0.2.2 計算社會學的黃金期：2009年至今

2009年，哈佛大學拉澤爾教授等15位頂級學者在《科學》上撰文，首次正式提出了“計算社會學”（Computational Social Science）這一概念［22］。文章強調新型計算技術、互聯網技術的跨越式發展使得計算社會科學正在成為現實。首先，飛速發展的通信技術和網絡技術正在重塑人類的交互模式，借助于視頻監控、電子郵件、社交媒體、GPS等技術社會科學工作者能夠對觀察目標開展持續性、多角度的精細觀察，從而發現更多有效的觀測變量。同時，以人工智能為代表的智能計算技術極大地提升了人類對海量數據的處理能力，從而可以建立更加復雜的推理模型，實現從海量數據中高效地發現關鍵信息。

一方面，計算社會學為不可觀察的或者半可控的系統提供了全新的視角，在物理或信息空間中提供了多尺度的系統觀測變量，形成了對目標對象的持續量化能力。例如，在精神健康狀態的社會性篩查方面，美國醫學協會雜志JAMA發表觀點性文章，首次提出了精神疾病的“數字表型”（Digital Phenotyping）概念，主張通過分析個體電子設備的交互特征、社交媒體中的內容表達風格等，實現社會性的精神疾病“軟篩查”［23］。計算社會學對政治領域的影響表現尤為突出。劍橋大學研究表明基于用戶在Facebook上的交互記錄（點贊信息），通過奇異值分解方法，可以觀測變量與用戶屬性的線性關聯，挖掘用戶的性別、年齡、種族、政治觀點、宗教信仰等屬性信息（見圖0-5）［24］，并且預測結果明顯優于人類的主觀判斷，具有高度的可信性［25］。基于此，劍橋分析公司（Cambridge Analytica）未經授權獲取Facebook 5000萬用戶的檔案及“點贊”內容等數據，通過數據挖掘技術支撐的心理分析預測模型和人工智能技術支撐的定向廣告算法、行為分析算法來助力競選宣傳。

另一方面，計算社會學借助于大跨度的歷史數據，能夠對社會現象背后的本質規律進行建模分析。例如，在人類移動軌跡分析方面，美國西北大學復雜網絡系統專家Barabási等人［19］通過分析10萬名手機用戶6個月內的移動軌跡，指出人類行為雖然具有多樣性，但呈現出重復性特質，服從簡單的空間概率分布，表現為無標度性。早期學者認為人類移動行為是隨機的，而且行為的可預測性在個體層面上存在顯著性差異，且出行少的用戶比活躍用戶更容易預測。然而，美國東北大學的研究人員通過分析5萬名移動用戶3個月內的活動軌跡，發現人類移動行為的可預測是用戶無關的，且與用戶的移動距離和活躍度獨立［26］。針對人類行為的無標度特點，丹麥哥本哈根大學的研究人員對超過700000人的移動數據分析后，發現人類活動確實包含有意義的尺度，這與限制移動行為的空間“容器”相對應，并提出了一種層級化的容器模型實現對人類移動行為的容器建模（見圖0-6），人類行為表現出的無標度特性本質上是由于容器之間的總位移而產生的［27］。人類移動行為的容器模型提供了一種了解國家、性別群體和城鄉地區之間流動行為差異的方法。當前移動性已成為研究人類活動的主要刻畫指標，深入理解人類移動行為的規律對于城市規劃、城市發展演化等具有重要意義［28］。

圖0-5 基于Facebook交互數據的用戶畫像研究框架［24］

圖0-6 人類移動行為的容器模型［27］

基于上述理論研究工作，圍繞人類移動軌跡的研究工作大量涌現。通過融合多種海量數據信息，如交通流、氣象數據、道路網絡、興趣點、移動軌跡、社交媒體、能耗數據等，解決人類社會在城市化進程中存在的各類問題和挑戰，如環境污染、交通擁堵、節能減排、城市規劃、社會治理等。在城市環境治理方面，微軟亞洲研究院的鄭宇團隊利用地面監測站的實時數據和歷史空氣質量數據，結合交通流、道路結構、興趣點分布、氣象條件和人群流動規律等大數據，使用機器學習算法建立數據和空氣質量的映射關系，從而推斷出整個城市細粒度的空氣質量［29］。針對城市噪聲污染問題，CityNoise結合路網數據、興趣點數據和社交媒體中的簽到數據來協同分析各個區域在不同時間段的噪聲污染指數，進而生成城市噪聲污染地圖［30］。同時，人類的移動性與傳染性疾病的傳播緊密相關。大量專家和學者研究人類活動與新冠病毒傳播之間的關系。其中，英國格林尼治大學的科研人員［31］通過分析智利圣地亞哥140萬移動手機用戶的軌跡信息（見圖0-7），發現政府的非醫療干預措施在較為富裕的社區執行良好，對于降低感染病例具有顯著作用［32］。這一研究表明在新冠的防控過程中需要考慮社會的不公平性，強化重點地區的健康醫療資源。

圖0-7 新冠疫情在智利圣地亞哥的案例分析［32］