第六节 总结性评论及推动数据驱动研究范式的建议

综上所述，大数据时代的到来为社会科学发展提供了一个重要契机。社会科学研究将有望突破传统社会调查方法以及数理模型、推论统计和计量建模等传统量化技术的限制，真正从全域、实时和交互的视角去逼近社会科学复杂适应性的本源。由此将可能带来社会科学实证研究基础的变革，从而促进定性定量的矛盾缓解和融合，促进社会科学与自然科学的学科统一。然而，社会科学发展不应该也不会完全局限于当前大数据概念的界定和技术限定。基于社会理论与社会现实问题，主动地挖掘多元基础数据，搭建社会主体间的联系网络，充分利用人机结合的综合集成模式，溯源社会现象的本源和逻辑传导机制，从而对社会科学研究对象进行精准量化的结构解析和预测推演，使之成为社会科学未来发展的重要途径之一，并形成开篇提出的“数据驱动的社会科学研究新范式”。

新范式为突破传统社会科学研究被动寻找经验证据的实证方法，建立搭载在数据资源基础上的主动量化提供了新的途径。问题导向、基于数据、机制溯源、综合集成、量化计算，将是数据驱动的社会科学研究范式的基础特征。未来，社会科学研究范式将面临重大变革，但并不会违背自身的学术本源；社会科学研究会更多地应用大数据技术，但不会摒弃建立在数量统计方法上的经验研究基础；社会科学研究将不断深入而精准地刻画微观个体的行为和状态，但不会忽略宏观总量特征和微观—宏观一体化的研究途径；社会科学研究将主要采用数据计算和模拟实验的科学方法，但仍需要以人类智慧和专业经验为指导。在上述基础上，社会科学发展将从数据实证应用的研究范式逐步向数据驱动的研究范式转变，并可能推动社会科学与自然科学的学科统一。

大数据为形成“数据驱动的社会科学研究新范式”提供了资料和技术储备，也为实现学科统一提供了潜在的重要契机。当然，以数据和计算为驱动的社会科学研究范式将不会拘泥于当下大数据的限定。尽管我们无法甄别未来社会科学繁复的演化路径，但我们仍希望能够对那些“能够用以驱动社会科学的数据”进行学术意义上的规范，以期能够助力相关研究的拓展。事实上，我们认为，数据作为未来社会科学发展的驱动性要素，不论是现在的大数据，还是传统样本数据或其他数据资料，核心仍是要解决与社会发展要求相匹配的问题。因此，未来有必要重点关注以下问题。

首先，建立科学的数据资源评估体系。大数据收集模式的创新并不能完全消除数据样本的有偏或非一致。建立在大数定律和中心极限定理之上的科学抽样方法，未来仍然有着无可替代的适用性。因此，当前的首要任务应以社会问题为导向，建立起较为系统的数据资源（质量）评价理论和评价方法，针对全域、多元、实时的非结构数据提出有效性判定标准，同时关注数据科学的伦理问题研究。

其次，解决大数据级别的总量累积问题。将微观非结构数据科学系统地提炼汇总为不同层级的总量信息，是基于微观大数据解构宏观社会现象的基础。数据信息的有效提炼在某种程度上也决定着大数据技术能否真正融入社会科学的研究体系。其中，基于数据的经济社会计算仿真技术是值得重点关注的领域。

再次，在数据分析基础上提出解决方案。未来社会科学的发展应以多元数据为基础，通过智能计算和专家智慧的结合，对社会现象进行量化解析，对于社会问题提出科学治理体系和模式，最终建立社会科学“类工程化处置”的研究机制和范式。

最后，注重逻辑因果机制和机理的发现。大数据研究不能片面地关注相关性，尤其是社会科学，还需要对社会现象的本质动因进行发掘，科学回答“是什么”“为什么”的基本命题。因此，有必要充分利用多元化实时性数据的关联性优势，广泛而深入、客观而精准地厘清社会现象的因果机制，挖掘社会问题的逻辑机理，形成真正科学有效的治理方法和途径，在此基础上形成智能化的社会科学研究工具和平台。

[1] 系统论最早是由奥地利生物学家贝塔朗菲（L.Von.Bertalanffy）提出的，核心思想是系统的整体观念。贝塔朗菲强调，任何系统都是一个有机的整体，它不是各个部分的机械组合或简单相加，系统的整体功能是其各组成要素在孤立状态下所没有的新质。贝塔朗菲提出系统论后，在很长一段时间内，系统论被等同于整体论。事实上，虽然系统论与整体论都强调事物的整体性，但二者还是有着质的区别。整体论只强调从整体出发对研究对象进行分析、研究和处理，而忽视对事物各组成部分的认识；系统论则是在对研究对象各组成部分已经作了深入、细致分析的前提下，从有机、整体的角度对其进行分析和把握。系统论的这种内涵，恰恰体现了还原论和整体论这对矛盾体之间的辩证统一关系。