計算社會科學促進社會科學研究轉型

孟小峰 張 祎

一、計算社會科學的發展

計算社會科學誕生于大數據背景之下。在后工業化時代，復雜性社會問題十分嚴峻且難于預測和處理。傳統的問卷調查和訪談等方式已經無法為當前復雜社會系統的管控提供指導。但是，大數據時代卻使“我們的社會開啟了一場可與印刷和互聯網帶來的革命相比肩的偉大旅程”[注][美] 阿萊克斯·彭特蘭：《智慧社會》，汪小帆、汪容譯，浙江人民出版社2015年版，第19頁。。

2009年，David Lazer等社會科學家、Alex Pentland等計算機科學家、Albert-László Barabási等物理學家，共計15位學者在《科學》上發表了題為“Computational Social Science”[注]David Lazer,Alex Pentland,Lada Adamic,et al.,“Computational Social Science”,Science,Vol.323,No.1,2009.的文章，成為計算社會科學成立的標志。2012年，歐洲學者R.Conte等人發表了《計算社會科學宣言》(Manifesto of Computational Social Science[注]R.Conte,N.Gilbertm,G.Bonelli,et al.,“Manifesto of Computational Social Science”,The European Physical Journal Special Topics,Vol.214,No.1,2012.)，從機遇、技術、方法、挑戰以及將會產生的影響五個方面詳細分析了計算社會科學的現狀及前景，該文章也被稱為計算社會科學領域的“宣言”。

計算社會科學[注]孟小峰、李勇、祝建華：《社會計算：大數據時代的機遇與挑戰》，《計算機研究與發展》2013年第12期。是基于系統科學、網絡科學、復雜性科學等科學理論，利用人工智能、數據挖掘等計算科學方法，以社會、經濟等領域大數據作為研究對象，交叉融合各學科理論，是人類更深入地認識社會、改造社會，解決政治、經濟、文化等領域復雜社會問題的一種理論和方法論體系。有學者認為，計算社會科學是用社會化方法計算社會[注]孟小峰、余力：《用社會化方法計算社會》，《中國計算機學會通訊》2011年第12期。。具體包括兩個含義：一方面是“社會化方法”，即以草根用戶為中心、依靠草根用戶的用戶化方法；另一方面則是“為社會計算”，即計算社會科學的研究與服務對象是社會，包括虛擬網絡和現實社會，以及從中抽象出來的人工社會。

綜上，從交叉學科的角度來看，本文認為，計算社會科學是一門基于社會學原理，使用自然科學和信息科學工具，揭示社會發展規律，從而解決社會問題的學科。19世紀末，該學科作為獨立學科首次出現。這是對工業化挑戰所做出的回應。在大數據浪潮之下，學科人才培養體系和就業形勢也急劇變化。該變化的本質其實就是學科和學科之間的“世界大戰”。戰爭的目的，就是為了搶奪殖民地，即其他學科的數據。

這也是我們看到計算機、數學、物理等學科似乎正在“入侵”社會科學、生物學、地理學等學科的原因所在。究其根本，則是因為“數據”是一個學科是否成熟的標志。對于物理學而言，1600年出現的望遠鏡及開普勒行星運動三大定律成就了占星術到天體物理學的華麗轉身；在化學領域，1867年新出現的各種化學儀器和門捷列夫元素周期表在原有煉金術的基礎上推動了“分析化學”的誕生；就生物學來看，1953年的X射線衍射和DNA結構發現推動人類從實驗生物學時代進入分子生物學時代。同理，隨著互聯網的不斷發展和大規模人類活動定律的提出，“當代”社會學、政治學、經濟學等逐漸催生了新的學科——計算社會科學。

但隨著信息技術的發展，數據產生方式以及數據本身的特征都已經發生轉變。其中，數據產生方式可以劃分為三個階段。第一階段是數據源被動產生的運營式系統，其數據規范、有秩序，更強調數據的一致性；第二階段是數據源主動產生的互聯網系統，其數據結構復雜、無秩序，不強調數據的一致性或只強調弱一致性；第三階段是數據源自動產生的感知式系統，其數據呈現多源異構、分布廣泛和動態演化等特點。同樣，數據特征也在“粒度”、“廣度”和“密度”三個方面發生了轉變。

未來二三十年的人類社會將演變為智能社會，而萬物互聯的物聯網正是智能社會的重要技術基礎。所謂智能社會，不是以一般勞動力為中心的社會，智能機器人、無人駕駛汽車等智能應用會大規模使用。在2019年的達沃斯論壇上，日本首相安倍晉三首次面向國際社會公開“社會5.0”(Society 5.0)的涵義，并闡釋了六大領域的超智能化系統：無人機送貨，AI家電普及，智能醫療與監護，智能化、自動化產業，智能化經營，以及全自動駕駛，而構筑智能社會的核心技術在于“計算社會科學”。從當下的大數據時代邁入未來的萬物互聯時代，計算社會科學面臨哪些挑戰？又將如何實現這些挑戰的機遇化？為了充分利用萬物互聯時代的技術基礎，計算社會科學又將如何變革？

二、計算社會科學中的數據挑戰

在大數據時代，基于大量數據資源和更為成熟的信息科學技術，計算社會科學迎來了更好的發展機遇。大數據分析將更有助于知識獲取、方法論改進和實踐應用；同時，計算社會科學中的社會學專業知識將賦予大數據新的方向和靈魂，從而實現社會科學反哺信息科學。但是，計算社會科學要真正把握這些機遇，就需充分發揮社會科學和信息科學的優勢，將大數據融合、大數據治理、大數據隱私、數據透明和人機悖論等新挑戰轉化為新機遇。

(一)計算社會科學中的大數據融合

隨著數據產生方式從被動到主動再到自動的轉變，當前數據呈現多源異構、分布廣泛和動態演化等特征，數據的關聯、交叉和融合更為迫切。大數據應用的首要目標是價值挖掘。而“大數據價值鏈”[注]孟小峰、杜治娟：《大數據融合研究：問題與挑戰》，《計算機研究與發展》2016年第2期。則反映了大數據中所含價值的產生過程。具體而言，其是一個“離散數據→集成化數據→知識理解→普適機理凝練→解釋客觀現象、回歸自然”的螺旋式上升過程，每個環節都是大數據的一次增值。

單個數據源的價值有限，要進一步實現價值提升，就必須進行數據融合。相應實現大數據價值鏈的工具是“大數據融合”。作為大數據背景下的數據處理手段，“大數據融合”[注]孟小峰、杜治娟：《大數據融合研究：問題與挑戰》，《計算機研究與發展》2016年第2期。用于從大數據中發現知識，并按照知識的語義邏輯關聯融合形成更接近人類思維的知識，是一種數據融合與知識融合雙環驅動的大數據價值發現方法。

大數據融合的獨特性與問題包括：第一，割裂的多源異構數據，如生物領域的基因組、蛋白質和文獻等；第二，數據規模與數據價值之間的矛盾，即相關數據越多，可挖掘的知識越多，數據價值就越高，但相應數據挖掘的難度卻會更大；第三，跨媒體、跨語言的關聯，如圖片、音視頻與文本數據的關聯；第四，實體和關系的動態演化，如學者更換其所在單位；第四，知識的隱含性，如學者之間的“合作”關系可能暗含“師生”關系。

(二)計算社會科學中的大數據治理

計算社會科學是一門因數據而生的學科。正如在“大數據融合”挑戰中所闡釋的那樣，要真正從多元異構、價值不一的數據中提取信息，并進一步轉化為知識，就需在傳統數據分析工具的基礎上進一步改進，運用大數據融合相關技術。但數據從產生到處理，到存儲，到進一步價值提升，再到最終應用等都會面臨數據產權等一系列相關問題，而“數據治理”則旨在解決這一系列數據挑戰。

“治理”(Governance)一詞最早起源于拉丁文“掌舵”(Steering)，起初用于“政府治理”。后受到企業認同和重視，出現了“企業治理”。隨著IT資源和數據資源的不斷豐富，出現了“IT治理”和“數據治理”的概念。而“大數據治理”則是“數據治理”的延伸，同時又具有其獨特性。Sunil Sores認為，“大數據治理是廣義信息治理計劃的一部分，即制定與大數據有關的數據優化、隱私保護與數據變現的政策”[注][美] 桑尼爾·索雷斯：《大數據治理》，匡斌譯，清華大學出版社2014年版，第4頁。。但正如信息安全領域經典的“七分靠管理，三分靠技術”所言，本文認為，“大數據治理”不應該僅僅具有政策內涵，還應包括相關技術手段。這里的大數據治理挑戰具體包括數據獲取，數據共享，數據發布，數據權利、責任、角色和風險，利益相關者，以及外部影響六個方面[注]Christine L.Borgman,Big Data,Little Data,No Data:Scholarship in the Networked World,The MIT Press,2015,pp.271-288.。

第一，即使是在大數據時代，數據也并非無源之水。數據獲取需要大量社會資源的持續投入。第二，數據源價值提升的重要途徑是建立在“數據共享”基礎上的數據融合，而數據共享在制度和技術方面尚未成熟。第三，數據既沒有專利完善的保護措施，也沒有論文成熟的發表機制，因此在發布方面存在數據投資、保存和應用的制度和技術問題。第四，當數據成為重要資源，產學研政企各界都開始圍繞數據展開價值挖掘活動。但如何將數據所有權、使用權、許可權等權利，數據維護和監督等責任，以及數據泄露和數據不完整等帶來的一系列風險分配給不同角色依舊懸而未決。第五，數據的利益相關者包括企業、高校、科研機構、學者、學生、圖書館、博物館、出版商、資助機構以及政府單位等。如何在不同利益相關者之間分配數據采集和繁雜的數據監護[注]Philip Lord and Alison Macdonald,“E-Science Curation Report:Data Curation for E-Science in the UK:An Audit to Establish Requirements for Future Curation and Provision”,Digital Archiving Consultancy Limited,2003.任務，并進一步構建大數據時代的人才基礎設施有待進一步研究。第六，從產生到投入實踐，數據面臨的外部影響主要包括經濟與數據價值、數據產權和倫理觀三個方面的問題。

綜上，為了在充分挖掘數據價值的同時，尊重數據相關權利，從而促進科學研究進步，推動社會向前發展，在產學研政企等利益相關者之間建立合作共贏的數據共享模式、制定合理的規章制度非常必要。同時，需要推動相關技術向前發展。唯有此，才能在降低信息泄露風險的同時，又保留數據價值。

(三)計算社會科學中的大數據隱私

數據的獲取和運用過程中，必然會帶來隱私問題。與傳統隱私問題相比，大數據隱私問題的來源和波及范圍更廣，相應產生的影響也更為深遠。按照數據類型，可以將大數據隱私問題來源分為三種：金融、醫療健康、出行、移動通信、電子商務、各類網站注冊登錄、交通、可穿戴設備、智能家居、智能手機、智能汽車和智能電網等大量生成數值型數據；上網行為、電子閱讀器和電子郵件等主要產生文本型數據；而監控、生物體特征和各式社交網絡則大量包含圖像和音視頻型數據。

大數據隱私面臨的問題主要表現為個人數據利用與挖掘的無度、暗地和不透明，主要包括四種現象：第一，以無處不在的攝像頭、移動設備和智能家居等為代表的大規模數據采集問題；第二，以數據服務公司、行業數據關聯和企業數據關聯等為代表的大規模數據關聯交易；第三，以用戶畫像、精準營銷和精準醫療為代表的大規模數據分析；第四，大規模數據跨境流通問題。

除此之外，大數據隱私與現實社會需求之間出現了新的矛盾。第一個是大數據隱私與決策可解釋性之間的矛盾。一方面，為了保證決策可解釋性，就必須保證數據的準確性，這樣很容易出現隱私泄露問題；但另一方面，要保護隱私，就一定會導致數據準確性降低，決策可解釋性隨之降低。因此，如何在大數據隱私和決策可解釋性之間達到良好平衡，是一個亟待解決的問題。第二個則是隱私保護與大規模數據泄露之間的矛盾。Facebook數據泄露等事件一再出現，在這樣大規模數據泄露的背景之下，實現隱私保護是否真的現實，在未來會不會演變為No Privacy？

(四)計算社會科學的數據透明

當大規模數據泄露不斷出現，隱私保護已不再現實，數據透明就成為合理運用數據的保證。因為其保證了數據利益相關者對數據的知情權等權利。普渡大學Elisa Bertino教授認為，數據透明指能有效獲取對象在產生、處理及決策過程中涉及到的全部數據信息的一種能力。以數據透明為基礎，可以建立和完善數據獲取和應用的問責機制、實現用戶控制。以數據生命周期為標準，可以將數據透明分為獲取透明、流通透明、使用透明和刪除透明。其中，獲取透明指基于訪問控制的數據收集；流通透明指基于區塊鏈的數據共享和交易；使用透明包括算法透明和可驗證性計算；而刪除透明則包含了覆蓋刪除和密碼學刪除。

(五)計算社會科學中的人機悖論

計算社會科學是自然科學和社會科學的紐帶，更是計算機技術應用于實踐的橋梁。那么，計算機技術的自動化具體可以在多大程度上替代人工？如何綜合考慮將自動和人工結合起來，依舊是一個現實問題。另一方面，就計算機通過人工智能所帶來的自動化而言，依舊存在“實現智能過程非智能的問題”，即實現機器學習等人工智能的手段依舊大量依靠人工。在一個機器學習系統中[注]D.Sculley,G.Holt,D.Golovin,et al.,“Hidden Technical Debt in Machine Learning Systems”,Advances in Neural Information Processing Systems,2015.，真正的機器學習代碼僅占很小一部分，而大部分工作都消耗在環境配置、數據采集、數據驗證、機器學習資源管理、特征提取、過程管理工具、分析工具、服務基礎設施和監測上。

結合計算社會科學領域本身的“社會+技術”特點，本文認為，將上述挑戰轉換為機遇的關鍵在于“制度+技術”：一方面，從制度出發，滿足各利益相關者的數據所有權、使用權和許可權等合法權益，從而均衡各方收益；另一方面，以技術發展為根本動力來推動數據價值的深度挖掘。

三、計算社會科學與科學研究范式轉移

(一)計算社會科學與四大科學研究范式

計算社會科學是一門典型的交叉學科，它以前所未有的廣度、深度和規模大量收集和分析數據，并通過計算建模的方法實現人機交互等社會-技術系統的行為預測，是科學研究范式從實驗科學、理論科學發展到計算科學、探索科學的產物。

在人類認知史上，隨著新生事物和工具的持續涌現，相應科學研究范式也在一次次轉型中不斷發展[注]Tony Hey,Stewart Tansley and Kristin Tolle,The Fourth Paradigm:Data-Intensive Scientific Discovery,Microsoft Research,2009.：以觀察和實驗描述自然規律的實驗科學，被稱為第一范式；當實驗條件不具備時，通過模型簡化和演算得到結論的研究范式，稱為第二范式，即理論科學；隨著電子計算機的出現，人們開始利用其對科學實驗進行模擬仿真，從而產生了與第三范式相對應的“計算科學”。在海量數據出現之后，科學研究不再需要模型和假設，而是利用超級計算能力直接分析海量數據，進而發現相關關系，獲得新知識。由此，便產生了“數據密集型科學”，即第四范式。

Runkel和McGrath[注]P.J.Runkel and J.E.McGrath,Research on Human Behavior:A Systematic Guide to Method,New York,1972.依據社會科學研究活動中所施加干擾(Obtrusive)的多少和研究結果的普適性(Universal)，將社會科學研究方法分為三類：第一類強調研究活動的實踐性(Realism)，如田野實驗和田野研究。這類研究方法對應的研究活動圍繞研究對象本身展開，因此研究活動中的干擾因素較多，適應范圍也相對有限。第二類強調實驗結果的概括性(Generality)，如抽樣調查和形式化推理。這類研究方法施加的干擾性因素較少，而相應實驗結果則具有更強普適性。第三類強調研究對象的可控性(Control)，如實驗室實驗和模擬實驗。這類研究方法施加的干擾因素較多，對應結果的普適性取決于相應假設前提。與實驗室實驗相比，模擬實驗的普適性更強。上述三類研究方法分別對應于科學研究范式中的第一、二、三類研究范式，即實驗科學、理論科學和計算科學。這三種研究范式雖然都有社會科學的理論積淀，但均無法在干擾性和普適性兩方面達到平衡。

隨著大數據時代的到來，Jim Gray從天文學領域研究中總結抽象，提出第四范式[注]Tony Hey,Stewart Tansley and Kristin Tolle,The Fourth Paradigm:Data-Intensive Scientific Discovery,Microsoft Research,2009,p.xvii.，即科學研究不再需要模型和假設，而是利用超級計算能力直接分析海量數據發現相關關系，獲得新知識。相應地，社會科學研究也從第四范式中受益，對應研究方法也發生了新的變革。大數據的出現極大降低了數據獲取成本，使用數據挖掘和機器學習等方法從大規模行為數據中提取的信息可以滿足原有田野類研究的信息需求，模糊了其與實驗室類研究之間的區別，從而降低傳統田野類研究對研究對象所施加的干擾；同時，以整個社會為單位的規模樣本使得大數據時代的田野類研究具有極強普適性。故而，由于受到第四范式和大數據時代的影響，社會科學研究可以在干擾性和普適性兩個維度上達到較好的平衡，并得到進一步發展。

(二)計算社會科學的方法論挑戰

現有四大科學研究范式受自然科學的啟發而誕生，但在提出之后卻同時推動了社會科學的發展。處于自然科學和社會科學之間的計算社會科學也受益于四大科學研究范式。但是，社會科學和自然科學的研究對象具有本質差異：前者面向人，后者面向物；前者是精神世界，后者是物質世界。從學科分類體系來看，自然科學是類型邏輯思維，社會科學是總體邏輯思維。類型邏輯思維認為應該重點關注典型對象，只要理解了典型對象的規律，就可以將其概括并推廣到個體和具體問題。總體邏輯思維關注獨立各異個案的整體分布，社會科學認為變異是社會現實的本質，社會學家的工作就是從變異中尋求規律，以經驗為基礎，以量化為導向，去概括總體變異的系統模式。社會科學的量化無法挖掘出普適規律來描述和解釋所有個體行為。因此，實證主義等社會科學向自然科學看齊的研究方法，并不能從根本上適應社會科學。

實踐證明，將自然科學的研究方法應用在社會科學領域確實會出現一定偏差。這種現象出現的根本原因在于，社會系統的復雜性遠遠高于自然系統。預測的前提是準確描述。但是，現有數據在粒度、廣度和密度上的感知能力尚不足以完成社會系統這種“復雜巨系統”[注]錢學森、于景元、戴汝為：《一個科學新領域——開放的復雜巨系統及其方法論》，《自然雜志》1990年第1期。的處理任務。傳統社會科學解決該問題的方法是理論假設，如經濟學領域的理性人假設。但是，現實社會中的人往往會受到人際關系等其他因素的影響。因此，傳統社會科學的理論假設與現實世界存在較大偏差。相對而言，自然科學的部分理論就可以比較準確地描述現實世界，并且能對一些現象進行合理誤差范圍內的預測，如經典力學中的牛頓運動定律。

因此，計算社會科學，尤其是社會科學，需要在方法論上進行革新。20世紀90年代，Holand教授從遺傳算法的角度出發提出基于主體的建模(Agent-Based Modeling，ABM)思想。該思想首先被用于觀察和研究經濟系統，并迅速引起各領域的廣泛關注和響應[注]陳禹：《復雜性研究的新動向——基于主體的建模方法及其啟迪》，《系統辯證學報》2003年第1期。。之后，Holand依據該思想提出“適應性創造復雜性”[注]John H.Holland,“Hidden Order:How Adaption Builds Complexity”,Basic Books,1996.這一革命性命題，被認為找到了研究社會科學的一把鑰匙。但進入二十一世紀之后，該思想似乎已經沉寂。其中的主要原因還是主體的規則封裝尚未完善，具體既包括主體及其行為的刻畫，也包括數據問題。隨著技術水平的不斷發展，計算社會科學能否把握機遇，實現新一輪的方法論革新？

(三)科學研究范式轉移的新機遇

計算社會科學從誕生到進一步發展的成長過程曾受惠于四大科學研究范式。但是，由于自然科學與社會科學在研究對象、邏輯思維以及現實復雜性等方面存在本質區別，計算社會科學面臨的方法論挑戰日益嚴峻。那么，當下的計算社會科學能否實現新一輪的方法論革新，并將其上升為新型科學研究范式，實現科學研究范式轉移，進而惠及其他交叉學科，乃至自然科學？答案是肯定的。后大數據時代的計算模式將成為未來社會的重要基礎設施；智能萬物互聯的信息技術將以更加豐富的方式描述現實世界，從而推動社會學等領域的專家學者更加了解人類賴以生存的社會系統；中國的城市化、網絡化等發展趨勢與萬物互聯天然契合，將有望成為實現科學研究范式轉移的沃土。

后大數據時代的計算模式發展趨勢將為科學研究范式轉移奠定基礎。從計算機技術發展的歷程來看，計算模式每15年就會發生一次重大變革。1950年，首臺計算機出現；1965年，大型機進入人們視野；1980年，個人電腦開始普及；1995年，互聯網創造了“地球村”；2010年，云計算與大數據重新定義數據價值；2015年，“智能萬物互聯”的概念被提出。如果將個人電腦看作“PC時代”的技術載體，那互聯網便奠定了后PC時代的技術基礎。同理，云計算與大數據技術推動形成了如火如荼的大數據時代，而智能萬物互聯技術將與“后大數據時代”息息相關。大規模數據已經在大數據時代成就了第四科學研究范式，而后大數據時代也將奠定科學研究范式轉移的新基礎。

智能萬物互聯的信息技術發展趨勢將為科學研究范式轉移提供動力。已有四大科學研究范式分別強調觀察實驗、模型演算、模擬仿真和數據密集。而萬物互聯時代將通過更為完善的數據采集系統，真正實現物理世界和虛擬世界的連接[注]孟小峰、余力：《用社會化方法計算社會》，《中國計算機學會通訊》2011年第12期。。同時，基于萬物互聯，科學家們可以更好地對現實社會進行度量，從而針對具體人類行為和社會現象實現更為完善的量化機制，奠定準確描述現實世界的基礎。此外，隨著AR等技術的不斷發展，人機交互方式更加豐富。智能萬物互聯時代帶來的信息技術發展，將進一步推動以社會學家為代表的科研工作者更加了解人和社會。

以城市化為中心的中國社會發展趨勢將為科學研究范式轉移厚植沃土。在網絡化和虛擬化技術的推動之下，中國社會[注]劉鶴：《中國未來的趨勢》，《紅旗文摘》2017年第3期。隨之呈現出城市化、國際化、工業化、市場化和扁平化等新的發展趨勢。這種社會發展趨勢恰好與萬物互聯技術的“連接”特征相一致。雄安新區規劃和“一帶一路”建設等正是中國社會與萬物互聯技術充分融合的勇敢嘗試。因此，根植于中國社會發展的沃土，基于后大數據時代的計算模式，充分發揮智能萬物互聯信息技術的推動作用，以社會學家為代表的學者可以更好地描述現實世界，從而奠定計算社會科學，尤其是社會科學方法論革新的基礎。

那么，當技術和社會背景同時發生變革，誕生于技術和社會交織發展背景下的計算社會科學應當如何化挑戰為機遇？又應當如何充分利用智能萬物互聯技術，結合中國社會發展趨勢，在后大數據時代迎來新的發展階段？

一方面，計算社會科學應當充分把握與生俱來的技術和社會優勢，在“技術推動社會發展，社會豐富技術內涵”的相輔相成機制中獲得進一步發展。在未來萬物互聯和以城市化為中心的中國社會，社會科學將不再一味地依賴信息技術的發展。這里以萬物互聯的重要技術基礎5G為例進行闡釋。近來，5G技術的發展及其作用已經被過分夸大。但科學技術的超前研究并不意味著社會需求的產生。由于5G本身豐富的內涵尚未清晰定義，而其內涵的發生還需要更多社會需求的到來。也就是說，真正將5G技術應用到社會實踐中還需要經歷更漫長的時期。所以，5G的未來發展不是帶寬問題，而是內涵問題。但是，計算機信息技術只能滿足帶寬需求。因此，只有依靠社會科學，5G的內涵才能進一步得以豐富。故而，未來的社會科學與信息科技將可能在“技術推動社會發展，社會豐富技術內涵”的相輔相成機制中進一步發展。

另一方面，計算社會科學不應當一味向自然科學看齊，而是基于對現實世界的準確描述，構建自己的理論框架，形成自己的方法論。基于前述內容，我們有理由相信如果充分利用萬物互聯時代的技術優勢，同時從社會背景和現實需求出發進一步豐富萬物互聯的技術內涵，進而使社會和技術相互促進，以社會科學家為代表的學者們才可能提出真正植根于社會科學的第五科學研究范式。新的研究范式將以大量社會科學活動為積淀，旨在挖掘新社會需求，豐富新技術內涵，在促進交叉學科研究的同時，推動社會前進。

結 語

本文以計算社會科學為中心，以后大數據時代為基礎，以智能萬物互聯為動力，以城市化等為背景，基于計算社會科學的發展歷史，認為計算社會科學是一門基于社會學原理，使用自然科學和信息科學工具，揭示社會現象，解決社會問題的學科。

計算社會科學在大數據背景下既迎來發展機遇，也面臨新的挑戰。主要表現在大數據融合、大數據治理、大數據隱私、數據透明和人機悖論五個方面。結合計算社會科學領域本身的“社會+技術”特點，本文認為，將上述挑戰轉換為機遇的關鍵在于“制度+技術”：一方面，從制度出發，滿足各利益相關者的數據所有權、使用權和許可權等合法權益，從而均衡各方收益；另一方面，以技術發展為根本動力來推動數據價值的深度挖掘。

要從根本上順應技術和社會趨勢，實現上述挑戰到機遇的華麗轉身，完成計算社會科學的方法論革新，就必須完成科學研究范式轉移。后大數據時代的計算模式發展趨勢將為科學研究范式轉移奠定基礎；智能萬物互聯的信息技術發展趨勢將為科學研究范式轉移提供動力；以城市化為中心的中國社會發展趨勢將為科學研究范式轉移厚植沃土。與已有基于自然科學的四種科學研究范式不同，計算社會科學領域將有可能在“技術推動社會發展，社會豐富技術內涵”的相輔相成機制中，以大量社會科學活動為積淀，挖掘新社會需求，豐富新技術內涵，從而形成根植于社會科學的第五科學研究范式。