伴随着大数据时代的到来和人类科学研究的发展，计算社会科学成为了二十一世纪科学发展的重要方向。其中，可计算思维、工具与方法开始在传播学科当中发挥越来越重要的作用。基于此，计算传播学应运而生。计算传播学是计算社会科学的重要分支，它主要关注人类传播行为的可计算性基础，以传播网络分析、传播文本挖掘、数据科学等为主要分析工具。（以非介入方式）大规模地收集并分析人类传播行为数据、挖掘人类传播行为背后的模式和法则，分析模式背后的生成机制与基本原理。可以被广泛地应用于数据新闻和计算广告等场景。注重编程训练、数学建模、可计算思维。
为了更好地界定计算传播的理论框架和实际应用、同时也是为了学习和应用计算传播学研究方法，我酝酿开设了《计算传播学》工作坊课程。工作坊的主要参与者是南京大学新闻传播学院2014级的研究生。而本书主要致力于总结在这个过程当中关于计算传播学的思考。
围绕着计算传播学这一核心概念，本书将主要分为三部分，第一部分介绍计算传播学的理论起源，包括“计算”和“传播”各自的含义及其关联，提出计算传播学的基本理论架构；第二部分，则主要介绍可计算思维在传播学研究和实务当中的应用；第三部分则主要总结前两部分内容。
计算传播学也非我有意识地选择的结果。我对扩散现象一直感兴趣，从沙堆到信息扩散，我一直认为这里面有很多值得挖掘的地方。来到香港读博之后，我主要在互联网挖掘实验室从事研究工作。读格兰诺维特的论文时，读到门槛模型，与我在读复杂性科学地书籍时所接触到多主体模型等都有关联。2008年正是社会化媒体方兴未艾大放异彩的时候，我想我或许可以采用这个模型来分析社会化媒体上的信息扩散。于是，开始分析各种基于互联网的人类传播行为数据，主要是Digg, Youtube, Twitter和Sina Weibo。
恰逢计算机科学家转向这条主线的研究，于是读了很多类似文章。但我对计算机科学家做社会科学研究很不满，因为多数研究都是会议论文，其研究发现往往不够深刻，这部分工作具有很强的数据科学的特点，强调数据挖掘和机器学习技术的使用；同时，我也注意到物理学家对于人类传播行为的研究工作，主要是统计物理和网络科学部分。对我影响最大的依然是网络科学，因为我分析信息扩散的起点就是基于关系网络和信息扩散网络展开。网络科学无疑提供了理想的工具；除此之外，计算语言学的工作使得对于传播文本的挖掘更加系统，例如主题模型鼓舞了计算人文学科的发展。与此同时，我开始放弃mathematica，学习R语言，后来又转向python语言（因为要抓数据）。
如何概括类似这些研究范式？我们一度采用了各种标签，比互联网数据挖掘、如统计物理、人类动力学、社会物理学、社会计算，但都不贴切。2011年，我在和实验室的同学和老师讨论之后，提出了computational communication的提法。当然，此时距离Lazer等人在2009年提出计算社会科学已经是三年之后了。之后，大家发现这个提法很好地概括了我们的研究兴趣和研究方向，于是就慢慢开始使用这个词语。2012年建立了豆瓣计算传播学小站。2013年，互联网挖掘实验室推出了一系列的计算传播研究工作坊，2014年我到南大之后，筹建了现在计算传播学实验研究中心。我们开始参与一些计算社会科学为主题的国际会议，在与其他学科的研究者交流的时候，采用计算传播学研究者介绍自己的工作。
本书是采用Gitbook撰写并发布的，因此需要感谢Gitbook团队和Github网站。Gitbook是一个基于markdown发布电子书的网站。它提供免费的在线编辑界面和单机编辑器。Gitbook非常好地支持了markdown写作，包括数学公式的展现和编程代码的显现。
囿于作者所见，文中难免疏漏，同时也有很多值得讨论的地方。读者可以在这里阅读本书网络版本：http://chengjun.gitbooks.io/computational-communication/content/index.html ，并可以通过github提交关于本书的修改意见。
王成军
2015年3月5日，南京