Update README.md

Author: chengjun

docs/README.md

@@ -1,83 +1,47 @@
-# 《计算社会科学导论》实验手册 🔥
+# 《数智传播导论》实验手册 🔥
+
+《数智传播导论》（原名：计算社会科学）是一门融合了传播学、计算机科学、数学、统计学的交叉学科，它借助计算技术和数据科学方法来研究传播现象、社会行为及社会系统的运行规律。以下将从其核心特征、研究方法、应用领域等方面展开详细介绍。课程紧密贴合数智时代发展需求，将前沿人工智能技术深度融入智能与计算传播教学，以智能技术赋能课堂教学。
+
+### 核心特征
+- 一、以理论为体，计算中心论作为理论框架
+- 二、以实践为用，50%时间用来课堂实战
+- 三、以问题为导向，通过案例分析
+- 四、以论文为引导，强调人机合作
+- 五、以数据为支撑，突出公共价值
+- 六、以计算为方法，不断迭代发展
+- 七、以智能为愿景，彰显人文关怀
+
+### 课程内容
+
+- 第1周	2	课程简介+计算软件	课堂授课+上机练习	
+- 第2周	2	理论部分之大数据+读取大数据	课堂授课+上机练习	
+- 第3周	2	理论部分之数智时代的调查+分析调查数据	课堂授课+上机练习	
+- 第4周	2	理论部分之数智时代的实验+经典复刻	课堂授课+上机练习	
+- 第5周	2	因果推断1+经典复刻	课堂授课+上机练习	
+- 第6周	2	因果推断2+经典复刻	课堂授课+上机练习	
+- 第7周	2	因果推断3+经典复刻	课堂授课+上机练习	
+- 第8周	2	因果推断4+经典复刻	课堂授课+上机练习	
+- 第9周	2	计算叙事传播+ Q&A	课堂授课+上机练习	
+- 第10周	2	机器学习1+经典复刻	课堂授课+上机练习	
+- 第11周	2	机器学习2+经典复刻	课堂授课+上机练习	
+- 第12周	2	机器学习3+经典复刻	课堂授课+上机练习	
+- 第13周	2	机器学习4+经典复刻	课堂授课+上机练习	
+- 第14周	2	深度学习1+经典复刻	课堂授课+上机练习	
+- 第15周	2	深度学习2+经典复刻	课堂授课+上机练习	
+- 第17周	2	柏拉图研讨会:小组项目	分享+讨论	
+- 第18周	2	课程总结+个人项目	课堂授课+上机练习	
+
+## 考核方式
+
+多样化、过程性、综合化，非标准答案
+
+- 一、课程参与（10%）
+- 二、上机练习（40%）
+- 三、小组项目（40%）
+- 四、个人项目（10%）
 
 
-计算社会科学是一门融合了计算机科学、数学、统计学与社会科学的交叉学科，它借助计算技术和数据科学方法来研究社会现象、社会行为及社会系统的运行规律。以下将从其核心特征、研究方法、应用领域等方面展开详细介绍：
-
-
-### **一、核心特征**
-1. **数据驱动**  
-   - 利用大规模社会数据（如社交媒体数据、人口统计数据、经济交易数据等），突破传统社会科学依赖小规模样本的局限。
-   - 数据来源包括互联网平台、传感器、政府公开数据库等，具有实时性、动态性特点。
-
-2. **计算建模**  
-   - 通过构建算法模型（如复杂网络模型、多主体仿真模型、机器学习模型等）模拟社会系统的演化过程。
-   - 例如：用网络模型分析信息在社交网络中的传播，用仿真模型预测城市交通流量变化。
-
-3. **跨学科融合**  
-   - 整合社会学、经济学、心理学、计算机科学等多学科理论与方法，形成新的研究范式。
-   - 例如：结合经济学中的博弈论与机器学习算法，研究群体决策行为。
-
-
-### **二、主要研究方法**
-1. **大数据分析**  
-   - 运用数据挖掘、自然语言处理等技术，从非结构化数据（如文本、图像、视频）中提取社会行为模式。  
-   - 案例：分析推特文本数据，预测公众对某政策的情绪倾向。
-
-2. **社会仿真模型**  
-   - 通过多主体建模（Agent-Based Modeling，ABM）模拟个体行为与宏观社会现象的关联。  
-   - 例如：模拟城市居民的通勤行为，优化公共交通规划。
-
-3. **网络科学方法**  
-   - 将社会关系抽象为网络结构，分析节点（个体）与边（关系）的特征，如中心性、聚类系数等。  
-   - 应用：研究谣言在社交网络中的传播路径，识别关键传播节点。
-
-4. **机器学习与人工智能**  
-   - 利用监督学习、无监督学习等算法，对社会现象进行预测或分类。  
-   - 案例：用神经网络模型预测选举结果，或识别犯罪行为的模式。
-
-
-### **三、应用领域**
-| **领域**       | **具体应用**                                                                 |
-|----------------|-----------------------------------------------------------------------------|
-| **社会学**     | 分析社会分层、群体极化现象；研究社交媒体对社会舆论的影响。                   |
-| **经济学**     | 模拟市场动态、预测经济危机；优化资源分配（如共享经济平台的定价策略）。       |
-| **政治学**     | 分析选举行为、政策传播效果；预测社会运动的爆发可能性。                       |
-| **城市科学**   | 城市交通流量预测、公共服务设施选址（如医院、学校）；智慧城市规划。           |
-| **公共卫生**   | 传染病传播模拟（如新冠疫情扩散预测）、疫苗接种策略优化。                     |
-| **商业与管理** | 消费者行为分析、市场趋势预测；企业组织架构优化与团队协作效率研究。           |
-
-
-### **四、典型案例**
-1. **新冠疫情传播模拟**  
-   - 利用计算社会科学模型，结合人口流动数据、社交接触模式，预测疫情扩散速度，为封锁政策制定提供依据。
-
-2. **社交网络谣言控制**  
-   - 通过分析微博、微信等平台的传播网络，识别关键“谣言传播者”，设计信息干预策略（如定向辟谣）。
-
-3. **城市交通优化**  
-   - 基于出租车GPS数据和居民通勤模式，构建交通流模型，优化红绿灯配时或共享单车投放点布局。
-
-
-### **五、挑战与发展趋势**
-1. **挑战**  
-   - 数据隐私与伦理问题：大规模社会数据收集可能涉及个人信息泄露（如欧盟GDPR合规要求）。  
-   - 模型可解释性：复杂算法（如深度学习）的决策过程难以向社会科学研究者或政策制定者解释。  
-   - 跨学科协作障碍：计算机科学家与社会科学家的研究范式和术语差异较大，需建立共同语言。
-
-2. **发展趋势**  
-   - **实时计算与边缘智能**：结合物联网技术，实现社会系统的实时监测与动态响应（如智慧交通管理）。  
-   - **因果推断与机器学习结合**：从“预测”转向“因果分析”，探索社会现象的根本机制。  
-   - **虚拟仿真与现实融合**：利用数字孪生技术，在虚拟空间中模拟城市、市场等社会系统，辅助政策测试。  
-
-
-### **六、与传统社会科学的区别**
-| **维度**       | **传统社会科学**                     | **计算社会科学**                         |
-|----------------|--------------------------------------|------------------------------------------|
-| **数据来源**   | 小规模调查、实验数据                 | 大规模实时数据（互联网、传感器等）       |
-| **研究方法**   | 理论推导、定性分析、小规模定量研究   | 计算建模、大数据分析、大规模仿真         |
-| **解释逻辑**   | 基于理论假设的演绎或归纳             | 数据驱动的模式发现与因果推断             |
-| **预测能力**   | 侧重解释历史现象                     | 强调对未来趋势的预测与干预               |
-
 
 ### **总结**
-计算社会科学通过技术创新拓展了社会科学的研究边界，使复杂社会系统的量化分析与动态预测成为可能。它不仅为理解社会现象提供了新工具，也为政策制定、公共管理等实践领域提供了数据支撑和决策依据。随着数据技术与计算能力的进步，这一学科将在解决社会问题（如气候变化、贫富差距、公共健康）中发挥更重要的作用。
+
+《数智传播导论》通过技术创新拓展了传播学的研究边界，不仅为理解传播现象提供了新工具，也为政策制定、公共管理等实践领域提供了数据支撑和决策依据。随着数据技术与计算能力的进步，这一学科将在解决社会问题中发挥更重要的作用。