王震宇 薛妍燕 邓理｜跨越边界的思考：新文科视角下的社会科学实验室探索
DOI:10.16298/j.cnki.1004-3667.2020.12.11
摘要
社会科学实验室是引入信息革命技术成果和推动学科交叉融合的关键载体，也是我国新文科建设的重要环节。通过对36家世界一流大学和企业在“新技术+”社会科学研究的组织实践进行比较分析，从功能定位与组织特征、资源构成与运营模式以及技术结构分析新文科背景下社会科学实验室的建设路径。社会科学实验室是以复杂的、重大的、实践性的社会科学问题为主要研究对象，广泛引入来自高校、政府、企业和社会的资源，通过高性能的硬件与技术支持，为研究者提供数据支持、模型训练和网络化协作的平台化组织，在推动新的学术共同体形成，改善政府治理、政策制定与治理和协调社会知识生产创新上发挥着越来越重要的作用。从资源支持、数据协作、建设标准和指导范式对我国新文科实验室建设提出建议。
关键词
新文科；社会科学实验室；计算社会科学
一、问题的提出
2019年4月29日,教育部和中央政法委、科技部、工业和信息化部等13个部门在天津联合启动“六卓越一拔尖”计划2.0，全面推进新工科、新医科、新农科、新文科建设，提高高校服务经济社会发展的能力。其中，新文科建设的目标为“推动哲学社会科学与新科技革命交叉融合，培养新时代的哲学社会科学家”。山东大学校长、教育部新文科建设工作组组长樊丽明进一步指出，“新文科”之新，重在新科技革命与文科的融合发展。《教育部社会科学司2020年工作要点》进一步提出，“重点支持建设一批文科实验室，促进研究方法创新和学科交叉融合，引领学术发展。”文科实验室成为引入新技术和促进交叉融合的关键载体。如何以新文科实验室建设为抓手，更好地探索新文科与新技术的融合方式，是当下我国新文科建设不可回避的问题。
从本质上来说，新文科建设路径的探索正是对知识生产体系变迁和学术研究范式转换的回应，新文科实验室的建设则位于这一轮融合革命的“震中”。从近代开始，知识生产体系以分化性为基础，其典型特征表现为各类学科形成了相对固定的研究领域，尊重学科差异也成为现代大学机构设置所遵循的基本原则。但20世纪后期开始，分化型知识生产体系逐渐走向融合，跨越边界的合作趋势空前增强。这一体系变迁的动因主要研究对象和研究工具的双重变化：在研究对象方面，20世纪后期涌现的信息革命，使得人类社会从工业社会向后工业社会演进，其创新速度远高于以往的产业革命，导致后工业社会的复杂性大大超过工业社会和农业社会，“蝴蝶效应”成为了普遍现象。认识对象的复杂性，导致基于单一视角的社会科学分析已经难以全面解释社会现象。在研究工具方面，信息革命也推动了新认知工具的产生，实证方法的建立及其系统化，为社会科学的经验主义路径提供了强大支撑，使其能够深入认识和把握社会规律。在学术研究范式上，当下的计算社会科学革命则构成了新一波的高潮。2009年，以哈佛大学教授拉泽尔为首，《科学》杂志发表了共同署名文章，标志着“计算社会科学”（computional social science）的诞生。计算社会科学的变革性即在于，它以数据驱动和算法驱动改造传统社会科学，建立了基于数据密集型的研究范式。在计算社会科学的指导下，社会科学也开始了数据化和智能化的历程，提出了诸多学科发展理念，包括新计算社会学、计算法学、大数据心理学、计算传播学等。在科研和教育层面，社会科学的知识生产和学术研究都产生了与信息技术深度融合的趋势。
新的研究范式强调将人文社科的问题关怀和理论视野与海量坚实的数据进行结合，从这一意义上来说，新文科实验室的建设正是信息化时代，高等教育和科研改革的探索性成果。就其实质而言，新文科实验室的目标就是使知识创造、传播和应用的成本最小化。对学者来说，需要通过新文科实验室利用当代技术的先进成果为解决重要、前沿的社会理论问题提供最适合的技术支撑；对学生来说，需要通过新文科实验室提供对多学科知识体系和多场景实践应用的最短成长路径；对机构来说，需要通过新文科实验室创造将科研知识成果转化为技术产品和公共资源的最优孵化环境。
我国有关新文科实验室建设的研究有以下三类。一是研究新环境下人文社科实验室的功能定位，认为文科实验室对教育体系改革、新型人才培养和解决复杂社会问题均有重要战略支撑作用。二是结合发展现状分析反思存在问题，指出人文社科类实验室整体已经开始新一轮的建设与转型，但仍在发展水平上与理工科存在明显差距，在管理观念、管理体制和运营机制上都存在一定问题。三是探索实验室建设的新理念、新模式和新方法，尤其强调具有资源和制度支持的协同共建。这三类研究共同反映了在科研和教育层面，人文社会科学正日益呈现“对策化、跨界化、技术化、国际化”的趋势。
在此背景下，从全球视野和实际经验出发，系统性研究社会科学实验室的建设路径就显得尤为必要。而事实上，世界一流大学与一流的数字化企业，也已有建设支持社会科学与信息技术相结合的跨学科研究中心和社会科学实验室的相关经验。虽然这些机构名称不一，但在建设理念、功能定位、运行机制和技术结构上体现出高度共性，在学术研究、人才培养和社会协作上作出了开创性贡献。为充分吸收如麻省理工学院（MIT）媒体实验室、斯坦福计算社会科学中心、谷歌研究所、圣塔菲研究所等国际一流机构的建设经验，本研究以比较案例研究的方法，选取了QS2020世界大学排名前20名的大学、《福布斯》（Forbes）杂志发布的100家顶尖数字企业中的前50名及由欧盟、美国和英国官方与社会基金支持的4家著名的数据科学与社会科学研究机构为样本，尝试较为系统地回答建设社会科学实验室至关重要的三个问题：社会科学实验室的功能定位和组织特征是什么？社会科学实验室的资源构建和运营机制是什么？支撑社会科学实验室的技术体系和工具设施是什么？
二、社会科学实验室的功能定位与组织特征
（一）社会科学实验室的功能定位
按照场域维度的不同，社会科学实验室的功能可区分为以下三个方面。
1. 社会科学实验室促进了传统学科的转型升级，并推动了新的跨学科学术共同体的形成。社会科学实验室实现了社会科学问题与信息技术方法的叠加，能够为经典和前沿的学术问题提供基于新技术和新范式的研究支持。受到计算社会科学的影响，经典问题如民主、安全、不平等、经济增长和公共问题，能够通过社会网络分析、大数据等实证方法得到重新检验，甚至建立新的因果机制，促进理论发展，从而推动了传统学科转型升级。由于其自身的知识异质性，社会科学实验室摆脱了对单一学科的“路径依赖”，具有探索交叉性和复杂性社会议题的知识创造功能。由此，实验室摒弃了“门户之见”，注重被以往学科壁垒限制的交叉性领域，也为共享的研究议程提供了交叉融合的研究方法，推动了跨学科学术共同体的形成。
2. 社会科学实验室具有智库资政、政策模拟和决策辅助的功能。现代智库的功能即在于“出对策、出思想、出声音”，为政府政策研究提供参考，使得学界的知识资源能够嵌入政府权力的运作过程，实现社会治理的整体优化。而社会科学实验室借助跨学科网络以及精密的计算工具，能够承担政府横向课题，特别是涉及复杂社会系统及行为的重大问题，发挥政策咨询的功能，将知识转化为生产力。从民意调查、政策模拟、政策评估到数字政府、智慧社区、智慧城市建设，社会科学实验室能够整合学界资源，通过数据分析和计量模型增强对治理政策的解释性和预测性，实现公共效益的最大化。在内部结构上，诸多实验室也下设了政策模拟、政策仿真实验室等专业部门，并形成了独具特色的政策咨询领域。
3. 社会科学实验室促进企业、社会组织、公众等主体的多重互动，推动知识“产学研用”的转化进程。这一功能正是奥斯本（Osborne）所强调的协调者角色，即承担社会创新，不断对知识进行创造性传播和应用。根据该类型学，实验室不仅具有创造知识的功能，同时也是将知识产业化、社会化的组织机构。在外界宣传上，诸多实验室机构、研究团体积极利用社交媒体和网络平台，与公众分享思想、传播知识，同时开展线下教育和推广，包括介绍自身课程、资源、项目和产品，强化了组织的社会影响力。而无论是高校还是企业所设立的实验室，也都为非全职聘用的成员提供了制度化参与研发交流的渠道，由此，社会科学实验室彻底突破了高校界限，增加了诸多原先未有的社会和商业职能。
（二）社会科学实验室的组织特征
从组织学角度看，社会科学实验室既不同于传统社科研究机构，也与自然科学实验室存在重大差别，在组织边界、组织资源、组织管理等层面，展示出三点独有特征。
1. 在组织边界上，社会科学实验室建立了网络化的知识生产合作关系。作为横向协同机构，实验室削弱了科层制痕迹，使得知识生产从“单位化”向“网络化”转移，即把组织活动和行动者置于动态变化的网络之中，彼此之间建立节点以实现集体行动。具体而言，实验室的网络化体现为两方面。一是组织与外部环境之间的边界模糊化。实验室不仅破除了高校内部学科分化所造成的孤立性，同时也通过正式或非正式的人际关联，与外部行动者确立了合作目标，实现资源的双向流动，成为“开放系统”。二是建立了项目制的组织形式。实验室通过为课题项目设立资助金等方式，保障了流动性的人员配置。以圣塔菲研究所为例，其常驻教授、研究员和博士后囊括了20个国家的80多个机构。需要指出的是，由于不同实验室的性质及目标有所侧重，他们的网络关系具有异质性。如MIT媒体实验室就是由设计师、研究人员和发明家组成的社区异质网络。总之，网络化意味着信息/知识资源的分散化、多元化以及人员流动化，组织边界不再局限于静态结构，与大学制度体现出重要区别。
2. 在组织资源上，社会科学实验室依赖于高投入和高性能的技术设施。新的计算社会科学方法对软件和硬件设备的条件提出了更高标准，实验室在两方面进行了尝试：一是使用外包形式，借助其他公司的技术工具进行数据处理；二是购买并配置高技术设备。在后一情境中，作为技术集约型组织，实验室建设要求投入大量财力和技术资源，经济成本较高，往往需要学校机构甚至社会力量的支持，具有“高投入-高产出”的知识生产特征。以普林斯顿大学计算研究中心为例，该中心耗费了巨额投资，购置了三个大型系统集群服务器，这不仅实现了高速度和大批量运算，也为在线和长期数据存储提供了高度共享和快速写入的保障。在软件维度，实验室也购买了诸多计量软件的永久正规版权。
3. 在组织管理上，社会科学实验室的运作依赖于高度复杂的内部协同分工。传统社会科学研究的团队规模较小、数量不多，甚至相当程度上仍然依赖于个体能动性，对于分工协作的需求有限。但社会科学实验室的跨地域、跨领域特征，使得合作主体数量空前增加，这也导致了内部管理形式的变化，其组织运作更依赖于分工协作。总体而言，社会科学实验室以知识专业性作为分工基础，主要表现为由社会科学家提出研究问题、数据来源和获取方法，由数据科学家负责开发计算工具和数量模型方面的技术实现，通过数据挖掘、机器学习、社会网络分析和自然语言处理等方法，推动研究进展。
三、资源与运营：社会科学实验室的建立与运营
立足“资源构成-运营模式”的框架，本研究将进一步阐述建立社会科学实验室的三种典型路径，并比较其运作模式。一是由高校建立的跨学科学术合作机构。主要汇聚来自不同专业的机构或学者，共同探讨跨学科研究议题，承担学理范式转换、跨学科人才培养的功能。二是由企业建立的跨界应用研究院，出资聘请不同领域的机构、专家或研究员，协同挖掘跨界理论在商业价值上的应用。三是社会共建的数据社会科学实验室，资金来源通常为政府拨款或社会基金，其产出更加多样化，包括学术研究、商业应用、资政报告等，是产学研转化的主要载体。
（一）资源构成
资源是任何组织赖以维系的基础，对于社会科学实验室而言，资金、人力和数据这三种资源构成了其有序运作的必要条件。在此，三类实验室显示出了不同的资源构成模式。
1. 差异化的资金来源。高校主导的跨学科机构常由高校常由多个院系共同成立，因此其资金来源于高校直接拨款或联合院系的共同筹款，存在一定审批程序，在资金支出上受到高校理事会的全面监督。相较而言，企业建立的跨界应用研究院自身就属于公司部门，其数额与企业资金状况密切相关。社会共建的实验室则在资金构成上最为复杂，其资金来自政府拨款、企业赞助、高校募集等多种渠道，同时也受多方监督。
2. 多元化的成员网络。基于高校的跨学科学术合作机构可以称之为“专家性网络”，成员包括来自数据科学、经济学、政治学、神经科学等广泛领域的学者，尽管会有讲座沙龙等形式邀请学界外的嘉宾，但核心人员仍然以学者为主，对外部成员的吸纳程度有限。企业建立的跨界应用研究院则不仅组建跨学科研究团队，同时更开放学界和社会的深入合作。IBM研究院就建立了与NGO、政府机构和社会企业等19个机构的合作。多元主体共建的实验室则不强调任何成员身份的主导性，而是以主题小组的形式进行开放合作。
3. 灵活化的数字协作。比较而言，高校建立的实验室通常自身的数据库容量较小，更为侧重对于数据的分析能力和挖掘能力，其所提供的主要是数据处理而非数据生产。与之不同，在数字信息化时代，企业通常凭借其行业优势地位、独特的算法设计，在其专业领域内吸引了庞大的用户、积攒了海量的数据。如此，企业的独特优势在于其自有大数据以及经市场检验的实践经验。而多元主体的由于其成员的广泛性，既能获得关于政府、企业和市场的重要数据，也能够进行高级数据分析和应用，在数据搜集和数据分析能力上都占据优势，这也是该类型实验室广受欢迎的重要原因之一。
（二）计算社会科学实验室的运营模式
结合研究议题、管理机制和产出成果三个维度，各类实验室在运营模式上既显现趋同融合的趋势，同时又各有侧重。
1. 研究议题呈现跨学科、复杂化和多元化的共同趋势，同时也在问题领域上呈现差异。由高校建立的实验室所研究的议题往往偏重将计算技术方法应用于解决复杂社会科学问题，并通过新兴主题的学术会议推动研究议程更新与研究成果展示。企业研究议题则贴近产业和公益，主要以生产面向用户和社会需求的解决方案为主。值得注意的是，部分互联网企业开始致力于基础社会科学研究或跨界研究，利用平台海量数据探索模拟大范围的人类行为，尝试解决社会科学中长期存在如因果推断类的问题。社会共建的实验室研究议题更为庞杂，从社会科学基础问题与普适计算技术的交互出发，发展到社会生物科学与创新技术应用，尤其注重面向未来的探索性研究。
2. 管理机制上共同趋向开放多元，但程度有所不同。高校建立的实验室仍围绕教学与科研展开，主要转变在于人员隶属和技术引入；而企业则通过项目赞助、顾问聘请和成立联合实验室等合作关系，发展与学界的协作管理机制，推动产学深度融合。社会共建的实验室则注重以专项基金的形式，建立起具有社区共同体属性的研究组织，并通过定期的专题会议探讨、最新成果发布以及工作室互访三种机制加强转化。
3. 产出方面向多渠道、多类型的成果模式融合。除了学术出版物外，高校的实验室承担了更多跨学科人才培养的功能。而企业组建的实验室也开始通过项目计划招募、提供实习、举办竞赛等多渠道承担这一职能，还通过开发各项技术工具、建立数据集、提供企业赞助等形式支持计算社会科学发展的生态系统。社会共建的实验室因与社会和政府机构合作密切，既能将研究成果以技术转让或公司孵化的形式转化，也可以通过策划展览、发布报告和提供政策咨询方式，提高机构的话语权和影响力，联结了学者、政府和行业决策者，帮助制定面向未来的公共政策和发展规划。
四、技术体系与工具设施
正如物理的理论和模型发展需要越来越庞大而复杂的技术工具，在“新文科”领域，为了有效利用最前沿的信息技术以支持跨学科的研究，现有的社会科学实验室也逐渐形成了针对经典人文与社会问题而建设的体系化工具设施。
（一）数据构成
数据资源是好研究的核心，现有实验室的数据来源则主要以项目生产为主。这一类的数据集主要由研究单位下的项目自行建立，如加州大学伯克利分校的路易斯安那奴隶阴谋项目（The Louisiana Slave Conspiracies Project），该项目通过地理空间数据分析和数字人文的方法，将两次路易斯安那州奴隶叛乱的证词、档案和行为数据以交互式地图的形式进行整理和呈现，以此研究其背后的社会关系、组织生产和观念传播的问题。在企业的研究机构方面，则以自有数据为主。如京东大数据研究院使用京东的物流消费数据、贝宝的创新实验室所使用的数字金融数据以及网飞研究院使用的用户观看行为数据。除此之外，欧盟统计局、美国人口局、美国联邦统计局等政府单位也向斯坦福大学、加州大学伯克利分校、苏黎世联邦理工学院等高校共享了数据。
多样的数据构成反映了社会科学数据采集与使用的三方面的问题：第一，人文或社科类数据大部分是非数值型数据，其通用的工具较少，工作成本也较高；第二，社会科学的问题相较高度标准化的自然科学更为复杂和主观，产生的数据多为非结构化数据，在跨学科的合作中多需要再结构化；第三，社会科学研究所需数据往往存在隐私问题——尤其是在行为分析或社会健康领域所使用的“微观数据”。
为此，这些研究单位主要通过两种路径予以解决。第一，数据的生产和合作更多依赖于项目合作。如康奈尔大学分析美国国会的“Following the Money”项目，就使用了将国会议员演讲文本和竞选中所获得的政治献金数据进行异构融合，以此来研究利益集团的组织性行为。项目的灵活性有效提高了非标准化的数据生产与合作，也在更广泛的意义上驱动了跨学科乃至跨界的研究与合作。第二，研究单位通过与政府组织建立合作关系来获取敏感数据，并采取申请访问制的形式进行管理。这种管理方式有效规避了高校在使用数据上的法律风险，同时也在数据安全的问题上对研究单位的硬件设备与管理水平提出了较高的要求，“安全数据中心”（Secure Data Center）也成为了诸多社会科学研究重镇的标配。
（二）成果输出
除了学术机构一般所产出的出版物、课程以及学术论坛等科研成果外，社会科学实验室最重要的特征是向政府、社会和企业输出了具有极强应用性的产品。按照主题，本研究将主要的成果输出类型分为五类进行介绍。
1. 计算社会科学的模型和工具。模型是通过测量抽象出某些数据的属性，并将这些属性表示为一组符号语句，其中包含对整个陈述适用的逻辑关系。在计算社会科学的范式下，众多社会科学实验室的主要成果便是针对社会系统和群体互动行为进行建模。以研究复杂性的圣塔菲研究所为例，建立了包含对人类信号系统、特定空间人口结构下的文化演变以及公共意见与投票行为等复杂社会互动的抽象模型。另一方面，由于模型对数据与有效测量的需求，实验室也发明了新的数据处理和社会测量工具，如芝加哥大学发明的立法影响检测器（Legislative Influence Detector, LID），康奈尔大学发明的针对社交媒体上仇恨言论的检测器。
2. 新兴技术的社会影响与治理。如何设计、部署和管理人工智能等新技术对法律、哲学、政治学和经济学等多个学科领域提出了挑战，同时也是各国政府和社会关注的焦点问题。鉴于该主题的跨学科、跨边界和高度实践性，社会科学实验室在这一主题的研究中成为了中坚力量。哈佛大学的伯克曼•克莱因网络与社会研究中心、牛津互联网研究中心等机构均建立了算法与人工智能的社会影响与治理的研究项目。还有如腾讯研究院等企业设立的研究单位也将探索新科技给全球经济和社会治理带来的挑战设定为主要的研究目标。在新兴技术的治理问题上，这些研究所基本代表了最前沿的成果。如哈佛伯克曼•克莱因网络与社会研究中心发布的《有原则的人工智能：基于伦理及权利的人工智能原则共识归纳》，这些机构的研究成果不仅注重用可视化的方式进行展示，也注重通过发表年度报告、参与政策制定等方式扩大自己的影响力。在《欧盟一般数据保护条例》的出台过程中，牛津互联网研究院参与起草的《迈向数字伦理》报告就直接影响了法案中涉及基本私隐权及保障个人数据的内容。
3. 数字经济类项目。数字经济包含了信息技术在商业模式和产品中的广泛新应用，这些商业模式和产品正在改变经济和社会互动。因此，围绕数字经济的研究成果也日趋多元:一方面，企业设立的研究院开始研究社会科学的基本问题以改善产品与生产，如网飞的研究院通过研究因果推理和准试验来改善数字营销和流媒体服务；另一方面，高校的研究院则开始设计新一代数字经济产品，如媒体实验室研发了一款可以进行数字货币交易的比特币自动销售机Lit。在“智慧技术+智慧公民=未来经济”的信念下，苏黎世联邦理工学院甚至专门搭建了一套包含了定价、交易、多种货币、税收选择和中央银行在内的去中心化新金融体系。
4. 数字治理与公益项目。数字治理强调用重新整合、以需求为基础的整体主义和数字化变革指导公共部门改革，从而为公民提供更加便捷的公共物品与服务，最终实现善治。这一治理范式已在理论与实践方面得到越来越多的发展和支持。这一类成果大多由政府支持，重在应用于城市和社区治理，如阿兰图灵研究所的“为了科学与政府的人工智能”（AI for Science and Government, ASG）项目，该项目旨在于英国政府关注的优先领域中部署人工智能和数据科学研究与应用，包括针对城市分析的人工智能规划系统、复杂工程系统、精密医学与卫生、智慧刑事司法系统以及科学用人工智能工具箱等。数字治理还延伸到延伸到全球公共领域，包括加州大学伯克利分校为援建信息基础设施的数字避难所项目（Digital Refuge）以及IBM研究中心与联合国开发计划署（United Nations Develoment Programme, UNDP）合作开发的帮助欠发达评估国家发展计划的人工智能，该AI可以帮助专家审查大量文书以保持其政策与规划文件与169个可持续发展目标的目标保持一致。
5. 人机交互与社会机器人。心理学，社会学，人类学和神经科学各自使用不同的方法、范围和评估标准来理解人类行为的各个方面，在整合这些跨学科综合研究基础上，新兴信息技术——尤其是机器人技术的蓬勃发展，为人类行为的研究提供了重要补充。由此，人机交互和社会机器人的模型与产品成为了社会科学实验室的一大重要成果。这一类产出关注在智能物联网时代，机器人将会在更多领域辅助、增强甚至替代人类的行为，通过重点与心理学、工程学和生命科学的跨学科合作，众多实验室研发了聚焦于人机交互的理论框架、智能模型、交互界面和机器产品。著名的研究机构包括MIT媒体实验室的社区生物技术、伦敦大学学院的人机交互实验室、耶鲁大学的社会机器人中心等。
（三）技术结构
数据集、算力支持、软件工具和平台网站构成了研究中心和实验室的基本技术结构。为此，本研究主要通过分析斯坦福大学、加州大学伯克利分校和谷歌公司的三个典型案例，来介绍社会科学实验室中的技术结构。
表1中三个实验室为数据科学与社会科学的结合提供了一整套的生产技术体系。首先，三家机构都有供给研究者的专用数据集，伯克利和斯坦福的数据主要来自政府，而谷歌的则主要来自其应用平台产生的数据，这为研究者提供了研究的“燃料”；其次，三家机构为建模与大数据计算提供了基于硬件或云服务的算力支持，受资源所限，研究者个人可能需要近几周的时间才能完成数据处理工作，为此，斯坦福整合了学校信息技术部门的资源建立了两个高性能计算集群，伯克利则专门建立了两个分别用于教学和研究的计算实验室，谷歌则通过基于谷歌云的服务满足研究者的计算需求；最后，考虑到社会科学数据的异构性以及研究结果展示与传播的多重可能性，三家均提供了方便研究者采集数据、训练模型和展示成果的软件工具，两所学校尤其重视数据可视化的支持，而谷歌所提供的则是目前主流人工智能模型的训练软件。
典型的技术结构反映了社会科学知识生产的平台化特征，即通过建设由数字技术支持的基础设施来协调不同的群体。在社会科学实验室中，研究者的研究流程转变为“数据采集-模型训练-结果产出”三个部分。实验室作为平台可以为研究者提供专属的数据集、计算支持和软件工具，从而使研究者不需要以个人或以团队方式跨院系或跨业界的进行资源整合，同时更具可视化的结果呈现也使得研究成果的产出更容易在社会中传播。在高校所设立的社会科学实验室中，几乎每一家实验室都拥有独立域名地址的网站，这些网站结合实验室本身的技术与工具体系，构成了知识网络化生产的重要节点。
在最理想的情况下，针对不同类型的研究需求，社会科学实验室可以为研究者提供适用于预测、建模、仿真和试验的通用性计算平台。研究者被接入研究网络之后，实验室提供数据和模型两方面的研究支持，研究者可以在网络化的协作环境中完成更迅速的建模、更精准的模拟以及更大范围的计算，最终提高整体研究效率。这种技术架构一方面更能够发挥社会科学学者在选择问题和设计研究方面的优势，同时也使得相应的知识生产与应用创新更能产生跨界融合效应。
五、对我国新文科实验室建设的启示
在信息技术和学术范式革新发展的背景下，我国高等教育及时提出了“新文科”的发展方向，但通过梳理世界一流高校与企业的建设实践可以看出，将新兴信息技术融入人文社科研究必须建立在复合开放且技术完善的组织之上。
1. 将社会科学实验室纳入创新基础设施建设范畴，根据不同地区和高校的实际需要，协调多方建设资源，加大建设投入。随着产学研融合程度不断加深，社会科学实验室能够提供协助创新者有效工作、满足快速学习和培养创造能力的工作环境。为此，教育主管部门和地方政府应将社会科学实验室建设纳入创新基础设施的建设范畴，尝试通过PPP等模式引入社会和企业资源，打造共建共享的社会科学实验室建设新格局。
2. 对具有重大外部性价值的研究问题设立专项申报建设渠道，充分利用高校的智力资源盘活由政府管理的社会数据。中国的超复杂社会产生了世界上最大的数据富矿，但是，共同研究范式的缺失和共享数据规范的不足影响到数据资源的协调。建议在政府、高校和企业增加对公共-私人数据源在协作、使用、管理等领域的研究和探索，在注重伦理、法律与社会影响的基础上积极开展立法工作的建议，同时加快对社会科学实验室利用大数据解决现实问题制定相关的政策规范和指导方针。
3. 制定建设指导意见与细分技术标准，尤其是针对计算硬件和数据共享，充分考虑社会科学实验室对科研工作者、学生和机构的不同应用场景和服务方式。社会科学实验室的学科和技术涵盖面广，对实验室建设的财政投入也不断加大，容易导致重复建设和无效建设的问题。建议建立由多学科、多领域和多行业专家组成的专业指导委员会，对基础性、通用性强的建设内容进行标准制定，对不同应用场景提供细分的建设指导意见，在加强顶层设计和统筹规划同时鼓励灵活创新。
4. 在新文科实验室的建设中，不应过分强调计算方法和技术效率，而冲淡人文关怀和社会问题意识。社会科学实验室的建设并不应该简单地由新的计算模型引领，而更加应该重视在社会发展问题驱动下实验室对数据的搜集与处理。从这个角度上来说，仅仅突出计算社会科学的范式是不够的，更需要强调问题、理论与数据匹配的“数据社会科学”。新文科实验室在对分析工具的需求上与计算社会科学相近，都强调依赖先进的分析观察工具对由数据表征的社会协调进行处理和计算。在这一过程中，尤其需要警惕计算逻辑对社会问题和人文知识以数据形式抽象成单向度技术指标的窄化倾向，充分尊重人文社会科学在新文科实验室建设中的主体地位。
[感谢法雨科技（北京）有限责任公司对本文的技术和智力支持。]
作者
王震宇，复旦大学新闻学院博士研究生，上海 200082；法雨科技（北京）有限责任公司CEO，北京 100089
薛妍燕，复旦大学经济学院博士研究生，上海 200082
邓 理，复旦大学国际关系与公共事务学院博士研究生，上海 200082
原文刊载于《中国高教研究》2020年第12期第61-68页
栏目
研究与探索
扫码关注我们
微信号｜zggjyj1985
投稿平台｜http://editor.cahe.edu.cn/