在線社交網絡控制實驗的現狀與展望

金誠，江婷君，閔勇*，金小剛，葛瀅，常杰

（1.浙江工業大學計算機科學與技術學院，浙江杭州310023；2.騰訊科技（深圳）有限公司，廣東深圳518057；3.浙江大學計算機科學與技術學院，浙江杭州310027；4.浙江大學生命科學學院，浙江杭州310058）

1 在線社交網絡的機遇與挑戰

在線社交網絡是一種具有多功能服務的數字交互社區[1]。在當今社會，在線社交網絡已成為觀點、信息、行為和文化傳播的主要載體[2-7]。至今，大規模在線社交網絡（如微博、微信以及Twitter、Facebook 等）已經形成了一個個獨立的生態系統，擁有其獨特的超空間結構屬性和動力學行為[8-11]。這些生態系統對信息傳播、群體行為、制度創新以及社會治理產生重大影響[1]。隨著移動通信設備和移動網絡的發展，在線社交網絡的觸角已經深入人們的日常生產和生活，從而成為現代社會的基礎核心組件之一。然而，由于在線社交網絡展現出的獨特性質，分析在線社交網絡形成和變化中的因果關系和機制成為計算機科學和社會學共同面對的一項巨大挑戰[12]。

與傳統的線下社交網絡相比，在線社交網絡具有4項特性。(1)在線社交網絡呈現高度的“自組織”性。在線社交網絡的基礎是用戶及其自生產內容（usergenerated content）和基于個體間交互的傳播模式，使得在線社交網絡本質上是一個去中心化的自組織系統[13]。(2)在線社交網絡擁有更高的連接密度和強度。有研究表明，在線社交網絡的強聯結（strong tie）數量是線下網絡的4～5倍[14-15]。(3)在線社交網絡的“非對稱性”。線下社會關系通常呈現互為朋友的對稱性，而微博和Twitter 等在線社交網絡服務則使用了“關注/被關注”這樣的非對稱模式。這種模式導致一些熱門用戶具有數百萬甚至數千萬的關注者，從而使得連接度數的長尾分布特征更加明顯[16]。(4)在線社交網絡擁有更強的“結構動態性”。受益于互聯網技術的發展，用戶可以快速靈活地調整自身的線上社交關系[17]，例如添加或刪除好友。這些特征為傳統社會科學的研究帶來前所未有的機遇和變革；同時，也促進了計算社會學的出現與發展[18]。2018年3月，Science上接連發表2篇論文證明假新聞傳播對構建安全信息空間帶來的威脅[7,19]。同時，媒體發現Facebook 上數千萬用戶的隱私數據被違規濫用并影響了美國大選的投票過程[20]。因此，理解在線社交網絡的形成與演化機理以及其對信息傳播和群體行為、情緒及心理的影響，對于探索現代人類社會規律有著重要的理論意義。同時，也對現代社會治理和經濟發展有顯著的實踐價值。

2 在線社交網絡的觀測研究

目前，針對在線社交網絡的實證研究主要依賴于觀測研究方法（見圖1）。觀測研究（observational study）指在自然狀態下對研究對象的特征進行觀察、記錄，并對結果進行描述和對比分析。觀測研究對研究對象不施加任何人工干預，僅僅通過采集觀測數據。在社交網絡實證研究中，研究者通常利用大量觀測樣本進行統計分析。例如，BAKSHY 等[21]通過分析1 010萬美國Facebook 用戶數據，證明了用戶選擇行為對信息極化的影響。而SCHMIDT等[11]通過分析3.76萬用戶的新聞消費數據，重構了Facebook的信息傳播空間，剖析了新聞消費極化的原因。盡管現代計算機和信息技術的快速發展使得研究者可以獲得關于某個社交網絡大量而越發完整的信息，但數據量越是巨大，其所涉及的潛在影響因子和噪音也可能越大，這些噪音會對數據分析產生較嚴重的干擾，從而影響分析結果。在觀測研究中，研究人員通常無法控制變量，不能對研究對象施加干預，因而推斷大數據中蘊含的因果關系并不容易。同時，大規模使用真實用戶數據也面臨侵犯個人隱私等道德風險。

圖1 社交網絡研究方法比較Fig.1 Comparison of social network analyzing methods

為克服純粹觀測方法的缺陷，研究者巧妙地利用了自然實驗（natural experiment）或準實驗（quasiexperiment）方法獲得社交網絡數據（見圖1）。自然實驗或準實驗本質上依然屬于利用觀測數據的研究方法，其中實驗組和對照組中的研究對象是由自然或研究人員控制之外的其他因素分配的，但整個過程類似于隨機分配[22]。相較純粹觀測研究，自然實驗或準實驗為因果推斷提供了更好的基礎。例如，PHAN 等[6]以美國2008年的艾克颶風為背景，通過分析受到颶風影響和未受到颶風影響的地區的Facebook 使用情況，揭示了自然災害后社會關系的發展動態。VOSOUGHI 等[19]分析了Twitter 上傳播的126 000個新聞報道，這些新聞被劃分為真實新聞和虛假新聞。研究發現，人類行為比自動轉發新聞的社交機器人更能助長虛假新聞的傳播。相比于以上利用研究對象自然屬性的分組方式，CHEN等[23]利用了亞馬遜公司（Amazon）網站的功能變化，研究了產品口碑（即消費者對商品的評分）和觀察性學習（即商品的瀏覽者和最終購買者的比例）這兩種社會互動對用戶消費行為的影響。

盡管通過巧妙的設計，研究者可以利用觀測數據進行對比分析和因果推斷。然而，非受控的觀測數據依然極大限制了在線社交網絡研究的自由度，例如自然實驗的對照組和控制組并非人為分組，而是自然條件下形成的分組，本身各組并非均勻分配，實驗數據的采集也存在一定限制，研究的延續性和可重復性也受到極大限制。與之對應的，盡管控制實驗涉及人為干預，成本較高、樣本量有限，在實驗設計和實施難度上更為苛刻，但控制實驗邏輯程序嚴密，通過人為控制分離和突出受控變量的作用，能夠為因果關系分析提供更加堅實的基礎。隨著網絡應用技術和大數據技術的提升，可控制的在線社交網絡實驗這一研究思路具備了實施基礎。

3 在線社交網絡的控制實驗研究

控制實驗是指在受控條件下進行的科學測試，即在每次實驗中，僅有一個或少數幾個因素變化，而其他因素保持不變。相較于觀測數據分析，控制實驗中的研究對象受實驗設計者控制，因此，能夠通過較少量的樣本探索控制因素與實驗結果之間的因果關系。由于控制實驗要求較高，而在線社交網絡環境復雜、用戶數量巨大且分布廣泛，因此，控制實驗方法在大尺度在線社交網絡的研究中并不常見。但是，幾乎所有控制實驗所得到的研究成果都具有很高的理論水平和實踐價值。本節將從實驗模式、實驗方法和工具以及當前研究進展三方面評述當前在線社交網絡的控制實驗研究。

3.1 實驗模式

社交網絡實證研究目前可分為2個主流分支：一個是以復雜性科學和大數據科學為基礎，以在線社交網絡為對象的觀測研究；另一個是以控制實驗方法為基礎，以線下社交網絡為對象的實驗研究。現有的在線社交網絡的控制實驗研究模式基本上由這2個分支發展與演化而來。

第1種可稱之為“嵌入”模式，該模式呈現出從復雜性科學理論分析和大數據觀測研究到控制實驗的演進歷程（見圖1），繼承了復雜性理論分析中的抽象模型和模擬研究思路以及大數據觀測研究對于數據實時性和真實度的要求。嵌入模式通常直接在真實的大尺度社交網絡（如Facebook和Twitter）上進行實驗，實驗規模巨大，通常涉及數萬乃至數千萬用戶。例如，在ROBERT 等[24]的實驗中總共涉及約6 100萬Facebook 用戶。由于規模巨大，該模式所采取的控制措施通常相對簡單，僅對用戶操作、信息和界面進行少量干預。同時，該模式通常需要相關社交網絡服務提供商進行配合或支持。嵌入模式是一種直接以真實的在線社交網絡服務為研究對象，通過對社交網絡服務功能的調整將實驗干預嵌入到真實網絡中，直接探索在線社交網絡的特定屬性和機制對于信息傳播以及用戶行為的影響。

另一種可稱之為“平臺”模式，該模式呈現出從傳統線下社交網絡到線上社交網絡的演進歷程，結合了線下實驗的嚴謹控制方式和線上社交平臺的便捷性。該模式的規模介于傳統線下網絡實驗和“嵌入”模式實驗之間，通常在千人量級。同時，該模式借助互聯網技術創造自己的實驗社交網絡或應用，并不依賴真實社交網絡服務提供商。因此，平臺模式是一種將傳統線下控制實驗轉移到線上平臺執行的模式，充分利用互聯網和計算機技術，擴大了線下實驗的規模，同時能夠對更復雜的影響因子進行控制，并模擬部分在線社交網絡的操作與特征，更便于進行社交網絡結構演化以及心理學實驗研究。例如，CENTOLA 等[3,25]的虛擬健康社區實驗就能夠針對社交網絡的結構進行控制對照實驗。

3.2 實驗方法和工具

在線社交網絡控制實驗研究中，應用最為廣泛的實驗方法和工具主要包括電子郵件服務、自主開發社交網絡/應用、社交網絡定制和眾包服務。

3.2.1 電子郵件服務

在社交網絡研究中，最早被利用的互聯網工具是電子郵件服務。小世界等經典社交網絡理論都依賴于電子郵件得以驗證[26]。

3.2.2 自主開發社交網絡或應用

自主開發的社交網絡或應用指的是研究人員自主開發小型的在線實驗社交網絡服務（如CENTOLA 等創建的虛擬健康社區系統[3,25]），或利用真實社交網絡服務提供者的官方應用接口開發的嵌入式應用（如微博平臺上的微盤等應用）開展的控制實驗研究。例如，DETERS 等[27]通過讓參與者添加一個研究室的Facebook 賬號為好友，從而可以通過研究室賬號來動態獲取用戶授權的各類信息或調控用戶行為，并開展分析研究。

3.2.3 社交網絡定制

社交網絡定制是指由在線社交網絡提供商主導，通過直接修改現有社交網絡服務平臺（如微博、微信及Twitter、Facebook 等）某些功能和顯示（如新聞排序、好友動態等），進而控制用戶的信息獲取或行為動作。利用社交網絡定制來執行控制實驗是最為自然的一種方法，但同時由于受到服務提供商的限制，也是準入門檻最高的一種方法。例如，在2010年美國國會選舉期間，ROBERT 等[24]通過定制的Facebook 界面控制用戶是否能看見其好友的投票動態，進行了隨機對照試驗，驗證了在線社交網絡在政治動員上的巨大潛在價值。

3.2.4 眾包服務

眾包（crowdsourcing）是指機構把過去由固定人員執行的工作任務，以自由自愿的形式分配給非特定的大眾網絡的做法。目前的眾包平臺允許研究者利用互聯網技術定制特定實驗任務系統，并開放給大眾志愿者協作完成。例如，LI 等[28]在眾包平臺MTurk 上進行了社交困境實驗，他們從控制實驗的角度，檢驗2種網絡互惠機制和有代價懲罰機制的效果。

表1 在線社交網絡控制實驗的模式、工具與優缺點Table1 Schema and tool of control experiments in online social network

表1展示了上述4種實驗方法和工具所屬的研究模式和相應的優缺點。電子郵件服務是最為大家所熟悉的一項互聯網應用，準入門檻低，但能夠體現真實的社交關系，適合研究網絡拓撲結構及其演化、組織架構設計、信息傳播以及人類行為等問題。但電子郵件服務最大的問題就是缺乏現代社交網絡的一些特征和傳播模式，而更多地貼近傳統的人對人信息分發模式。自主開發社交網絡和應用的方法能顯著提高研究人員的控制權，適合控制因子較為復雜的實驗需求，然而這種方法前期設計和開發難度大，成本較高。與前兩者相比，社交網絡定制方法不僅能體現真實的社交關系，而且有很高的可控性、適用性和靈活性，但準入門檻是所有方法中最高的，一般只能由社交網絡服務提供商主導。眾包服務本身并不是社交網絡，但其能讓研究人員接觸大量用戶并建立自主設計的控制實驗[29]。基于眾包服務的實驗環境特別適合平臺模式的控制實驗，能夠有效降低實驗難度和成本，性價比最高，適合行為學、心理學和經濟學領域的研究人員。

表2 在線社交網絡控制實驗研究總結Table2 Examples of experimental online social network research

雖然在線社交網絡研究和計算機技術關系密切，但是，現有控制實驗所使用的計算機技術還是比較原始的。例如，CENTOLA 等[3,25]創建的虛擬健康社區系統，僅僅利用了最基本的數據存儲和網頁開發技術。而在社交網絡定制方法中，實驗者更多依賴于現有社交網絡服務的架構[24]。在數據分析中，主要采用傳統的統計分析工具，對新興的大數據智能分析和可視化技術應用較少。目前，在實驗數據分析中使用頻率最高的智能技術主要是自然語言處理相關的算法，包括文本分類和情緒識別等[36]。這主要得益于社交網絡分析中主要的內容傳播和用戶行為心理研究都依賴于對于文本內容的語義分析。相較于比較成熟的行為經濟學實驗領域，在線社交網絡控制實驗尚缺乏類似oTree 這樣功能豐富且技術先進的開放性實驗平臺[39]。oTree是利用現代HTML5 前端和數據存儲分析技術構建的高度可定制的互聯網實驗平臺，可以讓不具備計算機專業技術的研究者便捷地實現和執行多樣化的實驗設計[39]。未來，如果能針對社交網絡控制實驗，利用現有互聯網技術（特別是移動互聯網技術），創新一個高度可定制的實驗構架，使得一些關鍵的參數可以被方便地操作和定制，例如：網絡結構、行為控制、信息展示、智能算法介入等，這將對在線社交網絡研究起巨大的推進作用。當然，這需要不同學科研究人員的共同合作，特別是計算機技術的支持。

3.3 研究進展

目前，在線社交網絡研究控制實驗在社交網絡結構特征、信息傳播以及行為與心理學等領域取得了豐富的研究成果，具有很高的理論水平和實踐價值（見表2）。

3.3.1 社交網絡結構特征

社交網絡的結構特征和演化機制是網絡科學、社會學以及物理學關心的核心問題之一[40]。而小世界效應，即網絡中任意兩個節點間的平均最短路徑長度L與節點數量N之間呈現對數關系（L≈logN），是大尺度社交網絡控制實驗研究中的一個代表性成果[41]。在出現在線社交網絡前，MILGRAM 等在1967年利用郵政信件在美國國內驗證了小世界效應[41]。隨后，一些研究人員針對電子郵件用戶進行了全局的社交搜索實驗，也證明了小世界效應[26,42]。這些實驗研究為之后的復雜網路理論的發展和研究提供了重要的理論基礎。

2016年2月，Facebook計算了其用戶之間的平均距離約為3.5。該平均距離與小世界效應的控制實驗結果存在顯著差異。事實上，控制實驗不但體現了人群的靜態社交關系（類似通訊錄或者好友列表），同時也反映了個體基于社交關系的動態行為。在某種程度上，控制實驗能夠更為真實地刻畫人與人之間的關系距離，也更能體現人類認知水平限制的真實社會關系數量（即Dunbar數[43-44]，約100～250人）。而利用拓撲結構的統計結果僅僅是靜態社交關系的一種量化。因此，盡管大數據方法更為簡單直接，但控制實驗方法能夠更好地體現實驗主體人和社交網絡的動態交互，具備其獨特的價值。

3.3.2 信息傳播

現代在線社交網絡已成為各類信息傳播的主要途徑，其結構和功能是影響信息傳播速度和范圍的關 鍵因素[34,40]。2009年，IRIBARREN 等[33]通 過 涉 及31 183人的電子郵件實驗證明，與理論模型的結果相比，人的傳播行為在時間上的異質性能夠顯著降低信息傳播的速度。BAKSHY 等[34]通過大規模的現場實驗研究社交網絡在信息傳播中的作用，證明那些被“曝光”（可接觸好友動態信息）的人更有可能傳播信息，并且比那些沒有曝光的人更快，并且盡管具有強聯結的個體間具有更多的相互影響，但新消息的擴散卻更多依賴弱聯結。可見，在線網絡的控制實驗研究可以提供更為可靠的方法來區分混雜因素的影響，明確各類效應在信息傳播中的作用。

3.3.3 行為和心理學

在線社交網絡既是群體行為的演化結果，又是影響人類行為傳播和變化的重要途徑之一。KRAMER 等[36]在Facebook 上對68萬多用戶進行了大規模實驗，發現當收到的消息中積極詞語減少時，用戶發布信息中積極表達也隨之減少，而消極表達則增加；而當消極詞語減少時，則出現完全相反的模式。CENTOLA 等[3,25]研究人類的健康行為在在線社交網絡上的傳播，并采用控制實驗的方法測試網絡結構對行為擴散的影響。基于一個包含1 528 名志愿參與者的自建在線健康社區，CENTOLA 等[3]比較了2種典型的結構，即隨機網絡和聚集網絡，發現在聚集網絡上的行為傳播更快、更廣泛。同時，CENTOLA 等[25]也發現人群的同質性會顯著增加對新的健康行為的接受程度。一個更為極端的例子是，ROBERT 等[24]主導的Facebook 定制實驗表明，在線社交網絡的微小變化可以影響數百萬人的政治自我表達和現實投票行為。該研究充分展現了在線社交網絡對用戶線下行為的干預能力。相較于觀測和模擬研究，控制實驗方法能夠更為有效地證明社交網絡與人群行為之間的因果關系。

同時，控制實驗可以更為有效地探索社交網絡對用戶心理和情緒的影響。DETERS 等[27]設計實驗探究了在Facebook 上發布狀態更新對用戶心理的影響。在一周時間內，實驗組的參與者被要求發布比平時更多的信息，而控制組的參與者沒有收到任何指示。結果顯示用戶增加狀態更新可增強其與朋友的聯系，從而減少孤獨感。為探究社交網絡中情緒的傳播，MUCHNIK 等[37]設計了一個大規模隨機實驗，發現負面情緒易激發用戶糾正被操縱的評級，而積極情緒更易于導致羊群效應。與普遍的假說相反，該結果說明，面對面的交流和非語言暗示并非情緒傳染的必要條件。

在行為學和心理學研究中，另一個重要的主題是博弈與合作行為研究，旨在探索人類社會行為的復雜性，特別是合作的形成機制[39,45]。在線社交網絡上的博弈實驗主要關注網絡選擇機制對合作行為的影響。RAND 等[29]利用MTurk 實驗以及人工社交網絡證實，靜態社交網絡可以帶來穩定的高于均勻混合人群的合作水平；并且，他們發現高度穩定的合作受到鄰居收益與合作成本的非線性影響。進一步，LI 等[28]發現網絡互惠能夠高效提升并維持合作行為，但有代價懲罰機制卻非常低效。需要特別指出的是，目前博弈研究更多地將在線社交網絡作為研究工具，而非研究對象或關鍵影響因子。然而，在在線社交網絡的活動中，實際充滿了多種多樣的博弈行為，例如多重信息傳播中的競爭傳播等。如何探索大規模在線社交網絡中的博弈行為和規律是一個既重要又有趣的方向。

4 問題和展望

在線社交網絡控制實驗模式可以分為以復雜系統科學和大數據科學為基礎，在真實大尺度社交網絡上進行的嵌入實驗模式和通過自主設計虛擬小型社交網絡服務或應用以獲得更多控制權的平臺實驗模式。實驗方法和工具較為豐富，包括電子郵件服務、自主開發社交網絡/應用、社交網絡定制和眾包服務。電子郵件服務方法準入門檻較低，可以簡單地利用發送和接收郵件的方式來進行控制因子較少的實驗研究。當實驗的控制因子增多，實驗條件更為復雜時，研究人員可以通過自主開發社交網絡或應用來設計更加嚴謹的控制實驗，操縱更加復雜的影響因子，得到更為有效的因果推斷。與自主開發社交網絡相比，眾包服務方法直接為研究人員提供了能夠自主設計控制實驗的平臺，同時降低了控制實驗的準入門檻和技術門檻，相對性價比最高。雖然這些實驗模式和工具方法已在在線社交網絡的控制實驗研究中被廣泛應用，但卻很難同時兼顧以下幾個方面的特征，或者說都存在一定的障礙。這也是大尺度在線社交網絡研究中控制實驗受限的原因。

首先是準入門檻問題。活躍的在線社交網絡無論在國內還是國外都集中在少數大型企業手中，因此，普通研究人員并不具備使用和操作這些社交網絡進行控制實驗的資格與能力。例如，在VOSOUGHI 等[19]對Twitter 上真假新聞傳播的自然實驗研究中，主動采集了從2006年到2017年所有經審核過的共計約1.26萬條新聞信息。這樣的數據采集和使用行為需獲得Twitter 官方授權和支持，但這種研究方法是一般研究者無法參考和擴展的。

第二是法律與道德問題。ROBERT 等[24]在Facebook 上進行的政治投票動員實驗引發了巨大的社會爭議，有相當一部分學者認為，科學研究不應干擾國家政治活動，也不應干預用戶的投票行為。因此，在線社交網絡上的不恰當控制行為，很可能在現實中造成某種社會不公正或侵犯用戶個人隱私，這都有悖于科學研究的道德規范，甚至違反各國法律。

第三是研究成本問題。綜合現有實驗工作可以發現，目前在線社交網絡的控制實驗通常需要依靠特定的互聯網應用開發，大數據的清洗、甄別、標注和分析以及相關軟件等復雜計算機和信息技術的使用。例如，ARAL 等[46]就獨立開發了Facebook 嵌入式應用用于開展用戶購買行為實驗。實驗面對的在線社交網絡環境規模巨大，涉及用戶多，地域覆蓋廣且內含信息紛繁復雜。龐大的規模和復雜的技術共同導致了高昂的實驗成本，從而制約了控制實驗的普及。

實際上，要掃除這些障礙，需要重新思考在線社交網絡控制實驗的路線和方法，并探索新技術在研究中的創新性利用。

人工智能技術的發展為在線社交網絡的實驗研究提供了新的契機。2018年5月，Deep Mind團隊在Nature上發表了一項突破性研究成果[47]。研究人員通過訓練循環神經網絡，模擬了可在二維虛擬空間中自主移動、并且自主判斷空間位置的智能主體（artificial agents）；這些智能主體的人工神經網絡呈現出與人類生物神經網絡細胞非常相似的組織結構。這種相似性為利用人工智能技術模擬人類社交行為提供了理論基礎。

目前，高仿真模擬人已經在醫學[48-49]和工程學[50]實驗中得到了廣泛利用，大大推動了相關學科的研究。在商業應用中，以自然語言處理技術為核心的社交機器人（social bot）的價值已逐漸顯露，被應用于互聯網信息推廣和客戶服務等領域，以替代高成本的人工服務[51]。目前，社交機器人的價值在社交網絡研究中還未獲得充分重視。未來，隨著人工智能技術的不斷發展以及大數據和社會計算技術的興起，社交機器人能更準確地模擬部分人類行為，從而為在線社交網絡控制實驗研究提供一種全新的工具和模式（見圖2）。該模式以真實社交網絡為實驗環境，使用具備智能行為的模擬軟件機器人為實驗主體，最大程度兼顧單純數值模擬分析的靈活性和可控性、現實社交網絡服務的真實性以及相對較低的準入門檻和實驗成本。

圖2 從實驗環境和主體角度對現有研究方法的分類Fig.2 Classification of existing researching methods from the perspective of experimental environment and agent

已有研究表明，目前在線社交網絡控制實驗研究在網絡結構特征、信息傳播、行為與心理學等領域都取得了豐富的成果。然而，現有大尺度互聯網的控制實驗研究都是國外研究者在Facebook 等境外社交網絡上開展的，而針對我國社交網絡的控制實驗研究依然處于空白狀態[52-55]。然而，類似微博、微信等國內主流社交網絡服務都具有顯著的中國特色，其結構和行為都與境外社交網絡有顯著區別。例如，第1，我國用戶對于社交網絡模式具有特殊偏好，特別是以微信為代表的私密社交模式與西方的開放式社交模式在結構和功能上存在顯著差異，因此需要重新評估和探索控制實驗方法和設計。第2，據近幾年CNNIC（中國互聯網絡信息中心，China Internet Network Information Center）發展狀況調查顯示，我國社交網絡用戶呈現出同步的老齡化和低齡化[56]。隨著大量老年人和青少年的快速加入，用戶結構的變化將影響社交網絡上的內容傳播和互動行為。第3，以今日頭條和微信小程序為代表的創新性技術在我國社交網絡得到了快速普及和應用[57]，其中很多應用模式都屬于我國原創。這些新技術對社交網絡活動的結構和動態行為的影響依然有待深入分析。對這些具有中國特色問題的探索既具有現實意義，也對在線社交網絡的發展有重要的前瞻性作用。由于控制實驗能夠有效揭示隱藏在大尺度社交網絡背后的基本科學原理，并具有廣闊的應用前景，因此，發展我國自己的社交網絡控制實驗模式和方法有重要的理論和實驗意義。

5 結 語

從實驗模式、實驗方法和工具以及當前研究進展的角度對在線社交網絡控制實驗研究進行了總結和評述，指出了現有的在線社交網絡控制實驗模式和方法存在準入門檻高、法律和道德風險大、研究成本高等問題，展望了人工智能技術在社交網絡控制實驗中的應用潛力和發展前景。最后提出了現階段發展我國自己的社交網絡控制實驗模式和方法的重要性與必要性。