大數(shù)據(jù)的出現(xiàn)和計(jì)算機(jī)技術(shù)的發(fā)展為社會(huì)計(jì)算帶來(lái)了新的研究方法的革命，使得研究設(shè)計(jì)、分析方法到理論建立都有了新的改變。為探索大數(shù)據(jù)研究的跨學(xué)科方法論，促進(jìn)學(xué)科整合與創(chuàng)新，由清華大學(xué)社會(huì)科學(xué)學(xué)院主辦，清華大學(xué)社會(huì)網(wǎng)絡(luò)研究中心（CSNR）、清華大學(xué)數(shù)據(jù)科學(xué)研究院（IDS）承辦的“2019社會(huì)計(jì)算國(guó)際會(huì)議”（2019 International Conference of Social Computing）在清華大學(xué)召開(kāi)，邀請(qǐng)全球?qū)W者在大數(shù)據(jù)分析方法與社會(huì)科學(xué)的交叉領(lǐng)域進(jìn)行交流和溝通。

大數(shù)據(jù)和調(diào)查數(shù)據(jù)結(jié)合，產(chǎn)生了一種理論視角下新的研究范式。芝加哥大學(xué)社會(huì)學(xué)系James A. Evans首先闡釋計(jì)算社會(huì)科學(xué)使用計(jì)算機(jī)來(lái)生成數(shù)據(jù)、發(fā)現(xiàn)其中的模式和規(guī)律，或生成和檢驗(yàn)解釋（explanations）。他勾勒出了社會(huì)計(jì)算的愿景，結(jié)合其研究?jī)?nèi)容及計(jì)算社會(huì)科學(xué)領(lǐng)域最新研究闡述了如何利用數(shù)據(jù)計(jì)算來(lái)理解社會(huì)，分析復(fù)雜、動(dòng)態(tài)、自適應(yīng)的社會(huì)系統(tǒng)以及人機(jī)交互的過(guò)程中何以形成更為強(qiáng)大的智能。

大數(shù)據(jù)時(shí)代大量基于網(wǎng)絡(luò)、社交媒體、人工智能、傳感器等產(chǎn)生的實(shí)時(shí)電子印記數(shù)據(jù)，從網(wǎng)絡(luò)上的集體活動(dòng)、社交媒體、即時(shí)通信到在線交易、政府情報(bào)和數(shù)字化圖書館，越來(lái)越多的社會(huì)生活留在電子文本中。研究者可以從中發(fā)現(xiàn)現(xiàn)象、尋求解釋因素、進(jìn)行社會(huì)計(jì)算，以前所未有的廣度、深度和規(guī)模利用、收集和分析數(shù)據(jù)。參會(huì)者針對(duì)各自研究領(lǐng)域，所使用的大數(shù)據(jù)涵蓋了社交網(wǎng)絡(luò)、維基百科、Github網(wǎng)站數(shù)據(jù)分析、組織中員工社交數(shù)據(jù)、微博數(shù)據(jù)、社會(huì)經(jīng)濟(jì)相關(guān)的電子印記數(shù)據(jù)等。當(dāng)這些大數(shù)據(jù)結(jié)合社會(huì)科學(xué)傳統(tǒng)的定性、定量調(diào)查，新的研究范式應(yīng)運(yùn)而生。采用傳統(tǒng)調(diào)查方法收集局部、及時(shí)的扎根真相，將社會(huì)科學(xué)的問(wèn)題意識(shí)、扎根真相與現(xiàn)有的大數(shù)據(jù)相結(jié)合形成預(yù)測(cè)模型，從而在更易獲得的相同的大數(shù)據(jù)維度下進(jìn)行推論。扎根真相和大數(shù)據(jù)的結(jié)合為數(shù)據(jù)挖掘、理論建模以及預(yù)測(cè)算法構(gòu)建的三角間往復(fù)對(duì)話提供了可能，一方面使理論不斷改善，另一方面使預(yù)測(cè)算法更加精確，進(jìn)而可以推論并解釋更多現(xiàn)象。這種研究范式的推理過(guò)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(kāi)始于事實(shí)、想象的集合，并推導(dǎo)出其最佳解釋的推理過(guò)程。與計(jì)算社會(huì)科學(xué)研究中首先基于數(shù)據(jù)和理論雙驅(qū)動(dòng)，在大數(shù)據(jù)挖掘出有趣的現(xiàn)象，然后結(jié)合理論來(lái)預(yù)測(cè)或模擬推導(dǎo)其解釋的過(guò)程不謀而合。抽樣方式也從原來(lái)的全樣本的隨機(jī)抽樣（random sampling）轉(zhuǎn)變?yōu)樽钸m化抽樣（optimized sampling），即局部抽樣建立預(yù)測(cè)模型，不斷使得預(yù)測(cè)模型與理論對(duì)話，使得預(yù)測(cè)模型逼近最優(yōu)，最終采用相同的大數(shù)據(jù)預(yù)測(cè)因子輸入預(yù)測(cè)模型中進(jìn)行推論。

推薦閱讀：旗龍網(wǎng)