- · 《计算技术与自动化》栏[08/03]
- · 《计算技术与自动化》刊[08/03]
- · 《计算技术与自动化》征[08/03]
- · 《计算技术与自动化》投[08/03]
- · 《计算技术与自动化》数[08/03]
突破与重构:大数据时代的计算广告学研究(4)
作者:网站采编关键词:
摘要:(三)广告发展演进规律等基础理论的宏观发现 广告学量化与实证研究范式的另一重大缺陷,就是用“小数据”来证明“逻辑”,用“小样本”来演绎“大定
(三)广告发展演进规律等基础理论的宏观发现
广告学量化与实证研究范式的另一重大缺陷,就是用“小数据”来证明“逻辑”,用“小样本”来演绎“大定律”,在传统研究中,研究者总是力图用“小数据”“小样本”来外推复杂的市场因果关系,用有限数据来阐释复杂市场与消费环境下的宏观涌现问题。用力甚勤,发现却甚微。究其竟,是因为有限数据及有限经验材料与宏大理论论证间,存在严重冲突,存在难以逾越的巨大鸿沟[18][19],在量化与实证研究范式主导下,广告学研究的各种发现,可以是特定状况下的特定考量,却很难用来论证普遍显示规律;可以是微观层面的精细测量,却难以用来通达宏观;可以是已知与经验的检验,却不用来发现未知与预测未来。广告学是一门偏重应用的学科,重大的理论发现一直相对匮乏。上世纪70年代之前,尚有奥格威的品牌形象理论,以及莱斯和屈特的定位理论可引以为傲,但在量化与实证研究成为主导范式的70年代之后[20],除整合营销传播之外②,似乎再也没有什么可以被提及的重大理论发现。
大数据发现的研究范式,以其超大规模和超时空跨度的数据,极大扩展了人类的经验范畴,填平着宏大理论与实证经验之间的鸿沟,同时以其数据挖掘中全景式的相关性扫描和全新的相关性涌现的优势,为广告学研究的宏观洞察和重大理论的提炼与发展提供了可能[12][19]。自然科学领域的相关研究,以及计算社会科学领域的社会学与经济学研究,已经提供诸多有价值可参照的研究范例。
总的来看,大数据发现的研究范式,既可用来解决广告应用层面的一应问题,又可用来展开广告基础理论层面的重大问题的研究。在研究思路与研究方法上,既可对传统研究方法中用于定量研究的“数值型数据”展开定性研究,又可对传统研究方法中只能用于定性分析的字符、图形、音频、视频等“非数值型数据”进行定量分析[10];既可用新的数据与材料来验证已有的理论,也可从新的经验事实中总结归纳出新的定律[19]。基于大数据与大数据技术的计算广告学研究,对于广告学研究来说,具有着突破传统研究局限、形构研究新质的范式革命的重大意义。
四、计算广告学发展面临的主要问题与障碍
大数据时代,人与社会系统所需要的生存与发展技能,凸显为人的信息处理能力[21]。有学者将大数据时代的信息处理,概括为“社会的信息处理计算范式”(Information processing computational paradigm of society)[22]。所谓“社会的信息处理计算范式”,意指大数据时代运用计算技术来收集与分析数据信息,已经被人们公认为社会中最为重要的事项或行为方式[3]。而“社会科学计算范式”(computational paradigm of social science),正是“社会的信息处理范式”带来的必然结果[23],已成为我们这个时代社会科学研究的一种主导范式。
计算广告学带来广告学研究范式从传统计量走向大数据计算,其整体趋势已不可逆转。但是,科学研究中的范式转换与范式革命却充满艰难。计算广告学研究的发展,同样面临许多重大现实问题与障碍。
(一)技术面向与技术门槛
计算广告学是大数据与大数据技术在广告学研究领域的应用,其显著的技术性面向,造成其有较高的技术门槛,以及对跨学科研究人才与跨学科合作研究的强烈需求。从某种意义上讲,计算广告学的研究,必须以学科交叉与融合的方式才能真正得以实现。然而,传统的文理分隔与专业分化的教育制度与研究机制,既不能满足计算广告学对学科交融综合性研究人才培养的需求,又不能支持计算广告学学科交叉的研究合作。正因为如此,计算广告学研究至今仍呈学科分离的状态。在计算机科学、数据科学与信息科学领域的计算广告学研究,重点采取的是技术性的研究面向。而广告学领域的计算广告学研究,因为过高技术门槛的限制,绝大多数研究者仍徘徊在传统广告学研究与计算广告学研究的边缘地带。可以说,世界范围内,完整意义上的社会科学研究与计算技术研究双重交叉面向的跨学科的计算广告学研究,至今并未真正充分展开。
(二)数据垄断与数据孤岛
基于大数据发现研究范式的计算广告学研究,其基础与前提便是数据。若无真正意义上的大数据,也就不会有真正意义上的大数据发现。通观迄今为止的计算广告学研究,无论是西方还是我国,虽号称大数据计算,实则仍是一种以“小数据”和零散数据为基础的研究。这种研究,仍有可能导致“片面经验图景”,以及“孤立化”“碎片化”的认知局限。造成这种状况的一个重要原因,就在于数据的垄断等因素所导致的数据可及性限制。
文章来源:《计算技术与自动化》 网址: http://www.jsjsyzdhzz.cn/qikandaodu/2020/1005/486.html