社交机器人研究：洞察智能时代传播机制

2025-11-06 14:30 上海

2025年11月8日（周六）10:00-12:00 直播

导语

在AI快速发展的当下，AI不仅深刻影响着信息传播的方式，也为传播学研究带来了全新视角和方法。基于此，集智俱乐部联合北京师范大学许小可教授、浙江大学张子柯教授、南京大学王成军教授、深圳大学廖好副教授共同发起“AI×传播”读书会，从计算叙事、智能传播、人机传播与传播仿真四个板块向来共同探索AI与传播的前沿交叉，来深度理解传播机制和传播生态。

11月8日（周六）10:00将开启读书会第九期，由北京师范大学新闻传播学院/计算传播学研究中心教授闵勇、北京师范大学计算传播学博士黎樟浩，共同分享“社交机器人田野实验研究”主题，本次分享的核心是探讨如何将社交机器人作为研究工具，用于理解智能时代的传播机制。具体介绍了通过田野实验方法，控制社交机器人模拟人类行为、嵌入真实平台，以追踪信息流动并揭示算法偏好、人机互动等社会现象的成因。这一方法兼具算法审计、平台治理等应用价值，并深化了“信息是活的”这一理论命题。

分享简介

当信息在大数据和智能算法的驱动下成为跳跃在用户终端屏幕上的精灵时，传播学研究需要一个全新视角去理解这种主体性的迁移，而社交机器人将成为探索智能传播机制的基础性工具。本次分享将深入解析社交机器人田野实验的理论根基与研究潜能：它们如何作为“非人主体”，模拟人类账号行为、嵌入真实社交平台，并借助大数据日志精准追踪信息流动路径；又如何在实验逻辑控制下揭示平台算法的偏好机制、人机互动的演化、以及“过滤气泡”等数字社会现象的成因与后果。我们将探讨这一方法在算法审计、平台治理、社会分化研究中的应用价值，并展望“信息是活的”这一命题背后的深远意义。在人与算法共存的时代，社交机器人不仅是工具，更是照见传播机制与社会结构的镜子。

分享大纲

社交机器人田野实验的设计逻辑与行为建模

社交机器人引发的人机边界、传播伦理与治理问题

“屏幕生态学”驱动新研究方法的发展

主讲人1

闵勇，北京师范大学新闻传播学院，计算传播学研究中心教授、博导，浙江大学博士，广东省领军人才，中国人工智能学会社会计算与社会智能专业委员会委员，中国网络空间安全学会网络社会认知计算专业委员会委员。在《Nature Communication》、《Nature Climate Change》、《新闻大学》、《国际新闻界》等国内外高水平刊物发表学术论文50余篇，承担和参与国家自然科学基金等各级纵向研究课题10余项，长期承担国家某信息安全专项持续研究和开发工作，拥有10余项网信领域专利和软件著作权。

主讲人2

黎樟浩，北京师范大学计算传播学博士，研究兴趣包括社交机器人，算法审计，AI说服等。已在Information, Communication & Society, International Journal of Communication, China: An International Journal, 《国际新闻界》、《新闻与写作》、《福建师范大学学报》等学术期刊发表十余篇论文。

阅读清单

Chen, W., Pacheco, D., Yang, K.-C., & Menczer, F. (2021). Neutral bots probe political bias on social media. Nature Communications, 12(1), 5580.

通过在社交平台上部署中立社交机器人，探测算法在政治立场上的推荐偏向。结果发现，不同机器人在无行为差异的情况下接收到的内容呈现显著立场差异，揭示了算法驱动的潜在政治偏见。

Hosseinmardi, H., Ghasemian, A., Rivera-Lanas, M., Horta Ribeiro, M., West, R., & Watts, D. J. (2024). Causally estimating the effect of YouTube’s recommender system using counterfactual bots. Proceedings of the National Academy of Sciences, 121(8), e2313377121.

以社交机器人为实验工具，基于用户真实浏览历史构建行为切片，设定反事实路径，以因果推断方法审计YouTube推荐系统。结果发现，算法倾向于推荐主流温和内容，较少引导至极端内容。

Ibrahim, H., AlDahoul, N., Lee, S., Rahwan, T., & Zaki, Y. (2023). YouTube’s recommendation algorithm is left-leaning in the United States. PNAS Nexus, 2(8), pgad264.

通过社交机器人模拟用户行为，系统审计YouTube推荐算法在美国的政治立场偏向。结果显示，平台算法整体呈现左倾特征，且即使用户从中立内容开始，算法也更可能将其引导至自由派内容。

Min, Y., Jiang, T., Jin, C., Li, Q., & Jin, X. (2019). Endogenetic structure of filter bubble in social networks. Royal Society Open Science, 6(11), 190868.

通过在微博平台部署128个社交机器人，精确控制机器人在网络中的关注关系与偏好设定，模拟具有不同兴趣取向（如娱乐、科技）的用户，分析过滤气泡的内在结构。

吴晔, 黎樟浩, 闵勇. (2024). 计算传播学的社交机器人田野实验：概念、方法与应用. 国际新闻界, 46(9), 135–154

从计算传播学的视角出发，探讨社交机器人田野实验的概念界定、方法建构、实验设计及其实际应用，认为社交机器人田野实验结合了大数据分析与仿真方法的优势，已发展为一种高度可控的实验法。

刘河庆, 梁玉成. (2023). 透视算法黑箱：数字平台的算法规制与信息推送异质性. 社会学研究, 38(2), 49-71+227.

通过构建社交机器人并投放于真实社交平台，以审计算法推荐的偏向性与信息分发机制。揭示了平台在政治立场与兴趣维度上的推送异质性，为理解“信息茧房”与“过滤气泡”现象提供了实证基础。

补充材料

Reeves, B., Robinson, T., & Ram, N. (2020). Time for the Human Screenome Project. Nature, 577(7790), 314–317

本研究提出“人类屏幕组学”（Human Screenome）概念，主张通过高频率截屏技术精细记录个体在数字设备上的实时操作行为。研究强调，仅有应用层级的数据不足以揭示信息接触、注意力转移与心理状态之间的微观动态，屏幕组学为理解数字时代的人机互动、媒体使用与心理机制提供了全新方法论。

Muise, D., Lu, Y., Pan, J., & Reeves, B. (2022). Selectively localized: Temporal and visual structure of smartphone screen activity across media environments. Mobile Media & Communication, 10(3), 487–509.

本研究基于屏幕组学方法，分析智能手机使用活动在不同媒体环境中的时间节奏与视觉结构。通过截屏数据揭示，用户的注意力呈现出高度选择性与局部集中特征，显示数字媒介中的信息处理具有特定的时间-视觉组织规律，为理解数字环境下的感知与行为模式提供了微观证据。