作者：王本刚

摘要：计算社会科学是一种正在兴起的探索性研究方法。文章主要围绕计算社会科学的性质、特点和应用领域进行讨论，认为计算社会科学与理论研究方法和实证主义研究方法分别处于研究过程的不同阶段上或不同层面上，计算社会科学的作用主要是发现问题，找到一种新的看待某个问题的框架和视角。

关键词：计算社会科学；探索性研究；理论研究；实证主义研究

The Computational Social Science as an Exploratory Research Method

Wang Bengang 

Abstract: Computational social science is an exploratory research method that is springing up. This paper mainly discusses in the properties, characters and applying areas of computational social science, and believes that computational social science is difference from theory research method and positivism research method in the processes or levels of research, the main function of computational social science is discovering problems and finding the frameworks and perspectives.

Keywords: computational social science; exploratory research; theory research; positivism research

在全球化逐渐深化的开放时代，很多事务的联系变得越来越紧密，不同事物之间的相互影响程度日益加深，世界变得越来越复杂，很多问题盘根错节，有时，甚至连人类的智慧都难以厘清其中的线索和脉络，犹如“不识庐山真面目，只缘身在此山中”之感。这给我们解决诸如全球金融危机、全球气候变暖这样的世界性难题带来很大的障碍。我们越来越需要全局思维和整体性思维。现在，“如何理解复杂的全球互联的社会，并将这些洞见应用到政策制定中已成为非常紧迫的事情。”[1]

随着互联网技术、物联网技术、计算机科学和大数据处理技术的发展，以及互联网和移动互联网开放程度的日益加深，人们期望借助大量的数据的处理和分析来理解世界，发现那些仅凭人的大脑和智慧无法发现的各种事物之间的联系，并由此找到解决现实问题的途径。于是，人们提出了计算社会科学（computational social science）这一研究范式或者说研究方法。但就这一新兴的研究领域而言，目前人们还没有一个关于它的十分清晰的轮廓。如果我们想要更好地和更充分地应用这一研究方法，就需要对它进行更深入的理解和把握。计算社会科学的性质是什么?它有什么特点？具体应用领域在何处？这些问题是本文试图要回答的问题。

1 计算社会科学发展概况

戴维·雷泽尔（David Lazer）等人2009年在《科学》杂志上发表一篇名为《计算社会科学》[2]的文章，并首次提出了“计算社会科学”这一概念。在该文章中，雷泽尔等人认为，以数据驱动的计算社会科学的发展非常缓慢，经济学、社会学和政治科学等领域的主要期刊都很少出现相关的讨论，但它却在Google和Yahoo这样的互联网企业以及美国国家安全局这样的政府机构中兴起。[2]雷泽尔等人所理解的计算社会科学是指这样一个领域：即收集和分析大规模数据以便揭示个人和群体的行为模式。[2]

自雷泽尔等人提出计算社会科学概念之后，接连不断地就有一部分学者开始发表文章深入探讨这方面的问题，他们的研究工作为笔者撰写这篇论文奠定了文献基础。除此之外，人们也召开了一些与计算社会科学有关的学术会议。例如，第一届和第二届关于计算社会科学和众人智慧的神经信息处理系统（NIPS）专题研讨会分别于2010年和2011年举行，参与该研讨会的专家主要来自经济学、政治科学、心理学、社会学、机器学习、统计学等领域。[3]欧洲首届计算社会科学大会于2014年6月1日至13日在英国华威商学院召开，该会议指出计算社会科学旨在为人类行为和决策制定获得新的洞见。[4]美国首届计算社会科学峰会于2015年5月15日至17日在美国西北大学召开，第二届峰会也将于2016年6月24日至26日在该校召开。[5]2014年8月15日在斯坦福大学计算社会科学中心（Center for Computational Social Science）召开的“新计算社会学”研讨会上，人们又提出了“新计算社会学”(new computational sociology)这一概念。这个跨学科研讨会的参与者主要来自社会学、计算机科学、生命科学、信息科学、经济学、政治学和心理学等领域，另外也有Google和Facebook的技术专家。[6]由此可见，计算社会科学已经逐渐得到人们的关注和讨论。在这里，笔者认为新计算社会学与雷泽尔等人提出的计算社会科学基本上是一致的，没有必要再多加一个“新”字，所以，笔者沿用雷泽尔等人的“计算社会科学”这一概念。

推动计算社会科学发展的原因主要在以下两个方面。首先，最为重要的是互联网的开放性。随着互联网的发展，特别是web2.0的发展，以及在线购物平台、在线社交平台、在线娱乐平台的涌现，人们在互联网上的行为活动留下了很多关于其活动的踪迹，这就为那些利用这些数字踪迹进行营销推广的商家提供了源源不断的数据流。这也是为什么计算社会科学首先出现在Amazon、Google和阿里巴巴等商业企业中的重要原因。其次，正是由于有这样的动机，大型的互联网企业才积极发展大数据处理的相关技术，由此为计算社会科学的发展奠定了技术基础。当然，计算社会科学的技术基础并不仅仅只有大数据处理技术，其他基础性技术还有云计算技术、物联网技术、自然语言处理技术和语义网技术等等。总之，数据基础、技术基础和巨大的应用价值共同促进计算社会科学的发展。

2 计算社会科学的性质

在雷泽尔等人看来，计算社会科学就是收集并分析大规模数据以便揭示个人和群体的行为模式。美国计算社会科学学会的观点稍微具体一些，该学会认为计算社会科学就是通过社会仿真、社会网络分析和社会媒体分析研究社会和行为的动态（dynamics）。[7]与这种强调发现个人和群体行为模式的观点不同，有些学者强调计算社会科学的问题导向性，即强调用计算社会科学来解决一些社会问题。例如，Winter Mason等人认为，“计算社会科学是一个新兴的，由计算机科学、统计学和社会科学交叉形成的研究领域，它使用新的计算方法来解决一些社会问题。”[3]Fei Wang等人认为，计算社会科学试图在计算技术的帮助下解决传统的社会科学研究的问题。[8]

就作为一门综合性的交叉学科来看，笔者认为计算社会科学除了要解决自身如何更好地收集和分析处理数据的技术性问题之外，更为重要的是能为一些社会难题的解决提供一些具有参考价值的洞见，甚至潜在的问题解决途径，而这正是计算社会科学的最终目的和归宿。就作为一种研究方法来看，我们可以把计算社会科学内部的数据分析和处理过程当作一个黑箱加以忽略，通过它与理论研究和实证研究的区别和联系来认识和把握它。

吉姆·格雷（Jim Gray）在2007年的一次演讲中指出，数据密集型科学发现（data-intensive scientific discovery），即数据科学，将成为第四种科学研究范式。其他三种科学研究范式是实验科学、理论科学、计算机科学。其中实验科学的表现形式是经验主义，它旨在描述自然现象；理论科学的表现形式是模型化和一般化；计算机科学的表现形式是复杂现象的模拟；而数据科学作为探索性科学，其表现形式是数据密集型、统计探索和数据挖掘。[9]本文所讨论的计算社会科学实际上就是一种数据科学，但笔者并不倾向于把计算社会科学当作一种具有替代性的科学研究范式，而是倾向于把计算社会科学当作一种新的科学研究方法。尽管如此，吉姆·格雷等人的观点给笔者认识和理解计算社会科学带来深刻的启示。

一般而言，社会科学的理论研究是在对相似的社会现象进行观察的基础上，经过归纳分析找到客观事物之间的因果关系，进而提出一般化的理论。在这个过程中，除了运用归纳推理方法之外，人们还必须具备顿悟和直觉性的判断能力，即通过顿悟发现社会现象背后具有决定性影响的外生变量。然而，人的悟性毕竟是有限的，受到各种环境因素、个人情绪和思维能力的影响，尤其是在社会现象变得越来越复杂的情况下，我们更难找到客观真实的因果关系。这时候，作为一种探索性研究方法的计算社会科学可以帮助我们解决问题。尽管计算社会科学在很多情况下找到的是事物之间的相关关系，但是通过大规模的数据分析，计算社会科学可以帮助我们找到那些潜在的、具有决定性影响的外生变量。如果我们再借助一些其他的理论研究工具，就可以找到事物之间的因果关系。

从知识发现和发展的角度来看，理论研究工作是知识驱动型研究工作，因为它主要采用的归纳推理方法可以增加我们的知识，丰富我们的视野。但是，以此来看实证主义研究方法，就会发现，实证主义研究方法几乎不会增加我们的知识。实证主义研究方法的作用在于验证我们的推断和假设，确证相关理论和模型在何种情况下是有效的以及在何种情况下是无效的。如果说理论研究侧重于使用归纳推理方法，那么实证主义研究主要侧重于使用演绎推理方法。

除了归纳和演绎两种基本的推理方法之外，还有一种我们常用但是却没有说明的方法，即溯因推理方法。溯因推理是美国实用主义哲学家皮尔士提出的一种逻辑推理方法，它又称为不明探测法。这种方法是“通过用一种新的概念框架观察和解释某事物，从而对事物做出一种新的理解并形成科学假说的方法。”[10]隐喻实际上就是一种溯因推理方法，它通过将一种事物与另一种类似事物联系起来，把事物放在某种类似的场景中来理解。虽然说计算机不可能像人一样进行推理，但是计算机在大规模数据分析和处理过程中，实际上就采用了类似溯因推理的方法，因为它能发现那些因人类思维盲点而无法找到的一些关系。Rob Kitchin在《大数据：新的认识论和范式转换》一文中指出，数据驱动科学（data-driven science）更加开放地组合了溯因推理、归纳推理和演绎推理方法，旨在改进对现象的理解。[9]正如Kelling等人（2009）指出的那样，它力图从数据中找到假设和洞见，而不是从理论中寻求假设和洞见。[9]因此，我们可以说，计算社会科学是一种从数据中发现问题和关系，并进一步引导人们提出假设的探索性研究方法。

综合以上的论述，笔者发现计算社会科学研究方法、理论研究方法和实证主义研究方法分别处于研究过程的不同阶段上或不同层面上（如下图1所示），它们并不能相互取代，而是互为补充的关系，每一种研究方法都有其独特的作用。一个完整的研究过程是探索性研究、理论研究和实证研究依次递进的关系。单独的计算社会科学并不足以支撑起整个研究过程，因此那种认为在大数据时代理论将会终结的观点于是就不攻自破了。我们并不排除人们会用计算社会科学做实证性的研究，但笔者认为计算社会科学首先是一种以归纳和溯因推理为主的探索性研究方法，而不是像传统数据分析方法那样是以演绎推理为主的实证研究方法。因为计算社会科学的大规模数据分析和处理过程通常不需要事先提出假设和模型。

图 1探索性研究（包括CSS）、理论研究和实证研究的关系

从图1可以看出，诸如计算社会科学这样的探索性研究方法的作用主要是发现问题，找到那些人们用传统的研究方法无法找到的事物之间的相关关系（比如说：人们怎么也不会想到啤酒与尿布之间会有什么关系），换句话说，就是帮助我们发现何处存在问题，并找到一种新的看待某个问题的框架和视角。例如，宏观经济学中，许多影响经济发展的变量之间的关系在开放经济条件下变得非常复杂，这其中可能存在循环累积的因果关系，因此擅长线性思维的人类大脑可能无法理出其中的作用机制，这时候计算社会科学就可以派上用场。

理论研究工作就是在发现问题以及发现各种变量之间潜在的相关关系的基础上，通过模型化和理论化的处理对复杂关系进行简化，并由此找到各种变量之间的合理的逻辑关系，从而对相关问题和现象做出解释，由此形成某种理论。理论的应用需要靠实践来检验，由于理论在形成过程中已经省略掉一些东西，因此在实践中，我们不能完完整整地照搬理论，需要根据实际情况进行适当调整。

实证研究的主要作用是验证理论，并在验证理论的过程中进一步发现理论中存在的问题或需要完善的地方。这里需要注意的是，计算社会科学这样的探索性研究方法是从数据中发现问题，而实证研究是发现理论本身存在的问题。如果理论与现实不符，我们需要修正理论甚至提出新的理论以便做出更好地解释。

综上所述，笔者认为，计算社会科学作为一种探索性研究方法，与理论研究方法和实证研究方法分别具有不同的作用，共同构成一个完整的研究过程。从增加知识的角度来看，计算社会科学提供的还不是完整意义上的知识，而是碎片化的知识或洞见。这些知识和洞见还需要进一步的归纳和整理。因此要更好地理解社会现象并提出对实践有指导意义的知识，就需要在计算社会科学研究方法找到的相关关系基础上，进一步寻求客观事物或现象之间的因果关系，从而进一步提出理论或模型。社会科学的理论研究也并不意味着研究过程结束了，理论更为重要的作用在于解决实际的社会问题。理论是否正确需要实践检验。实证研究只是一种理论验证手段，本身并不提出任何新的知识。从知识创新的角度来看，理论研究最富有创新的意义，其次是诸如计算社会科学这样的探索性研究方法，最后才是实证研究法。在这里，笔者并不是要否定和贬低实证研究方法，上述的每一种研究方法都有不同的意义和作用，我们不能人为地要求一种研究方法必须具有另一种研究方法的功能。正确认识这些研究方法的区别和联系是我们实施研究工作的基础。在开展研究工作时，必须知道什么时候该用什么样的研究方法。

3 计算社会科学的特点

计算社会科学的特点主要表现在以下几个方面：首先，它是一种探索性研究方法；其次，它是一种以相关关系的发现为核心的研究方法；再次它是一种非介入性研究方法；复次，它是一种大数据和高维数据分析方法；最后，它是一门综合性和应用型交叉学科。

作为一种探索性研究方法，计算社会科学的基本功能就是帮助我们发现一些我们平常不能发现或者忽视的问题，以及那些仅凭人类的大脑和智慧无法发现的客观事物之间的或客观现象之间的联系。全球化、社会的开放性以及网络和通讯技术的普及性应用增加了社会的复杂性。无论是社会系统还是经济系统都是一种复杂系统，其中各种因素之间的关系不是传统意义上我们很容易建模的线性关系，在很多情况下，是非线性的影响关系，甚至是循环累积的因果关系。面对这些复杂的系统，人类大脑信息处理能力的有限性使我们很难发现客观事物或现象之间千丝万缕的联系，无法从这些错综复杂的联系中发现清晰的脉络，由此使我们很难把握复杂的社会现象。计算社会科学的探索和发现功能正好可以弥补我们这方面的不足，起到类似显微镜的作用。

计算社会科学是一种以相关关系发现为核心的研究方法。相关性是客观事物之间的联系性，这种联系性既是普遍存在的现象，也是我们认识客观事物的基础。如果世界上的各种事物之间没有相互联系，我们就根本无法认识彼此，也无法认识和把握客观世界，甚至也无法认识我们自己。世界上任何事物之间都存在或多或少的联系，只是其中有些联系的程度强一些，有些联系的程度弱一些。一般说来，人类能够认识的都是那些联系程度相对强一些的关系，另外，很多情况下，我们能够把握的都是事物之间的直接性联系，而对那些间接性的联系而言，我们的认识通常不是很充分。科学技术的发展拓展了我们的认识能力，正如天文望远镜帮助我们更好地认识宇宙，发现宇宙中的星体的运动规律一样，计算社会科学也有助于我们从大规模的数据中发现那些平常难以发现的人类行为模式和互动关系，找到复杂的人类社会现象之间的相关关系，从而使我们更好地认识和理解复杂的社会现象，为社会问题的解决找到新的方法和途径。发现相关关系既是计算社会科学的优点也是其不足之所在。因此，通过计算社会科学找到相关关系后，我们还需要借助其他工具和手段才能更好地认识复杂的社会现象。由此，有必要根据实际情况防止不科学地滥用计算社会科学研究得出的结论。

计算社会科学是一种非介入性研究方法。早在20世纪60年代，一些社会科学家就提出了介入性研究方法和非介入性研究方法。介入性研究方法就是研究者深入社会群体之中，长期与社群中的人们一起生活、互动，体验某个社会群体的生活，同时提出一些问题请社群中的人们给予回答，收集第一手资料并进行分析研究的方法。这是人类学领域的一种常用的研究方法。非介入性研究就是研究者远距离地观察社会群体成员的活动，或以隐姓埋名的形式就近观察但并不介入社群活动的一种研究方法。比较而言，由于研究者能体验社群生活，介入性研究方法容易收集到一些隐性的，社会群体成员无法表述的，只能由研究者自身体验并感受到的一些关键信息。同样，由于研究者不介入社会群体的生活，非介入性研究方法收集的信息相对来说更客观一些，能够有效防止“霍桑效应”出现。所谓的“霍桑效应”是指当研究对象知道研究者在研究他们的行为活动时，故意做出一些他们平常不会做的活动或者比平常更卖力地干活，换句话说，“‘霍桑效应’就是人们因被观察而调整自己的行为，以便符合社会规则和期望的现象，”[11]这就误导了研究者的研究工作，影响了研究结论的客观性。计算社会科学使用的数据资料一般是从互联网上直接获取的，是在研究对象毫不知情的情况下获取的，因此它是一种非介入性研究方法，从而它也具有非介入性研究方法的特点，即能确保分析结论的相对客观性。

计算社会科学是一种大规模数据和高维数据分析方法。首先，作为一种大规模数据分析方法，计算社会科学可以使研究结论更具有一般性，因为与传统的小数据统计分析方法相比，计算社会科学需要处理大量的数据资料，而大量的数据恰恰就是确保研究结论更具有一般性和普遍性的一种手段。正如，Ray M.Chang等人在《理解范式转换：大数据时代的计算社会科学》（understanding the paradigm shift to computational social science in the presence of big data）一文中指出的那样，大数据环境削弱了Runkel和McGrath提出的关于研究方法的“三重困境”。[12] 研究方法的“三重困境”的大致意思是说，任何一种研究方法无法同时最好地保证一般性、可控性和现实性。比如，实验研究方法具有可控性，但是却很难确保现实性，因为实验控制的环境与现实的环境是不一样的，实验研究结论在用到现实环境中是要打折扣的；又比如说，理论研究能很好地确保研究结论的一般性，但却牺牲了现实性，这就是我们在实践中不能生搬硬套理论的主要原因；而人类学领域的田野研究方法可以很好地确保研究过程的现实性，却很难保证研究结论的一般性和可控性，围绕特定群体展开的研究获得的结论很难应用到对其他群体的研究中。计算社会科学由于使用了大量的数据资料，在一定程度上削弱了研究方法的“三重困境”。在这里笔者认为，主要是保证了一般性，而就可控性和现实性来说，计算社会科学还是很难保证的。因为互联网上的信息有很多是虚假的信息，数据质量很难控制，同样，人们在虚拟的网络社会上的互动行为与其在现实社会中的互动行为还是有区别的，并不是说人们在现实社会中有什么样的行为在互联网上就一定会表现出相同的行为。因此，通过互联网数据研究得出的结论很可能并不符合社会现实。其次，作为一种高维数据分析方法，计算社会科学可以减轻人类大脑的思维负担。一般来说，维数越高，系统越复杂，人的大脑很难处理维数众多的复杂信息，然而，随着数据挖掘和处理技术的发展，计算社会科学可以将大规模的高维数据结合起来进行分析和处理，特别是能够将纵向数据和横向数据结合起来分析，由此，使我们能够从事物的历史脉络中把握相互影响的各种因素，从而进一步认识事物发展和变化的内在逻辑机制，为一些社会问题的解决找到新的办法和途径。

计算社会科学是一门综合性和应用型交叉学科，需要来自计算机科学、社会学、经济学、政治学、管理学和心理学等领域的研究者共同进行探索和研究。其主体和核心内容是互联网数据挖掘和处理技术、大数据分析技术和云计算技术；其支撑技术主要是互联网、移动互联网、物联网和语义网。由于计算社会科学本身的复杂性和较高的技术要求，社会科学研究者很难掌握和应用这种研究方法，因此他们需要计算机科学领域的专家的协助。如何把计算社会科学简化为一种能够被广大社会科学研究者直接应用的研究方法是一个非常值得研究的问题。

4 计算社会科学在公共治理领域中的应用

计算社会科学的应用领域是比较广泛的，几乎可以应用到所有的社会科学研究中。首先，在商业研究领域，计算社会科学的应用最引人注目，这主要是商业利益在起作用；其次，在美国，人们将计算社会科学用于政治选举中的投票分析；再次，社会心理学家可以用计算社会科学研究社会心理状况，理解社会心理变动的趋势；第四，宏观经济学家可以用计算社会科学研究宏观经济的运行机制，分析各种因素相互作用的规律；第五，社会学家可以用计算社会科学研究人们的网上行为模式；最为重要的是，管理学家可以用计算社会科学研究解决社会问题尤其是解决社会公共问题的途径和办法。

社会公共问题一般来说是很多人的行动共同作用引起的问题，比如城市交通问题就是这样的问题，因此不能从单个人的行动改变中找到合理的解决方案，治本之策通常需要从整体着眼、从全局出发。然而，全局性和整体性的解决方案和策略的确定却离不开大量数据和信息的支持，作为一种数据驱动型研究方法，计算社会科学不仅能帮助我们收集和处理大量的公共数据，同时还能帮助我们发现新的洞见，为社会公共问题的解决找到新的思路。

计算社会科学在公共治理领域的应用一般可以从两方面展开：一方面，计算社会科学通过对大量数据资料的分析可以连续不断地为公共决策提供支持；另一方面，很多数据本身就是公共资源，政府开放大量非涉密的数据，不仅可以促进数据产业的发展，还可以让诸如企业这样的非政府机构和组织充分利用这些数据提供公共服务。例如，如果在城市地图上标出公共厕所的位置，人们尤其是那些到某个城市旅游的人们通过手机地图定位自己当前的位置，可迅速确定离自己最近的公共厕所在哪里，由此可极大地方便人们的生活。当然，前提是数据必须准确，否则会给人们增加更大的麻烦。就这种基本的公共服务而言，政府可以提供实时更新的数据，具体的应用可以让企业来开发和提供。

目前，国外已有很多把大数据应用到公共领域的例子。吴湛微和禹卫华对国外的大数据应用案例做了调查和分析。他们指出，国外的学术界和管理部门近年来发起的一项大数据社会福祉运动（big data for good）旨在将大数据与社会治理相结合，应对现代社会中的一些复杂问题。[13]他们收集了大量关于大数据在社会治理领域的应用案例，并对筛选的案例进行分类处理，发现国外的大数据应用主要涉及社会安全、开放数据接口、城市建设、社会保障、儿童与教育、就业与创业、环境与可持续等几个方面。其中，社会安全主要包括治安、消防、食品安全、交通和灾害等方面；城市建设主要是公共设施的规划和维护，比如消防栓的位置；社会保障方面，旨在用大数据发现那些需要被帮助的对象，这与我国近年来提出的精准扶贫理念不谋而合；环境与可持续方面，旨在通过传感器识别和排查污染和耗能高的地区，以便发现和早期介入。总之，计算社会科学在公共治理领域具有广泛的应用前景。

随着我国科学技术的进步，国内已经出现一些大数据和计算社会科学的应用案例。据报道，我国的三峡库区水环境风险评估和预警就使用了大数据和高性能计算技术，实现了数据的自动收集、分析和处理。另外，也出现了专门通过大数据提供服务的企业，比如中国公路物流互联网企业货车帮通过大数据分析为货车司机提供服务，有效减少了货车空运的比率。总之，计算社会科学的发展将推动大数据产业的兴起，并由此提升国家的公共服务和公共治理能力。

5 结论

计算社会科学旨在“收集和分析大规模数据以便揭示个人和群体的行为模式，”[2]从而更进一步地为一些社会公共难题找到解决的途径和方法。作为一种探索性研究方法的计算社会科学，与理论研究方法和实证主义研究方法分别处于研究过程的不同阶段上或不同层面上，它们并不能相互取代，而是互为补充的关系，每一种研究方法都有其独特的作用。一个完整的研究过程是探索性研究、理论研究和实证研究依次递进的关系。计算社会科学的作用主要是发现问题，找到那些人们用传统的研究方法无法找到的事物之间的相关关系，换句话说，就是帮助我们发现何处存在问题，并找到一种新的看待某个问题的框架和视角。从增加知识的角度来看，计算社会科学提供的还不是完整意义上的知识，而是碎片化的知识或洞见。这些知识和洞见还需要进一步的归纳和整理。因此要更好地理解社会现象并提出对实践有指导意义的知识，就需要在计算社会科学研究方法找到的相关关系基础上，进一步寻求客观事物或现象之间的因果关系，从而进一步提出理论或模型。计算社会科学的特点主要表现在以下几个方面：首先，它是一种探索性研究方法；其次，它是一种以相关关系的发现为核心的研究方法；再次它是一种非介入性研究方法；复次，它是一种大数据和高维数据分析方法；最后，它是一门综合性和应用型交叉学科。计算社会科学在公共治理领域具有广泛的应用前景，它的发展将推动大数据产业的兴起，并由此提升国家的公共服务和公共治理能力。

参考文献

[1] R.Conte et al.. Manifesto of computational social science[J]. The European Physical Journal. 2012(special topics):325-346

[2] David Lazer et al.. Computational social science[J]. Science, 2009(February):721-723

[3] Winter Mason et al.. Computational social science and social computing[J]. Machine Learning, 2014(3):257-260

[4] Computational Social Science Conference[EB/OL]. http://compsocsci.eu/, 2016-05-01

[5] Computational Social Science Summit[EB/OL]. http://www.kellogg.northwestern.edu/news-events/conference/csss/2015.aspx, http://www.kellogg.northwestern.edu/news-events/conference/ic2s2/2016.aspx, 2016-05-01

[6] 罗玮，罗教讲.新计算社会学：大数据时代的社会学研究[J].社会学研究，2015（3）：222-241

[7] The Computational Social Science Society of the Americans[EB/OL]. https://computationalsocialscience.org/, 2016-05-01

[8] Fei Wang et al.. Gest editorial: special issue of data mining technologies for computational social science[J]. Data Mining and Knowledge Discovery, 2012(3):415-419

[9] Rob Kitchin. Big data, new epistemology and paradigm shifts[J]. Big Data and Society, 2014(April-June):1-12

[10] 贾根良.演化经济学导论[M].北京：中国人民大学出版社，2015:27

[11] Markus Strohmaier, Claudia Wagner. Computational social science for the world wide web[J]. IEEE Internet Systems, 2014(September/October):84-88

[12] Ray M.Chang et al.. Understanding the paradigm shift to computational social science in the presence of big data[J]. Decision Support System, 2014(July):67-80

[13] 吴湛微，禹卫华.大数据如何改善社会治理：国外“大数据社会福祉”运动的案例分析和借鉴[J].中国行政管理，2016（1）：118-121

来源：《东南传播》