计算社会科学：缘起、变革与挑战
计算社会科学：缘起、变革与挑战
韩军徽 张钺 李正风
* 本文首发于《清华社会科学》第1卷第2辑（商务印书馆，2020）。
近年来，计算社会科学的兴起作为社会科学领域最为重要的研究动向似乎已成为不争的事实。但对于围绕计算社会科学的一系列基本问题，目前学界的讨论仍不透彻，更缺乏共识。这些问题包括：计算社会科学究竟缘何兴起？对于社会科学研究，计算何以可能？计算社会科学将为社会研究带来哪些新的机遇和变革？又存在哪些挑战与问题？本文试图对上述问题进行系统地探讨。
一、计算社会科学缘何兴起
2009年，大卫·拉泽尔（David Lazer）等十余位来自哈佛大学、麻省理工学院等多所世界知名高校和研究机构的学者在《科学》（Science）上发表了题为“Computational Social Science”的文章。文章认为，随着我们收集和分析大规模数据能力的提高，一个数据驱动（Data-driven）的新的研究领域——计算社会科学——正在出现，这篇文章的发表标志着计算社会科学的正式诞生。
实际上，在拉泽尔等人的文章发表之前，“计算社会科学”这一概念就已存在，但含义有所不同。包括拉泽尔在内的多位计算社会科学领域的重要学者都强调，这篇文章发表之前的“计算社会科学”，主要指的是利用ABM方法进行的社会模拟研究。而拉泽尔等人的文章所指的“计算社会科学”主要是通过利用计算机与算法搜集、处理大规模人类行为数据来进行的社会科学研究。可以说，这篇文章重新定义了“计算社会科学”这一概念。
该文章发表近十年来，计算社会科学的发展十分迅速，取得了一系列令人瞩目的研究成果，不仅在社会学、经济学、政治学、管理学、心理学等各社会科学学科产生了广泛影响，而且成为计算机科学、信息科学等领域的重要研究内容。
这种“计算社会科学”何以会发生？目前学界存在一定程度的共识，即认为关于人类行为的大规模数据集的出现，以及人类收集和分析此类数据的能力的提高，是导致计算社会科学兴起的主要原因。实际上，这两者是相互关联的，都是计算机、互联网及其相关技术发展的结果。
计算机技术的发展，突出体现为计算能力的提高。这主要表现在两个方面。一方面，随着芯片集成度的提高，计算机处理器的处理能力持续增强。另一方面，随着计算模式的演进，对计算资源的管理和利用效率不断提升。
众所周知，人类历史上第一台通用电子计算机ENIAC于1946年在宾夕法尼亚大学诞生。这是一个占地约170平方米、重30余吨的庞然大物，每秒可以进行约5000次基本运算。在此后的半个多世纪里，计算机的体积不断缩小，运算能力却以惊人的速度提升，原因就在于计算机处理器芯片的集成度不断提高。目前，微型计算机的运算速度已经可以达到每秒进行数亿次基本运算。
与处理器运算速度的提高同样重要的是计算模式的演进。自计算机诞生到目前为止，先后出现了五种重要的计算模式，即大型计算机中央计算模式、个人计算机分散计算模式、客户端/服务器（Client/Server, C/S）计算模式、浏览器/服务器（Browser/Server, B/S）计算模式，以及如今方兴未艾的云计算模式。
计算模式演变的方向是计算资源的拓展，以及对计算资源使用效率的提高。芯片集成度的提高和计算模式的演进使得计算机设备的体积越来越小，计算能力却越来越强。除此之外，在过去的半个多世纪里，存储、软件等计算机相关技术也取得了极大的发展，并先后出现了互联网和移动互联网技术。
计算机及其相关技术的发展为人类社会构建起了强大的计算基础设施，使得越来越多类型各异的计算设备越来越深入地嵌入到人类的生活、工作之中。个人电脑、智能手机、智能手表、智能手环等计算设备成为越来越多人生活的必需品。汽车、家居等的智能化水平也越来越高，计算机在其中发挥的作用越来越大。
基于这种强大的计算基础设施，越来越多的人类行为以数字化、网络化、虚拟化的方式展开。越来越多的社交行为通过微博、微信、Facebook等社交平台进行，越来越多的消费行为通过亚马逊、天猫、京东等电子商务平台实现，MOOC、学堂在线、Coursera等网络公开课程平台吸引了越来越多的人进行在线学习，优酷视频、腾讯游戏等成为越来越多的人消遣娱乐的选择。这些以数字化、网络化、虚拟化方式进行的人类行为往往会被以不同的形式记录下来，从而形成了大规模的关于人类行为的数据集。
这种数据集构成了前所未有的“大数据”，其规模远远超出了传统数据库软件的收集、存储、管理和分析能力。更为重要的是，不同于传统社会科学的结构化数据，这种关于人类行为的大规模数据集除包含结构化数据之外，还包含半结构化数据和非结构化数据，而且往往以后两者为主。这种数据集的规模和类型对算力和数据收集、分析和存储的方法、技术和工具提出了新的挑战。
实际上，正是由于算力和相关方法、技术和工具的限制，在其出现早期，这种关于人类行为的大规模数据集并未得到足够的重视和充分的利用。然而，近年来，由于计算机及其相关技术的发展，人类获得了巨大的算力，并开发出诸多新型的方法、技术和工具，使得研究者具备了对此类数据集进行收集、存储和分析的能力，从而为计算社会科学的兴起奠定了技术基础。
除这种技术基础之外，计算社会科学能够迅速被社会科学界所接受、认可和追逐，社会因素同样重要。其中，最主要的是“大数据”概念的提出及其成功的应用和“营销”。随着计算机及其相关技术的发展和越来越深地嵌入到人类社会的方方面面，不仅是前述人类的各种社会行为，各种各样的人类活动都会被记录下来，从而产生了大规模的痕迹性数据。
有学者创造性地提出以“大数据”来指称这种新型数据，以区别于传统数据。虽然“大数据”的概念自提出以来就饱受争议，围绕其内涵、特点等的探讨也从未达成共识，甚至对何人于何时首次提出这一概念都存在不同的看法，但不可否认的是，由于其在商业上的成功应用以及铺天盖地的宣传与营销，“大数据”的概念已经深入人心。
更为重要的是，作为计算机及其相关技术发展的产物，“大数据”被与“高科技”、“科学”、“进步”等概念关联起来，从而为进一步追求社会科学研究的“科学化”提供了可能。自社会科学诞生伊始，仿效自然科学进行“科学的”社会研究就是其主要追求。
当然，社会科学流派甚多，对这种追求从未达成共识。但不可否认的是，对“科学性”的追求作为一条主线，贯穿了社会科学发展的始终，也是社会科学发展的主要动力之一。由于与“高科技”、“科学”、“进步”等概念的关联，大数据的出现为社会科学提高自身的“科学性”、寻求自身的合法性提供了难得的机遇。计算社会科学的探索出现之后迅速被社会科学界所接受、认可和追逐，也是这种社会研究“科学化”追求的体现。
二、计算社会科学所带来的变革
探讨计算社会科学带来的重要变革及其可能面临的挑战，首先要分析计算社会科学中“计算”何以可能，以及具有何种意义。社会科学诞生百余年来所形成的少有的共识之一，就是认为很多人类行为与情感难以量化，更无法计算。然而，随着计算社会科学的兴起，很多之前被认为是无法计算的人类行为和社会现象变得可以计算了。那么，在计算社会科学中，“计算”何以可能？
在讨论计算社会科学中计算何以可能之前，首先需要回答何为计算。计算的本质是一个比较复杂的哲学问题，在此我们探讨的是一种特殊类型的计算，即计算机中所进行的计算。这种特殊类型的计算的特点，是按规定的详细步骤（也就是算法）对输入的数据进行处理。计算社会科学中所谓“计算”，无疑是这种特殊类型的计算。因此，在计算社会科学中，要对人类行为和社会现象进行计算，一方面需要有对其进行表征的数据，另一方面需要有分析、处理数据明确、具体的步骤，即算法。
对于数据而言，如前所述，计算机及其相关技术的发展以及越来越深地嵌入到人类社会之中，使得越来越多的人类行为被记录了下来，形成了关于人类行为的大规模数据集。问题的关键在于，这种大规模的数据集能否对人类行为和社会现象进行有效地表征？要回答这一问题，我们首先需要讨论这种大规模的数据集是如何出现的。
笔者认为，这种关于人类行为的大规模数据集本质上是人类行为在一个工程化指标体系上的映射。或者说，这种大规模数据集是基于一个工程化指标体系对人类行为进行测度的结果。例如，我们在社交平台上开展社交行为时，社交平台会基于其指标体系收集和记录反映我们社交行为的一些信息，如登陆时间、在线时长、浏览内容、发表、转发、回复、点赞、评论等等。
因此，可以说，社交数据是人类行为在社交平台指标体系上的映射。或者说，社交数据是社交平台基于其自身的指标体系对人类行为进行测度的结果。由此获得的数据确实反映了关于人类行为的一些真实信息，也正因如此，这种关于人类行为的大规模数据集被认为能够在一定程度上对人类行为和社会现象进行有效地表征。如拉泽尔等人所言，现在我们的很多日常行为都留下了数字痕迹，通过收集和分析这些数字痕迹可以重建个人和群体行为的全面图景，从而可能变革我们对于人类社会的理解。
在计算社会科学中，算法与数据同样重要。之所以如此，是因为正是通过算法设计，关于人类行为的大规模数据集才得以与社会科学的理论、概念联系起来，并针对研究问题进行相关分析。
我们知道，在传统社会科学的量化研究中，通常是首先针对特定的研究问题、根据相关的社会科学理论、概念提出研究变量，然后通过变量的操作化得到所需的指标，进而基于指标对人类行为和社会现象进行测度来收集研究数据。但在计算社会科学中，关于人类行为的大规模数据集往往并非是针对特定的研究问题收集的，而是基于一个工程化指标体系对人类行为进行测度的结果。
由于这一指标体系通常并非是基于特定的研究问题而设计的，导致所得到的数据集往往不直接包含回答研究问题所需的指标。通过算法设计，研究者能够基于关于人类行为的大规模数据集再进一步构建新的指标，以与社会科学理论、概念与问题联系起来。这也是传统的数据分析软件无法满足计算社会科学需求的原因，因为其只能对预先设定的几个指标之间的关系进行分析，而无法针对研究问题，基于关于人类行为的大规模数据集构建新的指标，并进行分析。
例如，在石峰等人利用亚马逊的图书共买（Co-purchase）数据分析政治倾向与科学兴趣之间的关联的研究中，作者基于大规模的图书共买数据，通过设计算法构建了政治相关性（Political Relevance）、政治位置（PoliticalAlignment）、政治极化性（Political Polarization）等多个指标，并通过对这些指标之间关系的分析有效地回答了其研究问题。
总的来说，正是由于关于人类行为的大规模数据集中包含了一些反映人类行为和社会现象的真实信息，在一定程度上能够对人类行为和社会现象进行有效表征，而通过算法的设计能够将这种大规模数据集与社会科学的理论、概念联系起来，并针对研究问题进行分析，才使得在计算社会科学中计算成为可能。计算社会科学的这种通过算法设计对关于人类行为的大规模数据集进行计算来研究人类社会的进路为社会科学的发展带来了重要机遇，但与此同时也存在其自身难以克服的局限与问题。
计算社会科学的出现为社会科学研究所带来的重要机遇突出地体现在三个方面。
首先，计算社会科学使得重建人类行为与社会现象的全景成为可能。例如，传统社会科学对人际互动的研究主要依赖于关于人际关系的一次性的、自述的数据。而当前，社交软件、视频监控等平台和工具能够提供人们在很长一段时间内几乎每时每刻的互动图景，其中包含了关于人际关系内容与结构的丰富信息。
其次，基于大规模的人类行为数据，我们能够在更宏观的尺度上对社会现象进行研究，并分析其随时间的演化。例如，约书亚·布鲁门斯托克（Joshua Blumenstock）等人利用150万手机用户的通信数据分析了卢旺达（Rwanda）全国的贫富分布。
第三，互联网作为一个虚拟世界，人们在其中的行为能够被完全记录下来，从而为社会科学的实验研究提供了一个理想的平台。例如，罗伯特·邦德（Robert M. Bond）等人对6100万Facebook用户进行了一项关于投票的实验，以研究社交媒体上的政治动员信息对人们的投票行为所产生的影响。可以看出，上述机遇主要集中于社会科学研究的数据与方法层面，因其比较显著而最早得到了学界的关注。
除此而外，计算社会科学的兴起在研究者构成、研究的组织方式以及知识的评价标准等其他层面为社会科学的发展所带来的机遇也同样重要。
就研究者构成而言，计算社会科学的兴起吸引了来自计算机科学、物理学等领域的研究者进行社会科学研究。这些来自不同学科领域的研究者与传统社会科学研究者之间，以及他们相互之间在知识和技能上都具有极大的异质性。因此，这些研究者的加入将极大地丰富社会科学的研究视角和工具、方法，扩展社会科学的研究范围。
此外，随着不同领域研究者的加入以及相互之间的合作，社会科学研究将越来越多地通过大规模跨学科合作的方式进行，使得社会科学能够对一些复杂的社会问题进行系统地研究，并提出具备可操作性的解决方案。这无疑将增强社会科学解决实际问题的能力，并因此极大地提高社会科学的地位。
就研究的组织方式而言，计算社会科学的兴起将导致越来越多的社会科学研究以实验室为其组织基础。著名的科学哲学家约瑟夫·劳斯（Joseph Rouse）对自然科学中的实验室进行了深入的探讨，他认为，“实验室不仅仅是作为科学家操作空间的建筑物或房间...从根本上看，实验室是建构现象之微观世界的场所”。通过对微观世界的建构，研究对象被从其他影响中分离出来，以便进行操纵与追踪。
具体而言，科学家通过建构人工简化的“世界”规避了限制研究对象的自然显现的无序的复杂性。而且，科学家并不满足于让研究对象在隔离的环境中自然地显现出来。他们还会尝试通过一些方式来操纵整个环境，即将研究对象置于只有在介入中才出现的影响和互动之中。除了隔离和介入外，科学家还会追踪在被建构出的微观世界中研究对象的进程。追踪不仅仅是观察，而是包含了对研究对象进程的监测与控制。
计算社会科学中实验室的出现，使得在社会科学中也将能够在一定程度上实现对社会现象的隔离、介入和追踪。原因在于，实验室中集聚了大量的算力、数据以及与数据收集、分析和存储相关的算法、技术和工具。由于关于人类行为的大规模数据能够在一定程度上对人类行为和社会现象进行有效地表征，因此可以认为这种数据中存在着一个“社会”。
实际上，这意味着研究者通过数据的收集和处理实现了对社会的“捕获”。正是这种存在于数据之中的、被捕获的“社会”使得研究者能够在实验室中实现对社会现象的隔离、介入和追踪。在这种意义上，以实验室为组织基础无疑极大地提高了社会科学分析乃至干预社会的能力。
就知识的评价标准而言，计算社会科学的兴起使可重复性成为社会科学知识评价的越来越重要的标准。我们知道，传统社会科学研究所追求的最高目标是理论解释，而很难实现所生产知识的可重复性。相较于传统社会科学，计算社会科学对知识的可重复性非常重视。在计算社会科学中，对知识可重复性的强调有多种不同的表现形式，例如进行预测、交叉验证、样本外验证、公开研究数据和代码等。
笔者认为，计算社会科学之所以强调知识的可重复性是由多种原因造成的。首先，如前所述，计算社会科学研究所利用的关于人类行为的大规模数据集并非是针对特定研究问题产生的，而是人类活动的副产品。因此，不同于传统社会科学所利用的研究数据，其代表性是难以保证的。为提高研究结论的可靠性，研究者往往会利用交叉验证、样本外验证等方法对研究结论进行验证。
其次，很多计算社会科学研究者具有自然科学领域的教育背景或研究经历，他们对因果解释的理解是亨普尔意义上的。在他们看来，社会科学应和自然科学一样，以预测作为因果解释的目标。
最后，在计算社会科学中，数据来源大大增加，数据获取的成本大大降低，导致数据在一定程度上不再是一种稀缺资源，也就使得研究者更愿意公开其研究数据。计算机以及互联网技术的发展，也为数据的公开带来了更多便利，提供了更多途径。随着计算社会科学所利用的研究数据和方法、工具被越来越多的社会科学研究所采用，对可重复性的重视也将逐渐成为社会科学知识评价标准的共识。对可重复性的重视无疑将提高社会科学知识的可靠性以及可累积性，从而使社会研究在“科学化”的道路上走得更远。
三、计算社会科学的局限与挑战
对计算社会科学自身局限与问题的反思，需要从审视前述其所利用的关于人类行为的大规模数据集得以产生的工程化指标体系开始。之所以称之为工程化的，是要强调这种指标体系的设计并不是为了研究特定的社会科学问题，而仅是互联网平台为实现其功能而建立的。因此，指标选取时所追求的并非是具有丰富的社会意涵，而仅关注其是否有助于平台功能的实现。正是在这种意义上，笔者认为这一指标体系是工程化的。
这种工程化的指标体系所存在的最大问题在于其是不完备的、开放的，而且至少在可预见的时期内，将一直如此。具体而言，我们知道，在牛顿力学体系中，如果我们掌握了物体的质量、速度和加速度，就能够精确地描述该物体在未来任意时刻的运动状态。在这种意义上，质量、速度和加速度构成了描述物体运动的一个完备的指标体系。
而在计算社会科学中，至少在可预见的时期内，无法建立描述人类行为与社会现象的完备的指标体系。虽然当前很多互联网平台所建立的指标体系已十分庞大，能够收集大量关于人类行为的信息，但相对于人类行为本身的复杂性而言，这种指标体系仍是过于简化的。因此，基于这种指标体系所获得的数据，即使规模巨大，对人类行为和社会现象的表征也是不完整的、片面的。这导致利用这种关于人类行为的大规模数据集进行研究所得到的结论往往非常脆弱，缺乏鲁棒性，这在谷歌流感趋势（Google Flu Trend, GFT）的失败中得到了充分的体现。
同时，如前所述，很多计算社会科学研究所利用的研究数据不直接包含回答研究问题所需的指标。研究者通常需要利用研究数据中所包含的指标，或基于研究数据通过算法设计构建指标来作为所需指标的“代理”（Proxy）。
例如，在马修·萨尔甘尼克（Matthew Salganik）等人所进行的关于社会影响在文化市场中的作用的研究中，作者用独立条件下歌曲被下载的次数来“代理”其质量。而在前述石峰等人利用亚马逊的图书共买数据分析政治倾向与科学兴趣之间的关联的研究中，作者基于研究数据，通过算法设计构建了“应用指数”（Applied Index）这一指标来“代理”一个学科或领域在基础-应用的学科性质频谱中所处的位置。
应用指数的算法较为复杂，大致思路是利用专利数据库中以该学科或领域知识为基础的专利的数量来反映一个学科或领域的应用性。直观来讲，这种“代理”都存在一定的合理性。但问题在于，缺乏系统地准则和方法来对这种“代理”的有效性进行判断。换句话说，这种“代理”的可靠性是很难验证的。而在计算社会科学研究中，这种“代理”的可靠性往往是作为前提假设存在的，其不可验证性也就导致了研究结论的不可控性。
此外，很多计算社会科学研究者缺乏计算机科学、物理学等学科领域的教育背景和研究经历。他们虽然具备一些基本的数据处理能力，但对相关的算法、技术和工具等缺乏深刻的理解和系统的认识，这导致了计算社会科学研究过程中“计算工具”的黑箱化。特别是，当前越来越多的比较常用的数据收集、分析和存储方法被封装为函数、程序包、软件等，这在方便研究者使用的同时，也加剧了计算社会科学研究中计算过程的黑箱化。
计算工具和计算过程的黑箱化所引发的风险在于，在很多计算社会科学研究中，研究数据和研究方法可能实际上并不适用于所要研究的社会科学问题。正是在这种意义上，计算工具和计算过程的黑箱化进一步增加了计算社会科学研究结论的脆弱性和不可控性。
四、结 论
纵观社会科学的发展历史可以发现，科学技术的进步不仅导致人类生产、生活方式和组织形态的深刻变化，而且会对社会科学的核心假设、研究方法和学术理路产生重大影响，由此带来社会科学知识阶段性发展和突生性变迁的特征。随着关于人类行为的大规模数据集的出现以及人类收集和分析此类数据能力的提高，计算社会科学的出现有其必然性。
然而，计算社会科学迅速被社会科学界所接受、认可，乃至成为一种学术时尚，社会因素同样重要。正是“大数据”概念的提出以及成功地应用与营销，使其被与“高科技”、“科学”、“进步”等概念关联起来，满足了社会科学提高自身“科学性”与寻求学科合法性的需求，使得两者迅速地实现了交叉融合。
在计算社会科学研究中，计算之所以可能，原因在于关于人类行为的大规模数据集中包含了一些反映人类行为和社会现象的真实信息，在一定程度上能够对人类行为和社会现象进行有效表征，也能够通过算法设计将这种大规模数据集与社会科学理论、概念联系起来，并针对研究问题进行相关分析。
计算社会科学的这种通过算法设计对关于人类行为的大规模数据集进行计算来研究人类社会的进路，为社会科学的发展带来了重要机遇。这种机遇不但体现在社会科学的研究数据与方法层面，而且也反映在研究者构成、研究的组织方式以及知识的评价标准等其他层面上。
计算社会科学在为社会科学的发展带来重要机遇的同时，其自身也存在不容忽视的局限与问题。其中，计算社会科学存在的最为根本的问题在于，其所利用的数据对人类行为和社会现象的表征是不完整的、片面的，而且利用研究数据中所包含的指标，或基于研究数据通过算法设计构建指标来对所需指标进行“代理”的有效性难以判断和验证。
此外，由于很多计算社会科学研究者缺乏计算机科学、物理学等学科领域的教育背景和研究经历，以及越来越多的数据收集、分析和存储方法被封装为函数、程序包、软件等，很多计算社会科学研究的计算工具和计算过程在一定程度上是黑箱化的。计算社会科学所存在的这些问题导致其所得到的研究结论也往往比较脆弱，缺乏鲁棒性。
综合本文的分析，笔者认为，计算社会科学是一种正在不断形成、不断发展的社会研究知识生产的新模式。计算社会科学为我们理解社会、认识社会，甚至改造社会提供了一种新的可能、新的途径。当然，计算社会科学并不能覆盖社会科学研究的全部。因此，计算社会科学并非要取代传统社会科学，两者之间的关系并非是相互对立的。
如同吉本斯等人关于知识生产模式的研究中，知识生产模式I与模式II之间的关系一样，计算社会科学与传统社会科学之间也存在着很大的互补性。在相当长的时间内，两者将并存，并相互交叠，相互影响。
然而，从长远来看，笔者认为，计算社会科学与传统社会科学将逐渐走向融合。原因在于，计算社会科学与传统社会科学之间最根本的差异存在于研究数据和研究方法层面。而随着时间的推移，计算社会科学所利用的数据、方法和技术将逐渐扩散到整个社会科学领域，正如著名计算社会科学研究者詹姆斯·埃文斯（James Evans）所指出的：
我想我的观点和马修·萨尔甘尼克是相同的，也就是在将来我们仍会有各个学科，并非所有人都会聚集在一起去做一件事。计算社会科学依然会是一个活跃的社群，但是好的计算社会科学也会就是好的社会科学。这些方法中的一些每个人都会开始用，我们会教给从我们系获得学位的所有人。在某些方面，我认为好的计算社会科学将会成为我们学科中特定种类的工作的标准。而且它也不会再被称为计算社会科学，因为每个人都在做。
也就是说，传统社会科学所利用的研究数据和研究方法将会继续存在下去，各种学科也会继续存在下去。但在不断发展和完善的过程中，会有越来越多的研究或多或少地利用当前计算社会科学所利用的各种数据、方法和技术，实验室也会越来越多。因此，两者将越来越深地融合在一起，并导致整个社会研究的知识生产模式发生转变。为充分把握计算社会科学所带来的机遇，社会科学应该更加以解决实际问题为导向，建立理论、数据与预测之间的动态对话。
学问为本 问题导向
欢迎关注清华社会科学
图片来源：@清华大学·清华映像