计算传播学是建立在丰富的人类传播行为的数据之上的,其主要工作便成了收集与分析传播过程中产生的大量数据。计算传播学的主旨是基于计算社会科学,为传播学构建一个整个信息传播过程可计算的框架。除了传统传播学研究方法之外,计算传播学还需要将数据传播的分析方法应用到计算传播学研究中,如引入自然语言学习的相关技术,包括主题词的提取、用户意见表达的情感倾向等。计算传播学归属于社会科学大类,数据科学的不断发展为计算传播学的蓬勃带来了前所未有的方法论层面上的指引。数据新闻、计算广告产业等实践层面的应用亦需要计算传播学教育为其提供源源不断的人才储备。随着计算传播学的发展,传播的视角同样可以反哺数据新闻和计算广告的发展。而计算传播学也有机会和计算机科学、物理学、网络科学、数学、计算机语言学、生物学等多个学科实行横向交叉,计算传播学研究者也将更加注重编程的训练和数据科学的训练,才能同其他学科实现有效的对话与合作。计算传播学由于其数据的价值优势、对大数据的整体处理优势、自下而上的逻辑优势、非介入性的技术优势为我国新闻与传播学科领域的研究工作带来了革命性的转变和发展。同时,计算传播学业有助于了解消费者在线口碑传播行为和商家在线广告与营销行为,以促进电子商务的发展。依据文献计量学的相关原理,本研究通过对来自全球各位专家学者在汤森路透公司的社会科学期刊引文资料索引（ssci）数据库上面所搜集和找到的各种学术杂志的发文情况及引用情况进行了一个综合性的分析,节选2008年至2020年关于“computational communication”（计算传播学）的论文,利用CiteSpace分析工具对其进行文献计量分析,展示计算传播学在全球范围内的研究现状,并且通过研究现状及其他相关科学知识推测计算传播学的未来发展。从分析结果来看,美国及美国作者在计算传播学的发展当中处于比较活跃的地位,同时围绕计算传播学这个分支,笔者继续做了聚类分析,得出了计算传播学的多元研究子分支,包括计算新闻学、社交媒体、文本分析、网络爬虫等等。根据以上结果,笔者提出了计算传播学的未来发展趋势,包括研究方法的不断创新、对于信息抓取及分析时的伦理问题、学科未来发展、相关人才的培育等。