第三章 数据驱动社会科学研究新范式：从微观模拟技术到综合集成方法论

第一节 引言

包括经济学在内的现代社会科学研究在认知方式上以“还原论”为主要基础，在逻辑推理、归纳演绎的基础上形成了“观测典型化事实→提出相关理论假说→基于历史数据验证（佐证）”的传统研究范式（蔡跃洲等，2015）。这种传统研究范式很大程度上是受现代自然科学方法论及研究范式影响而形成的。然而，相比自然科学，社会科学以人类社会现象作为研究对象，所面临的内外部环境都具复杂性；各种难以控制的不可观测和随机性因素影响了认知结果的可重复性，也使得社会科学的传统研究范式在认知准确性方面一直饱受争议。

大数据时代的到来为弥补传统研究范式的上述认知缺陷提供了潜在的解决方案，并可能孕育出“数据驱动的社会科学研究新范式”。基于数据资料的实证研究或规范研究在社会科学各领域中早已普遍存在，但都尚未到达可以实现“数据驱动”的程度。不过，随着全球新一轮科技革命与产业变革的加速演进，大数据相关技术得到广泛推广和应用。数据来源、数据处理以及数据分析等数据相关事务全方位的根本性变化，特别是以统计学习、机器学习、深度学习甚至更为广泛意义的人工智能为代表的数据分析手段，正在带来新的认知方式，从技术和要素两方面为形成“数据驱动的社会科学研究新范式”提供了有力支撑。我们相信，在不远的将来，由数据驱动的社会科学研究将会是一种客观和必然趋势。

本章后续各部分从人类社会复杂性特征出发，分析社会科学研究既有范式的局限性；从系统论、综合系统集成等方法论视角，阐述大数据分析方法有效应对复杂巨系统的认识论基础；进而引入微观模拟技术和综合集成方法论，尝试为复杂系统研究提供技术工具和方法体系；在此基础上，就推动形成“数据驱动的社会科学研究新范式”提出建议。