大數(shù)據(jù)時(shí)代人文社會(huì)科學(xué)如何發(fā)展_數(shù)據(jù)分析師

當(dāng)前，科學(xué)數(shù)據(jù)在科學(xué)研究中的作用日益顯著，數(shù)據(jù)密集型知識(shí)發(fā)現(xiàn)方法受到科學(xué)界的普遍關(guān)注：科學(xué)家不僅通過對大量數(shù)據(jù)實(shí)時(shí)、動(dòng)態(tài)地監(jiān)測與分析來解決科學(xué)問題，更基于數(shù)據(jù)來思考、設(shè)計(jì)和實(shí)施科學(xué)研究。數(shù)據(jù)不僅是科學(xué)研究的結(jié)果，且成為科學(xué)研究的基礎(chǔ)；人們不僅關(guān)心數(shù)據(jù)建模、描述、組織、保存、訪問、分析、復(fù)用和建立科學(xué)數(shù)據(jù)基礎(chǔ)設(shè)施，更關(guān)心如何利用泛在網(wǎng)絡(luò)及其內(nèi)在的交互性、開放性，利用海量數(shù)據(jù)的可知識(shí)對象化、可計(jì)算化，構(gòu)造基于數(shù)據(jù)的、開放協(xié)同的研究與創(chuàng)新模式。在人文社會(huì)科學(xué)領(lǐng)域，以“人文計(jì)算”、復(fù)雜網(wǎng)絡(luò)分析、大規(guī)模數(shù)據(jù)分析為特征的研究方法逐漸被采納，人文社會(huì)科學(xué)的“科學(xué)性”顯著增強(qiáng)，而批判性與人文關(guān)懷有所弱化，學(xué)界對此褒貶不一。

 人文社會(huì)科學(xué)研究的數(shù)據(jù)挑戰(zhàn)

    其一，科研資料總量的快速增加給人文社會(huì)科學(xué)學(xué)者帶來了巨大挑戰(zhàn)。2006年，Gregory Crane提出，當(dāng)前人文社會(huì)科學(xué)研究者在自身研究領(lǐng)域都面臨大量文獻(xiàn)資料的處理，這些文獻(xiàn)資料的數(shù)量已經(jīng)大大超越了傳統(tǒng)閱讀能力所能處理的范疇，因而人文社會(huì)科學(xué)學(xué)者也將不得不借助計(jì)算機(jī)來處理完成相關(guān)文獻(xiàn)資料，即“百萬圖書的挑戰(zhàn)（Million Books Challenge）”問題。隨著跨學(xué)科研究趨勢的日益增強(qiáng)，傳統(tǒng)人文科學(xué)和社會(huì)科學(xué)領(lǐng)域引入了大量的計(jì)算機(jī)處理模式和分析方法，各類依托計(jì)算機(jī)存儲(chǔ)媒介數(shù)字學(xué)術(shù)資源的開發(fā)，基于復(fù)雜運(yùn)算和分析的計(jì)算機(jī)模擬與實(shí)證，基于事實(shí)與證據(jù)的商業(yè)預(yù)測與案件證據(jù)推理等研究議題廣泛興起，從根本上改變了人文知識(shí)的獲取、標(biāo)注、比較、取樣、闡釋與表現(xiàn)方式。尤其在語言學(xué)、文學(xué)、歷史學(xué)、文藝學(xué)、民族學(xué)等多個(gè)人文領(lǐng)域取得了引人注目的效果，并組建了專門的科研機(jī)構(gòu)，形成了國際數(shù)字人文機(jī)構(gòu)聯(lián)盟和數(shù)字人文中心網(wǎng)絡(luò)兩大數(shù)字人文研究聯(lián)盟。

    其二，資料的數(shù)字化改變了傳統(tǒng)人文社會(huì)科學(xué)的資料類型，數(shù)字資源的采集、加工和處理對研究成果的獲得作用日益顯著。目前，海量的圖書、報(bào)紙、期刊、照片、繪本、樂曲、視頻等人文資料被數(shù)字化，并在互聯(lián)網(wǎng)上被提供給研究者存取利用。而以“大數(shù)據(jù)”為代表的數(shù)據(jù)資源相對于數(shù)字文本、數(shù)字文獻(xiàn)等數(shù)字信息資源，來源更加廣泛，數(shù)據(jù)粒度更小，記錄單元更加碎片化，結(jié)構(gòu)更加多元化，機(jī)器生成數(shù)據(jù)也顯著多于人工生成數(shù)據(jù)，信息質(zhì)量參差不齊，對資料的匯集、保存和綜合利用更加依賴計(jì)算機(jī)的輔助，人文社會(huì)科學(xué)也越來越需要依賴計(jì)算機(jī)對研究過程的支撐，傳統(tǒng)人文社會(huì)科學(xué)學(xué)者對計(jì)算機(jī)技術(shù)和分析技巧的缺失甚至可能影響人文社會(huì)科學(xué)研究的最終實(shí)現(xiàn)，進(jìn)而將計(jì)算機(jī)分析處理能力延伸為人文社會(huì)科學(xué)研究者科研素養(yǎng)的重要組成部分。

大數(shù)據(jù)與人文社會(huì)科學(xué)研究新思維

    從當(dāng)前數(shù)字人文和人文大數(shù)據(jù)研究情況看，人文及社會(huì)計(jì)算方法與人文社會(huì)科學(xué)研究的融合出現(xiàn)了三類新的研究思維：

    其一，人文社會(huì)科學(xué)開放與全過程研究思維。以往人文社會(huì)科學(xué)研究成果的表現(xiàn)形式為最終成果，再利用主要以文獻(xiàn)引用、轉(zhuǎn)述和評論等為主。而數(shù)字人文研究可記錄人文社會(huì)科學(xué)研究的完整過程，資源化的原始數(shù)據(jù)、中間成果得以立體化應(yīng)用，再利用水平顯著提升。目前，國外以在線實(shí)驗(yàn)室、項(xiàng)目網(wǎng)站、開放數(shù)據(jù)集、項(xiàng)目論壇、項(xiàng)目社會(huì)網(wǎng)絡(luò)為特征的立體開放研究思維普遍確立，可參與性大大增強(qiáng)。

    其二，人文社會(huì)科學(xué)碎片化重組研究思維。大數(shù)據(jù)環(huán)境下，人文社會(huì)科學(xué)研究更加注重片段數(shù)據(jù)、海量數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)的采集、清洗與分析，通過碎片化重組，深度揭示難以處理或無法預(yù)知的科學(xué)問題。比如通過海量自然語言表達(dá)效果觀測公眾的政治參與意識(shí)、通過科學(xué)家的在線時(shí)間與資源下載時(shí)間分布研究科學(xué)家的作息時(shí)間與工作強(qiáng)度等。

    其三，人文社會(huì)科學(xué)計(jì)算分析研究思維。以往人文社會(huì)科學(xué)研究定性研究居多，定量研究也主張采用是非論斷，采納或拒絕某一特定假設(shè)，是采用確定性、因果關(guān)系的研究思維。在大數(shù)據(jù)環(huán)境下，人文社會(huì)科學(xué)研究可采用計(jì)算分析思維，對相關(guān)命題進(jìn)行趨勢分析。

    此外，在上述研究思維體系下，跨學(xué)科協(xié)作、跨平臺(tái)協(xié)作、海量資料加工以及人文社會(huì)科學(xué)的計(jì)算化趨勢日益明顯，并涌現(xiàn)出若干研究取向與熱點(diǎn)問題。

人文社會(huì)科學(xué)大數(shù)據(jù)研究的基本特征

    綜合已有的研究，人文社會(huì)科學(xué)的大數(shù)據(jù)研究具有如下基本特征：

    一是所涉及資料均大大超過一般的閱讀、分析和理解所能處理的范疇，是以往“不可研究”或“難以研究”的，大數(shù)據(jù)分析方法的出現(xiàn)提供了人文社會(huì)科學(xué)研究新的研究空間，提供了新的研究可能。

   二是一般引入計(jì)算分析方法，其結(jié)論并非觀察、思索、領(lǐng)悟等傳統(tǒng)方法獲得，而是通過大量數(shù)據(jù)的匯集而“自動(dòng)涌現(xiàn)”，其理論的獲得不同于傳統(tǒng)人文社會(huì)科學(xué)研究。

    三是均構(gòu)建了可持續(xù)完善和豐富的數(shù)據(jù)集和分析工具，其可用性、共享性、重用性、協(xié)作性大大增強(qiáng)，提供了人文社會(huì)科學(xué)學(xué)者大規(guī)模協(xié)作的可能。

    四是均具有跨學(xué)科特征。數(shù)字人文研究需要匯集專業(yè)領(lǐng)域技能、數(shù)據(jù)管理技能、數(shù)據(jù)分析技能和項(xiàng)目協(xié)作技能，因而這類項(xiàng)目往往由跨度較大的不同學(xué)科的專業(yè)學(xué)者共同完成。

    五是決定研究質(zhì)量的主要是數(shù)據(jù)集的質(zhì)量、數(shù)量和利用方式，而研究假設(shè)相對容易。在某種程度上，數(shù)據(jù)科學(xué)家將成為人文社會(huì)科學(xué)大數(shù)據(jù)研究中的主角。

人文社會(huì)科學(xué)大數(shù)據(jù)研究的隱憂

   雖然以微軟、谷歌、IBM為代表的主流數(shù)據(jù)服務(wù)商都極力推崇數(shù)字化人文社會(huì)科學(xué)研究的美好前景，但其也存在不足： 

    首先，非場景化的研究邏輯缺乏適用性與人文關(guān)懷。由于完全剝離了數(shù)據(jù)所處的具體環(huán)境，數(shù)據(jù)可能生澀，并且缺乏可理解性和適用性。比如商業(yè)分析中的數(shù)據(jù)挖掘，其可用性僅10%左右，并非“一挖就靈”。2012年，加拿大作家史蒂芬·馬爾什在其文章《文學(xué)不是數(shù)據(jù)：反對數(shù)字人文》中也表示，將文學(xué)當(dāng)作數(shù)據(jù)會(huì)失去文學(xué)本身豐富的意蘊(yùn)。 

    其次，人文社會(huì)科學(xué)的大數(shù)據(jù)研究有可能“敏銳地”發(fā)現(xiàn)問題，卻無法給問題合理的解釋，也無法給出有針對性的對策，限制了其應(yīng)用范圍。比如輿情分析、政策計(jì)算、情感計(jì)算的應(yīng)用。 

    再次，數(shù)據(jù)分析的集群研究會(huì)消滅重要的個(gè)體特征，而個(gè)體反而是眾多人文社會(huì)科學(xué)研究關(guān)注的焦點(diǎn)。

    最后，人文社會(huì)科學(xué)大數(shù)據(jù)研究過分關(guān)注技術(shù)分析，可能忽視創(chuàng)新思維和思辨分析，不利于大師級(jí)人文社會(huì)科學(xué)學(xué)者的培養(yǎng)。 

    總之，隨著人文社會(huì)科學(xué)數(shù)據(jù)的快速增長以及大數(shù)據(jù)分析技術(shù)的日益完善，人文社會(huì)科學(xué)的大數(shù)據(jù)研究必然會(huì)成為人文社會(huì)科學(xué)的主流領(lǐng)域，但不會(huì)替代現(xiàn)有的人文社會(huì)科學(xué)研究，而是相互補(bǔ)充，相得益彰。