大數據融入人文社會科學的基本問題

文/陳泓茹 趙寧 汪偉

大數據融入人文社會科學的基本問題

文/陳泓茹 趙寧 汪偉

對于人文社科研究而言，借助數據技術、運用量化研究方法提升人文社科研究方法與成果的科學化、精確化的探索由來已久。雖然這種探索一直受到適應性的爭議，但一直沒有停止過。隨著大數據概念的提出，目前關于這個問題的討論，呈現多視角介入、多學科觸及的趨勢，體現了人文社科研究工作者的方法論自覺。目前國內學界已經開始的關于大數據之于學術研究特別是人文社會科學研究方式方法的影響的討論逐漸升溫，不少探討富有見地和啟發意義。但我們也看到，除了極少數討論者的零星幾句關于數據過度開發、數據孤島、數據倫理的擔憂和忠告以外，幾乎是一片歡呼。

大數據是一種新的數據形態，開啟新的數據時代。作為一種處在發展中的新的信息技術，或者一種新的數據樣態，大數據與人文社科研究結合的取向和趨勢自然毋需置疑。我們認為，對于大數據這樣的信息技術與人文社科研究的結合問題，無視甚至蔑視固然荒謬，因為這一趨勢符合認識規律，契合實踐發展，體現了人類量化認識世界的不懈追求，彰顯著人類把握、理解世界的方式與能力的躍升，但簡單地以為只要運用這些技術就可以萬事大吉，這樣的想法更加可怕。在人文社科研究中運用大數據或者試圖構建兩者融合模式時，我們應當遵循“謹慎的樂觀”態度，以人文社科的視閾與方法，對于關涉大數據與人文社科研究如何正確結合的幾個基本問題進行討論。

準確把握大數據的生成背景

數據的歷史與人類的歷史一樣久長。步入現代社會以來，伴隨信息載體、種類和數量的增多，數據種類越來越豐富，數字、文字、圖像、音頻、視頻等也都是數據。通過數據來研究規律、發現規律，貫穿了人類社會發展的始終。不僅人類自然科學發展史上的不少進步都和數據采集分析直接相關，而且人文社會科學的發展也始終離不開數據。自20世紀后期以來，隨著計算機技術全面融入社會生活，信息爆炸已經積累到了一個開始引發社會全面變革的程度。它不僅使世界充斥著比以往更多的信息，而且其增長速度也在加快。信息總量的變化還導致了信息形態的變化——量變引起了質變。大數據正產生于這一大的歷史背景下。

研判大數據之于人文社科研究的可能性與適應性

人文社科量化研究方法的長期探索為大數據與人文社科研究的結合奠定了較好基礎。以美國為代表的西方發達國家在20世紀80年代之初便展開的關于社會科學與自然科學優劣及“定量研究”與“定性研究”的研究范式、研究方法論的派別爭辯，以及以陳向明、風笑天、沃野等為代表的國內社會科學方法論研究者的討論雖然持續不息，但以羅納德·費希爾（1890～1962）1928年抽樣理論的創立、喬治·蓋洛普（1901～1984）1935年美國輿論研究所的建立以及抽樣問卷調查的推廣、多變量統計分析和統計檢驗的普及等為標志，定量研究在社會科學研究領域不僅獲得成熟與進步，而且進入全面發展時期，成為一種常規的甚至主流的研究方法。有的學者甚至這樣指出：沒有量化，社會學就只能停留在印象主義的臆想和未經證實的見解，因而也就無法進行重復研究，確立因果關系和提供證實的通則。問題是，這一事實并沒有終止過去幾十年里社會科學研究領域對于其孰優孰劣的爭論，甚至“社會科學任何學科分支都充斥著這樣的派別戰爭”。雖然國內人文社科量化研究方法在實際使用及其效果和研究上并非像國際人文社會科學界那樣占據主流而且成效明顯，但多數學者還是達成了這樣的共識，即無論是量化研究還是質性研究以及二者的相互關系都不可避免地承繼了社會科學綜合性、復雜性的基本特質，二者或被視為基于截然對立的研究范式而不可結合混用，或被可以視情境和研究實際各取所長、結合使用，或被認同可以結合，但須注重研究具體功用和方法操作。

辯證看待大數據使用的可靠性，首先必須正視大數據給人文社科研究帶來的挑戰。學者研究指出了其中的兩個方面：科研資料總量的快速增加給人文社會科學研究帶來了巨大挑戰，如百萬圖書的挑戰問題；資料的數字化改變了傳統人文社會科學的資料類型，數字資源的采集、加工和處理對研究成果的獲得作用日益顯著等。其次，以隨機樣本分析為代表的量化研究方法在人類社會呈現出高度復雜性和高度不確定性的時候確實變得很不可靠，但是大數據所謂的“全數據模式”是否可靠依然是一個有待回答的問題。正如有學者指出的，在高度復雜性和高度不確定性條件下，無論人們有著多么先進和高超的大數據處理能力，即使我們確實收集了所有數據并用技術對其進行分析，人類事實上也只能把握點與點之間的相關性，或者把握局部的相關性。如果打算從中發現一般和普遍的話，那是不可想象的，如果我們自認為從所謂的全數據分析中獲得了普遍規律和趨勢，那不過是自欺欺人的。同時，就大數據是大規模數據而言，并不會停留在某個既定的狀態中，而是處在不斷增長中，盡管人們處理數據的技術和能力在迅速提高，但與大規模數據的增長相比總是相對滯后，這就決定了全數據分析也總是落后于現實。要言之，大數據的可靠性需要以長期一貫的和嚴密科學的方案設計、變量控制和統計檢驗為支撐和保證，否則獲得的大數據就會是不全、不準、蕪雜的，這樣的大數據不僅不能使用反而會帶來危害。

辯證認識大數據對于重構人文社科研究范式的作用

第一，充分肯定大數據對于人文社科研究的積極意義是基礎。信息時代來臨之后，人文社科研究范式的重構問題一直備受關注。我們不能妄言大數據一定能夠帶來人文社科研究范式的信息（數據）化轉向，但大數據的引入對于重構人文社科研究范式的積極意義還是值得討論的。其一，大數據能否打破人文社科學科壁壘、促進或者真正帶來“大人文”“大教育”等人文社科學科的整合雖然尚需研究，但大數據的發展、人文社科學科的探索如諸多人文社科學科研究數據庫的研究和構建，跨學科合作團隊的建立，大規模系統化的文獻索引型甚至具有一定檢索功能的數據庫的建立等，為人文社科進一步通過大規模量化數據庫促進跨學科、跨時段、跨地域全面認識人類社會與自我提供了無限可能；其二，大數據對于擴大研究素材的范圍、拓展研究對象具有直接作用；其三，有的學者甚至極其樂觀地指出，大數據帶來的以注重材料、探求事實為先的研究方式有助于促進人文社科平衡、健康、全面發展，為國際學術進步提供“中國經驗”。但在當代海量的社會科學研究中，絕大多數的量化研究都依靠統計學工具來校驗一個“方向性結論”，這種做法沒有體現出量化研究的優勢，它們只是在定性思考的基礎上作了一些點綴。同時，由于局限于已有的數據，許多“嚴謹”的社會科學家們的預測能力還比不上歷史學家和新聞記者。針對量化研究存在的問題，有學者還提出了“從描述型模型到預測型模型”的設想。雖然按照馬克斯·舍勒的價值分類框架，人類最重要的三種基本價值，即信仰價值、精神價值、生命價值是不可量化的，具有不可分性，但并不意味著傳統的輕視量化研究方法運用的人文社科研究范式是合理的。從當前數字人文和人文大數據研究情況看，學界概括了人文及社會計算方法與人文社會科學研究的融合出現的三類新的研究思維：人文社會科學開放與全過程研究思維；人文社會科學碎片化重組研究思維；人文社會科學計算分析研究思維。這方面，黃欣榮的研究具有一定深度。他認為，大數據思維是一種數據化的整體思維，它通過“更多”（全體優于部分）、“更雜”（雜多優于單一）、“更好”（相關優于因果）等思維理念，使思維方式從還原性思維走向了整體性思維，實現了思維方式的變革。雖然這樣的概括尚需深化和嚴密論證，但大數據對于人文社科研究的價值是肯定的。

第二，深刻認識人文社科研究方法論的特殊性是前提。判定和揭示大數據對于人文社科研究的價值特別是研究范式層面上的價值要以深刻把握人文社科研究方法論的特殊性為基礎。人文社科研究對象和功能實現方式的特殊性決定著研究方法的特殊性。人文社會科學，其研究對象是事實性與價值性的統一，是可預見性與預見的有限性的統一，而且具有偶然性與不確定性。因此，復雜性思維是人文社科研究的總體方法論。具體而言，人文社科研究必須堅持實證性與理解性的統一、規范性與建構性的統一、事實性與價值性的統一。強化數據意識固然必要，重視數據作用固然沒錯，而且量化研究方法在人文社科研究中的運用也從來沒有停止過；但無論是理論上還是實踐中，大數據的引入必然要求我們要更加重視處理好量化研究方法，避免人文社科唯科學主義傾向。更為根本的是，人文社科研究的根本追求在于探索規律、揭示本真。歷史與邏輯、事實與價值的統一是人文社科研究的基本方法，雖然隨著數據技術的發展，歷史和事實中的諸多物質性客體的數據化趨勢日益顯著，更為重要的，重視量化研究、尊重第一手材料、注重探求事物本源的方法導向，有助于促進人文社科研究的學術傳統由“解釋型學術”向“求是型學術”的轉向；但歷史與事實背后的邏輯與價值是無法數據化的，即便是在信息技術飛速發展的今天，對于人文社科的本質屬性和核心功能的實現而言，再發達的技術也無法代替理論思維對于事物本質的深刻把握以及和風細雨的心與心的交流和潤物無聲的教育方式對人格的影響，因而只能是一種輔助而不可能代替。

第三，準確界定大數據的作用方式和領域是關鍵。長期以來，人文社科不同學科研究雖然積累了規模宏大的系統材料以及文字信息，但學者自身的駕馭能力不強、學科壁壘以及研究數據庫建設的滯后等局限導致量化研究方法的使用始終沒有起到應有作用。大數據作為“互聯網+”和信息時代得以松綁的獨立乃至核心的生產要素和得以釋放的重大力量，其基本的作用方式主要體現在兩大方面：一是改變著素材收集、整理、挖掘和分析的方式；二是改變著研究的基本方式，即由偏重敘事研究轉向與結構分析并重、由個別事件轉向與普遍過程并重、由因素或因果分析轉向與關系分析并重。特別是，大數據對于人文社科研究的作用領域開始變得清晰。其一，作為業務的必要成分成為“互聯網+”業務發展的驅動要素和力量，這是大數據的基本面，與傳統的數據形態沒有本質區別，即作為一種技術、方法或者手段意義上的大數據。大數據之所以能夠作為人文社科研究的一種研究方法，源于大數據的基本特征就是復雜化，這與人和社會問題作為人文社科研究對象的復雜化特性是耦合的。其二，作為產品的數據通過開發如積累與交換、分析與運用，產生和釋放了新的洞見，其用途得以擴展和拓展，極大促進生產率的提高，創造出新的價值，這是大數據的獨有一面，即作為一種戰略資源的大數據。隨著人文社會科學的發展，人文社科研究使用的研究資料日趨龐雜，為此，人們借助信息技術，改變了人文社科研究資料的存儲和表現形態，使得人文社科資料數據化的趨勢日益明顯。其三，作為促進社會變革與發展力量的大數據，通過改變甚至顛覆人們舊有的世界觀以及認知與思考的方式方法，極大地增強人們的觀察和駕馭世界的能力以及社會治理能力，引發時代變革，這是大數據的深層意蘊和潛在作用方式，即作為一種思維方式和價值觀念的大數據。大數據時代來臨的判斷之所以成立的根由在于大，大數據的來臨催生了一個異質于物質世界、精神世界之外的數據世界，正在改變甚至顛覆著我們的世界觀，大數據本身理應納入人文社科研究的視野和范疇中來。

第四，厘清大數據之于人文社科研究的作用邊界是保障。我們要充分認知和估計大數據對于人文社科研究的價值。但從人文社科自身稟賦及其研究傳統出發，我們必須正視和警惕大數據融入人文社科研究的基本限度。孫建軍的研究從四個方面進行：非場景化的研究邏輯缺乏適用性與人文關懷；人文社會科學的大數據研究有可能“敏銳地”發現問題，卻無法給問題合理的解釋，也無法給出有針對性的對策，限制了其應用范圍；數據分析的集群研究會消滅重要的個體特征，而個體反而是眾多人文社會科學研究關注的焦點；人文社會科學大數據研究過分關注技術分析，可能忽視創新思維和思辨分析，不利于大師級人文社會科學學者的培養。上述揭示對我們具有很大啟發。

筆者以為，確定大數據之于人文社科研究的作用邊界或限度，應該遵循研究對象、研究價值、運用過程、科學化程度等四個維度。

其一，人類的諸多活動借助大數據，的確改變了存在形態和方式，也就是說，改變了或者正在改變著人文社科研究對象的存在形態。雖然人的精神世界借助數據技術提升了觀測、預測甚至感受的廣度、深度和精準度，但從本質上講，精神世界始終是無法數據化的。

其二，充分認識和揭示數據固然必要，但數字迷信或者數據崇拜特別是研究者對數據的過度解讀值得警惕。有的學者認為，大數據的確提供了反觀事物的視角，但大數據研究也存在數據壓縮、數據呈現、數據解讀三個方面難點，與部分學者擔心數據解讀不足的想法相反，他們更擔心數據的過度解讀。

其三，努力運用數據固然正確，但大數據技術應用可能帶來的新的“數據鴻溝”“數據壁壘”和數據倫理問題也需引起我們的關注。學者們從數字身份、隱私、可及、安全和安保、數字鴻溝等方面討論了大數據的倫理問題很有啟發。也有學者指出，大數據挖掘與隱私保護之間的關系值得思考。工業和信息化部賽迪智庫的馮偉在刊載于媒體的署名文章中指出：大量數據的匯集不可避免地加大了用戶隱私泄露的風險。一方面，數據集中存儲增加了泄露風險，也成為人身安全的一部分；另一方面， 一些敏感數據的所有權和使用權并沒有明確界定，很多基于大數據的分析都未考慮到其中涉及的個體隱私問題。

其四，數據技術的運用固然能夠提升人文社科研究和實踐的精確化程度，但精確化不等于科學化。人文社科的科學化問題雖然還有待深入討論，但學科科學化問題向來是與學科的本質屬性高度一致的，比如人文社科最鮮明的特點就是屬人性與為人性的統一，這點不可忽視。人文社科研究具有鮮明的個性特點，與自然科學不同，人文社科研究主體與客體具有內在的相關性，個性化的價值與情感偏好方式不可忽視，認知與評價并重不可偏廢，解釋視角和方式的多樣性不可淹沒，即手段和方法的數據化、科學化不能取代學科本身的科學化。

大數據既可以說是信息時代的新標識，也可以說是代表了一種新的戰略、技術和方法。以2015 年9月5日國務院印發《促進大數據發展行動綱要》為標志，大數據在實踐中已經上升為國家戰略。但迄今為止的大數據應用范圍更多的還是停留在經濟社會和政府治理等具體工作領域，人文社科研究實效性不高的頑疾能否通過主動對接這場數據革命、敏銳抓住機遇、實現數據轉向而得到緩解甚至破解是一個值得討論的重大課題。

（陳泓茹系南京曉莊學院音樂學院教授，趙寧系南京金陵科技學院講師，汪偉系淮陰工學院商學院副教授；摘自《學術論壇》2015年第12期）