大數(shù)據(jù)推動(dòng)社會(huì)科學(xué)研究深挖潛力(2)_數(shù)據(jù)分析師

例如，社會(huì)分層是當(dāng)代社會(huì)科學(xué)領(lǐng)域的重要概念?；诔闃诱{(diào)查數(shù)據(jù)的大量經(jīng)驗(yàn)研究表明，主觀社會(huì)地位受到客觀社會(huì)地位以及相對(duì)參照群體的決定性影響。同時(shí)，跨國研究也表明，經(jīng)濟(jì)不平等對(duì)人們的自我階層定位也有影響。新近利用大數(shù)據(jù)的研究則基于谷歌圖書語料庫811萬本英語書籍、8000億個(gè)單詞的大數(shù)據(jù)，提取計(jì)算了一百年來美國書籍中階級(jí)詞匯的出現(xiàn)頻率，以此來測量美國公眾對(duì)階層的關(guān)注程度。而對(duì)階層關(guān)注度和美國社會(huì)百年失業(yè)率、通貨膨脹、基尼系數(shù)等指標(biāo)的格蘭杰時(shí)間序列分析表明，在市場經(jīng)濟(jì)發(fā)達(dá)的美國，代表通貨膨脹率和失業(yè)率之和的“經(jīng)濟(jì)悲慘指數(shù)”（Economic Misery）影響著階層關(guān)注度，而基尼系數(shù)卻沒有統(tǒng)計(jì)顯著的影響。這意味著，不平等對(duì)于階層意識(shí)的作用很可能存在一種閥域效應(yīng)：當(dāng)社會(huì)不平等高于一定的閥值時(shí)，不平等才會(huì)對(duì)階層意識(shí)產(chǎn)生作用；而當(dāng)?shù)陀陂y值時(shí)，是經(jīng)濟(jì)景氣程度在影響著階層關(guān)注度。

　　或緩解定量與定性之間的分歧

　　定量研究與定性研究是兩種不同取向的研究策略，其背后蘊(yùn)含著本體論、認(rèn)識(shí)論和方法論上的差異。定量研究者和定性研究者常常相互指責(zé)對(duì)方的局限性，然而大數(shù)據(jù)的出現(xiàn)為他們提供的數(shù)據(jù)規(guī)模和全新的數(shù)據(jù)特征，在某種程度上可能會(huì)緩解分歧，甚至重構(gòu)兩者的關(guān)系。對(duì)定性研究者而言，大數(shù)據(jù)可以通過海量規(guī)模的樣本直接展示和發(fā)現(xiàn)出社會(huì)現(xiàn)象的規(guī)律，既不需要控制變量來檢驗(yàn)關(guān)聯(lián)，更避免了定性方法在案例選擇方面的樣本偏差。此外，大數(shù)據(jù)可以為定性研究提供既全新又不會(huì)過于復(fù)雜的研究思維，讓檢索和數(shù)據(jù)描述等方法得到普遍應(yīng)用。

　　對(duì)于定量研究者而言，目前的可用大數(shù)據(jù)往往并非專門為回歸分析而設(shè)計(jì)，因此依據(jù)大數(shù)據(jù)很難進(jìn)行傳統(tǒng)意義上的回歸分析和因果推斷。但由于數(shù)據(jù)的海量甚至全樣本的性質(zhì)，一旦把基于大數(shù)據(jù)的簡單關(guān)聯(lián)分析或時(shí)間序列分析結(jié)果與文獻(xiàn)中的傳統(tǒng)回歸分析進(jìn)行比對(duì)，就能形成具有說服力的證據(jù)鏈。同時(shí)，大數(shù)據(jù)也把定量研究者的關(guān)注視野進(jìn)一步開闊，從傳統(tǒng)的定量分析領(lǐng)域向以往較少觸及的文化現(xiàn)象、心理現(xiàn)象等領(lǐng)域拓展，并重新審視“描述”在定量分析中的地位。從某種意義上講，大數(shù)據(jù)的使用使得定性和定量之間出現(xiàn)一個(gè)混合地帶?？梢灶A(yù)見，以描述和簡單回歸分析的大數(shù)據(jù)研究，將進(jìn)一步融合定性定量方法的鴻溝。

　　為學(xué)科融合提供機(jī)遇

　　近代科學(xué)在理性化的指引下不斷提升著專業(yè)化程度，以至于不同學(xué)科之間形成了鮮明的邊界。盡管這種進(jìn)程大大提高了研究效率和學(xué)術(shù)領(lǐng)域內(nèi)的交流評(píng)估質(zhì)量，但也逐漸形成了各自為政的不足。研究者在獲得相當(dāng)?shù)纳疃鹊耐瑫r(shí)，往往失去了對(duì)廣度的把握，并且學(xué)科邊界之間形成了許多空白地帶。而大數(shù)據(jù)則為學(xué)科融合提供了難得的機(jī)遇。這主要是因?yàn)椋髷?shù)據(jù)的獲取和分析，往往需要有別于傳統(tǒng)社會(huì)科學(xué)訓(xùn)練的方法和工具。這使得原本在計(jì)算機(jī)、人工智能甚至物理、數(shù)學(xué)等領(lǐng)域具有專長的學(xué)者，在有意無意中不斷參與到社會(huì)現(xiàn)象的分析隊(duì)伍中來。實(shí)際上，自然科學(xué)家轉(zhuǎn)型為社會(huì)科學(xué)家并非前所未有，如小世界網(wǎng)絡(luò)研究者鄧肯·瓦茲原先就是物理學(xué)家。隨著大數(shù)據(jù)的出現(xiàn)，這樣的轉(zhuǎn)型案例可能會(huì)大大增多。近兩年來，發(fā)表在英文刊物上的基于谷歌圖書、維基百科等大數(shù)據(jù)的語言學(xué)、經(jīng)濟(jì)學(xué)研究論文，大多數(shù)都有計(jì)算機(jī)和自然科學(xué)家加入作者的行列。此外，由于大數(shù)據(jù)為社會(huì)科學(xué)提供了全新的分析對(duì)象，交叉學(xué)科的重要性也越來越被認(rèn)識(shí)?！坝?jì)算社會(huì)科學(xué)”、“應(yīng)用計(jì)算科學(xué)”的方興未艾就是典型的案例。

　　社會(huì)科學(xué)或出現(xiàn)“重返描述”潮流

　　當(dāng)代社會(huì)科學(xué)尤其是定量分析致力于進(jìn)行因果推斷、提供機(jī)制性解釋。由于社會(huì)人的異質(zhì)性，基于非實(shí)驗(yàn)數(shù)據(jù)的定量分析很難避免內(nèi)生性問題（遺漏變量、樣本偏誤、聯(lián)立性等問題）。目前，社會(huì)科學(xué)研究者通過固定效應(yīng)模型、傾向性匹配、工具變量等方法來加以解決以改進(jìn)因果推斷。從現(xiàn)存可用來進(jìn)行社會(huì)科學(xué)分析的大數(shù)據(jù)看，它所能提供的變量有限，因此社會(huì)科學(xué)研究者很難通過大數(shù)據(jù)進(jìn)行變量控制來進(jìn)行傳統(tǒng)的因果推斷。然而，大數(shù)據(jù)的出現(xiàn)對(duì)于學(xué)術(shù)目標(biāo)的進(jìn)一步豐富和發(fā)展卻無疑是深遠(yuǎn)的。首先，基于信息技術(shù)而興起的大數(shù)據(jù)擴(kuò)展了人類的經(jīng)驗(yàn)范圍，從而使得簡單的統(tǒng)計(jì)描述就可以達(dá)到發(fā)現(xiàn)規(guī)律、展示規(guī)律的目的。這使得人們有可能憑借大數(shù)據(jù)而提出理論，而不僅僅是利用抽樣數(shù)據(jù)對(duì)傳統(tǒng)理論和假說進(jìn)行證偽。其次，大數(shù)據(jù)的信息具有在時(shí)空上傳統(tǒng)抽樣數(shù)據(jù)所無法比擬的廣度和深度。在大數(shù)據(jù)時(shí)代，社會(huì)科學(xué)尤其是定量社會(huì)科學(xué)可能在一定程度上將不再單純以進(jìn)行反事實(shí)因果推斷、探求機(jī)制性解釋為主要學(xué)科發(fā)展目標(biāo)，而是出現(xiàn)一種“重返描述”的潮流。