計算政治學是理解人類社會系統的新工具

　日期：2024-11-15   來源：中國社會科學網

　　隨著物聯網、云計算、社交網絡及信息獲取技術的迅猛發展，數據量呈現爆炸式增長，成為社會重要財富。大數據時代為研究社會動態提供了機遇，計算機科學家和社會學家廣泛關注其在社會、經濟、科研中的價值。如美國圣塔菲研究所、谷歌研究院、惠普社會計算實驗室及哈佛大學等科研機構和高校，采用復雜性科學描述社會系統的復雜現象，提出復雜適應系統等理論，利用計算機作為研究工具，開創計算社會科學新方法，使社會計算（或稱社會化計算）深入社會研究領域。

　　交叉學科催生新研究

　　伴隨著政治學領域研究對象變化及政治科學領域研究方法的變革，政治學者不再局限于小樣本的傳統定量研究方法，而是通過分析海量數據來揭示更為復雜的社會現象，計算政治學應運而生。作為計算科學與政治學的交叉學科，計算政治學（Computational Politics）將前沿數據分析技術和社會科學方法論結合，依靠不斷擴展的多源異構的大數據資源、日益增強的算力和逐步優化的算法進行政治學研究，形成了政治計算、社會仿真模擬和互聯網實驗的研究方法。

　　當前，國家治理正經歷著結構與運行方式上的深刻變化，數據能力已然成為現代國家解決內部信息不對稱、信息碎片化等問題以及與社會間信息交流障礙的關鍵。數據獲取與處理機制是國家數據能力生產的重要組成部分，對于推動國家治理的數字化轉型至關重要。國家通過數智化手段可以更有效地收集、分析和利用信息，提高治理效能。例如，數字技術的應用能夠幫助政府實時監測社會動態，快速響應民眾需求，增強決策的科學性和針對性。同時，信息開放政策也有助于提升政府透明度，增強公眾的信任和支持。

　　總之，作為國家治理的關鍵要素，數據處理能力能夠縱向溝通國家內部的信息不對稱和控制問責問題，橫向溝通國家—社會之間的信息汲取問題，數字能力的提升對于國家治理效能的提升具有重要意義。而計算政治學對數智時代國家治理的結構和運行方式雙重數字化轉型這一重大理論與實踐命題進行參與式觀察和學理性回應，傳承和發揚了政治學的計算傳統，也是更為廣泛的計算社會科學的重要子領域。

　　復雜社會系統研究進入數據時代

　　從研究方法層面，大規模、高維度、多源頭的數據，極大地提升了政治科學研究樣本的外部效度，能更廣泛地反映真實世界的情況。這些數據集不僅包含傳統的結構化數據，如選舉結果或經濟指標，還涵蓋了社交媒體上的文本、圖片、視頻以及復雜的社交網絡信息等非結構化數據。這種多樣化的數據來源允許研究人員實時監測政治行為的變化趨勢，增強了研究發現的即時性和相關性。借助于前沿的數據分析技術，如自然語言處理、圖像識別、社交網絡分析等，研究者能夠處理并挖掘這些復雜且多樣的數據類型。這不僅拓展了政治學的研究形態，還為研究傳統議題提供了全新視角。例如，在選舉預測、輿論分析等領域，通過分析社交媒體上的情緒變化可以更準確地預測選民的行為；而在國際關系研究中，通過對多方外交聲明的情感分析，可以洞察不同國家間的互動態勢。參數化的建模方法，結合機器學習算法，使研究者能夠在復雜的系統中調整變量，探究不同條件下主體與環境之間的互動關系。由于人類社會是一個復雜系統，個人、組織和國家能夠自發地產生高層次的結構、模式或行為，這些高層次的現象并非直接由組成單元的屬性決定，而是從無數微觀交互中涌現出來，展現出整體大于部分之和的特性。所以，計算政治學不僅能夠揭示個體層面的行為特征，還能從無數微觀交互理解系統內部各群體行為模式及由此涌現的社會現象，進而為理解人類社會復雜系統的涌現機制提供了強有力的工具。

　　研究范式之爭是新興學科必經的洗禮，計算政治學的名稱確實可能導致“方法革新能否成就新學科”的誤會，但揭示了“學科交叉實現知識積累”領域的誕生。鄧肯·沃茨認為，解決復雜社會問題的分析往往需要互補應用多種研究路徑，但研究人員卻很難同時具備多種方法。長期以來，以有限工具應對研究對象的政治學，同以理論假設為驅動展開研究范式并在不斷的探討中接近人類社會的真實，進而結合數據驅動與理論驅動雙重研究范式的計算政治學，則有可能在社會數據革命和計算能力發展的大背景下接近“硬科學”的范疇。可見，在收集階段“所見即所得”，大數據蘊含的由世界的根本變化所驅動的從模擬世界到數字世界的轉變為研究人員帶來更多機會；在分析階段，大數據則會弱化理論假設對政治學研究的作用，提供更廣闊的模型選擇空間，發掘更多的政治研究可能性。

　　計算政治學學科發展要迎難而上

　　從現有情況看，計算政治學面臨著方法技術上的挑戰。首先，數據質量問題構成了政治計算研究的關鍵挑戰。大數據的真實性、代表性和普適性直接影響結果可靠性。盡管大數據具有海量性、持久性和非響應性等優點，但不完整性、獲取難、非代表性、漂移、算法干擾、臟數據及敏感性等問題對其產生不利影響。來源多樣的計算數據，包括政府、民意調查、新聞及社交媒體數據，可能存在質量參差不齊的問題，降低模型精度，再因社會偏見、樣本選擇偏差和算法偏見而加劇。其次，模型可能受理論偏見和數據選擇偏差影響，導致局限性和偏見。人類行為和決策受認知、情感和社會環境等復雜因素影響，難以簡單模型化。基于歷史數據和假設的模型對未來的預測能力有限，且常受限于量化數據，難以全面解釋定性的政治問題。最后，常態偏差也是重要障礙。人們傾向于認為未來是過去的重復，忽視新情況。依賴歷史數據的政治計算模型傾向于反映歷史常態，難以預見突發狀況。人類心理認知偏差使個體易接受符合經驗的信息，忽略不符部分，導致模型預測偏向歷史常態，難以準確預估新可能性。

　　為解決計算政治學發展中存在的困難，促進計算政治學的長遠發展，首先要增強計算政治學學科的內驅力，明確計算技術在政治科學研究中的定位及其獨特貢獻。其次，具體到人才培養層面，則要從課程設置、師資建設、教材革新、專業實訓和報考要求等方面著手。計算政治學將致力于培養具有跨學科背景的高素質復合型人才，這些人才不僅要掌握政治學的基本理論，還要具備處理和分析大數據的能力，以及運用計算模型預測和解釋政治行為的能力。這表示，高校應當構建“工”“管”結合、“理”“文”相融的跨學科復合應用型人才培養模式，優化課程設置，平衡實訓課程和傳統的政治理論課程，引導學生從傳統的科研能力訓練向適應大數據時代的創新能力與綜合應用能力轉變。師資隊伍建設同樣至關重要，既要吸引并培養具有計算社會科學背景的優秀教師，又要鼓勵現有的教師積極進修，更新自己的知識體系，適應新的教學需求。學界可以出版一系列面向公眾的科普讀物，降低學科門檻，使非專業人士理解計算模型如何應用于解釋與預測政治現象，從而激發社會各界對該領域的興趣和支持。有條件的學校要主動發揮示范作用，通過設立跨學科研究中心或實驗室、開展聯合項目等形式，引領學科融合新趨勢。此外，將質性研究方法與計算政治學相結合是未來的重要方向之一。傳統的質性研究擅長深入探討個案背景下的復雜因果關系，而計算方法則擅長處理大規模數據集并發現宏觀模式。兩者的有機結合不僅能補充單一方法論的不足，還可以為解決復雜的社會政治問題提供更為全面和深刻的視角。例如，在政策制定過程中，可以利用質性訪談來深入理解利益相關者的需求與期望，再運用計算模型進行模擬仿真，評估不同政策方案的效果，進而為決策者提供有力支持。

　　在全球化的浪潮中，計算政治學的興起標志著人類社會科學研究進入了一個嶄新階段。這一學科的發展不僅要求政治學家與計算機科學家跨越傳統的學科邊界，打破固有的建制局限，實現真正的協作，還需要社會科學研究領域內部的緊密聯動。經濟學、社會學等學科的理論與方法論互通，將為計算政治學注入新的活力，共同推動人類科學研究的深化與拓展。面對未來的挑戰，計算政治學需不斷吸納最新的科技成果，如人工智能、區塊鏈等，以增強研究能力。同時，應重視倫理考量，確保技術應用符合社會公平正義的原則。通過這樣的努力，計算政治學不僅能夠揭示出更加細微的政治行為模式，還能夠為政府決策提供堅實的數據支持，促進社會治理現代化。在堅實的跨領域交流基礎上，才能充分發揮各學科的優勢，整合多元視角與先進技術手段，實現對復雜社會現象更為全面和深入的理解。

　　（作者系南開大學周恩來政府管理學院副教授；南開大學數字政府與數據治理研究中心助理研究員）