創新大數據時代的社會計算

大數據的出現和計算機技術的發展為社會計算帶來了新的研究方法的革命，使得研究設計、分析方法到理論建立都有了新的改變。為探索大數據研究的跨學科方法論，促進學科整合與創新，由清華大學社會科學學院主辦，清華大學社會網絡研究中心（CSNR）、清華大學數據科學研究院（IDS）承辦的“2019社會計算國際會議”（2019 International Conference of Social Computing）在清華大學召開，邀請全球學者在大數據分析方法與社會科學的交叉領域進行交流和溝通。

大數據和調查數據結合，產生了一種理論視角下新的研究范式。芝加哥大學社會學系James A. Evans首先闡釋計算社會科學使用計算機來生成數據、發現其中的模式和規律，或生成和檢驗解釋（explanations）。他勾勒出了社會計算的愿景，結合其研究內容及計算社會科學領域最新研究闡述了如何利用數據計算來理解社會，分析復雜、動態、自適應的社會系統以及人機交互的過程中何以形成更為強大的智能。

大數據時代大量基于網絡、社交媒體、人工智能、傳感器等產生的實時電子印記數據，從網絡上的集體活動、社交媒體、即時通信到在線交易、政府情報和數字化圖書館，越來越多的社會生活留在電子文本中。研究者可以從中發現現象、尋求解釋因素、進行社會計算，以前所未有的廣度、深度和規模利用、收集和分析數據。參會者針對各自研究領域，所使用的大數據涵蓋了社交網絡、維基百科、Github網站數據分析、組織中員工社交數據、微博數據、社會經濟相關的電子印記數據等。當這些大數據結合社會科學傳統的定性、定量調查，新的研究范式應運而生。采用傳統調查方法收集局部、及時的扎根真相，將社會科學的問題意識、扎根真相與現有的大數據相結合形成預測模型，從而在更易獲得的相同的大數據維度下進行推論。扎根真相和大數據的結合為數據挖掘、理論建模以及預測算法構建的三角間往復對話提供了可能，一方面使理論不斷改善，另一方面使預測算法更加精確，進而可以推論并解釋更多現象。這種研究范式的推理過程采用的是Charles Sanders Pierce提出的溯因推理（abduction），而不僅僅是歸納（induction）和演繹（deduction），是一種開始于事實、想象的集合，并推導出其最佳解釋的推理過程。與計算社會科學研究中首先基于數據和理論雙驅動，在大數據挖掘出有趣的現象，然后結合理論來預測或模擬推導其解釋的過程不謀而合。抽樣方式也從原來的全樣本的隨機抽樣（random sampling）轉變為最適化抽樣（optimized sampling），即局部抽樣建立預測模型，不斷使得預測模型與理論對話，使得預測模型逼近最優，最終采用相同的大數據預測因子輸入預測模型中進行推論。

推薦閱讀：葉紫網