引言

美国技术哲学家兰登·温纳（Langdon Winner）在《自由的技术》中提出：“技术不仅是物质现象，而且是社会、政治和文化现象。”技术的发展是社会运行的底层逻辑，更是传媒业发展的助推器。在此背景下，以生成式人工智能（如DeepSeek、ChatGPT）为代表的智能技术，正在重构传播场景与主体行为逻辑，推动智能传播研究成为新闻传播学科的前沿议题。本研究借助CiteSpace对2013—2025年智能传播相关文献进行定量与定性的解读，通过绘制知识图谱，分析关键词共现，揭示该领域科研动向，呈现研究结构、规律与潜在知识。具体从空间分布、研究热点及前沿、时间分布三方面展开分析。空间分布方面，分析代表性作者与研究机构，明确智能传播研究的主要力量分布；在研究热点及前沿方面，运用关键词聚类、研究主题辨识和突现词分析等方法，深入探讨热点话题与前沿趋势；时间分布上，借助发文量趋势图与时间线可视化图，展现不同年份智能传播研究的发展态势。未来智能媒介技术的深入发展已成为不可逆转的趋势。鉴于此，此篇文章主要是想深入探讨一下当前智能传播的发展情况，希望能给未来的传播实践和媒介生态的认识提供一些思路和方向。

研究设计

（一）研究工具

本研究选用由美国德雷塞尔大学（Drexel University）陈超美教授研发的文献计量工具CiteSpace（版本号6.3.R1）作为主要研究手段。该软件以JAVA为底层架构，具备处理多元、分时、动态复杂网络的分析能力，能够系统呈现特定学科领域的内在关联与发展轨迹，生成宏观且具象化的科学知识图谱。在内容维度上，关键词共现与聚类分析可识别高频词汇与研究热点；在时间维度上，突现词检测与时区图谱则能追踪研究主题从微观到宏观、由单一向多元的演进路径，进而揭示研究热点的动态变迁规律。本研究尝试借助上述可视化方法，从横向主题分布与纵向时序演进两个层面，系统描绘中国智能传播研究的学术版图、核心议题与发展脉络。

（二）数据来源

对来源期刊进行系统分析，有助于揭示特定研究领域的核心学术成果与发展脉络，进而把握其知识体系的构成范畴与学术影响力。根据布拉德福文献离散定律，某一学科或研究领域的大部分关键成果集中于数量较少但质量较高的核心期刊之中。基于此，本研究从中国知网（CNKI）数据库中，筛选出新闻传播学领域CSSCI来源期刊中与“智能传播”主题相关的458篇文献作为研究样本，以确保所分析文献的代表性与学术权威性。检索时间范围确定在2013年11月23日至检索当日（2025年3月27日）。

中国智能传播研究景观

（一）发文总量快速攀升

发文量的统计分析能够直接映射出特定研究领域的整体发展趋势及其研究热度。如图1所示，自2013年至今，我国智能传播研究的发文量呈现出整体增长趋势。观察图表可知，2016年标志着发文量增长的显著转折点，智能传播研究的发文数量在2016年之后呈现出明显的增长势头。此外，自2016年起，涉及智能传播相关学术研究的期刊数量逐年上升，期刊种类亦趋多样化。主要涉及新闻与传媒、自动化技术、计算机、高等教育、文化等类别。早期刊载智能传播文献的主要是新闻与传媒期刊，而后社会学科期刊以及政治法律类期刊不断加入，智能传播研究的范围辐射面广，发文量增多。

图1 样本文献年度发文量趋势

人工智能的发展历经数十年技术积累与突破，自1950年图灵提出“机器思考”的设想到2012年深度学习引爆算法革命，全球AI浪潮不断推进。2016年被称为“人工智能元年”，Alpha Go战胜李世石引发对AI战略价值的重新审视，而中国在这一年以系统性布局加速跻身全球AI赛道。中国国务院发布《“十三五”国家科技创新规划》，首次将人工智能列为引领产业变革的核心技术，同期出台的《“互联网+”人工智能三年行动实施方案》明确构建基础理论、关键技术与应用生态的全链条发展路径。从技术社会学的理论视角审视，智能传播研究的勃兴本质上是技术具身化（embodiment）进程在传播领域的具象呈现，其发展轨迹深刻印证了吉登斯结构化理论中“技术-制度”双向建构的辩证关系。

（二）智能传播引起学术研究与机构实践的战略共振

关键研究者在研究领域的发展过程中起着导向作用，他们的研究引领着最新成果的动态。表1呈现了在智能传播领域，中国发文量较多的作者。中文发文量最多的作者为清华大学陈昌凤（20篇），排名前列的还有浙江大学方兴东（19篇）、浙江传媒学院钟祥铭（15篇）、清华大学彭兰（15篇）、中国人民大学匡文波等。在我国智能传播研究领域，高校新闻传播学科的资深学者构成了研究队伍的核心。这些学者不仅具备扎实的学术功底，更展现出对前沿技术的敏锐把握能力，通过持续的创新性研究，不断拓展智能传播研究的理论边界与方法路径。他们的学术实践既推动了学科知识体系的完善，也为智能传播领域的可持续发展注入了强劲动力。

排名	发文作者	发文量（篇）
1	陈昌凤	20
2	方兴东	19
3	钟祥铭、彭兰	15
4	匡文波、张洪忠、师文、顾烨烨	6
5	姜泽玮	5
6	周葆华、喻国明、程思凡、郭小平	4

此外，研究机构的开放性以及机构间的交流和活跃程度，对学科总体的活跃状况起着决定性作用。机构发文量是研究机构的学术能力与影响力的呈现，国内发文量最多的机构依次为中国人民大学、清华大学、浙江大学、北京师范大学、浙江传媒学院、武汉大学、中国社会科学院新闻与传播研究所等。可见，在新闻传播领域，具有较强实力的高校和研究院所构成了当前智能传播研究的主力军。通过CiteSpace的统计分析揭示，机构间的合作关系主要表现为双边合作，而三个或更多机构的联合研究相对稀少，同时显示出强烈的单一机构主导的集群效应。可以得出，各研究机构之间的合作并不显著，尚未形成该领域内具有影响力的学术共同体。跨机构、跨领域的交流与合作亟需进一步加强。

智能传播研究的热点议题

（一）关键词共现分析

关键词是文章主题的高度凝炼，其频次、关联度、突现性等可以揭示该领域研究热点、内在联系及重要程度，对样本文献进行关键词共现分析可以窥见在统计时段智能传播领域出现的高频关键词及高频关键词之间的相关关系，揭示当前的研究热点。其中关键词频率、中心性和突现度及聚类是四个重要指标。关键词频次越高表示关注度越高，中心性越大表示越重要，突现度可以反映某时间段相对突出的研究热点，聚类则可以探讨该领域研究主要方向。

本研究运用CiteSpace软件，设定适当阈值并采用ILR算法，绘制出智能传播研究的关键词共现图谱（图3）。图中节点的大小直观反映关键词的出现频率，连线的粗细则表征关键词之间的共现强度，从而揭示研究主题之间的内在联系。国内研究领域的热点关键词为智能传播（1.24/213）、人工智能（0.48/89）、智能技术（0.12/8）、媒体融合（0.09/22）、算法（0.06/20）、传播（0.04/2）、国际传播（0.03/18）、智能媒体（0.04/17）、人机关系（0.03/15）、新闻传播（0.03/8）等（括号内数值代表关键词中心性/出现频次）。

对关键词共现图谱的分析揭示，“智能传播”拥有最高的出现频次与中心性，这确立了其在该研究领域的结构性地位。围绕这一核心，“人工智能”“媒体融合”“算法”等构成了紧密关联的关键节点群。此结构表明，当前研究一方面聚焦于“智能媒体”等形态演进，另一方面则通过“算法”等视角，展现出对技术伦理、人机关系等底层逻辑的深入探索，研究视野日趋系统与全面。

（二）关键词聚类分析

关键词聚类分析通过量化统计与分组归类，有效识别关键词间的内在关联，从而揭示研究领域的核心主题与前沿方向。本研究运用CiteSpace对高频关键词进行聚类分析，结果（见表2）显示，聚类模块值（Q值）为0.55，平均轮廓值（S值）达0.92。根据文献计量学标准，Q值>0.3即表明聚类结构显著，S值>0.7则说明聚类结果具有高度信度，由此可见本研究的聚类分析效果理想，能够较好地反映智能传播研究的知识结构。

聚类标签	聚类名称	成员数量	主要关键词
#0	智能传播	54	智能传播；人工智能；人机交互；算法；国际传播
#1	人工智能	48	人工智能；国际传播；智能传播；中华文化；伦理失范
#2	智能技术	21	智能技术；传播；人才培养；新闻传播；在场
#3	智能媒体	20	智能媒体；新媒体；数字传播；算法推荐；平台治理
#4	媒体融合	20	媒体融合；主流媒体；实践路径；智能化；能力模型
#5	算法	18	算法；媒介融合；背景关系；他异关系；诠释关系
#6	人机关系	12	人机关系；伦理困境；准社交关系；人类价值；原真性
#7	伦理	12	伦理；算法伦理；交流伦理
#8	计算传播	10	计算传播；大模型；计算机视觉；算法素养；算法审计
#9	传播模式	9	传播模式；传播主体；运作模式；人类主体；数字伦理

智能技术发展使得“智能传播”从基础研究的概念定义转向理论体系。匡文波和姜泽玮梳理了学界对智能传播定义的探讨，将其定义总结为“使用大数据与人工智能技术对信息进行自动化处理的一种人机交互的网络传播新形态”。智能传播的特征是区别于其他以”人“为中心节点的网络传播，智能传播是最新的“新媒体传播”。中国智能传播研究位于前10位的聚类主体分别为“智能传播”“人工智能”“智能技术”“智能媒体”“媒体融合”“算法”“人机关系”“伦理”“计算传播”“传播模式”。结合聚类主题、主要关键词和聚类图谱，智能传播研究的热点议题主要体现在以下方面：

1. 技术基础：算法驱动人工智能发展

以大数据、云计算、区块链、5G以及生成式人工智能为代表的技术集群，正在重塑人类社会的传播图景。这种技术聚合效应催生了智能传播的涌现，标志着传播活动正式进入人机协同的智能传播新纪元。在此进程中，数据资源化（Datafication）构成了智能传播系统的核心要素——人类既通过数据感知构建多维应用场景，又在日常实践中持续生成数据痕迹，而实现数据价值转化的关键机制，正是算法这一“数字炼金术”。

从技术社会学视角考察，算法已突破工具属性，演变为社会关系重构的“行动者”。孙萍等学者指出，算法参数通过人机交互界面渗透至日常决策系统，其内在的运算逻辑不仅重塑个体行为模式，更在微观层面重构社会权力网络。这种技术具身化（Embodied Technology）现象印证了拉图尔（Latour）行动者网络理论中"非人类行动者"的能动性，算法作为技术行动者正深度参与社会结构的再生产。在技术演化进程中，算力竞争曾构成全球人工智能竞赛的关键维度。作为认知基础设施的算力体系，依托CPU/GPU硬件架构形成计算效能金字塔，直接决定数据处理能力与模型训练复杂度。值得关注的是，DeepSeek通过技术创新生态系统建设，在成本控制、运算效率及开源生态等维度实现突破，推动人工智能技术跨越“主流化鸿沟”，标志着AI发展进入规模化应用新阶段。然而，智能算法的双刃剑效应日益凸显。基于数据训练的算法系统存在三重风险：其一，数据质量缺陷导致语义理解偏差，形成“算法盲区”；其二，生成内容存在虚构与偏见风险，动摇信息真实性根基；其三，意识形态渗透风险升级，如史安斌等对ChatGPT的批判性分析所示，其基于预训练语料库的内容生成机制，在训练机制、应用场景与信息生产三个维度隐含着价值立场的选择性表达，形成新型技术权力宰制。

2. 应用场景：技术与传播的深度融合

从结绳记事到书写文本再到数字存储，人类采集信息并借助技术学习，实现“数字世界”。“世界模拟”所呈现的人工智能对世界的理解与表达。空间智能、认知智能、情感智能这三个维度，将逐步成为智能传播领域中的核心议题。空间智能即AI突破二维层面，在三维时空中的能力，是将AI从海量的数据中心带出，使其理解世界丰富性的关键。认知智能旨在模拟人类的思维过程与决策能力，以意图构建为核心提升类人分析水平。情感智能聚焦于识别和模拟人类情感，以情绪价值和共情互动扩展AI在人类生活中的应用场景。这些前沿议题将驱动智能传播迈向更深层次的技术与社会融合。空间层面，虚拟现实就是一个典范，借助技术生产一个逼真的三维或者四维视觉、触觉、嗅觉等多种感官体验的模拟环境，从而使体验者获得一种身临其境的“在场”的感觉。数字交往论（DAT）认为数字社会是一种脱域融合的媒介化社会，人类生活在一个跨经验体系的多圈层世界，数字化逐步打破时空障碍，虚实共生的混合生活成为典型社会场景。进入到互联网的“下半场”，虚拟场景化社会被建构，在这个永远在线的“场景时代”,以场景服务和场景分享为人的社会连接的基本范式，可以实现人的具身以“在场”的方式参与到“任意”的现实实践中。2024年2月，Open AI公司推出的文生视频模型Sora是智能媒介的一次重大升维，这意味着无限生成个性化的数字场景成为可能。

3. 主体关系：人机协同与传播权力重塑

智能传播研究正经历从“技术工具论”向“人机共生论”的范式转向。早期研究聚焦智能技术对人类行为模式的单向塑造，而当前学界更关注人机协同对社会结构及个体认知的深层重构。这一转向的学理逻辑在于：随着智能技术从工具性应用向情感化、社会化交互演进，人机关系已突破传统“主客体”框架，迈向“共同行动者”的互构关系。技术具身化进程进一步揭示了人机互动的复杂性。例如，匡文波与姜泽玮通过对聊天机器人用户的实证研究发现，人类通过算法想象与操作策略对技术进行“驯化”，这一过程既体现用户对技术的适应性改造，也映射出技术对人类行为模式的隐性规训。此类互动表明，人机关系并非单向的技术支配，而是双向的权力协商。在此背景下，人类主体性面临双重挑战：一方面，智能机器通过数据化反馈重塑个体的自我认知，形成“镜中我”效应；另一方面，传播权力的重心正从人类主体向人机协同网络转移。张洪忠指出，当机器流量超越人类流量时，智能体已实质性地嵌入传播生态，成为具有独立行动能力的“准主体”。这种转变不仅重构了传播主体的内涵，更催生出动态化、去中心化的新型传播秩序。

4. 伦理挑战：技术赋权与风险共治

智能传播技术的迭代演进在带来效率提升的同时，也催生了多维度、系统性的社会风险。当前研究普遍关注算法决策中潜在的偏见固化、智能技术普及不均衡引发的认知鸿沟、用户隐私面临的新型侵蚀、虚假信息规模化扩散以及由此导致的社会信任机制松动等核心议题。常江提出，智能传播正在推动“后人类状况”的形成，带来时间异化、真实与信任的分离等问题。在技术主导的全球数字媒体生态中，传统意义上的真实面临前所未有的挑战，学界需要从更广阔的视角分析整体的风险框架。方兴东等学者通过研究发现，生成式人工智能(如Sora)可能带来的风险从低到高分为行为性失调、功能性失调、结构性失调和颠覆性失调四类，这场危机不仅限于技术维度，还涉及社会关系、结构和运行机制的深刻变革，应超越单一国家治理模式，构建全球协作治理机制，以应对风险的全球性和治理的碎片化。智能传播治理的核心在于提升数据的透明性和责任伦理。胡泳等聚焦大语言模型的训练数据问题，揭示“数据为王”法则背后隐含的数据有限性、数据所有权等争议与生态失衡，提出要努力探寻高质量、多样性、包容性的数据，以促进生成式人工智能的可持续发展。算法是人工智能运行的基础，应以更广阔的视角探讨算法与传播语境的关系。周敏的研究指出，算法“黑箱”现象在智能传播中强化了隐性偏见和社会分化，威胁社会公共性的建立，需要通过自上而下的算法治理和自下而上的算法素养培养，打破技术异化，实现公共利益。

智能传播研究展现了对全球治理体系的深入探索、对算法透明度与责任伦理的推动，以及对智能鸿沟社会层面的深化理解。治理的未来趋势指向了构建一个以社会信任为基石的技术治理体系，强调公众的参与、多方面的合作以及技术向善的发展理念。

智能传播研究的发展演进

基于CiteSpace生成的时间线图谱，本研究对智能传播领域在过去十年间的演进路径进行了系统性梳理。该图谱通过横纵坐标分别呈现关键词的出现时间与聚类归属，清晰揭示了研究热点的时序变迁与主题关联。图4展示了中文样本文献聚类关键词的时区图谱，图中横坐标表示关键词出现时间，纵坐标表示所属聚类。

从时间线图谱（图4）可以看出，近十年来智能传播研究的关键词密度呈现明显的时间梯度变化，早期研究主题相对集中，后期则呈现出多元扩散的趋势。其中，“人工智能”“人机关系”“媒体融合”与“算法”等关键词在研究演进过程中扮演了关键节点角色，反映出该领域研究热点的历时性变迁。

（一）孕育期（2013-2015年）：技术认知的初步建构

在此阶段，关键词的分布较为稀疏，主要集中在聚类#2——智能技术。随着Web2.0时代数据量的爆发式增长与云计算基础设施的日益成熟，移动智能终端的普及开始对传统传媒业态产生颠覆性影响。尽管此时“智能”概念多被用于描述移动终端设备，与当前人工智能内涵存在一定差异，但学界已敏锐察觉到智能化技术对信息传播模式的结构性影响，为后续研究的深化奠定了重要理论基础。

（二）探索期（2016—2018年）：技术应用的多元尝试

2016年被称为智能元年，#1人工智能、#3智能媒体、#4媒体融合等聚类突显。AlphaGo的突破性胜利显著提升了社会对AI技术的认知度，深度学习技术的快速发展彻底重塑了研究格局。此期间，“人工智能”“智能媒体”与“媒体融合”等关键词集中涌现，标志着研究进入活跃探索阶段。智能技术开始在新闻生产、内容分发等具体场景中得到实践应用，但学界对技术的理解尚处于初步阶段，研究成果多聚焦于技术应用的描述性分析，缺乏对理论机制的深入探讨，呈现出一定程度的同质化倾向。

（三）发展期（2019—2021年）：伦理反思的逐步深化

2019年智能技术在传播链条中的嵌入程度不断加深，#4算法、#6人机关系、#7平台聚类突显。这一阶段的显著特征是学界在关注技术积极变革的同时，开始系统反思其带来的伦理挑战。“传播伦理”“算法偏见”与“传播生态”等关键词的突现，表明研究视角从单纯的技术乐观主义转向更加辩证的批判性思考。DeepFake技术引发的信任危机、Twitter算法系统的法律困境等现实问题，促使学界将更多研究资源投向技术治理方向，推动了智能传播研究的理论深化。

（四）融合期（2022年至今）：前沿场景的跨界探索

从2022年各聚类发展显著，学术界对人工智能、元宇宙等智能传播新兴场域的讨论多集中于技术的潜在可能性与未来愿景。研究重点逐渐从技术应用层面转向对传播本质的重新思考，人机交互理论的扩展与完善成为学界焦点。与此同时，智能传播引发的伦理讨论愈发深入，涉及隐私保护、算法透明度、情感伦理等多元议题。学者们不仅从理论层面重构智能传播的分析框架，还通过具体案例验证智能媒体的社会价值与潜在风险，为理解人机共生的未来图景提供了新的学术视角。智能传播研究已从早期的技术追踪逐步发展为具有独立问题意识与理论框架的研究领域，其发展轨迹既反映了技术演进的内在逻辑，也体现了学术研究对现实问题的持续回应与前瞻思考。

结论

本研究以2013至2025年间中国智能传播领域的相关文献为对象，借助CiteSpace工具进行了系统的可视化知识图谱分析。在此基础上，结合对文献内容的深度解读，剖析了该领域的核心主题与研究热点，并形成以下结论。

从科研合作网络来看，当前我国智能传播研究仍以高校新闻传播院系为主导，尚未形成跨机构、跨领域的协同研究体系。政府机构与企业实体的参与度较低，学界与产业界之间的互动机制尚不健全，这在一定程度上限制了研究成果的转化与应用边界的拓展。不少学者在探讨新闻传播教育培养变革时提及智能传播相关理论研究与社会实践脱节，且智能传播作为跨学跨行业的研究领域更需要与时俱进。传播学，素有“学科交汇点”之称，其演进过程体现了对不同学科理论精粹的持续吸收与整合。

从研究内容来看，国内智能传播知识生产主要围绕“智能传播”“人工智能”“智能技术”“智能媒体”“媒体融合”“算法”“人机关系”“伦理”“计算传播”“传播模式”展开研究。在微观层面，智能技术成为时代的“座驾”，改变了个体获取和传递信息的方式，个体作为平台的用户，是信息传播的节点，也是数据的生成源。在智能传播领域，人类与机器共同构成了网络行动者的角色，其中机器作为非人行动者，构成了一个独特的传播主体。在中观分析层面，传统新闻生产流程正因智能技术的演进而发生根本性变革。通过大数据的自动化挖掘技术，以及无人机、传感器和写作机器人的应用，新闻生产效率得到显著提升。此外，定制化内容的精准推送亦已成为可能。从更高层面看，算法与人工智能的技术突破，推动传播场景革新，重构内容生产与分发范式。技术赋权下，传播主体从“人主导”转向“人机协同”，从而引发知识生产权与传播控制权的结构性转移。随之出现的是主体关系的异化催生算法偏见、信息茧房等伦理争议，倒逼治理体系向算法透明度与平台责任转向，智能传播治理已经提升至国家层面。政府、媒体和商业公司三方，在确保各自主体协同进步、相互促进的前提下，最大限度地探索智能传播时代的潜力，这是社会的共同期待。

参考文献：

1. [1] 兰登·温纳.自主性技术———作为政治思想主题的失控技术[M].杨海燕，译.北京：北京大学出版社，2014.
2. [2] 邱均平.信息计量学（四）第四讲文献信息离散分布规律——布拉德福定律[J].情报理论与实践，2000(04):314-316+320.
3. [3] 李彪，赵睿.新世纪以来新闻传播学研究的生命周期及学术权力地图（2001-2016）——基于科学知识图谱的分析[J].国际新闻界，2017，39（07）：6-29.
4. [4] 李先跃.中国文化产业与旅游产业融合研究进展及趋势——基于Citespace计量分析[J].经济地理,2019,39(12):212-220+229.
5. [5] 李琬，孙斌栋. 西方经济地理学的知识结构与研究热点：基于CiteSpace的图谱量化研究［J］. 经济地理，2014，34(04)：7-12.
6. [6] 匡文波，姜泽玮.论智能传播研究的基本理论问题[J].中国人民大学学报，2024,38(03):115-126.
7. [7] 周葆华,苗榕.智能传播研究的知识地图：主要领域、核心概念与知识基础[J].现代传播(中国传媒大学学报),2021,43(12):25-34.
8. [8] 孙萍,刘瑞生.算法革命:传播空间与话语关系的重构[J].社会科学战线,2018(10):183-190.
9. [9] 史安斌,俞雅芸.人机共生时代国际传播的理念升维与自主叙事体系构建[J].对外传播,2023(04):9-13.
10. [10] Yixin Zhu,Tao Gao,Lifeng Fan, et al.Dark,Beyond Deep:A Paradigm Shift to Cognitive AI with Humanlike Common Sense[J].Engineering,2020,6(03):310-345.
11. [11] 杜骏飞.数字交往论（1）：一种面向未来的传播学[J].新闻界,2021(12):79-87+94.
12. [12] 李林容，刘芳.延伸、凝视与变换：智能传播时代下的人机关系[J].中国出版，2024(05):19-26.
13. [13] 匡文波，姜泽玮.聊天机器人用户的算法想象与人机关系：基于算法民间理论的进路[J].现代传播(中国传媒大学学报)，2024,46(09):132-140.
14. [14] 彭兰.“镜子”与“他者”：智能机器与人类关系之考辨[J].新闻大学，2024(03):18-32+117-118.
15. [15] 张洪忠.机器的互联网：如何看待AI大模型发展背景下的虚拟空间[J].全球传媒学刊，2024,11(03):1-2.
16. [16] 常江.自动化的困境：AI、数字媒体生态与“后人类”的未来[J].新闻界，2024(02):25-33+85.
17. [17] 方兴东，钟祥铭，宋珂扬.Sora与新控制危机：理解智能传播时代风险的新机制、新治理和新逻辑[J].传媒观察，2024(05):59-70.
18. [18] 胡泳，刘纯懿.大语言模型“数据为王”:训练数据的价值、迷思与数字传播的未来挑战[J].西北师大学报(社会科学版)，2024,61(03):43-54.
19. [19] 周敏，赵秀丽.追求平等：对智能传播时代算法公共性重构问题的研究[J].北大新闻与传播评论，2024(00):189-204.
20. [20] 陈悦，陈超美，胡志刚，等.引文空间分析原理与应用[M].北京：科学出版社，2014.
21. [21] 苏涛，彭兰.人的价值与自主性：智能传播时代的人类关切——2022年新媒体研究述评[J].国际新闻界，2023,45(01):50-67.