规律和因果大数据对社会科学研究冲击之反思.docVIP

规律和因果大数据对社会科学研究冲击之反思 　　摘要：在社会科学中，大数据研究还刚刚起步，但也取得了一定成果。大数据为社会学和社会科学重新发现社会历史发展规律提供了可能性：它提供了认知宏观社会、检验社会现象的“异质性假设”和“结果稳定假设”的数据基础；它以实时记录的特点较大程度上排除了获取数据时的人为干扰；它将抽样数据中被排斥的极端值重新纳入统计分析。在因果关系上，大数据有助于从根本上克服由于抽样偏颇所引起的样本选择性偏误；匹配数据可以克服或缓解变量遗漏问题；作为面板数据和分层数据，大数据对确定因果效应、检验因果关系比抽样数据更为有利、稳健和可靠。大数据也许可以重构社会学和社会科学的研究目标。 　　关键词：大数据；规律；因果关系；冲击；反思 　　中图分类号：C91-03 　　文献标识码：A 　　文章编号：0257-5833（2016）0943067-14 　　作者简介：刘林平，南京大学社会学院教授、博士生导师；蒋和超，南京大学社会学院博士研究生；李潇晓，南京大学社会学院博士研究生 　　（江苏 　　南京210023） 　　一、大数据特征与社会学相关研究 　　“数据”是系统收集到的关于世界的信息要素。“大数据（Big data或Megadata），或称巨量数据、海量数据、大资料，指的是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形式的信息。”由于互联网的普及和相关设备的广泛使用，人类活动的痕迹几乎都可以转化为可以储存的数据，如日常起居、运动、购物、旅行、休闲、人际交往、写作（发表意见、评论和文章等）等等莫不如此。在社会和国家的层面，经济、政治、军事、科学、教育、社会和文化活动，及人类对自然界的影响，都会留下可储存的海量数据。这些数据可以用来分析人类活动的特点和规律。因而，大数据必然会对传统社会科学的研究方式产生巨大冲击、挑战并提供新的机遇。本文从社会学和社会科学研究的基本目标人手来进行反思。 　　大数据不同于传统数据之处在于：它不是通过抽样调查所获取的样本数据，而是人类活动的实时记录，并大都可以通过互联网存储、获取、交换和分析。大数据是“由科学仪器、传感设备、互联网交易、电子邮件、音视频软件、网络点击流等多种数据源生成的大规模、多元化、复杂、长期的分布式数据集”。大数据有多方面的来源，一般而言可以分作五类：企业公司数据，指来自公司企业的销售、交易等数据，比如阿里巴巴的销售数据、证券公司的交易数据等；网络数据，主要是指来自互联网、社交媒介的数据，比如Facebook、Twitter、新浪微博等；期刊图书数据库，是指取自某一个具体的数据库的数据，比如CNKI期刊数据库、Web of Science、Google图书等；政府数据，是指源自政府的总体数据，比如人口普查数据、全国用水用电数据等；其他，是指除上述四类数据之外的其他数据，但不包含抽样调查数据。有关大数据的基本特征，我们可以在与传统数据的比较中进行描述和分析。 　　1.样本与总体 　　和以往抽样调查获得的数据不同，大数据不是抽样数据而是一个总体数据。但是，这个总体是一定范围里的总体，而不是绝对总体。比如，人们通过京东商城购物，所有的购物过程都可以转化为数据，所得到的总体就是在京东商城发生购物行为的总体。这个总体不是所有网上购物者的总体，更不是包括线下购物者的全部购物者的总体。不过，有一些数据的总体，就是一个完整的总体。比如，美国国防气象卫星计划（Defense Meteorological Satellite Program）的夜间灯光图像数据，就是每天对地球进行扫描的数据，其平均灯光强度可以作为代表区域社会经济发展的指标，现有研究表明这一指标与GDP的相关度非常高。这个数据的总体，就是整个地球。因而，我们不能笼统地说总体，而要具体看该数据所代表的总体是什么样的总体。这样所得结论的界限就比较明确。 　　作为总体的大数据，在统计上至少有两个意义：其一，它可以给抽样数据提供参照，纠正其偏差。抽样调查采用抽样数据推断总体，实际上，很大程度上对总体认识不清，并不知道推论的实际效果，只是根据统计的显著性来进行检验。大数据的出现为抽样数据提供了总体的基本特征，抽样数据可以与大数据进行比较，看到底有没有偏差，偏差有多大。所以，大数据给小数据（抽样数据）提供了一个标杆和判断的标准。其二，运用大数据进行统计时，显著性检验可能就是不必要的了，实际数据差异是多少就是多少，因为它就是总体。 　　2.结构化与非结构化 　　与人们的一般想象不同，大数据其实主要不是结构化的数据，而是非结构化（含半结构化）的数据。“据统计，只有5%的数据是结构化的且能适用于传统数据库。”非结构化的数据对社会科学研究提出了如下问题：其一，它对数据