范晓光 计算社会科学导论

导言

2021年7月26日下午，“费孝通群学讲坛·社计未来”——社会科学家的第一节人工智能课（2021计算社会科学师资班）第一课由浙江大学“百人计划”研究员范晓光老师主讲，他以《计算社会科学导论》为题，为线下和线上共计200余名师生授课。

CONTENT

范老师首先为大家介绍了大数据与计算社会科学的紧密关系。从概念角度出发，大数据并非简单地以规模论“大”，真正的关键在于其实现数据的“从无到有”。与传统社会科学研究数据相比，大数据的类型和结构更为复 杂，其数据生产过程成为形塑社会科学研究的重要环节。然而，大数据本身也存在着一些缺陷，例如缺乏代表性、漂移、算法干扰、数据“噪音”、数据敏感等，这都给计算社会科学家带来了全新挑战。大数据背景下，以新一代数字技术为底色的科技革命对人类社会生活的冲击不断“发酵”，数字社会已经到来。数字化给社会科学研究带来了革命性转变，使社会科学研究拥有了精确化、多维化、动态化、“反身性”等新特征。

随后，范老师讨论了社会科学研究的基础问题。Lazer等美国学者将计算社会科学定义为对复杂的、通常是大规模人类行为数据计算方法的开发和应用。具体来看，相较于传统社会科学研究，计算社会科学的研究对象由人类社会拓展至人工社会，由微观行为拓展至宏观结果，由个体态度拓展至群体情绪。在研究范式层面，不同学者提出了自己的新见解。主要包括罗家德等学者提出理论引导的大数据分析范式，陈云松等学者则提出社会预测范式，吕鹏等提出干预的计算社会科学范式，以及Hofman等提出的解释-预测整合范式。在研究设计层面，计算社会科学更强调各类资料的融合，包括不同类型的数据融合和不同来源的数据融合，同时强调分析融合和场景融合。在资料分析方法层面，计算社会科学综合运用机器学习、深度学习、文本分析、社会网络分析和仿真等多种方法。

介绍完学科背景和理论基础，范老师从计算社会科学议题切入，主要结合近年来发表于Nature, Science, PNAS等国际顶级期刊的学术论文，展示计算社会科学的丰富应用场景。第一，社会网络演化。Park等学者通过对5600万Twitter用户和5800万移动电话用户的网络分析，发现长距连带的强度会随着连带长度的增加而增强。第二，信息传播与舆论。Bail等学者运用网络调查加线上实验的方法，探究社交媒体上的对立观点是否会加剧政治两极分化。第三，社会计算。Markus等人将空间分析技术与线性回归结合，分析伦敦大都会区5万多居民的生活状况，发现人格特质及空间区位与生活满意度显著相关。第四，文化生产。吴令飞等学者在分析多来源大数据后，发现研究团队越大则越倾向于保守，反而是小团队更可能带来“颠覆”性创新。第五，公共政策。Magliocca等学者通过ABM分析发现，毒品贩运的空间扩散和弹性并非禁毒无效的结果，而是禁毒动态本身的一部分和自然结果，从而为相应公共政策的制定提供了方向和依据。

最后，范老师归纳了计算社会科学当前面临的挑战和未来可能的走向。第一，知识生产要有洞见。虽然对于社会科学而言，论证常识非常重要，但计算社会科学更需要超越常识，摆脱“重技术轻理论”、“大数据小问题”、“有解释无预测”的瓶颈。第二，组织区隔亟待打破，这既包括企业与学术机构的边界，也涉及学科与学科的边界。第三，需要加深多维融合，包括多元数据整合、多元方法整合、范式融合等。第四，计算社会科学研究伦理正面临挑战，因此研究者必须充分了解学术的伦理影响，并对数据和数据挖掘方法的应用采取负责任态度。

转自：“量化研究方法”微信公众号

如有侵权，请联系本站删除！