试论大数据环境中社会科学研究范式.docVIP

试论大数据环境中社会科学研究范式 　　【摘 要】 本文分析了社会科学的研究范式及数据研究方法，提出了个人的见解。认为，大数据分析这个研究范式十分擅长归纳推理，而且很容易就能算出概率的大小，然而却很难将事物内在的联系清晰地表达出来。在大数据的采集与分析下，确实能够有效地促进社会科学的研究，然而这种研究范式并不是适合所有的研究对象，它不是万能的，不可能完成所有的研究目标。因此，不能将其作为唯一的研究方法，应该让其与传统的方法结合在一起。 　　【关键词】 大数据环境；社会科学；研究范式 　　21世纪是一个信息化的时代。在这个时代下，数据最有说服力，人们对大数据的认识是不同的，很多人都觉得它是宝贵的资源，认为它是一种重要的源数据，凝聚着客观的智慧，它能够给社会科学的研究提供很多重要的信息。然而，它又不是万能的，我们切不可将其作为唯一的研究方法。 　　一、研究范式分析 　　在研究社会科学的时候，主要有四种研究范式。第一范式主要是对自然现象的描述，这种范式出现在文艺复兴之前；第二范式主要是对模型的建造与概括，它稍晚于第一范式，产生于文艺复兴以后；第三范式主要是进行科学计算，它以计算机为依托，将复杂的现象模拟出来；第四种范式就是探索数据，而且会涉及到大量的数据、重视挖掘、统计与分析数据。 　　克里斯?安德森指出，很多社会科学都想要将行为的原因找出来，然而他们却怎么都找不到，其实不需要对行为的原因作出解释，仅仅需要对个体的行为进行了解；为此，只需要通过大量的数据分析来找出之间的关系与关联，这就要求有大量的数据，在数据的支撑下，不需要再进行假设，只需要在计算机中计算，从而得出相应的规律即可。 　　传统科学研究与大数据思维之间有很大的差别，前者比较侧重的是数据的演绎，而后者则十分注重数据的归纳。前者的演绎是建立在已知公理的基础上的，在公理的辅助下判断特殊情况，并在此基础上得出相应的结论，演绎的方法也是研究现代科学最基本的方法。 　　现代科学研究都是建立在观察和分析的基础上的，在分析之后提出相应的问题，然后在问题的基础上会提出假设，之后就会根据假说再演绎、推理，最终在实验的基础上，得出确定性结论；与演绎不同，归纳遵循的思维过程就是从特殊到一般，它需要海量的数据，并对数据进行分析和归纳，从而得出这些数据的共同特性，从而得出相应的推断、非确定性结论。在现实中，归纳法是商业推广中最经常使用的。比如，通过对数据的分析，就可以发现一些顾客在购买A商品的时候也会同时购买B商品，这就会使商家得到一个有不确定性的预测，即购买A商品的顾客同时也会买B。如果在分析的结果中这种现象大量存在，那么商家就可以向购买A的顾客推荐B，从而形成一种连带的效应。这个消费的案例就在一定程度上表明了数据归纳分析的优点，即使没有理论的指导，也不需要进行假设，更不用对其进行证实、证伪，只需要对数据进行分析就可以找到事物之间的关联性，从而达到相应的目的。正是因为大数据分析的归纳功能十分便捷，因此很多人都觉得它可以代替传统的演绎方法，然而这种认识是错误的。 　　如今虽然处于一个大数据时代，但是数据再大也是有限的，有限数据也就决定了样本的数量也是有限的，在有限的样本下，就根本不能得出具有确定性的结论，一般都是预测和非确定性的结论，非确定性就表明它只是一种概率，而不是绝对的存在，然而社会科学是一门科学它所需要的并不是一种概率，而需要一种准确的因果联系和精确的答案。 　　此外，大数据的归纳方法虽然被很多的商业推广所使用，但是也不能仅仅只探索事情之间的可能性联系，这是不够的，它也需要对事物之间的因果关系进行探索。 　　从本质上来说，归纳和演绎是人类思维中必不可少的，同时存在的两种方法，它们之间相辅相成、相互依托。在具体的实践中，大数据分析并不只是单纯地数据归纳，它不仅需要数据，在分析数据的时候同样会联系到以往的知识和实验。算法以及程序的开发与研究都是建立在以往的理论和知识积累上的；实验检测是每一个设计好的算法和程序都必须经过的一个阶段；然而如果研究者没有事前考虑某些事物之间的联系或者是其它方面的问题，那么就不会开发出什么程序，更不知道用程序来干什么。 　　从众多的实践来看，大数据的归纳方法，主要是用来进行预测，而不是做出科学假设。数据分析家在数据分析的基础上，除了要对自然事件进行预测，还会对社会事件进行预测。然而大数据归纳分析的准确性遭到了很多科学家的质疑，但是由于受社会科学研究的传统理念影响，就认为与自然界相比，人类社会有别样的复杂性，往往无法预知社会发展和人的行为，然而大数据的出现和发展，给这种思想带来了很大的冲击。 　　二、数据研究方法 　　在进行大数据研究的时候，往往需要收集海量的网络信息，然后在此基础上对所有的信息进行分析，比如，通过对微博上的帖子进行收集