香港大学新闻学系全奖博士招生 | Prof. Chen

导师简介

如果你想申请香港大学 新闻学系博士，那今天这期文章解析可能对你有用！今天Mason学长为大家详细解析香港大学的Prof.Chen的研究领域和代表文章，同时，我们也推出了新的内容“科研想法&开题立意”，为同学们的科研规划提供一些参考，并且会对如何申请该导师提出实用的建议！方便大家进行套磁！后续我们也将陆续解析其他大学和专业的导师，欢迎大家关注！

教授现任香港大学社会科学院新闻与媒体研究中心助理教授，是数字媒体与计算社会科学领域新锐学者。教授毕业于美国德克萨斯大学奥斯汀分校，拥有新闻与媒体博士学位及统计与数据科学硕士学位，这一跨学科背景为其研究奠定了坚实基础。教授的研究兴趣广泛而聚焦，主要探索数字平台与政治、人工智能与媒体研究、计算社会科学以及比较传播学研究。目前，教授正在招聘具备扎实统计与数据科学技能的研究助理，展现了其对计算方法在媒体研究中应用的重视。

研究领域

教授的研究兴趣涵盖多个前沿领域：

1. 数字平台与政治：研究社交媒体上的政治运动、极端主义话语及其跨平台传播特征
2. 人工智能与媒体研究：探索AI技术在媒体分析中的应用，以及人工智能本身作为媒体报道对象的特点
3. 计算社会科学：运用先进计算方法分析社会媒体数据，开发创新性研究工具和方法
4. 比较传播学研究：对比中国与西方社交媒体平台的信息传播、舆论形成及谣言辟谣机制
5. 危机事件中的媒体叙事：研究重大社会事件中传统媒体与社交媒体的报道框架与公众情感

教授的研究方法融合了自然语言处理、机器学习、网络分析等计算技术，同时注重跨文化视角，特别是中国与西方媒体生态的比较研究。

研究分析

1. 《Buzz Across Borders: Analyzing the Global and Local Dynamics Shaping the ChatGPT Media Hype in China》

发表于《Digital Journalism》(2025)

本研究探究了ChatGPT在中国媒体中的炒作现象，分析了全球技术话语如何在本地语境中被重塑。通过对中国媒体报道的内容分析，揭示了中国特有的AI叙事框架，以及技术革新如何被放置在国家发展的语境中。研究发现，与西方媒体相比，中国媒体对ChatGPT的报道更强调国家战略意义和本土化发展，体现了全球化技术在本地化媒体环境中的特殊呈现方式。该研究为理解跨文化语境下新兴技术的媒体构建提供了重要视角。

2. Audio-as-Data Tools: Replicating Computational Data Processing》

发表于《Media and Communication》(2024)这项研究探讨了音频数据在计算社会科学中的分析方法。论文提出了一套音频作为数据的处理框架，包括数据采集、预处理、特征提取和分析等步骤，并探讨了研究可复制性的问题。研究通过多个案例展示了音频数据在媒体研究中的应用潜力，为研究播客、广播和其他音频内容提供了方法论指导，拓展了计算社会科学的研究范围和工具集。

3. 《Comparing a BERT Classifier and a GPT Classifier for Detecting Connective Language Across Multiple Social Media》

发表于EMNLP会议论文集(2024)

本研究比较了BERT和GPT两种深度学习模型在识别跨社交媒体平台连接性语言方面的性能。通过分析来自多个社交平台的数据，评估了这两种模型在处理不同媒体环境中的语言差异能力。研究发现，虽然两种模型都能有效识别连接性语言，但BERT在处理特定平台语境时表现更佳，而GPT则在泛化能力方面略胜一筹。该研究为社交媒体内容分析提供了重要的方法论参考，推动了计算社会科学研究工具的发展。

4. 《In Punishment We Trust: Analyzing Characteristics and Credibility of Rumor-Debunking Messages on Chinese Social Media》

发表于《The International Journal of Press/Politics》(2024)

本研究分析了中国社交媒体平台上谣言辟谣信息的特征及其可信度。研究发现，含有惩罚信息的辟谣内容往往被认为更可信，反映了制度环境对信息可信度评价的影响。通过内容分析和实验研究，该论文揭示了辟谣信息的权威来源、叙事方式以及惩罚框架如何影响用户对信息真实性的判断。这一研究为理解不同社会文化背景下的信息验证机制提供了新视角。

5. 《It's Not Just "8 Dead": Examining News and Twitter's Social Construction of the Atlanta Spa Shootings Through the Lens of Networked Gatekeeping and Affective Publics》

发表于《Social Media + Society》(2024)

本研究探讨了亚特兰大水疗中心枪击事件在传统新闻媒体和Twitter上的社会建构差异。通过比较分析，研究发现传统媒体倾向于采用中立、事实导向的报道框架，而Twitter用户则更多从种族、性别交叉性视角理解该事件，形成了情感性公众。该研究运用网络化把关理论和情感公众理论，阐释了数字媒体时代重大社会事件的多元叙事形成机制，为理解社交媒体如何挑战主流媒体的叙事权威提供了实证依据。

6 .《Battle for Inbox and Bucks: Comparing Email Fundraising Strategies of Donald Trump and Joe Biden in the 2020 U.S. Presidential Election》

发表于《Journal of Quantitative Description: Digital Media》(2024)

本研究比较分析了2020年美国总统大选中特朗普和拜登阵营的电子邮件筹款策略。通过收集和分析大量竞选邮件，研究揭示了两位候选人在语言风格、情感诉求、捐款请求频率和个性化程度上的显著差异。研究发现，特朗普阵营倾向于使用更紧迫、对立的语言，而拜登阵营则更强调团结和政策。该研究为理解数字时代政治传播和竞选筹款策略提供了定量描述，展示了政治传播研究中的计算方法应用。

项目分析

1. 香港特别行政区政府研究资助局早期职业计划（Early Career Scheme）

教授于2025年获得香港研究资助局早期职业计划资助，这是香港最具竞争力的研究资助之一，针对有发展潜力的年轻学者。虽然具体项目内容未详细列出，但根据教授的研究方向，该项目很可能聚焦于数字平台上的政治传播或人工智能与媒体研究。此类资助通常支持为期2-3年的研究项目，包括数据收集、分析和研究人员雇佣等费用，对建立教授的研究团队和推进其研究议程具有重要意义。

2. 香港大学教学发展基金（Teaching Development Grant）

2025年，教授获得香港大学教学发展基金资助，该项目旨在支持创新教学方法和教材开发。结合教授开发的开源教材《使用R的数据新闻学》，此项目可能致力于将计算方法和数据分析技能融入新闻教育，培养具备数据素养的新一代媒体专业人才。该项目反映了教授在教学创新方面的投入，以及将研究专长转化为教学资源的努力。

3. 香港大学基础研究种子基金（Seed Fund for Basic Research）

2024年，教授获得香港大学基础研究种子基金支持，此类资金通常用于开展探索性研究、测试创新性研究方法或收集初步数据。考虑到教授同年发表的多篇关于社交媒体政治传播和AI媒体报道的研究，该种子基金很可能支持了这些方向的初期探索。此类种子基金对年轻学者尤为重要，可以帮助他们建立研究基础，为申请更大规模的外部资助做准备。

研究想法

1. AI生成内容的跨文化感知与影响研究随着ChatGPT等生成式AI技术的普及，不同文化背景的用户对AI生成内容的感知、信任和使用方式可能存在差异。研究可以设计跨文化实验，比较中国、香港和西方用户对相同AI生成内容的评价差异，探索文化因素、媒体素养和制度环境如何影响AI内容的接受度。这一研究可以扩展教授关于ChatGPT媒体报道的工作，深入理解AI技术在全球化与本地化张力中的社会嵌入过程。
2. 多模态假信息检测系统的开发与评估整合文本、图像和音频分析技术，开发针对多模态假信息的检测系统。该研究可以基于教授在自然语言处理和音频数据分析方面的工作，探索如何识别跨模态的信息操纵，特别是针对深度伪造等新型威胁。研究可以比较不同文化和政治背景下的假信息特征，开发适应不同语境的检测算法，并评估其有效性和伦理影响。
3. 社交媒体平台治理的比较研究设计一个跨平台、跨国家的比较框架，分析不同社交媒体平台的内容治理机制及其效果。研究可以关注平台政策、算法干预和用户社区如何共同塑造信息生态，特别是在处理政治极化、仇恨言论和错误信息方面的差异。这一研究可以扩展教授关于跨平台政治话语的工作，为理解数字平台治理的多元模式提供实证基础。
4. 危机事件中的算法新闻框架与公众理解探究重大社会危机事件（如大型自然灾害、公共卫生事件）中，算法推荐系统如何塑造新闻框架，以及这些框架如何影响公众对事件的理解和情感反应。研究可以结合计算内容分析、数字追踪和用户调查，建立从算法分发到认知效果的因果链条。这一研究将教授关于媒体事件报道的研究扩展到算法媒体环境，探索数字中介如何重塑公共话语。
5. 计算民族志方法在数字媒体研究中的应用开发融合大规模计算分析和深入民族志观察的混合研究方法，用于理解数字社区的文化实践和身份建构。该方法可以克服纯计算方法难以捕捉文化细微差别的局限，同时避免传统民族志方法的规模限制。研究可以选择特定的网络社区（如特定兴趣群体或身份社区）作为案例，探索线上互动如何形成独特的文化模式。

申请建议

1. 学术背景准备

跨学科知识结构

教授自身具备新闻传播与统计数据科学的跨学科背景，因此特别欢迎具有类似交叉学科训练的申请者。申请者应强化以下几个领域的知识：

• 媒体理论与传播学核心概念
• 计算方法基础（特别是自然语言处理、网络分析等）
• 社会科学研究方法（量化与质化）
• 政治传播或比较传播学知识
• 建议申请者除了传统的传播学课程外，还应修读数据科学、计算方法相关课程，或参加专业培训项目。具有统计学、计算机科学或数据科学辅修或双学位的申请者将具备显著优势。

技术能力建设

教授的研究大量运用计算方法，申请者应着重培养以下技术能力：

• 熟练掌握R或Python编程（注意教授自己开发了R语言的数据新闻学教材）
• 数据抓取、清洗和可视化技能
• 文本挖掘和自然语言处理技术
• 基础机器学习方法应用能力
• 社交媒体API使用经验
• 建议申请者通过实际项目练习这些技能，可以尝试复现教授已发表论文中的部分分析，或开展自己的小型研究项目，积累技术实践经验。

2. 研究提案准备

主题定位

申请者的研究提案应与教授的研究兴趣高度契合，同时展示独特视角。建议关注以下几个方向：

• 跨平台/跨文化的政治传播比较研究
• AI与媒体的互动关系（特别是生成式AI的媒体呈现或应用）
• 计算社会科学新方法在媒体研究中的应用
• 数字平台治理与信息环境质量
• 特定社会事件的媒体建构分析
• 研究提案应清晰展示你对当前文献的掌握，特别是对教授已发表工作的理解和可能的拓展方向。

方法创新

教授重视方法创新，尤其是计算方法的应用。研究提案应包含明确的方法论部分，展示：

• 创新性的数据收集策略
• 适当的计算分析方法
• 混合研究设计（如有必要）
• 研究的可行性和技术路线图
• 预期的方法挑战及应对策略
• 建议提出具体的数据分析方案，甚至可以提供小规模的试点分析结果，展示你的技术能力和研究潜力。

理论贡献

虽然教授的工作注重方法和实证，但强有力的理论基础仍然重要。研究提案应明确：

• 研究如何推进现有理论
• 跨文化背景下的理论适用性和修正
• 数字环境中传统传播理论的更新
• 理论、方法和实证发现的整合路径
• 避免纯粹描述性研究，强调你的研究如何有助于理解数字媒体时代的核心传播问题。

3.差异化竞争策略

展示独特视角

申请香港大学的国际博士生竞争激烈，应突出自己的独特优势：

• 如果有跨文化背景或语言能力（尤其是中英文双语），应重点强调
• 特殊的行业经验或实践背景（如媒体工作、数据分析职位）
• 独特的研究视角或方法技能
• 与香港或大中华地区相关的研究经验或兴趣

技术与理论平衡

避免过于偏向技术或理论任一方面：

• 如果你背景偏技术，展示你对媒体和传播理论的理解
• 如果你背景偏传统传播学，强调你的计算技能和学习能力
• 展示将方法技能与实质性研究问题结合的能力
• 表达开发创新研究工具的兴趣

4. 资源准备

技能提升

• 自学教授的开源教材《使用R的数据新闻学》
• 参加相关的在线课程增强计算技能（如DataCamp、Coursera上的R或Python课程）
• 学习基础的自然语言处理和机器学习技术
• 熟悉社交媒体研究的伦理和方法挑战
• 写作准备
• 研读教授的论文，理解其写作风格和研究逻辑
• 准备一篇与其研究方向相关的高质量学术写作样本
• 撰写个人陈述时突出研究技能和计算社会科学的兴趣
• 构思可行的博士研究计划，包括具体的研究问题、方法和潜在贡献

博士背景

Cassian，美国top10院校传媒学博士生在读，研究领域包括公共政策、文化传播与广告学。已在国际权威期刊《Journal of Communication》和《New Media & Society》上发表多篇论文，研究成果获得国际学术会议最佳论文奖。擅长将社交媒体数据与政治文化分析结合，关注信息传播与公众态度的互动关系。精通数据分析、文本挖掘与传播学理论，为相关领域的博士申请提供全面辅导。