陈云松

引言

计算社会学(computational sociology)不同于以往借助社会调查抽样数据进行描述和经典模型回归分析的定量研究，而是借助复杂模型和社会计算工具对复杂社会现象与过程进行描述、解释和预测的定量社会学新领域①。作为一种社会学研究的新范式，计算社会学的研究对象主要集中在宏观经济社会现象和复杂网络现象与社会过程，往往使用社会网络分析(social network analysis)、仿真建模(agent-based model)、机器学习(machine learning)以及高级计量模型或实验等手段对大数据(big data)和多来源复杂数据进行研究。计算社会学的数据来源既包括来自传统上通过抽样调查获得的数据，又涵盖了来自互联网、物联网等新平台的海量信息、图像和资料。借助这些新数据和新方法，社会学家视距的时空边界得到前所未有地扩展，因而能够全景式地观察人际互动和社会运作的模式，从中发现前人未能发现的新现象，并进行分析、总结和提炼，从而提出新的观点并由此为本土化理论构建工作提供材料。

在世界范围内，“计算社会学”近年来无论是研究者还是研究成果数量都在不断增长。“计算社会学”一词最早出现在瑞泽尔(George Ritzer)于2007出版的《布莱克威尔社会学百科全书》(BlackwellEncyclopediaofSociology)中。2014年8月，美国社会学界的多位学者在斯坦福大学计算社会科学中心举办学术研讨会，会上推出了“新计算社会学”的概念，更强调大数据、质性定量研究融合、互联网社会实验、仿真建模和其他新型社会计算工具的使用。在实证层面，国际社会学界已涌现出一批具有开创性的研究。特别是，近年来旗舰性刊物都给予了计算社会学实证研究充分的展示空间，如《美国社会学评论》(AmericanSociologicalReview)刊发10万姓名研究[1]、百万就业申请研究[2]，《美国社会学杂志》(AmericanJournalofSociology)刊发的基于Google搜索词汇的全球文化品位和消费偏好研究等[3]，基于篮球赛音频数据的广播内容种族差异研究[4]。文化社会学的顶级期刊《诗学》(Poetics)则在2013年就发布特刊，专注于使用机器学习方法对海量文本进行内容分析研究[5]。

在中国社会学界，近年来利用计算方法开展的社会学研究不断增多，由此形成的相关理论和实证成果陆续发表在《中国社会科学》《社会学研究》《政治学研究》等权威刊物[6-16]以及《诗学》(Poetics)、《中国季刊》(ChinaQuarterly)、《社会科学研究》(SocialScienceResearch)等重要国际社科刊物中[17-20]。总体上，中国计算社会学在研究规模、领域和创新程度上，相较于国际社会学界并不落后。重要的是，独特的天时地利人和优势，也为中国计算社会研究的发展和超越奠定了坚实的基础。推动“计算社会学”的进一步发展，走向世界“计算社会学”之林的前列，是今后中国社会学发展的重要契机和突破方向。

一、中国计算社会学的崛起特征

(一)研究范式的二元驱动：理论和实证

当代中国计算社会学在理论和实证层面都取得了令人印象深刻的成果，且两方面的研究处于相互影响、相互促进的协同发展态势。

其中，理论文献既有对国外计算社会学最新研究成果的引介，还有对计算社会学的本土化发展方向和实现路径的学科思考。罗玮和罗教讲系统梳理了计算社会学的既有研究成果以及发展历程，并将计算社会学主题内容划为五个方面：大数据的获取与分析、质性研究与定量研究的融合、互联网社会实验研究、计算机社会模拟研究和新型社会计算工具的研制与开发。在以现有研究成果为实例对五大研究主题进行介绍和分析的同时，他们根据库恩的科学革命理论阐述了计算社会学对社会学研究范式所产生的革命性影响[6]。孙秀林和陈华珊聚焦互联网对社会学研究对象和范式带来的变化进行了展望[8]。其他国内学者如邱泽奇、罗教讲、罗家德、梁玉成、陈云松、孟天广等均围绕计算社会学的应用、价值以及本土化实现路径展开了广泛的理论讨论[21-28]。随着讨论的不断深入，中国计算社会学在方法论层面的意义以及其与社会理论的关系日益清晰。《社会学研究》在2018年和2020年间连续刊发论文，分别从计算社会学三大主导领域进行了学科展望。其中，罗家德等聚焦大数据研究，指出计算社会学不仅为大数据分析提供工具，更借助其挖掘的数据结果寻觅建构理论的线索，推动理论工作的展开[10]。乔天宇和邱泽奇聚焦复杂社会过程，强调 “复杂”是社会现象的根本特性，而计算社会学恰恰要解决和观察社会行为的复杂模式[15]。陈云松等聚焦机器学习，系统阐述了通过机器学习方法实现社会预测的原理和路径,探讨了社会预测作为计算社会学核心领域的理论和范式意义[16]。

在基于数据的实证研究中，国内计算社会学也呈百花齐放状态。较早的实证探索充分发挥文化大数据的时空跨度优势，从文化史、城市史和学科发展史等角度进行描述与诠释[7][29-32]。随后国内社会学者进一步将计算社会研究主题扩展至新闻和话语传播[33-40]、社会互动[41-43]、社会心态[44-45]和社会治理[46-49]等多方面。另有学者注意到传统计算社会学方法在处理互联网大数据上存在的困难，因而致力于改进分析模型，比如陈华珊使用罚似然回归的高斯图模型对互联网用户的互动数据构建了双模网络[50]。

(二)学术阵地的双峰并起：中文和国际期刊

经不完全统计，截止到2020年6月底，国内学者在中文学术期刊发表的关于计算社会学论文至少有65篇，在国际学术期刊发表的英文计算社会学论文起码有23篇，合计88篇。其中，中文成果不光发表在《社会学研究》《政治学研究》《社会》《社会学评论》等重要专业期刊[7-16][41]，还在《学术论坛》《贵州师范大学学报》等综合性刊物以专栏形式集中发表，形成了系列成果的有力展示[51-53]，并得到《新华文摘》等二次文献刊物的全文转载。同时，国内学者也已将相关文化、政治、经济大数据的研究成果发表在《诗学》(Poetics)、《中国季刊》(ChinaQuarterly)、《社会科学研究》(SocialScienceResearch)、《城市研究》(UrbanStudies)、《社会学评论》(TheSociologicalReview)、《社会指标研究》(SocialIndicatorsResearch)、《信息、传播与社会》(Information,CommunicationandSociety)、《中国传播杂志》(ChineseJournalofCommunication)、 《治理》(Governance)、《亚太管理杂志》(AsiaPacificJournalofManagement)等重要国际社会科学刊物[17-20][54-64]。此外，还有一批使用搜索引擎大数据、多主体仿真建模和机器学习预测人类群体行为的论文，发表在《科学报告》(ScientificReports)、《经济物理学》(PhysicaA)、《应用数学与计算》(AppliedMathematicsandComputation)等自然科学期刊[65-70]。总体上，中国计算社会学人初步形成了国际国内双语刊物的覆盖，以及人文社科与自然科学的交叉。饶有意味的是，单一的人工智能或复杂系统学者的成果，往往难以在国际国内人文社科领域的顶尖刊物发表，而分析社会学、计算社会学、定量社会学的中外学者们(如Peter Hedstrom、Duncan Watts、Michael Macy、谢宇等则在Science、Nature、PNAS等自然科学顶刊多有斩获。公允地说，这既是因为自然科学工作者较为普遍的理论观照不足，也和人文社会领域刊物学科交叉视野不够开阔有关。不过，这一点，随着新兴的社会学刊物如SociologicalScience(《社会学科学》)、Socius(《社团》)等的出现，已经逐步得到改进。

表1展示了计算社会学代表性论文作者所在机构的分布情况(同一篇里合作者所在的单位如果相同，仅计算一次。例如，一作北大，二作清华，三作清华，则记为北大1篇，清华1篇，不考虑作者先后次序)。在中文期刊发表的计算社会学文献中，南京大学、清华大学、复旦大学、武汉大学的论文较多。在国际期刊发表的计算社会学文献中，清华大学和南京大学发表的论文数量相对领先。其他在计算社会学领域发表论文相对较多的高校和科研机构有北京大学、中国社会科学院、中山大学、上海大学、中南大学、广州大学和中国人民大学。尽管表1的统计难免挂一漏万，但总体的发展态势是清晰的。

表1 国内计算社会学学者所在机构的发表和分布

(三)研究对象的全球覆盖：中国研究和全球研究

大数据弥补了传统抽样调查数据存在的规模小且代表性不足的短板，并且一些历史大数据包含了长时段的社会和个体信息，这使得计算社会学研究的时空界限明显扩大。在立足中国本土的同时，国内社会学者在“人类命运共同体”意识的驱动下主动将研究目光聚焦于其他国家的历史与现实，并运用计算社会学的分析范式对一些重大的理论和现实问题进行了探索，相关成果已在多本国际一流期刊上发表。其中南京大学、清华大学、武汉大学学者团队的一批论文具有一定的代表性。

如有学者将谷歌图书英文书籍语料库和宏观经济数据进行整合，考察了在整个20世纪一百年中美国民众的阶级意识的变化及其与宏观经济社会发展的关系。研究发现，美国民众的阶级意识在整个20世纪都与宏观经济增长特别是失业率和通货膨胀率密切相关[17]。通过大数据的方法，作者为阶层意识构建了跨度百年的科学测量，这是以往的调查数据定量分析无法实现的。又如中国学者通过大数据方法讨论“维特效应”也即模仿、传染性的自杀，特别是通过书籍扩散的自杀，在20世纪下半叶的美国是否仍然存在。作者提取了1950—2000年间美国图书中关于自杀的词汇并以此构建“图书自杀指数”。在排除了其他大众传媒可能产生的影响后，该研究发现非小说类图书的自杀指数与实际自杀率存在密切联系，由此证实了“维特效应”的持续存在，从而凸显了媒体在塑造自杀传染过程中所发挥的重要作用[18]。再如，学者利用GDELT全球新闻数据，对全球话语中的各类政治社会倾向[13]、民粹主义[39]以及对焦点议题(如一带一路)的关注[40]进行了总览性的大数据描述与机制分析。这一批研究，改变了中国社会学习惯于关注中国社会学而疏略不同文化、经济和政治体制下社会研究的旧有模式，初步探索出了一条用中国话语和中国理论来解释世界的学术新路。

(四)优势方向的初步形成：宏观定量社会学

传统的社会定量研究专注于个体层次的分析：数据来自针对个体的问卷调查，被解释变量Y均为个体的人。而利用大数据的宏观地域层面集聚性，计算社会学分析可以便捷地以县、市、省、国家为研究单位样本进行宏观层面的定量分析。早在古典社会学时期，涂尔干、韦伯等先驱就极为重视对宏观社会现象的研究。但受到传统量化资料收集方法的局限和“生态谬误”的逻辑挑战，宏观定量社会学研究的进展缓慢，这与微观定量社会学在近三十年来的突飞猛进形成了强烈反差。不过，随着大数据的可及性越来越高，国内研究者在构建宏观变量并运用计量经济学中的成熟模型来识别宏观变量之间的相关关系和因果关系的研究已出现并成熟。无论是基于中国市级、省级宏观变量的面板数据基本模式[54-57]，还是基于国家层面的时间序列研究模式[17-18]，都为重启宏观定量社会学的研究之门提供了实践模式。而基于大数据的宏观定量社会学也是中国计算社会学的独特优势，这赋予了中国学者引领计算社会学的国际前沿的契机。

二、中国计算社会学的“天时地利人和”

当代中国的“计算社会学”，在发展时空和情境中具有三个重要的优势：

(一)天时

“天时”表现在：在定量研究领域，中国社会学和西方社会学的学术差距正在快速减小。多年以来，西方社会学一直是中国社会学学习模仿的对象，同时也是不断追赶的对象，但在定量研究领域，双方的差距已经越来越小。回溯历史，我们发现，在20世纪，西方社会学较为前沿的定量分析技术，如社会网络分析、ABM仿真模型以及内生性等问题，在21世纪初叶才开始被引入到中国大陆，从时间上推算，中国社会学至少落后于西方社会学10至15年。而21世纪在西方世界兴起的大数据、云计算和文本分析技术，也在21世纪初传入中国，从时间上推算，其差距在5年左右。而即使是西方社会学界刚刚开启探索的机器学习分析技术，在中国大陆也有一批致力于计算社会学的学者，可以说在时间上与西方几乎无差别地开启相关研究。同时，中国学者拓展出的依托传统计量模型和大数据变量提取的宏观定量分析模式，已经有一系列发表在国际国内一流期刊的作品，形成了基于中国模式、中国话语的分析视野和路径，独辟蹊径走在全球计算社会科学的前列。我们可以预见，在不久的将来，中国社会学学者有望进一步引领计算社会学的发展和突破。

(二)地利

地利表现在两个方面：

第一，我国计算机学科发展和社会引用日益成熟。从大数据、云技术到人工智能，我国日益完整的计算生态体系和日渐精准的智能技术应用既为“计算社会学”研究提供了技术可能，又在某种程度上为“计算社会学”的应用开拓了方向。首先，针对大数据的采集技术拓展了以抽样问卷访谈和田野调查为主的传统数据收集方法，这使得研究者能够从多种来源获取形式多样、维度丰富、超越时空界限且未经人为影响或修饰的数据资料。其次，借助以虚拟化和分布式计算为特点的云技术，研究者可以建立大规模的数据仓储，并对其进行查询以及批量计算和流式计算，从而大大降低计算社会学者运用大数据分析的硬件门槛。最后，人工智能算法的快速迭代与应用落地可以保证“计算社会学”测量和分析的效度。特别是对文本数据进行向量转化、情感分析、内容分类，或是对文字图片或图像进行文字、物体和场景的识别，或是对语音和图像进行综合分析从而实现视频内容的分类，抑或是进行实体和关系的抽取，进而建构网络知识图谱。这些技术的共同功能是将研究者获取的多种形式的非结构化数据转化为分析所需要的结构化数据，为“计算社会学”得以更加具体地开展数据分析工作提供准备。

第二，中国的国情和治理体制具有得天独厚的数据优势。首先，中国拥有全世界最多的人口，并且使用互联网的人口数量也居全球首位。如此庞大的人口基数不仅为计算社会学研究学者提供了广泛的研究对象，而且可以源源不断地生产海量数据，这为中国学者可以针对层出不穷的社会现象开展定量研究提供了便利，而从中产生出开创性学术成果的机会大大增加。而且，中国各地区的经济、社会、文化存在巨大差异，社会的阶层结构也非常复杂，由此产生的数据具有丰富的异质性。这种体量大且异质性高的大数据为研究者构建宏观群体层次的变量提供了机遇。其次，在保护个人隐私的前提下，我国大数据技术发展、社会应用以及数据开放的程度高于不少西方国家。相当多的经济社会互动过程，例如金融支付、娱乐游戏、餐饮等等，移动数据客户端的使用普及程度已经远远超过西方。更重要的是，我国倡导的构建人类命运共同体的理念为社会学研究指明了方向，促使社会学研究者立足本土，放眼全球，以自信、开放的心态观察国际社会，以客观的眼光审视影响人类命运的重大现实问题，并以科学的方法加以研究，由此形成的中国智慧和中国方案将推动中国社会学的国际化进程，并且促进人类文明繁荣发展。

(三)人和

人是社会的核心，是推动社会运行和进步的根本力量。对于任何一门学科而言，研究者的数量、结构和组合关乎整个学科领域的发展。当前，中国“计算社会学”的队伍不仅已初具规模，且结构合理，形成了总体上老(60后)、中(70后)、青(80后)三代积极互动的传帮带研究梯队。研究队伍的年龄第一层级以50后、60后的邱泽奇、罗教讲、张小劲、罗家德、吴晓刚等教授为代表，致力于引入和推动计算社会学的发展；而梁玉成、陈云松、孙秀林、桂勇等70后中青年学者则位于研究队伍年龄的第二层级，目前已成长为计算社会学研究的中坚力量，尤其是在实证研究和学科交叉方面，形成了各有专长、多方向多维度立体发展、互助协作的团队态势。此外，80后新生力量，如胡安宁、孟天广、严飞、黄荣贵、郑雯、龚为纲、陈华珊、吕鹏、李丁、贺光烨、李双龙、程诚、刘河庆、张树沁、罗玮等学者也在积极创新研究方法，突破学科边界，尝试交叉学科的新研究，这为计算社会学的开拓创新提供了动力。90后柳建坤、张柏杨、句国栋等青年学者也积极参与其中，为计算社会学研究的开展提供了诸多助益。实际上，以上提及的学者名单还难免挂一漏万。

从学者的地域分布来看，“计算社会学”研究者队伍分布在全国知名高校和科研机构，同时又呈现北京、长江三角洲和珠江三角洲聚集，其他地区多点开花、同时推进的空间分布格局。这有利于不同背景的学者参与其中，从而推动“计算社会学”多向度发展。同时，部分区域聚集的特点，也利于集中资源举办大型学术会议或交流活动，总之，计算社会学研究队伍的空间集聚可以迅速提升研究水平，但这种集聚并未破坏学科生态，从而使计算社会学的整体发展得以保持良性状态。

最后，“计算社会学”研究者队伍具备学科共识和团结精神。不同地区的学者并非各自为战，因为从发表的学术成果来看，各地学者都有广泛的交流与合作。在这样一种良性的学术生态中，中国计算社会学的人和优势充分彰显，这也将成为推动中国计算社会学可持续发展的根本力量。其中，以南京大学、清华大学和复旦大学等学者发起的NTFox计算社会学实验室，是跨校学术资源整合的比较有代表性的尝试。

三、中国计算社会学展望

如上文所论，中国计算社会学现阶段的发展势头如火如荼，支撑其在未来获得更广阔大发展的宏观条件均已足具。不过，我们也要清醒地认识到，中国计算社会学的发展仍面临一些限制性的短板。这些短板制约着中国计算社会学的精进，亟待相关学者、机构及社会的共同努力来加以解决。因此，中国的计算社会学发展的中期展望，应以破解相关瓶颈为要。本文用三个缺乏，来概括当前发展的不足。

第一，缺乏基础性的教学教材体系。目前为止，包括中国在内的全球计算社会学界，均缺乏优质的系列基础教材和成熟的教学体系。这使得广大学生和青年教师多以讲座和培训班等碎片化方式作为接触计算社会学理论和方法的主要途径，在一定程度上限制了相关专业知识的传播深度和广度。北大邱泽奇、南大陈云松等学者已经在面向高年级本科生和硕士生群体开授相关课程，并取得了积极的反馈。但计算社会学的总体教学体系尚未形成。在教材方面，一本经典教材的出版、实践与完善往往需要较长时间的积淀，甚至几代学者共同的努力。计算社会学作为一处新兴的研究领域，其理论概念为近年所提出引进，相关方法也多在实践与开拓过程中，成熟的、全面的教材开发尚待假以时日。特别是，计算社会学本身处于多学科交叉领域，涉及的概念、理论、方法庞杂繁复，如何将这些内容精炼地展示在有限的教材空间里，确为一项相当大的挑战。当前市场上并不缺乏编程语言教材、专业软件使用手册抑或相关的社科理论导论，但能够将三者有机结合并适用于大学课堂的教材则还未出现。

国外的已有实践为中国计算社会学界提供了有益的参考。如普林斯顿大学社会学系教授Matthew J. Salganik所著的BitbyBit:SocialResearchintheDigitalAge(《数字时代的社会研究》)已成为西方计算社会学课堂中的基础性教材，哈佛大学经济学院教授Raj Chetty等开设的UsingBigDatatoSolveEconomicandSocialProblems(《使用大数据解决经济与社会问题》)课程也广受赞誉。他们的成功经验显示：(1)教材的编写工作可在相关课程实践的基础上积累完成；(2)教材和课程应侧重研究思维的养成而非具体方法模型的讲授；(3)相关课程实践应配套开放的平台并提供代码数据等资源以供学者远程学习参考。

第二，缺乏广泛的团队合作和交流。计算社会学研究中校际、院际的合作仍然不多。广泛的学术合作是交叉前沿学术领域得以发展成熟的前提，并对提升研究效率、培养青年后进和构建学术生态等方面具有重要的意义。当前相关计算社会学研究者分散于各个高校的不同院系机构，高密度的交流合作仍然不多见。一方面，这种学者的高度分散性是由计算社会学本身的领域特征决定的。大数据与复杂计算本身代表着一种全新的研究范式或方法取径，从而适用于社会科学的不同分支议题中，因而相关学者在社会学、经济学、政治学乃至历史学等院系均可能有所分布；另外一方面，同时受限于计算社会学本身的领域历史和传播范围，从事相关研究的学者又往往在这些院系中处于少数，这就使得相关学者愈显稀疏和孤立，并大大降低了学者间的合作概率。考虑到计算社会学涉及议题与研究方法的多样性，在中短时期内难以形成独立的系所或专业，相关学者应当尝试通过建立一些跨院校的开放性研究联盟来促进学者间的交流，并搭建起合作的平台。如前文论及的NTFox计算社会学实验室即为此类联盟的典型，该实验室的成员来自不同院校，加入其中并不会影响学者自身的单位归属，而该平台的设立，则能够通过开放性的网络空间实现整合资源、推动交流、鼓励合作、倡导创新。

此外，尽管计算社会学专业委员会已在筹建，清华大学罗家德等筹办的英语刊物Journalofsocialcomputing也即将面世，但总体而言，相关杂志、会议等能够集中展示并交流评价学术成果的专业化阵地尚未建立起来。这导致领域内即使已有一些新的成果，也不能及时集中地向学者和公众展示，不仅限制了领域的发展，也消耗了学者的积极性。这一点，相关国际刊物对计算社会学的重视值得借鉴。实际上，SocialScienceResearch、Poetics等著名社会学综合和专业期刊，早在2013、2016年均组织了专门的计算社会学专刊。专业期刊SocialScienceComputerReview更成立于1983年，成立之初即旨在推出社会科学和计算科学的交叉成果。该期刊在2010年后随着计算社会学的兴起而影响力迅速提升，许多计算社会学领域的重要成果均在此平台发表。这些情况转而提示，中文的计算社会科学杂志平台建设事关领域的发展前景，是刻不容缓的要务。

第三，缺乏深度的跨学科联动。当前计算社会学领域缺乏与其他学科，尤其是人工智能、软件工程等计算机专业学科及文史、哲学等人文学科的深度合作联动。机器学习等复杂计算过程的核心是精确的算法模型，它们的领域发展往往由算法的创新或改进所推动，但相关学者却多不易精准地捕获社会关切所在；而计算社会学由问题驱动，面对一些复杂的社会过程，现有算法未必能够高度适用，但算法的开发却往往非社科学者所擅长。因而，理想情况下各取所长、协同共进能够极大地助推两边领域的发展。但实际上，跨学科的深度交流仍然不尽如人意。这方面，中国人民大学冯仕政、中山大学梁玉成等学者均牵头进行过尝试，其经验值得在今后进一步加以总结、反思和深化推广。

究其原因，主要在于不同领域研究范式与惯习间客观存在的巨大差异。如何扬长避短、求同存异仍需在未来进行不断地尝试与磨合。此间，一个可能借鉴的案例是计算生物学的发展过程：在以实验为基础的生物学领域和以算法算力为驱动的计算科学间同样存在着巨大的方法论隔膜，但处于两者交叉地带的计算生物学却屡获硕果，并受到了两边共同的关注。在未来，社会学与计算科学领域的学者也同样需要走出壁垒、打破隔膜，取得更深度的互动协同。一方面，社会学家应该以开放的心态接受计算社会科学方法和其他领域学者的涉足；另外一方面，有志于社会学研究的计算科学工作者应该沉下心来修习人文社科传统，从理论和文献中汲取社会学的想象力。值得指出的是，到目前，计算社会学仍有待社会学内部更为广泛的理解和支持。在社会学领域中，本身客观存在着“理论—实证”“定性—定量”间的研究侧重和方法取径的差异，而相较以计量经济学为基础的传统定量方法，计算社会学使用更复杂的算法，尝试以“偏差换取方法”、牺牲无偏性的范式本身又与“统计推断”思路有所不同[16]。因而，对计算社会学而言，来自社会学学科内部的压力不仅包括理论和定性领域的误解，还有来自传统定量领域的困惑。

在发展中国计算科学“天时地利人和”的大好前景下，面对新兴的计算社会学的发展，同时考量到现实存在的短板，计算社会学者尤当重视以下几个具体问题，尽快走出学科发展的瓶颈和过渡阶段。

(一)多倡导团队作战

高素质的研究团队是计算社会学发展的必然要求，也是推动其发展的关键所在。首先，计算社会学研究团队需要实现跨地域协作，将中国一流大学的一流专业的研究团队汇聚起来，使优势院校之间建立长期、深入的合作关系；其次，计算社会学研究团队需要实现不同研究方向的跨越，将理论家、民族志学者、实验主义者和民意调查人员集结在一起，定期进行学术交流，完善计算社会学的理论和方法短板；最后，计算社会学研究团队需要实现政府、企业、高校三方联动的场域跨越，各自的分工如下：政府部门发挥在研究团队的中期政策引导作用，企业部门为研究团队提供资本保障，高校专家为研究团队提供智力支持。目前，南京大学、清华大学和复旦大学发起NTFox平台，就是实现跨校学术资源和队伍的整合，为中国计算社会学发展形成拳头力量。

(二)多利用媒体平台

中国计算社会学可以在以下两个维度利用媒体平台来推动自身发展：第一个维度是充分利用多媒体平台的数据进行学术研究。数量级以千亿词汇、以万亿字节计的数字化书籍、媒体、语料库、视频库、互联网文本、搜索引擎记录，以及脸书、微博、微信等当代自媒体平台，都可以成为计算社会学的数据来源。除了直接使用这些数据外，计算社会学家还可以依托这些平台开展“简单调查”(simple surveys)。例如，利用脸书、推特、Netflix(视频网站)和Spotify(音乐软件)，或亚马逊和阿里巴巴来生成推荐的调查，这些调查通常涉及简单的任务，如评分或比较。研究人员从非正式的、众包的样本中收集反馈，通过诸如Mechanical Turk或CrowdFlower这样的招募参与者的市场，或者脸书或XBox这样的商业平台，以及他们自己创建的参与网站。在这些简单调查中，研究者可以问更少、更个性化的问题来引导现有的在线活动，进而使用这些计算方法可以分析更多样本与检验更多社会问题，并且这些计算方法在线跟踪记录了人们在真实的环境中实际做了什么、想了什么、更喜欢什么，而不是他们说他们做了什么、想了什么、更喜欢什么。当然，研究者必须注意学术伦理和法律问题。

第二个维度是计算社会学需要从实现单一的论文著作平台向自媒体、传统媒体和学科媒体等多元平台转变。无论是在国内还是国外，传播媒介已由传统媒体转移到了依托于互联网的新媒体，内容导向、平台导向、算法导向三种模式组成了新媒体的组织架构，形成了一个相对的、动态的新媒体概念。计算社会学需要推动学术期刊与新媒体的融合，完成“内容+渠道”到“内容+平台”，单一型人才到复合型人才的转变。计算社会学需要打造“学术新媒体多元平台”，改变学术交流的方式、渠道和中介，引领学术传播新秩序，扩大计算社会学的社会影响力。

(三)多注重理论关怀

理论是支撑一个学科发展的核心动力。中国计算社会学的发展需要注重理论关怀。第一，计算社会学需要用计算深度和思维广度来纠正定量学者理论关怀不足的刻板印象。计算社会学家需要重读社会理论经典，从中获得理论研究的定量分析对象，还可以采集互联网数据信息对当代学者提出的各类重要理论进行检验。第二，计算社会学者需要运用计算方法来对当代中国国家治理体制进行分析、解释与预测，提供学术观点，作出理论贡献。在大数据国家战略全面展开的背景下，计算社会学者应充分挖掘大数据的价值，对当前社会热点事件的发展趋势进行持续追踪，突破传统舆情管理的狭窄视阈，实时获取日常网络平台数据，了解舆情动态，精准识别社会治理的难点和着力点，提高决策部门的风险预判和危机处置的能力。第三，计算社会学者需要使用计算工具来全景展现中国的历史与现实，从中获取科学研究的数据来源，从而对文化历史现象进行分析，将学科深深扎根于中国文化，为新的社会学分析提供灵感来源。

将研究视野扩展到整个学术界后可以发现，计算思想已经介入到不同学科体系的建设中，“计算传播学”“计算政治学”和“计算经济学”等都已纷纷出现。而对于与人类生活密切相关、直接应对社会现象和社会问题、文化或社会结构的社会学而言，随着计算机这一独特的甚至改变人类文化或社会结构的重要工具的问世，以及计算机学科的成熟和完备，“计算社会学”的出现顺应自然和历史的发展趋势。

总而言之，中国计算社会学时代已经来临，我们必须动员起来，以开放、包容的态度拥抱新的方法、新的数据、新的模型、新的范式、新的思维，确保社会学者能够迎接计算社会学时代的挑战，促进学科持续繁荣发展。计算社会学带来的新的研究范式和理论视野也会将社会学研究引入到新的更加合理、科学和严谨的学术规范中，为社会学以及其他学科的内部交流打下良好的基础。作为学科使命的当代承担者，我们需要推进中国计算社会学的发展，以百倍的努力和信心，以宏大的视野和宽厚的肩膀，来应对时代的挑战，同时迎接中国计算社会学时代的真正到来。

注释：

① 2019 年 11 月，邱泽奇率梁玉成、陈云松、孙秀林、胡安宁、陈华珊等人在“中国社会学会计算社会学专业委员会筹备会议暨 2019 年学术研讨会”上讨论并明确了中国“计算社会学”的基本定义范围。