计算社会学范式革命开拓新空间( 二 )


第三 , 计算社会学是解释、预测和干预相融合的 。与许多学科相比 , 社会学更为强调对社会的因果解释 , 而对预测和干预的重视程度相对不足 。计算社会学固然要秉持传统 , 也就是将理论置于极为突出的位置 , 同时还要利用机器学习、社会仿真、网络实验等方法 , 基于社会复杂性理论 , 开展社会预测 。此外 , 还要主动进入算法生产的前端 , 除了能在研制与开发新型社会计算工具中发挥重要作用 , 研究计算与社会的关系和有关计算/技术的社会问题同样应该是计算社会学的重要内容 。
第四 , 计算社会学是培养复合型创新人才的 。计算社会学的工具性特质 , 将为传统的社会学人才培养注入新的活力 。社会学非常注重批判性 , 而好的批判不仅需要合理的知识构成 , 还需要较强的分析和解决问题的能力 。计算社会学的教学必然走进其他学科 , 走进具体的应用场景 , 走进知识的前沿 。
概言之 , 计算社会学汇聚了多学科的理论和方法 , 不再局限于某类研究对象和研究问题 , 不再以解释为己任而拒斥预测 , 不再以检验既有知识为主要追求 。计算社会学不是计算社会科学在社会学中的运用 , 而是社会学在计算社会科学中的拓展 。
计算社会学范式革命开拓新空间
文章图片

文章图片
计算社会学的新空间与理论自觉
毋庸讳言 , 计算社会学属于实证主义传统 , 具有很强的工具性 , 但是它不排斥人文 , 并试图用计算去挖掘传统 , 在方法论、理念、思路上对扩展传统学科界限具有启发意义 。
第一 , 在学科内部 , 计算社会学是一门提供“范式”的学科 , 能够在方法论和研究方法上开辟新的方向 , 有助于拆除社会学定性和定量研究之间的“墙”;从知识社会学、组织社会学、政治社会学等分支学科汲取理论营养 , 使学科内部彼此融通;通过多理论整合、多方法协同和多类型数据匹配 , 延展传统社会学在数据生产上的优势 。
第二 , 在学科之间 , 计算社会学采用人工智能和数据挖掘等计算科学方法 , 不局限于总体性思维 , 在技术层面具有天然的开放性和包容性 , 有助于达成共识;理论创新和现实关怀并举 , 既可以与管理学、新闻传播学等应用性强的学科交叉 , 又能与哲学、历史学等基础性学科交叉 。
第三 , 在组织层面 , 构建跨学科实验室是计算社会学的内在要求 , 毕竟传统的单兵作战和“师徒制”难以满足计算社会学的团队合作需求 。这种新文科实验室有助于打破“孤岛式”科层组织结构 , 兼顾传统系科归属和交叉研究成果认定 , 并探索跨学科的人才联合培养模式 。
当然 , 在扩展学科界限的同时 , 计算社会学要始终保持清醒的理论自觉 。计算社会学的数据收集、数据挖掘、算法设计、论证过程都远比传统社会学要复杂 , 如果缺乏理论自觉 , 研究发现无法超越“常识”(“酷炫技术 , 理论贫乏”) , 对重大的现实问题缺少关切(“强解释 , 弱预测”) , 难免要落入“计算社会学是个筐 , 什么都往里面装”的批评之中 。以上似曾相识的对传统社会学的批评 , 当然与计算社会学的初心相去甚远 。
(本文系中国社会科学院大学新文科改革与实践项目“社会科学的人工智能工具箱建设”阶段性成果)
(作者单位:浙江大学社会学系)
来源:中国社科