大數據驅動下廣告學研究范式的轉換

曾 瓊

一、引言

我們身處大數據時代，互聯網、物聯網以及各類移動設備和傳感器等生成并仍在持續不斷地生成規模巨大的海量數據。這些海量數據充斥了世界的每一個空間，“滲透到每一個行業和業務職能領域，逐漸成為重要的生產要素”[1]，“變革我們的生活、工作和思維”[2]。大數據也深深嵌入科學研究諸領域，對人類的科學研究產生重大影響。

數據科學家、關系型數據庫先驅、圖靈獎得主吉姆·格雷(Jim Gray),在2007年1月召開的美國國家研究理事會計算機科學與通訊分會(NRC-CSTB)會議上，發表了題為“e-Science：科學方法的一次革命”的演講，首次提出“數據密集型”(Data Intensive)的概念。“數據密集型”科學依靠計算機來進行數據獲取、處理、存儲以及管理與分析的科學研究方法，格雷將其稱為人類科學研究繼實驗、理論與計算機仿真三種范式之后的“第四范式”。隨即，許多科學研究領域相繼運用已積累下的巨大規模的科學研究數據展開相關研究，并在深入的數據分析中獲得諸多有價值的科學發現。

“第四范式”提出一年后的2008年，英國《自然》雜志率先發表《大數據》專刊。2010、2011年，《經濟學家》雜志和《科學》雜志又先后推出名為《數據，無處不在的數據》和《數據處理》的專刊。2013年，維克托·邁爾-舍恩伯格和肯尼斯·庫克耶出版影響巨大的《大數據時代》一書。“大數據”旋即蓬勃興起，“大數據范式”作為廣泛使用的概念也迅速躥紅，成為科學研究領域的熱門應用。所謂“大數據范式”，按學界普遍的認知，即利用大數據與大數據技術，通過對海量數據的計算與分析，來挖掘和發現數據所隱藏的科學知識與科學價值。數據與數據計算分析是其關鍵詞。在此之際，“第四范式”開始匯入大數據的洪流，許多研究者也開始將“第四范式”與“大數據范式”等價[3]，甚至將“第四范式”直接理解為“大數據范式”[4]。

社會科學研究對自然科學研究方法的學習與追隨從未止息，從未中斷。受自然科學研究“第四范式”與“大數據范式”的啟發和影響，也出于內在的發展沖動，社會科學研究開始新的研究方法的探索，并提出“計算范式”的概念。2009年，以大衛·拉澤爾(Lazer David)為代表的來自哈佛大學、麻省理工學院的15位美國學者，在《科學》雜志上聯名發表《計算社會科學》一文，正式提出計算社會科學的概念，明確主張將大數據與大數據計算技術應用于社會科學研究，加速社會科學研究的轉型。2012年，由意大利學者R.Conte領銜，來自歐美國家的14位學者，又聯名在《歐洲物理學刊》上發表《計算社會科學宣言》，從方法創新與范式轉換、當下挑戰與預期影響等五個方面，全景式說明大數據計算方法對社會科學的影響及其發展前景，宣告計算社會科學的正式確立。2014年，美國社會學界的多位學者在斯坦福大學計算社會科學中心舉辦學術研討會，會上提出了“新計算社會學”的概念，更強調大數據，質性定量研究融合、互聯網社會實驗、仿真建模與其他新型社會計算工具的使用[5]。2016年，R.Michael Alvarez編著的《計算社會科學：探索與預測》，則對2009年以來計算社會科學的發展及其研究狀況進行了全面總結與回顧。

科學進步總是伴隨研究方法的創新，所以庫恩的科學發展理論總是把范式轉換與科學革命聯系在一起。自然科學研究的“第四范式”“大數據范式”，社會科學研究的“計算范式”，都是科學研究者為謀求大數據時代科學研究新的發展，在方法論上努力探尋的結果。其所使用的概念不一，卻一致強調數據驅動作為科學研究的主流形式，主張計算機數據分析與挖掘作為科學研究的新的工具和手段。

2008年，“計算廣告”概念在美國被提出。受商業利益的驅使，廣告業務領域不斷加強大數據計算技術的應用，強力推進計算廣告的發展。但廣告學研究領域大數據“計算范式”的運用，卻顯得相對滯后。在此背景下，有必要對廣告學研究作出深刻的范式反思與追問：一是傳統廣告學研究是否遭遇范式的局限與困境？其局限與困境何在？二是大數據計算范式能否實現對廣告學研究新質的形構？本文將重點圍繞上述兩個問題展開研究，試圖推動廣告學研究計算范式的轉換，促進廣告學研究在大數據時代順應潮流的新變與發展。

二、廣告學的傳統研究范式及其困境

按照托馬斯·庫恩的科學革命理論,在經歷常規科學階段以后，當舊有范式遭遇新事物與新問題而發生動搖，出現范式困境與范式危機，科學研究就會去尋求新的解題方法，建立新范式。在大數據與人類科學研究發生整體轉型的宏闊背景下，展開對廣告學研究舊范式的反思很有必要。

(一)廣告學的傳統研究范式

依照格雷的說法，“第四范式”之前的三種范式，為實驗的、理論的和計算機仿真的。這種說法主要針對自然科學而言。就社會科學研究來說，有學者將其定義為定量、定性與計算機仿真三種[6]。孔德模仿自然科學實驗研究所創立的社會學研究的經典實證主義，除量化研究外，還包含觀察與實驗等[7]。而定性研究，既包括理論分析，也包括事實與經驗分析。定性研究較理論研究涵蓋面更寬。也就是說，在大數據研究范式之前，社會科學研究主要經歷了定性研究、實證研究與計算機仿真研究三種范式階段。

具體到廣告學研究，無論是西方還是中國，極少發現運用計算機仿真技術從事廣告學研究的文獻，主要是實證研究與定性研究兩大范式。前者以美國為代表，后者則以歐洲為代表。

歐洲的廣告學研究，是伴隨歐洲傳播學研究的興起而興起的，從某種意義上講，甚至可以說就是歐洲傳播學研究的一個組成部分。它秉承歐洲“哲學思辨式”的學術傳統，又明顯具有歐洲傳播學研究的理論思辨性特征。其重點研究內容，是廣告與社會的關系，尤其是廣告對社會消費造成的負面影響，與歐洲傳播學研究的批判性取向高度一致。20世紀末至21世紀以來，歐洲學者的廣告學研究開始受到美國量化與實證研究的影響，但依然保留著較為濃厚的理論思辨特征。歐洲廣告學的理論思辨性研究，盡管也作為廣告學的一種研究范式而存在，但從世界范圍來看，卻非廣告學研究的主導范式。世界范圍的廣告學研究，至今占主導地位的范式，依然是以美國為代表的實證研究范式。

美國的廣告學研究始于19世紀末20世紀初。20世紀40年代，傳播學在美國興起，廣告作為傳播的重要實證領域而被納入傳播學的研究范疇。美國傳播學經驗學派以傳播效果為核心展開的一系列實證研究，給美國廣告學研究以重大影響和無窮滋養。美國廣告學研究從此走上定量與實證主義道路。1960年，美國第一份屬于廣告學的獨立學術期刊《廣告研究》創辦。1972年，由美國廣告學會主辦的又一學術期刊《廣告學刊》面世。在這兩本學術期刊的引導與推動下，美國廣告學研究的定量與實證研究范式逐漸成熟，開始成為美國廣告學研究的主導范式。隨后，此種范式逐漸風靡，成為世界廣告學研究的主導范式[8]。

美國廣告學的實證研究范式，集中圍繞廣告效果而展開，以定量與實證的方式，考量影響廣告效果的各種變量因素。這種研究，充斥著美國實用主義的文化特色，其始終追尋的是廣告的精準營銷傳播，范式延續至今都未改變。2019年，《廣告研究》《廣告學刊》和《國際廣告學刊》世界三大廣告學術期刊，總發文147篇，其中，定性研究論文30篇，占比約為20.4%；實證研究論文106篇，占比高達72.1%。

(二)廣告學傳統研究范式的困境

庫恩提出的“范式”內涵頗豐，不等于方法，卻包含方法，即庫恩所說的“解題方法”。這種解題方法一旦為共同體成員普遍使用，即上升為某種范式。社會科學研究面臨的根本問題，實際上就是方法論的問題。從最初以神話和虛幻想象的方式來認知世界，到以哲學思辨與邏輯推理的方式來發現社會，一直到以量化與實證的方式來解釋社會，人類一直在尋求研究方法的突破以謀求社會科學的發展。自孔德效仿自然科學創立社會學并形成經典實證主義，因其對研究確定性的追求，有力推動了社會科學的發展。但是，社會學研究的量化與實證范式，同樣存在研究方法的限制。越發展到后來，這種限制就越發顯著，甚至陷入某種方法論的困境。以美國廣告學為代表的實證研究范式，同樣未能突破方法論的局限與困境。

其一是數據采集方法所造成的數據局限。廣告學研究也是一種以數據為基礎的社會科學研究。其數據采集通常是以人工的方式通過抽樣調查來進行的。受這種數據采集技術的限制，其數據通常以小數據、小樣本為特征。這就有一個數據量的限制。還有數據來源的時空限制。在廣告學研究中，很少有超大規模、超時空范圍的定量與實證研究，常常是在特定的時空范圍內針對具體問題而展開。因此，其數據來源往往囿于某一特定時間和特定場域。此外，還存在由于數據采集對象表達時的“偏好”“記憶”“語言”的影響，以及數據采集者與研究者的“理解”與“觀察滲透”的影響，而發生的數據質量控制與效度等問題[7]。數據采集方法的限制，必然造成數據的限制，而數據的限制又必然帶來研究的限制。基于小數據、小樣本展開的定量與實證研究，擅長于微觀層面的精準測量，卻存在有限數據、有限經驗材料與宏大理論論證間的鴻溝[9]，以及小數據與“大定律”發現間的沖突[10]。其有限研究發現，往往只是基于彼時彼地特定情景下考量的結果，而不具有廣泛的普適性。數據質量未能有效控制，必然影響到研究結論的準確性[11]。

其二是量化分析方法帶來的變量測量的限制。傳統的統計模型，突出強調的是單一自變量對因變量的主要作用，而實際情況卻通常是多個自變量共同作用于因變量的結果。因而，這種測量顯示的是事物發生的可能性而非絕對性。基于多因素共同作用的社會事實，研究需要測量的自變量是多元而復雜的。多項自變量的測量已經是相當困難的了，當自變量設計較多時，就會產生更多數量的交互項。而對于復雜多變量以及更多變量間復雜關系的測量，又大大超出傳統研究方法的分析能力[12]。嚴格地講，以往廣告學研究為測量廣告效果所建立的抽象模型和所設計的簡單變量，均不足以反映復雜的消費現象，均不足以用來外推廣告傳播的復雜因果關系，更不足以用來模擬復雜營銷傳播環境下廣告傳播的宏觀涌現問題，因而其大部分的研究都只能重點著力于影響廣告傳播效果的主效應分析。復雜變量的系統考量，是傳統廣告學研究努力實現突破的長久之困。

世界范圍的廣告學研究，一直以來以美國廣告學實證研究范式為主導，努力追求微觀層面的精確性，形塑起傳統廣告學研究的“精細化”特質。此乃其長，亦為其短。加之定性研究的相對匱乏，致使廣告學研究基礎理論建構的薄弱，更缺少重大理論的宏觀涌現。

三、計算范式對廣告學研究新質的重構

無論是自然科學領域通行的“第四范式”或“大數據范式”，還是社會科學領域的“計算范式”，都是一種以數據為驅動、以工具為先導、以大數據計算為核心技術手段的科學研究范式。作為社會科學的廣告，社會科學的計算范式能否助力廣告學突破傳統研究困境，實現研究新質的重構？這是我們對廣告學研究作范式反思時的又一層深入追問。

(一)新的數據基礎與研究的客觀性、系統性

早在2009年，哈佛大學定量社會研究中心主任加里·金(Gary King)就曾預言，大數據的出現和使用，將使得整個社會科學研究的實證基礎發生重大變化。所謂“實證基礎”，最為重要的就是指用于定量與實證研究的數據基礎。傳統廣告學研究的局限，從根本上講就是數據的局限。大數據的研究范式，將在數據的充分性、客觀性、時效性等多方面，重構廣告學研究的數據基礎。

不管是用3VS還是用4VS來指稱大數據的特征，體量巨大都是其最為重要的特征。數據的匱乏，從來都是社會科學面臨的最為嚴峻的問題之一。大數據的出現使社會科學研究數據匱乏的問題得以緩解。當然，“大”并不等于“全”。大數據也在一定程度上存在數據的“缺失”和“代表性誤差”。不過，大數據在數據的充分性、整體性和系統性上，卻是傳統定量與實證研究所使用的有限數據遠遠不可企及的。此外，傳統定量與實證研究所使用的數據，主要是統計學意義上的數值型數據(numerical data)，而大數據范式所使用的數據，除數值型數據外，還包括字符、圖形、音頻、視頻等非數值型數據。這些非數值型數據，不能被傳統研究范式所使用，卻為廣告學研究的消費者洞察和市場洞察提供了充分的數據基礎。

傳統廣告學研究所使用的數據，都是研究者根據研究的特定需要，經過精心設計和采集而獲取的。其數據收集不僅受到抽樣技術、調查成本和接觸范圍的各種限制，而且，其中還免不了研究者的主觀介入，也免不了調查者對被調查者的外在干擾[13]，同樣免不了研究對象自我報告的偏差，從而嚴重影響到所采集到的數據的質量，而遭受到多重數據效度的內在困擾與外在質疑。在大數據的環境中，消費者在互聯網上留下的各種消費“足跡”，被記錄下的數據行為，是自然發生的，反映的是消費者自覺自愿的行為，往往被視為一種“自提供”[14]。而數據的記錄與采集，都是由機器來自動完成的，從而又避免了諸多的人為干擾。誠然，量化與實證研究的數據收集中，絕對的“價值中立”與完全“客觀”是難以達成的[15]。大數據的生產與數據采集中，數據的“創造”和“形塑”問題同樣存在[16]，但是比起傳統的數據收集來說，大數據的生成與采集，更具自然性與客觀性。大數據的發生，又使得廣告學研究在數據收集上的客觀性問題得以緩解，在一定程度上保證了數據的質量與效度，為規避過度偏態性研究，提供了客觀性的數據基礎。

市場與消費，受各種因素的影響，永遠處于動態的變化之中。傳統廣告學的量化與實證研究，不管是市場與消費者洞察也好，還是影響廣告效果的各種變量的考量也好，大多是已經發生之事的事后檢驗。大數據電子蹤跡數據挖掘等實時數據采集與分析技術的出現，使傳統研究運用調查方法收集數據的時間滯后性問題以及由此所造成的研究的時效性問題得到有效克服。大數據的實時數據流的采集，以及這些數據沿時間線索不斷積累所形成的長時間的時間序列數據，更是傳統數據收集方法無法收集到的。這將極大提升廣告學研究預測性與動態性的分析能力。

傳統定量與實證研究范式所使用的數據與大數據范式所使用的數據，有著數據類型的重大差異，綜上所述，可以簡單表示如表1：

表1 傳統范式與大數據范式數據類型差異

盡管大數據研究范式所使用的數據，一般情況下都還是特定領域特定范圍的有限數據，非數值型數據的分析與挖掘還受到技術與成本的多重限制，實時數據與動態型數據的追蹤也還只是一個比較性的概念，但大數據范式上述新的數據基礎，必然形構起廣告學的某種研究新質。

(二)新的研究思路與研究的多元匯通

眾所周知，庫恩所謂的“范式”，有著研究思路的重要內涵，格雷所提出的“第四范式”也包含著格雷對“范式”也是一種科學方法思路的理解[17]。新范式將為廣告學研究提供全新的研究思路與方法，促進廣告學研究進一步走向多元匯通。

傳統廣告學的定量與實證研究，其本質性缺陷就是用“小數據”來證明“邏輯”，用“小數據”來演繹“大定律”，即用簡單數量關系來解釋復雜的消費現象，用“小數據”“小樣本”來外推復雜的市場因果關系，用有限數據來闡釋復雜市場與消費條件下的宏觀涌現等問題。基于小數據的定量與實證研究，可以用來洞察細微，卻不能用來通達宏觀；可以用來檢測已知，卻不能用來發現未知；可以用來檢測經驗，卻不能用來預測未來。大數據的計算與分析以超大規模和超大時空跨度的數據，以及全新的相關性涌現，極大提升科學研究的宏觀洞察力，為宏大理論的發現提供了可能，在一定程度上“填補了有限的經驗材料支持無限的宏大理論論證之間的鴻溝”[9]。此外，社會科學和商業領域的多項研究表明，大數據能夠更好地支持預測性研究，如谷歌的流感趨勢預測、奧巴馬競選的預測、百度嘗試開發的疾病預測地圖、亞馬遜的圖書推薦和娛樂業的電影趨勢與音樂榜單，等等。大數據研究范式的應用，將極大提升廣告學研究的宏觀洞察力、未知理論的發現力和事物發展的預測力，促使廣告學調整既往的研究思路，突破既往的研究局限，從洞察細微進一步走向通達宏觀，從檢測已知進一步走向發現未知，從檢測經驗進一步走向預測未來。

定量研究與定性研究，作為社會科學研究的兩大基本研究方法，各有優長與局限。社會科學諸多領域的研究，一直嘗試通過混合研究彌合二者之間的對立，但并未取得良好的效果。在廣告學研究領域，這兩種研究方法一直是兩股道上跑的車。大數據研究范式的出現，將極大促進二者的綜合集成。“數據”有“數值型數據”與“非數值型數據”之分[18]。大數據的分析方法，既能對傳統定量分析所使用的統計學意義上的數值型數據展開定性分析，又能對傳統研究方法中只能用于定性分析的字符、圖形、音頻、視頻等非數值型數據進行定量分析，從而創造出定性與定量分析的數據混合地帶。大數據的研究方法，不僅促使整個社會科學研究的實證基礎發生重大變化，更加速著定性與定量兩種研究方法的大融合。

人類的科學知識生產方式，一直存在兩種邏輯，演繹式邏輯與歸納式邏輯。前者主要是依據已經被前人證明了的理論、規律和命題來檢驗新的事實材料，或者是以新的經驗材料驗證已有理論，尋求的是一般與個別的自洽。后者則是在大量經驗事實與經驗材料中，抽象概括出普遍性命題與結論。傳統廣告學的知識生產中，最為常見的是前者，即依據已有理論或被前人驗證了的經驗事實，提出相關研究假設，然后以新的經驗材料來加以新的驗證。另外也嘗試使用以歸納的方式來尋求新的發現，即前文所提到的以“小數據”“小樣本”來證明“大定律”。然而，由于受樣本量和抽樣邏輯的限制，其歸納也只能定義為不完全歸納。據此所得出的相關研究結論也飽受質疑。大數據發現的研究方法，是一個總結歸納與演繹推理雙向同時進行的研究過程。它可以用新的數據與經驗材料來驗證已有理論與規律，所謂大數據發現，說明它更是一種歸納式的新的探索性研究，即從新的經驗事實中總結歸納出新的理論與定律。由于數據規模的龐大和經驗材料的無比豐富，其據以歸納出的理論的準確概率就更大。從某種意義上講，大數據發現的研究方法，不僅實現科學研究中演繹式邏輯與歸納式邏輯的結合，更是以其數據資源的廣泛性彌合了歸納式研究方法在抽樣數據時代應用的不足。

(三)新的研究手段與研究的技術化、工具化

大數據技術，是我們這個時代通用技術體系中的核心技術，被廣泛應用于各個領域。在廣告實務領域，大數據技術已被普遍應用，并根據廣告傳播的需求，開發形成以人群定向技術、個性化推薦技術以及程序化交易技術等組合而成的計算廣告應用技術體系，用以解決情境、用戶與廣告三者的最佳匹配以及廣告的自動化交易與自動化投放的問題[19]。

大數據研究是一種以工具為先導為引領、以大數據計算為核心技術手段的科學范式。其最大的特點就在其研究的技術化與工具化。大數據采集、數據傳輸、數據清洗、數據存儲技術的發展，使廣告學研究對大規模數據源的集結和利用成為可能。基于云計算與人工智能技術的各種大數據挖掘技術，如關鍵詞搜索技術、自動內容分析技術，以及各種可視化工具，為廣告學研究對大數據的分析處理與可視化呈現提供了科學的技術手段。尤其是大數據“流處理”技術的發展，更極大提升了廣告學研究實時數據的采集與挖掘的能力。研究的技術化與工具化，以及基于此的知識生產的自動化與智能化，是人類科學研究的總體發展趨勢，也是社會科學研究與廣告學研究發展的未來。先進的復雜性技術的開發，將為復雜性科學與復雜性問題的解決提供技術保障[20]。在廣告實務領域，“人工智能甚至將會代替人類去處理廣告業務中幾乎全部的復雜運算和自動化程序”[19]，廣告研究領域，從數據采集到數據集成與存儲，再到數據挖掘與分析，直至研究發現，我們也都將交由機器來完成。這將極大提升廣告研究的精確性以及對復雜性問題的解決能力。

大數據研究范式，為廣告學研究提供新的數據基礎、新的思路與方法、新的研究手段和工具，在研究的客觀性與系統性上，以及宏觀通達與微觀洞察、檢測經驗與預測未來、定量與定性、演繹與歸納多元匯通上，研究的技術手段上等諸多層面實現對傳統廣告學研究的突破，并形構起廣告學研究的某種新質。

四、問題與挑戰

大數據時代，廣告學研究的傳統范式遭遇困境與危機，而以數據與算法為基礎的大數據計算范式卻又為廣告學研究新質的重構帶來新的歷史機遇。

盡管國內大數據計算范式的廣告學研究文獻至今尚付闕如，但西方學界已開始嘗試運用大數據計算范式來展開廣告學相關問題的研究。仍以《廣告研究》《廣告學刊》和《國際廣告學刊》世界三大廣告學術期刊為例，在2019年147篇文章中，大數據計算范式的文章達10篇。具體情況如表2所示。

表2中的10篇論文運用多種數據采集軟件，從多個渠道獲取相關數據。從表2顯示的情況看，其數據體量之大、類型之豐富，顯然不是單純依靠傳統研究工具和方法能夠計算和分析的。這些數據也許還不是我們想象中的大數據樣況，但其在各自研究領域，幾乎都是一種“全樣本”的概念。這其中包含有歷史數據，也有實時數據；有數值型數據，也有非數值型數據。這10篇文章，在數據獲取和使用方面已經建立起了“大”數據的思維，雖受專業邊界的某種局限和技術性限制，大多還僅止于有限變量的相關性分析，所使用的數據也以網絡評論性文本居多，在數據挖掘和分析處理方面也還存在欠深入等多種不足，但從某種意義上講，這些研究文獻已開始構筑廣告學研究新的“實證基礎”，發展著新的經驗主義方法論[17]，形構著某種廣告學研究新質，顯示出廣告學研究新的范式趨向。

表2 大數據驅動下廣告學研究范式的轉換

在此，有幾點需作補充說明：第一，大數據計算范式不僅僅只是作為一種研究范式而存在，實際上，它已經成為我們這個社會信息處理的通用范式。這必將成為未來社會科學也包括廣告學研究范式中的主導角色，而不可能再退回到依靠人工搜索處理數據，或者用其他低級工具搜集處理數據的傳統計量與傳統計算范式去[21]。第二，從人類科學研究的發展來看，大數據范式的確是一個巨大的歷史進步，但它不是萬能的，依然存在某種方法論的局限，并不是我們想象中的那么美好和完美無缺。廣告學研究范式轉換，具有某種必然，但其發展卻是一個過程，甚至是一個艱難的過程。數據挖掘中的重大科學發現，多見于自然科學領域的研究，社會科學研究尤其是廣告學研究，卻僅止運用于實證。從理論邏輯講，大數據范式的未來發展，必然作用于多重變量的系統考量，但從上述世界三大廣告學術期刊的大數據應用研究的10篇文章來看，卻還仍然止于有限變量的研究。大數據范式本身的方法論局限及其發展過程中未曾克服的局限，是我們應該建立的又一點認知。第三，作為多元研究范式并存的社會科學來說，所謂范式轉換或范式重構，只是多元范式下主導范式的更替，絕不是整體研究范式的轉移[22]，更不是其他研究范式的擱置與廢棄。就大數據研究范式而言，它只是對實驗的、理論的與計算機仿真三種范式的優化與補充，而不是對三者的完全取代，這是大數據范式研究者的共識。因此，廣告學研究大數據計算范式轉換后，仍將多元研究范式并存。

廣告學研究范式的大數據轉換，的確是一個艱難的過程，它將面臨許許多多的問題與挑戰。它將面臨由于大數據計算自身所具有的技術性面向，以及現行學科體制與教育體制的限制所造成的跨學科合作研究的障礙、研究者技術可及性障礙。它還將面臨由數據霸權、數據壟斷與數據孤島所造成的數據連通、數據共享與數據可及性障礙。當我們將所有問題交由計算技術來處理，我們該如何喚起計算技術下研究者的主體性與能動性？研究者是否只是被動接受計算技術的支配，還是應該成為能動的計算技術的適應者和使用者？當計算技術代替人類來處理所有問題，我們是否應該對其價值風險作出合理評估與反思？它果真只是價值中立者嗎？它將以何種方式強力介入并影響科學研究中的價值發現與價值創造？我們是否不應該低估計算技術所造成的隱私侵犯等倫理風險與沖突？在計算技術的創設與使用中，我們是否能既追求科學發現的精準，又謀求道德倫理的無缺呢？凡此種種，問題與挑戰不一而足。

任何事物的發展，都有其自身的規律，也通常會遭遇內在的與外在的多重發展障礙。大數據范式的發展與轉換同樣如此。挑戰與回應是歷史演進的基本邏輯。我們總是在不斷遭遇問題和解決問題中前行。