本论文利用1994年以来社会计算相关文献信息，对社会计算这一研究领域的发展趋势进行了系统研究。分三个阶段对社会计算研究的发展进行分析。在第一阶段(1994-2008年)，相关研究主要集中在应用计算机科学的方法来解决社交网络分析、知识发现和人机交互等经典问题。在第二阶段(2009-2014年)，随着社会计算相关文献的数量开始快速增长，研究者倾向于更多地关注各类在线社交媒体平台。海量的信息和数据带来了包括推荐系统和社团检测在内的新的跨学科研究主题，以及机器学习和数据挖掘等新兴技术的应用。这一阶段研究的另一个重要特点是移动互联网的发展带来了新的社交方式和新的研究聚焦点。在第三阶段(2015-2021年)，深度学习等前沿技术已经成为社会计算研究不可分割的一部分。无处不在的线上社区和数字媒体平台将计算机技术融合进人们的社交互动之中。这一阶段研究的新趋势是应用大规模用户数据(来自Twitter等大型社交媒体平台)来研究关乎社会、经济和政治的各种话题。这方面的典型研究问题包括情感分析和社交影响力最大化。

社会计算的跨学科演进特征向我们展示了计算机科学和社会科学两大学科如何随着时间的推移相互交融。自社会计算诞生以来，计算机科学和社会科学的研究方法就在经济学研究中交融，具体表现有软件应用和网络结构分析等。近年来，交叉研究的热点转向人工智能和机器学习领域。此外，医疗健康主题的研究也逐渐通过与软件和人工智能技术的应用，成为一个新兴的交叉领域。作为人文学科的重要组成部分，语言学和艺术研究在人工智能/机器学习模型的井喷式发展下也进入了新阶段，人机协作也是一个重要的发展方向。

本论文由来自复旦大学(计算机科学技术学院/智能复杂体系基础理论与关键技术实验室/信息科学与工程学院/社会发展与公共政策学院)、上海人工智能实验室、芬兰坦佩雷大学和同济大学的多位学者合作完成。通讯作者为复旦大学计算机科学技术学院陈阳博士。本论文连续获得Journal of Social Computing期刊2023年4月及2023年5月的“Popular Documents”第一名。

论文信息：
Jiaqi Wu, Bodian Ye, Qingyuan Gong, Atte Oksanen, Cong Li, Jingjing Qu, Felicia F. Tian, Xiang Li, and Yang Chen*, “Characterizing and Understanding Development of Social Computing through DBLP: A Data-Driven Analysis,” in Journal of Social Computing, vol. 3, no. 4, pp. 287-302, 2022. (DOI: 10.23919/JSC.2022.0018) [PDF]