計算社會學是計算社會科學與社會學的學科交叉,，是一門新興學科。社會學作為一門獨立的學科經(jīng)歷了近200年的發(fā)展,，已經(jīng)形成完善的學科體系,，但是其倡導的實證主義在宏觀解釋與微觀解釋,、數(shù)據(jù)驅(qū)動與理論驅(qū)動、相關(guān)分析與因果推斷,、信度與效度等方面長期存在內(nèi)在“張力”,。計算社會科學是對社會科學實證主義傳統(tǒng)的推進，借助于計算機和信息通信技術(shù)(ICT)的迭代更新,，其研究方法和研究設(shè)計都有別于傳統(tǒng)范式,，研究議題越來越突破傳統(tǒng)的學科界限。面對作為典型的復雜性系統(tǒng)的社會,，計算社會學具有的學科交叉,、基礎(chǔ)理論和應(yīng)用對策并行等特質(zhì)，使其在回應(yīng)實證主義面臨的諸多困境時具有明顯優(yōu)勢,。

實證社會科學是指利用實際調(diào)查或訪談資料來驗證理論假設(shè)或者構(gòu)建理論的研究范式，它有別于純理論思辨式的傳統(tǒng)社會科學,。如果將社會科學研究看成研究主體、研究客體和研究過程所構(gòu)成的三個有機整體,，則可以更清晰地理解其面臨的不確定性,。

首先，理解并揭示社會現(xiàn)象發(fā)生和發(fā)展的因果關(guān)系是實證社會科學一直追求的,，但社會復雜性所帶來的不確定性使得實現(xiàn)上述目標的難度大大增加,。在復雜系統(tǒng)內(nèi)，多元個體在某一框架之內(nèi)進行互動,，行為會彼此影響,，并且個體具有適應(yīng)性和學習能力，最終引起特定的功能涌現(xiàn),。正是由于社會系統(tǒng)的復雜性,，并不存在像“萬有引力”那樣的普遍規(guī)律，加之系統(tǒng)成員具有自主選擇和創(chuàng)造的能力,，使得實證研究發(fā)現(xiàn)在一般化上總是不甚理想,。

其次，實證社會科學已經(jīng)發(fā)展出完備的理論和方法工具箱,，但是研究者在方法論的認同和運用上的偏好都會帶來實證發(fā)現(xiàn)的不確定性,。在田野調(diào)查中，不同的研究者即使從訪談對象那里獲得完全相同的信息,，在“裁剪”的過程中仍然無法避免出現(xiàn)理解偏差,；在定量研究中，雖然開放性,、透明性和標準化程度相對更高,，但這并不意味著研究者偏好對實證研究的“干預(yù)”更少,。

最后，研究設(shè)計是實證社會科學區(qū)別于思辯哲學的關(guān)鍵環(huán)節(jié),，當然也是不確定性的主要生成器,。一方面表現(xiàn)為模型設(shè)定起點的不確定性。理論導向的實證研究尤為強調(diào)理論對模型建立的指導,，通常采取的策略是以所對話的理論為起點,。另一方面，模型假定,、數(shù)據(jù)構(gòu)成,、操作化測量、事后因果框架等都導致模型輸出結(jié)果的不確定性,。

總之,，研究結(jié)果的不確定性是實證社會科學的基本特征之一，如何消解其對社會科學的約束一直是個棘手的問題,。數(shù)據(jù)密集型（data-intensive)科學范式的到來,，為實證社會科學提供了許多變革的機遇。由此,，筆者認為有必要將該問題置于計算社會科學的發(fā)展脈絡(luò)中,。

計算社會科學能夠積極應(yīng)對實證社會科學的不確定性,。其中,，基于模擬社會系統(tǒng)或過程的社會仿真可以克服傳統(tǒng)模型的線性思維和化約主義，對于復雜性有著更科學的探究,；大數(shù)據(jù)分析通過對海量數(shù)據(jù)的挖掘推動知識生產(chǎn),，減少了模型設(shè)定、測量和結(jié)論泛化的不確定性,。

（一） 社會仿真：生成解釋的傳統(tǒng)

生成解釋（generative explanation)是通過建立有關(guān)被研究社會系統(tǒng)的模型,，并從模型的運行過程和結(jié)果中獲得對研究對象的理解?！皬碗s性”是生成解釋背后的認識論基礎(chǔ),，它將現(xiàn)代物理和生物學結(jié)合，認為社會永遠處于時間的邊緣,，結(jié)構(gòu)時刻在組合,、衰敗和發(fā)展。

社會仿真（simulation)是生成解釋的主要方法,，它始于20世紀50年代,，在研究社會的復雜性上遠遠超越了其他多數(shù)研究方法。該方法通過建立一個模擬社會系統(tǒng)或過程的計算機模型,，即建立一個能夠表征現(xiàn)實世界的“人工社會”,開展各種社會科學分析,。仿真模型能夠容納具有適應(yīng)性的主體,，實現(xiàn)主體之間的交互，展現(xiàn)了從微觀個體行為到宏觀系統(tǒng)狀況的“涌現(xiàn)”,。它能夠?qū)⑿袆又黧w的異質(zhì)性,、自我適應(yīng)性、有限理性,、交互性等重要因素重新納入研究框架之中,，克服多數(shù)模型的線性外推思維、無法反映宏觀-微觀線性內(nèi)在聯(lián)系,、缺乏對“活”系統(tǒng)成員的描述等不足,自下而上地構(gòu)建一個逼近真實的人工社會,，以揭示事件發(fā)生的條件、概率,、限度以及多種可能選擇的策略,。

總體而言，社會仿真經(jīng)歷了從宏觀仿真到微觀仿真,，再到基于主體仿真的發(fā)展歷程,，主要分為面向變量模型、面向?qū)ο竽Ｐ秃突旌仙鐣Ｐ偷阮愋?。其中,，基于行動者的模?agent-based modelling, ABM)屬于面向?qū)ο蠼＃瑸檠芯空咛峁┝藙?chuàng)建,、分析和試驗由在環(huán)境中互動的行動者構(gòu)成的模型。

（二） 大數(shù)據(jù)分析：數(shù)據(jù)挖掘的傳統(tǒng)

數(shù)據(jù)挖掘傳統(tǒng)主要基于互聯(lián)網(wǎng)在線實時所產(chǎn)生的大數(shù)據(jù),，利用數(shù)據(jù)科學和計算科學的前沿技術(shù)做數(shù)據(jù)挖掘,，進行理論檢驗和社會預(yù)測。有別于社會仿真,，該傳統(tǒng)的數(shù)據(jù)資料來源更加多元,、時空跨度更大、體量更大,、形式多樣,，由此為計算社會科學的發(fā)展提供了難得的機遇。與傳統(tǒng)主要通過收集觀察,、抽樣調(diào)查的數(shù)據(jù)不同,，大數(shù)據(jù)是在弱選擇性觀察、弱設(shè)計,、弱標準化,、弱目的性的前提下自動存取的非結(jié)構(gòu)化的痕跡數(shù)據(jù)。雖然無法回避算法干擾,、數(shù)據(jù)漂移,、代表性,、個人隱私等方面的困擾，但它還是為社會科學家打開了一扇理解人類社會的新大門,。

同時,，大數(shù)據(jù)在方法論層面為傳統(tǒng)社會科學研究注入了新的活力，即來自計算科學的數(shù)據(jù)驅(qū)動,?；趯Ａ繑?shù)據(jù)的挖掘去探尋突破人類既有知識結(jié)構(gòu)的新發(fā)現(xiàn)，并在此技術(shù)上發(fā)現(xiàn)和建構(gòu)新理論和新理解,。這種方法論上的革新,，促使演繹和歸納更為密切地結(jié)合，也使得計算科學,、數(shù)據(jù)科學和社會科學的聯(lián)系更為緊密,。

數(shù)據(jù)挖掘無論在數(shù)據(jù)屬性、分析方法和研究目標上都與實證社會科學存在明顯不同,。數(shù)據(jù)挖掘的分析對象有別于傳統(tǒng)數(shù)據(jù),，研究者往往需要借助自然語言處理(包括情感分析、潛在狄利克雷模型等),、圖像識別,、深度學習等發(fā)端于計算科學的分析工具。在研究目標上,，大數(shù)據(jù)分析將預(yù)測置于核心位置,，有別于實證社會科學強調(diào)因果解釋的傳統(tǒng)。由于大數(shù)據(jù)不再局限于“觀察”,全息記錄不會對非直接關(guān)聯(lián)變量進行過早篩選,，因此恰恰可以為預(yù)測提供更全面的基礎(chǔ)信息,。加之機器學習強調(diào)偏差與方差的權(quán)衡(bias-variance tradeoff),也使得模型預(yù)測的穩(wěn)健性得到顯著提升。

（一）概念界定

計算社會學是計算社會科學的分支,。本文認為，計算社會學是以計算科學,、數(shù)據(jù)科學等為主要分析工具,，將非介入方式收集的大規(guī)模數(shù)據(jù)與傳統(tǒng)數(shù)據(jù)集相結(jié)合，挖掘人類社會和社會互動的規(guī)則和模式,，用以解釋人類行為與社會運行規(guī)律的科學,。

（二）學科界限

與社會學其他分支相比，計算社會學的理論更多來自相鄰分支,，而研究方法則從計算科學和數(shù)據(jù)科學遷移而來,。在學科內(nèi)部，計算社會學是一門提供“范式”的學科,，它能夠在方法論和研究方法上開辟新的方向,，有助于拆除社會學中定性和定量研究之間的藩籬,；從經(jīng)濟社會學、組織社會學,、政治社會學等分支學科汲取理論養(yǎng)分,，使學科內(nèi)部彼此融通；通過多理論整合,、多方法融合和多類型數(shù)據(jù)匹配,，將傳統(tǒng)社會學在數(shù)據(jù)生產(chǎn)上的優(yōu)勢得以延展。在學科之間,，計算社會學采用人工智能和數(shù)據(jù)挖掘等計算科學方法,，不局限于總體性思維，在技術(shù)的層面具有天然的開放性和包容性,，有助于達成共識,；其同時重視理論創(chuàng)新和現(xiàn)實關(guān)懷，既可以與管理學,、新聞傳播等應(yīng)用性強的學科交叉,，也能與哲學、歷史學等基礎(chǔ)性學科交叉（見圖1）,。

圖1 學科分類

（三） 研究范式

計算社會學作為一門“范式”型的學科,，至少包括方法論和學科定位兩個面向。在方法論層面,，歸納和演繹是知識發(fā)現(xiàn)的基礎(chǔ),。囿于社會科學的特殊性，歸納和演繹并不能較好地整合起來,。計算社會科學的核心之一是數(shù)據(jù)挖掘,，實際上是一個知識發(fā)現(xiàn)的過程，包括理解問題領(lǐng)域,、理解數(shù)據(jù)、數(shù)據(jù)準備,、數(shù)據(jù)挖掘,、評估新知識和使用新知識等環(huán)節(jié)，融合了歸納和演繹兩種研究方法,。

由此,，計算社會學主要包括兩種：一是理論與數(shù)據(jù)雙向驅(qū)動。理論與數(shù)據(jù)雙向驅(qū)動是以現(xiàn)實問題為導向,，以社會科學相關(guān)領(lǐng)域的理論知識經(jīng)驗為基礎(chǔ),，提出理論假設(shè)和研究框架，然后收集適當?shù)脑紨?shù)據(jù),，并采用適切的分析技術(shù)從中提取信息挖掘知識,，然后以科學可靠的方式運用數(shù)據(jù)和知識來檢驗理論假設(shè),，最終發(fā)現(xiàn)和揭示人類社會的規(guī)律。二是理論引導的大數(shù)據(jù)分析,。計算社會學把社會學理論以及研究方法與大數(shù)據(jù)分析融為一體,，為大數(shù)據(jù)分析開啟了許多新議題。

在學科定位層面,，與傳統(tǒng)社會學不同,，計算社會學更強調(diào)理論創(chuàng)新與現(xiàn)實關(guān)懷的結(jié)合，而不滿足于象牙塔,。首先是社會預(yù)測,。機器學習可以為社會科學處理結(jié)構(gòu)更為復雜、樣式更加多元的信息內(nèi)容,，并生成可供分析的變量形式,，從而拓展社會科學的研究視界：獲得潛藏指標、啟發(fā)理論假說,、助力因果推斷,、實現(xiàn)數(shù)據(jù)增生和推動理論創(chuàng)新。其次是整合“解釋—預(yù)測”,。該范式試圖建立一種綜合模型,，提倡一個明確的標簽系統(tǒng)，用以更清楚地描述個人的研究貢獻,，識別其所屬的象限,，倡導開放的科學實踐。最后是社會干預(yù),。計算社會學有著更強的科學性和應(yīng)用性傾向,，社會計算不僅是技術(shù)手段，也是社會現(xiàn)實的生成過程,。除了能在研制與開發(fā)新型社會計算工具中發(fā)揮重要作用,。

（四）研究方法

計算社會學的研究方法很大程度上受益于計算社會科學。目前,，計算社會科學已經(jīng)形成了社會數(shù)據(jù)計算,、互聯(lián)網(wǎng)社會科學實驗、社會模擬三大方法體系,。

社會數(shù)據(jù)計算主要集中于數(shù)據(jù)挖掘過程,，這種方法背后的計算思維強調(diào)對所需優(yōu)化問題的理解，將其分解為不同的任務(wù),，最后通過計算機的自動化實現(xiàn)這些分解的任務(wù),。社會數(shù)據(jù)計算的應(yīng)用場景不僅包括對大數(shù)據(jù)的清洗(如針對變量缺失、代表性弱、非結(jié)構(gòu)化等),還涵蓋特征提取,、交叉驗證,、模型校準等，其基礎(chǔ)是機器學習,。

互聯(lián)網(wǎng)社會科學實驗是將互聯(lián)網(wǎng)平臺作為一種“實驗室”,運用新興的信息技術(shù)作為工具開展隨機實驗,。和實驗室實驗、自然實驗等傳統(tǒng)社會科學實驗相比,，該方法在樣本代表性,、環(huán)境仿真度、條件控制力,、可復制性,、主事者偏差、受試者偏差,、內(nèi)在效度和外部效度等方面都具有不同程度的優(yōu)勢,。

最后，社會仿真實質(zhì)上是在計算機中構(gòu)造與現(xiàn)實世界相對應(yīng)的人工世界,，建立起與真實系統(tǒng)相對應(yīng)的平行系統(tǒng),，并在人工世界與平行系統(tǒng)中對現(xiàn)實復雜系統(tǒng)進行試驗性研究。

計算社會學作為計算社會科學的子集,，無法逃脫數(shù)據(jù)共享、數(shù)據(jù)基礎(chǔ)設(shè)施建設(shè),、倫理遵循,、學術(shù)復合型人才培養(yǎng)等諸多挑戰(zhàn)。本文將從國家定位與學科自覺,、定性與定量,、抽樣調(diào)查與感應(yīng)器采集之間的內(nèi)在張力等方面歸納計算社會學在中國發(fā)展可能面臨的挑戰(zhàn)。

（一）學科定位

中國社會學恢復以來,，始終堅持“兩條腿”走路,，即遵循學科發(fā)展規(guī)律不斷建立和健全學科體系的同時，回應(yīng)重大的理論和現(xiàn)實問題,。

計算社會學自提出以來就有著很強的應(yīng)用性底色,。以社會決策為例，傳統(tǒng)的預(yù)測和決策多依賴于對常規(guī)性事實的研究,，而計算社會學提供了一個應(yīng)對高度復雜和快速變化環(huán)境的高效能、低成本的新工具,。當然,，計算社會學在學科拓展的過程中要始終保持理論自覺。在計算社會學中,，理論和計算的關(guān)系不再是單向的指導與被指導關(guān)系,，而是雙向促進和螺旋上升的過程,。

（二）方法超越

定性和定量研究方法的爭論在國內(nèi)社會科學中較為普遍。由于社會學兼具“人文”和“科學”雙重性格,，加上社會學在中國恢復發(fā)展的特定歷史原因,，超越定性與定量之爭的問題相對突出。

囿于計算社會學天然的量化屬性,，也就自然被卷入研究方法之爭,。相比于傳統(tǒng)的量化研究，計算社會學的資料收集和分析邊界變得更加模糊,，數(shù)據(jù)挖掘的算法不再僅僅是一種簡單的應(yīng)用,，其團隊協(xié)作對成員的知識構(gòu)成和規(guī)模都提出了更高的要求。如今,，計算社會科學正在引發(fā)數(shù)據(jù)觀念,、研究設(shè)計、模型選擇和推論原則等方面的實質(zhì)性影響,，調(diào)整了社會科學研究中依賴理論的思維定勢,。然而，如果無法超越定性與定量之爭,，計算社會學的合法性危機在相當長的時期內(nèi)都將難以消解,。

（三）數(shù)據(jù)生產(chǎn)

實證社會科學的發(fā)展離不開數(shù)據(jù)的采集及處理技術(shù)的進步。事實上,，社會學不僅輸出了許多理解人類社會的“語法”,也構(gòu)建了以抽樣調(diào)查為核心的研究方法體系,，為知識界生產(chǎn)和積累了大量的高質(zhì)量數(shù)據(jù)。然而,，作為工業(yè)化產(chǎn)物的社會調(diào)查,，正在受到以感應(yīng)器為基礎(chǔ)設(shè)施的數(shù)據(jù)生產(chǎn)體系越來越多的挑戰(zhàn)（見圖2）。

圖2 算法對社會的影響

總之,，面對以上新變化,，探索隨機抽樣與大數(shù)據(jù)的結(jié)合、傳統(tǒng)測量與大數(shù)據(jù)測量的結(jié)合,、經(jīng)典理論與大數(shù)據(jù)的結(jié)合等都是非常有效的應(yīng)對,。然而，大數(shù)據(jù)資源壟斷導致數(shù)據(jù)準入限制成為不爭的事實,。在算法和社會日益融合的新階段,，繼續(xù)采用傳統(tǒng)的數(shù)據(jù)生產(chǎn)手段獲取資料并與大數(shù)據(jù)對接的思路有著較濃的路徑依賴之嫌。如果社會學希望在資料的生產(chǎn)環(huán)節(jié)繼續(xù)發(fā)揮關(guān)鍵作用,，就必須進行方法和方法論上的創(chuàng)新,。那么，計算社會學家是否可以和計算科學家類似，建立起屬于自己的數(shù)據(jù)收集感應(yīng)器,，并在學術(shù)共同體探索共享機制呢?是否可以進入算法生產(chǎn)的前端去干預(yù)感應(yīng)器,，以克服數(shù)據(jù)準入問題帶來的相關(guān)研究無法復制和檢驗的困境呢?以上疑問都不失為計算社會學學者思考和探索的新方向。