计算多模态传播实验室由来自美国加州大学戴维斯分校、美国佐治亚大学和美国西北大学的传播学者于2021年成立，研究课题涵盖社交媒体、虚假信息、人工智能、量化多模态分析等多个社会科学前沿领域。前期研究成果发表于Journal of Computer-Mediated Communication, Political Communication, Health Communication, Communication Methods and Measures, Public Relations Review, Social Media + Society 等传播学、社会科学重要同行评审期刊以及人机交互领域重要会议论文集。
主要研究领域和问题
视觉信息在传播学领域中的使用与效果
当代社交媒体对政治传播、科学传播等多个传播学领域中具有重要的表现和作用。和文本信息相比，视觉信息是如何在气候变化、社会运动等场域中被使用，并对受众产生影响的？视觉信息是否能够激发情感或行动呼吁？不同类型的视觉信息（如照片、视频，插图、漫画等）在传达信息和影响受众方面是否存在差异？视觉信息如何与文本信息相互作用，产生更强大的传播效果？
人工智能生成图像与效果
人工智能生成图像迅速发展的同时，这些图像在受众感知和行为上究竟存在哪些影响？在虚假信息传播中的角色和影响如何？如何检测和识别使用人工智能生成图像的虚假信息及其主要的特征？人工智能生成图像是否会影响用户对新闻媒体和权威机构的信任？
社会科学中的人工智能
人工智能，特别是大语言模型能够在更大规模和更高精度下测量复杂的内容属性，如情感、可信度或视觉框架。同时，AI还能通过发现传统方法可能忽视的数据模式与关系，支持研究假设的生成。我们的研究不仅关注AI在研究流程中的应用（从编码、标注到理论建构与检验），也考察人机评估之间的差异