社会科学定量研究历程、影响及展望

　　摘    要：　随着大数据时代的到来, 社会科学定量研究迎来了更加蓬勃的发展。本文回顾了定量研究在我国社会科学研究中的发展历程, 论述了大数据对社会科学各研究领域的影响并分析了大数据对定量研究在方法学上促进, 在大数据的推动下, 已经形成了社会科学的新的研究范式和新的计算社会科学。在大数据的推动下定量研究已占据社会科学研究方法的主流, 但不能忽视大数据计算的边界, 也不能漠视社会科学的人文关怀, 大数据背景下社会科学的定量研究更要走与定性研究相融合道路。

　　关键词：　社会科学; 定量研究; 大数据; 方法论;

　　定量研究也称量化研究, 是社会科学的两大基本研究方法之一。定量研究坚持“价值中立”原则, 基于实地调查所获得的资料、数据, 借助数学统计模型工具进行量化分析和研究。定量研究的历史悠久, 可追溯到孔德的实证主义时期, 社会科学的定量研究经历过了实验法、测量法、问卷法和数学模型法等量化研究方法。20世纪80年代, 关于定量研究和定性研究这两种研究方法论在美国引发过大的争论[1,2];在2016年, 我国关于围绕这定量、定性两种研究方法也展开过激烈讨论[3], 在对待大数据时代的定量研究的态度方面分歧很大, 部分学者对大数据时代的“一切皆可量化”持否定态度, 将带来学问与生活的疏离, 也有部分学者认为, 在大数据时代, 任何宏大的理论都讲面对数据的验证大考。本文试图通过梳理社会科学定量研究发展的脉络, 探讨大数据对社会科学定量研究带来的机遇与挑战, 以期为大数据时代社会科学研究的方法选择提供参考。

　　一、社会科学定量研究的发展历程

　　社会科学定量研究的理论基石是实证主义, 孔德的实证主义哲学认为科学的方法只有一种, 无论研究的对象是自然世界还是人自身的世界, 其研究方法都是同一的, 都必须遵循自然科学在实践中运用的研究方法, 即定量研究方法。定量研究的理论还来源于卡尔那普的逻辑实证主义以及在美国发展出来的实用实证主义。定量研究的基本原则是知识的发现依靠归纳法, 检验研究的结果所形成的假说或理论要以“假设-演绎”的模数所需求的逻辑程序给以检验[1]。

　　定量研究是由量表、抽样技术、问卷、和统计分析技术组成的一套完整的方法。但由于社会现象具有复杂性和特殊性, 测量社会现象比测量任何自然科学艰难, 用有限的具体指标来测量丰富特征的社会现象会有“测不准”的现象。此外, 数量化和精确化并不能保证研究的可靠性, 如果单纯追求数量化、精确化, 还可能把研究带入歧途。

　　自20世纪80年代初定量研究常用的统计调查法传入我国以后, 对待社会科学定量研究主要存在着几种不同的态度和表现:一是在总体只是注重方法, 缺少对方法运用是否正确、合理的反思, 二是认为要进一步加强定量研究方法的运用, 三是对定量方法推崇现象进行批判。虽然, 不同学者对待定量研究的态度不同, 但是定量研究在我国已经取得了长足的进步。以社会学领域的权威期刊《社会学研究》为例, 在1986-2016年刊发的论文中, 定量研究论文707篇, 站全部论文的数的30.25%。大部分年份的定量研究论文占全部年份20%-40%, 最近几年数据来看, 定量研究论文呈现稳步上升的态势, 并最终稳定在35%左右。从研究方法方面, 定量研究呈现出从描述比较走向回归分析, 从统计关联走向因果推断、从单模型走向多模型的趋势, 在数据方面, 有从小样本到大样本, 从截面到纵贯、从一国到多国从、一手到二手的发展特点。总体上, 我国社会定量研究逐渐走向规范化、科学化, 已经从20世纪80年代的学步、90年代追赶, 在21世纪初转入与全球社会学定量研究前沿进行对话的历史阶段。

　　我国定量研究虽然发展迅速, 取得了长足的进展, 但是还存在多基于截面数据, 难以进行因果推断, 多囿于个体层面, 难以进行宏观检验;多忽视濡染机制, 难以进行空间分析;多限于当代调查, 难以进行大历史研究。定量研究需要研究论据复合化、检验方法复制化、呈现方式精炼化和研究目标科学化等方面实现新的突破。

　　二、大数据对社会科学定量研究的影响

　　大数据在数量上是指所涉及的数据量规模巨大到无法通过人工在合理时间内达到截取、管理、处理、并整理成为人类所能解读的信息。从特性上讲, 大数据具有大量 (Volume) 、高速 (Velocity) 、多样 (Varity) 的特点, 另外还应具有价值性 (Value) 或真实性 (Veracity) 的特点。当大数据概念传播开来后, 已被社会科学家运用到了各个领域。在新闻传播学领域, 国内外都已经出现了通过大数据自动编写新闻的软件。中山大学成立了大数据传播实验室, 中山大学喻国明教授在2015年出版了《新闻传播的大数据时代》专着。在舆情监督和分析领域也已经采用了很多大数据的方法, 如清华大学沈阳教授典型成果《微博意见活跃群体分析报告》。总体来看, 大数据的运用已经有了范式、理论和方法方面的讨论, 并有一些比较成熟的案例。大数据方法也延伸到政治学研究领域, 邦德 (Bond R.M.) 等依据2010年美国国会大选投票期间的6100万Facebook用户的发帖内容, 分析了自我表达、信息搜寻和真实世界的投票行为之间的关系, 孟天广等学者直接提出了“大数据政治学”的概念。

　　2009年哈佛大学拉泽尔等15位学者在《Science》上共同署名发表论文, 正式提出“计算社会学”的概念。文章列举了一系列计算社会科学的研究对象, 如利用视频监控设备记录婴儿最初的成长数据, 通过手机人们的电子邮件数据研究人们的互动行为等。不管是计算社会科学还是新技术社会科学, 利用大数据进行定量研究都是其基本特征, 如范德里特等 (2013) 通过自然语言处理系统将文本转化为时序化的数据并进行定量分析, 分析了2004-2009年2200中美国各类日报与周刊上的10万个姓名, 在《美国社会学评论》上发表了关于“名气”的研究。萨韦德拉等 (2013) 关于股票交易员行为模式的研究更是实时记录2017年-2018年两年间30万次详尽的股票交易记录。

　　三、大数据背景下社会科学定量研究展望

　　随着大数据时代的到来, 定量研究在社会科学研究中蓬勃发展, 并促成新技术社会科学、第四范式研究范式等社会科学新的研究思路与方法。对于大数据统计分析通常只能得出的相关性, 对于孰因孰果, 却不一定能通过大数据分析得出。如果定量研究不能为社会过程提供因果逻辑的证据, 就会丧失其在学科维度的发展优势。因此, 大数据背景下的定量研究, 必须更加重视与定性研究的融合, 定量研究学者要学习质性学者所习得的抽丝剥茧的逻辑精神, 理论学者所习得的宏大理论视野, 再数据分析的基础上要能通过抽象思维能力和学力积淀, 可以对社会的过去、现在和未来进行充满才华的描述、解读和诠释。在大数据时代的定量研究, 要重视对小样本的定性研究, 对小样本进行深入细致的分析, 并找出其中真实的因果关系机制。

　　大数据背景下的定量研究需要注意计算的边界, 对于社会研究来说, 大数据的总体性、真实自然性、客观假设性, 在很多情况下其实不成立。“数字鸿沟”“数据边界”等说明大数据并非“总体性”数据, 而且互联网大数据结构性问题如专业化和偏好因素作用下的数据分隔现象、经济利益驱使下的数据造假现象、个体性格与社会新题影响下的信息偏态现象的限制将会始终存在, 因此在利用大数据进行定量分析时, 更要主要数据可计算的边界, 不能犯“大数据狂妄”的错误。此外, 社会科学研究对象具有独特的历史、社会意义。大数据所无法替代社会生活的复杂内在性和外在性内容以及不同个体作为能动者所具有的有意义的行动和策略终究, 大数据背景下的定量研究也不能忽视人文的关怀。

　　参考文献：

　　[1]沃野.关于社会科学定量、定性研究的三个相关问题[J].学术研究, 2005 (4) :41-47.
　　[2]秦金亮.国外社会科学两种研究范式的对峙与融合[J].山西师大学报 (社会科学版) , 2002 (2) :5-10.
　　[3]仇立平.社会研究方法论辩背后的中国研究反思[J].新视野, 2016 (6) :123-128.
　　[4]刘柳, 陈云松, 张亮亮.定量群学三十年:以《社会学研究》论文为例[J].江苏行政学院学报, 2018 (2) :75-84.
　　[5]陈云松, 贺光烨, 吴赛尔.走出定量社会学双重危机[J].中国社会科学评价, 2017 (3) :15-27.