大数据与实证社会科学研究范式的延续与变革
刊于《东南学术》年第1期作者顾燕峰博士作者简介
顾燕峰，社会科学博士，复旦大学社会科学高等研究院讲师。
摘要
大数据从两个角度影响实证社会科学。从数据层面看，虽然数据量的增长没有改变传统社会科学研究中从样本推断总体的基本逻辑架构，从而并未对传统社会科学研究范式进行完全重构；但数据形式的急速扩展和数据精度的不断提升拓展了社会科学研究的议题，丰富了社会科学研究的内容。从数据分析技术看，包括计算社会科学在内的一系列大数据算法抛开了理论和解释的必要性，专注于事物之间的相关而非因果关系，并在此基础上寻求对社会现象的预测，从而开拓了实证社会科学的预测新范式；与此同时，大数据算法与传统计量模型的融合进一步改善着因果识别的效果，从而推动着社会科学中传统理论化因果解释范式的发展。受培根经验哲学和牛顿-伽利略自然科学方法的影响，传统社会科学在两百年前逐步形成了科学主义研究范式，以期在对社会现象进行描述的基础上，致力于追求对社会现象的因果解释，最终实现社会预测功能。然而由于社会现象的复杂性，传统社会科学离实现预测社会变化的最终目标更是相距甚远，但其建立的一套行之有效的因果识别方法，成为传统社会科学探求对社会现象进行理论解释的重要工具。在大数据出现前的数十年时间里，经济学、社会学、*治学和管理学等社会科学各分支学科中定量研究已经成为主流的研究方式。
数据收集和分析技术已成为社会科学发展的重要基石。如果以年《科学》杂志发表《计算社会科学》一文标志计算社会科学的诞生算起，近十年来，大数据不断重塑着社会科学研究，并引起学术界的广泛