2008年，美国各州遭受流感肆虐，谷歌公司发现美国民众对流感问题的关注方式发生了重大转变——由传统咨询医生转向运用谷歌或其它搜索引擎在线查询流感信息。鉴于民众的这一行为变化，谷歌依托自己的海量数据库信息，顺势推出名为“Google Flu Trends”（简称“GFT”）的大数据研究方法，该方法使用谷歌用户的网络搜索数据，预测当时爆发的流感传播趋势。发轫之始，该方法就受到了产业界、学术界和媒体的高度关注。虽然此前也有IT巨头运用自己公司所掌握的大数据进行商业分析，如Yahoo等。但GFT研究方法开启了运用大数据研究社会问题的先河，《纽约时报》在一篇报道中指出：“GFT是第一个使用搜索引擎的强大数据库去追踪疾病的公共项目。”[1]也就是说，GFT跳出商业公司的内部利益诉求，运用大数据转向社会公众问题的研究，从追求狭隘的商业经济利益转向服务大众的社会利益。

GFT研究方法起初确如外界所期待的那样，研究团队通过对大数据的分析，得出了非常精准的流感趋势预测。相关研究成果发布在《自然》杂志上，研究表明，他们对流感的趋势预测与美国疾病控制与预防中心（CDC）通过传统数据分析预测相比，要早1至2周的时间得出准确的趋势预测，[2]1012-1014这为流感的预防和控制提供了有利的科学决策依据。从健康传播的角度来看，大数据开启了社会公共卫生问题研究的新篇章。

然而，数年之后，GFT研究方法的表现不如人意。尽管研究者们优化了大数据的算法，但它对流感趋势的预测与实际的流感传播情况相去甚远。《自然》杂志指出，曾经是一流的传染病监测技术——GFT，在2012年美国的流感趋势预测中遭遇了数据分析结果的重创。[3]155-156与传统监测数据（CDC）相比，它高估了流感传播的峰值水平，GFT的预测值达到了CDC预测值的二倍，部分数据甚至有更大的差异。至此之后，GFT研究方法一直在改进数学算法，虽在局部修正了基于网络搜索行为的大数据分析结果，但这些结果却再也不如2008年时所预测的那么精准。GFT研究方法在这项与健康传播有关的实践项目中经历了兴起与衰落，这不得不引发人们的思考——大数据能解决社会的大问题吗，它为什么会失败。

虽然在文献阅读中学生是主体，但是从内容的选择、分组的方式到具体的要求，成绩的评判都离不开教师的组织。在整个过程中，教师必须首先了解学生的基本情况，熟悉所有的论文。要选好阅读的文献，解答学生的疑惑，指导学生撰写读书笔记、制作汇报的幻灯片。这不仅要求教师有极大的热情，精心设计，全程参与，还需要教师知识广博，专业基础扎实，实践经验丰富，具备良好的组织能力。

一、需要激发大数据想象力

GFT研究方法是大数据应用的典型代表，反思它的经验有助于人们更好地掌握和利用大数据。算法是大数据挖掘与分析的核心，那么，是否有好的算法就有好的研究结果呢？算法之外，是否还有什么其它因素影响到大数据的研究？这些问题都值得深入思考。谷歌团队自己也意识到，随着流感的盛行，媒体介入报道，这些报道严重影响了网民的搜索行为，比如增加了新的搜索关键词、非传染者加入搜索群体之中等。这些新变化引发的思考远不能靠算法来解决，即便是自然科学家也认为，GFT研究应适当引入定性分析，纯粹用数据客观描述世界不足以理解这个世界，还需要一个更清楚的定性解释。[4]1-10而社会学家Alexander Halavais则直接指出，大数据的关键问题是社会学的问题，社交媒体上种种行为特征不是某个个体的实践结果，也不是无数网民的集体实践结果，而是二者之间产生的社会学问题。[5]583-594他认为，大数据时代需要发展一种新的、更广泛的社会学想象力。

金属空气电池的原材料丰富、性价比高且完全无污染，早就引起了各国研究者的重视，目前已取得一定研究进展的主要有铝空气电池、镁空气电池、锌空气电池、锂空气电池四类。这其中，锂空气电池仍处于实验室阶段，商业化还需要一段时间。其余电池产品基本具备小规模生产的技术条件，有的甚至已经应用于电动汽车并取得良好效果。相信未来，金属空气电池一定会得到更加广泛的应用。

米尔斯在经典著作《社会学的想象力》中提出“社会学想象力”这一概念，其意是指在观察社会时要将个人困扰与社会问题结合起来分析。[7]19换个角度说，米尔斯是希望将微观视角和宏观视角融合为一体，因为仅从微观层面观察个体，失去了对社会语境的理解，若只从宏观层面观察整体，又失去了个体的叙事。偏向任何一方都不是社会学所需要的想象力，这也是他为什么不遗余力地批评帕森斯的宏大理论和拉扎斯菲尔德的微观行政研究的内在原因。为了避免社会学的想象力这个概念的学科狭隘性，米尔斯特地在注释中指出：“我希望我的同事接受‘社会学想象力’这一概念，阅读了我的手稿的政治学家建议有‘政治学想象力’，人类学家建议有‘人类学想象力’，其它学科亦如此”。[7]19

AD620的电路图如图2所示。为了防止偶然因素或者干扰信号引起的反馈信号突变，导致反馈信号经过AD620放大之后过大而损坏微控制器，使用了 3组电压钳位二极管（D2和 D3、D4和D5、D6和D7）将放大之后的反馈信号限制在0～3.3 V。

显然，米尔斯提醒研究者要在广义上理解社会学想象力这一概念，它具有学科的渗透性，其他学科完全可以借鉴使用。在仅靠改进数学算法和提高计算机数据分析能力都不能解决GFT方法遇到的问题时，提出激发大数据的想象力当是应有之义。当下，传播学界正积极运用大数据分析人类传播现象，在网络传播及新媒体传播领域，大型社交媒体数据正在得到普遍的使用。研究者们如果能发挥大数据的想象力，既重视数据之间的数量关系，也重视数据之外的社会性质，相信能为人们理解人类传播行为提供更好的见解。如何激发传播研究的大数据想象力，从历史主义的角度看，应该突破大数据在早期社会物理学运动中形成的一元认识论；从现实主义的视角来看，应该坚持多元化的大数据观念。

二、激发大数据想象力策略一：突破一元认识论

我们如何认识大数据，决定了我们如何使用它。因此，激发大数据的想象力，首先可以从认识论角度入手。在学术界的研究兴趣纷纷转向大数据的同时，不应该忽视大数据给我们的数据观念带来的冲击。从当前大数据的应用范围来看，它所涉及的领域涵盖了自然科学、社会科学、人文艺术，这种渗透趋势不可谓不深入。在各个学科热情拥抱大数据的同时，学术界有必要保持客观冷静的心态。事实上，当前大数据强烈的扩张动机与早期社会物理学运动中的大数据运用在认识论上是一致的。

社会物理学认为，人类社会像自然科学，特别是物理学一样，可以通过对社会变量的大规模统计测量，建构一套永恒的理论和法则，从而解释潜在的社会关联并建立分析模型。这种认识论的源头可以追溯到古希腊哲学对世界的认识。社会学家Pitirim A.Sorokin指出，古希腊一元论物质主义哲学家相信，人的内心世界与社会现象只是自然现象的不同变体而已。自然界、内心、社会是三位一体，他们一起组成一个世界，既然如此，一个世界的背后必然存在一套适用于三者的统一原则。[8]3像自然界的法则一样，世界背后的统一原则需要数学得以解决，同理社会也是如此。数量关系随之进入社会研究的分析。著名的社会物理学家、语言学家George Zipf在《社会计量学》撰文指出，“我们的星球，星球上的生命，以及拥有最精细的情感和精巧的智力知识的人，他们的结构和行为都由相同的自然法则管理着。”[9]48-62与George Zipf的思想一致，其他社会物理学家如John Quincy Stewart、William Warntz等人也一直致力于将社会物理学发展成一门依靠数学原理建立起的新型社会科学，他们所倚重的就是对数据的定量分析。Zipf证明语言的音节频率分布等同于冥律，Stewart运用物理学的重力势能思想分析美国人口的地理分布，Warntz一生努力在地理学与数学之间建立一般性逻辑联姻。综观而论之，这些无不是在一元论思想主导下的社会现象分析。

社会物理学家们的努力是值得肯定的，但他们的大数据观念偏执、一元化，企图用数据去分析所有的社会现象，暴露出的学术缺陷也是明显的。信息论的创建者之一沃伦·韦弗在1953年给John Quincy Stewart的信中写到：“实际上，探寻社会现象与物理现象的同构是一个有趣的想法。然而，真正的问题是，这是否是一个有价值的想法。假设世界确实有一些实体、社会价值在社会经验中扮演了不同物理能量形式的相同角色……但我难以相信，一个人能有效的使用数量去测量社会领域的不同价值。当你将意义、感觉、威信、决策等事物联系在一起时，我觉得这只是一个异质的混合体。”[10]7

社会物理学也影响到了当今传播学界的研究与实践，比如麻省理工学院（MIT）媒介实验室就是效仿社会物理学的典范。它的使命就是企图打破学科界限，将自然科学技术与媒介、人文艺术融为一体来研究。实验室所设立的分子计算机、全息技术、模块化媒体、物理与媒体等研究项目无不闪烁着社会物理学的影子，由此可见MIT媒介实验室的精神与George Zipf等人的思想追求是一致的。该实验室的网站是这样介绍社会物理学的：驱动社会物理学的引擎是大数据，最新的无处不在的数字化数据正变得容易获取，这些数据事关人类生活的方方面面。[11]MIT媒介实验室与社会物理学一样，希望通过使用大数据去研发、创造一个数字化的媒介世界，新的媒介世界能建构一个更好的社会传播系统。

[4]Vasileios Lampos,Andrew C.Miller,et al.Advances in Nowcasting Influenza-like IllnessRatesUsing Search Query Logs[J].Science Report,2015(5).

应该说他们利用大数据的最初动机是美好的，然而有些事情总是事与愿违，顾此失彼。学者Trev⁃or J Barnes和Matthew W Wilson批评指出，以数据驱动方法为基础的一元认识论要求将社会定量化，并以之呈现社会空间活动，这样能为那些特殊的可视性行为制定法则，却潜在地漠视了其它社会现象，并非所有事物都可被量化，或者说只有部分事物可以量化。[10]10他们的批评也提醒传播学者们，大数据对当下的定量研究固然重要，但也应该意识到大数据有所大为，亦有所不为。

三、激发大数据想象力策略二：多元化的大数据观

学者Jimmy Lin在新近的研究中总结了学术界的一些大数据研究案例，举证以下三个关联逻辑命题来讨论“没有前提的推理”得出的结果到底有没有社会价值：（1）全球平均气温与海盗数量有关；（2）一个国家的人均巧克力消费与诺贝尔奖数量有关；（3）云层覆盖与股票市场波动有关。[20]39显然，具有理性判断能力的个体与社会的客观现实都告诉我们，这三个命题到底是否有社会价值，答案是不言而喻的。那么，我们该如何看待关联逻辑与因果逻辑的关系呢。

（一）数据多元化

著名社会科学家David Lazer等学者在《科学》杂志撰文指出，当前学界的许多大数据研究否定传统结构化数据的作用，显示出一种数据“傲慢”的倾向。尽管大数据在当前的学界风头正劲，却在很多研究项目中缺少对数据的批判性反思，过分倚重新兴媒介技术产生的非结构化数据。David Lazer等人建议，与其说我们的时代面临的是大数据革命，不如说是全数据革命。[14]1203-1205这要求研究者既要重视从新兴的非结构化数据中挖掘问题的真相，也要重视传统结构化数据所建立的信度和效度及其二者之间的复杂关系。因此，非结构化数据、结构化数据以及介于二者之间的其它数据，都应该得到研究者们的重视。

其实，新媒体时代的非结构化数据是对传统结构化数据的发展和补充，它为传统理论在新时代的发展提供了新的研究资源。以传播学的议程设置理论为例。麦库姆斯和肖1972年时提出该理论，研究所采取的是传统结构化数据，研究的样本是小样本，受众规模较小，观察的媒介也局限于报纸和电视。[15]176-187而当代传播学者Chris J.Vargo和 Lei Guo等人的最新研究则是运用大数据研究议程设置理论在新媒体时代的表现，借助计算机辅助分析，截取2012年8月1日至2012年11月28日期间Tweet网站上当年政治选举的公开数据——超过20GB，研究样本之大，观察的媒介既有垂直型传统媒体，也有水平型新媒体。这项研究是基于大数据的研究方法，得出的结论也未必全面推翻1972年的议程设置理论，而是提出在全媒体时代，议程由传统的媒介自身设置，转变为由传-受双方共同参与的融合设置，由议程设置发展为议程融合。[16]296-316

[8]Pitirim A.Sorokin.Contemporary Sociological Theories Through the First Quarter of the Twentieth Century[M].New York:Harper&Row,1928.

（二）研究逻辑多元化

Chris Anderson在2008年提出了一个具有挑衅性的观点，他认为在大数据时代，科学研究的理论已经终结[17]。由此而导致的结果是，既然科学研究的理论假设已经不需要，用于推演理论假设与实证数据之间的因果逻辑也将不再适应大数据的研究。换言之，大数据时代的研究无需理论预设，未来科学真相的发现是基于非抽象性演绎的关联逻辑。比如，沃尔玛公司通过分析顾客的消费大数据，将男性消费品啤酒与年轻妈妈消费品尿布这两件毫无因果关系的商品摆放在一起销售，成功提升了这两件商品的销量。[18]150这一商业销售模式背后的思维逻辑就是关联逻辑——在建构啤酒与尿布之间的关系之前未经任何理论假设。如果沃尔玛的经验可以复制到其他领域，那么大数据所依赖的关联逻辑确实是对传统因果逻辑的颠覆。然而，正如前文所述，GFT研究方法失败，这说明大数据的关联逻辑分析并非总是令人乐观。批评界纷纷指出，大数据的客观性和真实性存疑、[19]662-679社会语境对数据性质具有约束性、[3]155-156大数据容易忽视数据之间的效度和信度，[14]1203-1205而这些问题最终指向大数据研究的逻辑方法——关联逻辑存在缺陷。截然区分因果逻辑和关联逻辑，拒绝传统定量分析中理论模型的解释力量，由此而得出的结论有无科学的意义和普遍性尚待商榷。

与自然科学及其它应用性较强的社会科学相比，传播学界对大数据的运用尚不够深入。美国著名传播学者Malcolm R.Parks在《传播学刊》（Jour⁃nal of Communication）的大数据专刊中指出，一种新的研究方法大致要经历三个阶段：（1）强调新方法本身，研究项目本质上是展示新方法而已；（2）运用新方法探究小问题或证实已建构的理论发现；（3）新方法进入主流，研究者们将之运用于理论上和社会上重要的问题分析。他认为，传播学界对大数据的运用尚处在第一个阶段。[12]357如此看来，加快对大数据的运用是传播学界未来努力的方向。但是，鉴于前文对大数据一元认识论的分析以及学界的运用现状，如何使今后的大数据运用避免进入第二、第三阶段时步社会物理学之后尘。同时，也为了呼应当前学界面临的大数据认识论挑战[13]435-437，激发大数据的想象力策略之二是坚持多元化的大数据观，主要包括数据多元化和研究逻辑的多元化。

客观地说，大数据分析确实能为商业经营、社会管理等各个领域的研究带来巨大的潜力，但它同时也具有自己的限度和风险。评论家David Brooks指出，计算机驱动的数据分析擅长测量社交行为的数量而非其质量，网络科学家能绘制出某个人的大部分时间都与六个人在接触，但却不能理解他是因为忠于儿时伙伴而每年见面二次。[6]诸如此类的批评已不在少数，面对大数据给人类带来的巨大潜力和挑战，要想合理地利用大数据，我们需要激发大数据的想象力。

针对城区河道清淤施工难的特殊性，常州市近年来在相关工程中对施工工法、设备配置等均进行了改进，积极探索对体量庞大的城市河道淤泥底泥进行“减量化、无害化、稳定化”处理和“资源化”利用。一般结合环保清淤和人工清淤为辅的方式进行，而底泥则采用脱水固化处理，并根据底泥检测成果，分类利用。

因果逻辑基于科学的理论假设，经过缜密的演绎推理与验证，尽管在数据上有样本小的缺陷，但只要样本选择科学合理，就不会影响研究结论的效度与信度。关联逻辑排除预设，基于全面详实的数据基础，以归纳得出结论，但海量数据中存在大量的无效信息，它们并不提供科学研究的价值，结论是否具有现实意义尚需验证。基于认识论视角的大数据观应该坚持研究逻辑的多元化，依据不同的大数据语境，在以关联逻辑研究方法为主时，需采用因果逻辑方法做进一步的验证，如以因果逻辑研究方法为主，则同样需要关联逻辑加以补充。譬如，Aaron Shaw和Benjamin M.Hill运用大数据关联逻辑方法分析维基百科的大众化知识生产（Peer Prod⁃cution），研究得出了不同于前人、基于传统逻辑方法得出的结论——互联网的知识生产体现人人平等，他们发现，互联网的知识生产其实存在罗伯特·米歇尔斯于1911年提出的“寡头铁律”倾向。[21]215-238这是关联逻辑研究对因果逻辑研究的补充。而W.Rus⁃sell Neuman等人则将传统数据样本遴选方法与大数据相结合，即因果逻辑研究方法与关联逻辑研究方法相结合，发现大数据时代传统媒体与社交媒体在议程设置上并非同属单一模式，而是呈现一个相当复杂、动态的机制。[22]193-214这些学者的研究说明，坚持多元的逻辑方法，依据社会语境并综合采纳逻辑方法，形成方法上的互补，传播研究才会有更多新发现与理论发展。

四、结 语

大数据是传统数据的发展，而非颠覆性替代，今天的大数据在未来的某个时期或许又是“小数据”，就像用当今的数据观念看待过去的传统数据。秉承数据发展的历史观念，突破一元认识论的大数据观，坚持数据多元化和研究逻辑多元化，未来传播学领域的大数据研究一定会如越来越成熟的大数据挖掘技术一样，掘取更多有价值和社会意义的传播资源。

参考文献：

海军陆战队某旅特战第一连深入学习贯彻习近平强军思想，用心备战、用血铸剑，淬炼出敢打必胜的尖刀连队。该连先后9次参加亚丁湾护航任务，出色完成“爱尔纳·突击”国际侦察兵竞赛，中俄、中巴、中澳等联训联演，“和谐使命”海外医疗服务，“海上登陆－2018”国际军事比赛等百余项军事任务，赢得了国内外广泛赞誉，被誉为“蛟龙突击队”尖刀连。连队多次被上级评为先进基层党组织、基层建设先进单位，荣立集体二等功1次，有2人荣立一等功、8人荣立二等功。

[1]MiguelHelft.Google UsesSearhesto Track Flu’s Spread[EB/OL].[2015-10-13].http://www.nytimes.com/2008/11/12/technology/internet/12flu.html?scp=1&sq=google%20fl u20flu&st=cs.

[7]C.Wright Mills.Sociological Imagination[M].New York:Oxford University Press,2000.

[3]Declan Butler.When Google Got Flu Wrong[J].Nature,2013(2).

马来西亚在建设国家空间数据基础设施过程中采用了土地行政区划标准代码与名称——唯一地块识别码（UPI）、马来西亚地理信息标准的实施与采用——要素与属性代码（MS1759）、马来西亚元数据标准（MMS）、地理空间数据质量评估指南、地址标准化规范、道路标志与编号系统标准规范和地名数据库与国家地名字典中的地名标准化等标准。

[5]Alexander Halavais.Bigger Sociologial Imagination:Fram⁃ing Big Social Data Theory and Methods[J].Information,Communication&Society,2015(5).

[6]David Brooks.What Data Can’t Do[EB/OL].[2015-12-12].http://www.nytimes.com/2013/02/19/opinion/brooks-what-da ta-cant-do.html?_r=0.

[2]Jeremy Ginsberg,Matthew H.Mohebbi，etc.Detecting In⁃fluenza Epidemics Using Search Engine Query Data[J].Nature,2009(2).

5）封孔。每个灌浆孔全孔灌浆结束后，应会同监理工程师及时进行验收，验收合格的灌浆孔方可进行封孔。灌浆孔封孔采用“全孔灌浆封孔法”，封孔压力1.0MPa，水灰比为0.5∶1。封孔时，首先将注浆导管下到钻孔底部，用灌浆泵向导管内注入水灰比为0.5∶1的浓水泥浆，边注浆边提导管，但必须使导管底口始终保持在浆液面以下，充分置换孔内稀浆。然后，用灌浆塞封闭孔口开始全孔灌浆封孔，持续加压30min后封孔结束。灌浆孔封孔质量应抽样进行检查，封孔质量的合格标准按设计规定执行。

网络教学平台建设中让老师深感困难的是教学视频的录制，需要老师有优质的录音设备和良好的视频剪辑能力，录制前要进行脚本写作，还需要录制与学生互动的界面，这些高难度、高工作量的工作可能会让一些老师感觉自己无法独自完成而放弃。

Chris J.Vargo和 Lei Guo的研究表明，大数据时代，随着受众对新型社交媒体的依赖，越来越多的媒介接触行为发生在新媒体上，以新媒体为传播平台产生的非结构化数据确实越来越重要。但是，传播学研究固然要重视水平型媒体的非结构化数据，也不应抛弃垂直型媒体的结构化数据。且不说结构化数据并未完全消失，传统媒体也在努力实现平台转型，媒介融合的趋势越来越明显，传播平台产生的混合数据越来越多。因此，无论是通过大数据方法检验旧理论的新发展，还是直接从大数据中发现新理论，多元视角的大数据观有助于深入洞察纷繁复杂的传播现象，挖掘背后的传播真相，真正体现大数据的信息价值所在。

结合工程边界条件及实际参数，可采用凝结水或工业冷却水作为冷源，凝汽器热井的凝结水温一般为32～36 ℃，工业冷却水温一般为26～35 ℃，可将脱硫出口饱和湿烟气从50～55 ℃降温除湿至40～45 ℃，然后再利用除尘器前或脱硫塔前的高温烟气作为热源，将饱和烟气加热至50～55 ℃，最后通过烟囱排放，可以达到消除白雾的效果，富余的高温烟气余热可以用于加热冷风或凝结水。

[9]George Zipf.The Unity of Nature,Least-action,and Nat⁃ural Social Science[J].Sociometry,1942(5).

[10]Trevor J Barnes&Matthew W Wilson.Big Data,So⁃cial Physics,and Spatial Analysis:The Early Years[J].Big Data&Society,2014(1).

[11]MIT Media Lab.About Social Physics[EB/OL].[2016-01-15].http://socialphysics.media.mit.edu.

[12]Malcolm R.Parks.BigDatain Communication Re⁃search:Its Contents and Discontents[J].Journal of Com⁃munication,2014(2).

[13]Luciano Floridi.Big Data and TheirEpistemological Challenge[J].Philos.Technol,2012(4).

[14]David Lazer,Ryan Kennedy,GaryKing,Alessandro Vespignani.The Parable of Google Flu:Traps in Big Data Analysis[J].Science,2014(3).

[15]McCombs,M.,&Shaw,D.L.Agenda-setting Function of Mass Media[J].Public Opinion Quarterly,1972(2).

[16]Chris J.Vargo,Lei Guo,Maxwell McCombs,&Donald L.Shaw.Network IssueAgendason TwitterDuring the 2012 U.S.Presidential Election[J].Journal of Com⁃munication,2014(2).

[17]Chris Anderson.The End of Theory:The Data Deluge Makes the Scientific Method Obsolete[EB/OL].[2016-02-11].http://archive.wired.com/science/discoveries/magazine/16-07/pb_theory.

[18]高勇.啤酒与尿布——神奇的购物篮分析[M].北京：清华大学出版社，2008.

[19]Danah boyd&Kate Crawford.Critical Questions for Big Data[J].Information,Communication&Society,2012(5).

开天辟地、敢为人先的首创精神是“红船精神”的核心，见证了中国革命、建设和改革实践的整个过程，激励着中国共产党带领中国人民战胜一个又一个困难、走向一个又一个胜利，是党和人民事业发展的精神动力。开天辟地一般指通过努力奋斗，首次在历史上开创出一番伟大的事业，表现的是一种开拓性、创新性和革命性，展现出不畏艰险、勇往直前的勇气。敢为人先是“敢为天下先”的一种凝练，表现的是一种开创性、引领性，敢于走在时代前列，敢于走前人没有走过的路，敢于做他人没有做过的事，敢于尝试和创新，敢于争创一流。开天辟地、敢为人先的首创精神实质上就是一种敢于承担起对历史、对时代的责任，勇于实践、勇于创新、锐意进取的精神。

[20]Jimmy Lin.On Building Better Mousetraps and Under⁃standing the Human Condition:Reflections on Big Da⁃ta in the Social Sciences[J].Annals of the American Academy of Political and Social Science,2015(1).

[21]Aaron Shaw&Benjamin M.Hill.Laboratories of Oli⁃garchy?How the Iron Law Extends to Peer Production[J].Journal of Communication,2014(2).

自古以来，世界各国的意识形态领域大体上都被宗教观念统治着，宗教思想的传播和发展对园林文化的发展产生了重要影响。西方体现为以教堂为中心的庭院，东方则出现了寺庙园林。中国寺庙园林的大量出现是在佛教传入和道教产生以后，更早的也许跟古代的祭祀活动有关。它更注重文化内涵的营造，将宗教思想、文化精神寄予园林景观、宗教建筑群中，是一类综合了儒、道、释三家文化内涵的宗教园林。

[22]W.Russell Neuman,Lauren Guggenheim,S.Mo Jang,&Soo Young Bae.The Dynamics of Public Attention:Agenda-Setting Theory Meets Big Data[J].Journal of Communication,2014(2).