qū)和不同發(fā)展階段的國(guó)家，以及與這些國(guó)家相關(guān)的本地化大模型，從而更加全面地反映全球多樣化的傳播格局；第三，加強(qiáng)解釋性研究。現(xiàn)有研究主要側(cè)重于描述大模型的具體表現(xiàn)或方法潛力，缺乏較為深入的理論探討。例如，對(duì)大模型在國(guó)際傳播中的偏見的描述性分析較多，但解釋性分析不足，這方面需要大力加強(qiáng)；第四，對(duì)大模型作為國(guó)際傳播的研究方法有更好的定位。盡管一些研究探討了大模型在國(guó)際傳播研究中的潛力，但都是從比較的角度展開，缺乏與人類的協(xié)同研究。實(shí)際上，由于大模型偏見和響應(yīng)的各種問(wèn)題，其應(yīng)用并不總是那么有效，人工智能應(yīng)被視為協(xié)助、改進(jìn)或增強(qiáng)研究的工具，而非完全替代傳統(tǒng)研究方法；第五，國(guó)際傳播研究中對(duì)大模型的操作設(shè)計(jì)需更規(guī)范。模型的參數(shù)設(shè)置和提示設(shè)計(jì)一方面需要適應(yīng)國(guó)際傳播研究的具體情景，另一方面也會(huì)對(duì)國(guó)際傳播的結(jié)果產(chǎn)生重要影響。然而，目前國(guó)際傳播研究中大模型的參數(shù)設(shè)置存在較大差異，既缺乏足夠充分的報(bào)告，也缺乏解釋說(shuō)明，因此，大模型時(shí)代的計(jì)算國(guó)際傳播研究需要增強(qiáng)方法運(yùn)用與操作設(shè)計(jì)的規(guī)范性、透明性、解釋性，這不僅能夠提高國(guó)際傳播研究的質(zhì)量和可靠性，也有助于推動(dòng)國(guó)際傳播理論的創(chuàng)新與發(fā)展。

　　本文系國(guó)家社科基金人才項(xiàng)目（22VRC186）、上海數(shù)學(xué)與交叉學(xué)科研究院項(xiàng)目（SIMIS-ID-2024-LZ）的階段性成果。

　　周葆華系復(fù)旦大學(xué)信息與傳播研究中心研究員，

　　復(fù)旦大學(xué)新聞學(xué)院教授，全球傳播全媒體研究院研究員，復(fù)旦大學(xué)國(guó)家發(fā)展與智能治理綜合實(shí)驗(yàn)室研究員；

　　方揚(yáng)系復(fù)旦大學(xué)新聞學(xué)院研究生

關(guān)注讀覽天下微信， 100萬(wàn)篇深度好文， 等你來(lái)看……