社會科學大數據與社會治理：主要應用與實踐反思

馬 磊，林森苗，包 瑩

(1.3.上海大學 社會學院，上海 200444；2.復旦大學 社會發展與公共政策學院，上海 200433)

隨著互聯網與信息技術的迅猛發展，數字化信息日益呈現出爆炸增長態勢。今天的人們已完全沉浸在一個充斥著海量數據的“大數據”(The Big Data)時代。大數據已成為社會各界的時髦話題之一，不少國家都加入了這波洶涌澎湃的大數據浪潮中，國務院也在2015年9月印發了《促進大數據發展行動綱要》，這是我國在國家層面第一份促進大數據長遠發展的政策性和綱領性文件。習近平總書記在一次中央政治局集體學習時明確指出：“要運用大數據提升國家治理現代化水平。要建立健全大數據輔助科學決策和社會治理的機制，推進政府管理和社會治理模式創新，實現政府決策科學化、社會治理精準化、公共服務高效化。”[1]

究竟何謂大數據？目前，社會各界并未形成一致共識。總體而言，它有四類區別于傳統數據的特征：一是規模大，含有大量信息和上億個觀測對象，通常以千萬億字節(Petabyte)來度量；二是速度快，包括了高頻數據及其快速處理方法；三是來源多樣，傳統上不相干的信息被匯總合并在一起，共同構成了大數據；四是數字化，各種信息被大規模地進行數字化處理，這既有助于跨部門的信息分享、合作、存儲、處理，也有利于信息的快速分析和遠程搜索[2]。

社會科學家和各國的社會政策制定者正在熱情擁抱大數據。就像生物學家借助顯微鏡觀察細胞層面的生物現象一樣，大數據正是社會科學家手中的“顯微鏡”[3]。社會科學家使用大數據能夠以更大規模、更快速度，在更細微的層面觀測與研究人類行為，或檢驗以往的社會科學理論命題，或拓展新的研究議題，或實現與傳統研究方法的融合創新。社會政策制定者借助社會科學家對大數據的研究成果，能夠真正實現科學決策，切實提高國家治理現代化水平，實現社會治理的有序良性循環。

本文從大數據的主要應用、大數據的社會影響與自身脆弱性、大數據應用到社會治理領域未來的六大研究方向等三個方面，全面回顧了國內外的代表性研究，系統探討了大數據與社會科學研究相結合，推動社會治理進步的優缺點。大數據不是靈丹妙藥、不能包治百病，但它確實為傳統社會科學研究和“善治”開辟了一片新天地，值得社會科學研究者和社會政策制定者認真思考與對待。

一、大數據在社會治理領域的主要應用

1.社會參與

一般認為，新媒體的出現廣泛提升了大眾參與公共事務的積極性，即所謂“e-democracy”，但該觀點一直沒有得到很好的驗證。Larsson和Moe(2012)使用推特(twitter)的搜索功能，收集了2010年瑞典大選期間所有與選舉相關的推文共計99832條。基于這些推文，他們分析了用戶的選舉參與狀況和選舉話題的傳播趨勢[4]。結果表明，推特在此次大選期間確實發揮了重要作用，它拓寬了人們的參與渠道，也為政治家宣傳政見提供了高效便捷的方式。

Bond等人(2012)所做的互聯網實驗，則進一步闡明了社交網絡發揮功能的前提條件。在2010年美國國會議員選舉期間，他們隨機給6100萬臉書(facebook)用戶發送了不同類型的投票宣傳信息。其中，參照組只收到“出去投票”的信息；實驗組成員除收到這條信息外，還能看到已參與投票的好友頭像。結果發現，收到投票宣傳信息后，實驗組用戶參與投票的概率顯著高于參照組[5]。這說明投票動員信息不僅影響了臉書用戶的投票行為，還影響到了他們的朋友，以及他們朋友的朋友的投票行為，并且幾乎所有信息傳播都發生在現實中本來就親密的朋友中。現實中的人際社會關系強化了社交網絡的作用，進而影響了人們的行為選擇。

社交網絡除了能提升居民參與公共事務的積極性外，是否也能在更局部的范圍內，起到加強鄰里互動的作用呢？答案是否定的。Bingham-Hall和Law(2015)分析了倫敦東南部的一些推特用戶數據后發現，當地居民在推特上都關注了一個核心網絡小圈子，這個圈子主要是由當地的一些事務部門構成的，而居民之間彼此并沒有太多的關注[6]。這說明推特并未強化居民之間的聯系，居民們更多依賴的仍是鄰里間的口耳相傳。

2.人口流動

大數據能幫助人們準確識別出龐大流動人群的遷移模式。Jurdak(2015)及其同事利用推特文本上附帶的地理標簽信息，研究了澳大利亞的人口遷移模式。對600萬條地理標簽的分析表明，人們的短距離和長距離流動基本都是在特大城市完成的[7]。國內學者龍瀛等(2012)使用2008年北京市連續一周的公交卡刷卡數據，結合居民出行調查數據和北京市的土地利用情況，識別出了公交持卡人的居住地、就業地和通勤軌跡，對居民出行模式與通勤形態的分析表明，全市大量居民存在著職住分離的狀況[8]。

因就業、職業變動、婚姻等原因而發生的流動，流動人口往往面臨著適應或融入本地生活的問題。大數據在這一方面也產生了一些研究成果。國內有學者分析了新生代農民工在北京建立的同鄉QQ群，描繪了這個群體所具有的情感特征，展示了群組成員的行為邏輯及背后蘊含的社會文化意義，揭示出了QQ群對新生代農民工的社會支持功能[9]。不過，因這一虛擬社交群體是以利益為導向而建立的，往往是松散而不穩定的，所以很難給流動中的青年農民工提供真正的歸屬感。

3.經濟社會發展

大數據能幫助社會科學工作者深入探討宏觀層面的經濟社會發展狀況。Goldberg(2015)及其同事從美國一家高科技公司收集了600多名員工歷時5年的商務往來電子郵件共計1024萬封。他們根據郵件文本內容以及往來郵件所展示出的私人網絡關系，分析了員工在公司中的兩種嵌入性機制對他們工作績效產生的影響。結果發現，員工的私人網絡關系和所處的公司文化氛圍對其工作績效均有影響，并且兩者的作用存在著此消彼長的平衡。員工在私人關系網絡中嵌入程度越低，越能從高度的公司文化嵌入性中獲益；相反，對公司文化認同較低的員工往往更能從密集的私人網絡關系中獲益[10]。

有研究者通過匯總個體層面的社交網絡數據，計算出了一個地區的社會資本存量，并分析了社會資本對區域經濟發展的作用效果。荷蘭烏特勒支大學的兩位社會學家Norbutas和Corten(2018)收集了荷蘭438個城市1000多萬社交網絡用戶的信息，檢驗了這些城市的社會網絡結構與經濟發展的關系。研究表明，一個地區的社交網絡結構形態越多樣，內部平均空間連接距離越長，異質性信息越豐富，該地區的經濟發展就越繁榮；相反，一個地區的社交網絡越封閉、密度越高、內部平均空間連接距離越短，經濟發展往往就比較滯后[11]。豐富密集的社會網絡促進了地區內部信息的流動，強化了居民的信任與互動，因此有益于區域經濟發展。

還有研究者從互聯網的頁面上實時抓取價格信息，利用這一大數據來計算價格指數，幫助政策制定者科學認識經濟社會發展的態勢，從而合理制定經濟政策。麻省理工學院斯隆商學院的兩位教授Cavallo和Rigobon(2016)使用網頁自動抓取技術，從20個國家900多個在線零售商網站中，實時抓取了1500多萬個商品的價格，這些實時價格被用來構造該國的消費者價格指數(CPI)或通貨膨脹指數[12]。他們的這項工作為人工收集商品勞務的價格信息提供了有益補充，對學術研究與經濟政策制定勢必都會產生深遠影響。

4.老齡健康與長壽

我國正在迅速邁入深度老齡化社會，如何把類型多樣的大數據資料與老齡化研究相結合，為中國老齡化公共服務實踐和政策制定開辟出一條新路，是擺在社會科學工作者面前的一項重大課題。物聯網的快速發展催生出大量可穿戴設備和智能家居設備，這些設備使用新型傳感技術，實時采集人類生理活動和社會活動信息，并同步上傳至設備終端或云端。這些數據既能幫助醫生準確診斷疾病，為老年人提供更合適的治療方案，也能幫助老年人更長久地維持獨立自主的生活，節約護理成本、提高生活質量、維護生命尊嚴。此外，老年人身體內部基因特征與各種生物醫學指標所生成的大數據，同樣也為老齡學研究者提供了豐富的衰老與病變信息，有助于研究者破譯人類長壽的自然奧秘。

Kestens等人(2016)為了研究城市居住環境對老年人健康的影響，使用多種方法收集老年人與環境互動的信息。他們使用多傳感器可穿戴設備收集了老人的日常活動與地理位置信息，使用交互式地圖問卷收集了老人的活動終點與社會交往信息，還使用傳統的問卷調查法收集了老人對具體地理位置的主觀感受信息[13]。這些豐富的信息為定量、定性評估老齡健康與環境關系提供了便利。

基因組數據也是名副其實的大數據。人類基因組計劃的研究目標就是對30多億個堿基對進行精確測序，破譯人類的全部遺傳密碼，其工作量之大令人咋舌。“基因紡織工”(GeneWeaver)的出現極大提高了研究者的工作效率，它是一個基因大數據分析系統，能有效存儲、搜索和分析來自實驗室、已發表成果和其他數據庫的海量基因大數據[14]。它的目標是充分整合多種類型的基因組數據，以此探究人類衰老和長壽的秘密。這個分析系統中的一些工具能把人類衰老過程中的基因、正常生物過程和疾病等因素廣泛關聯起來，有利于研究者做出新發現。

“基因紡織工”的第一個用途是在細胞衰老和認知下降過程中，探索哪些分子和細胞因素起了決定性作用；其次是探索兩種最常見的疾病狀態(肥胖和老年癡呆)，是否有共同的基因決定因素；再次是識別多重抗衰老干預過程中共同的分子作用機制，例如節制飲食延長壽命的分子生物學機制；最后一個用途是探討衰老過程中基因功能的穩定性[14]。

根據人口學規律，年齡每增加8歲，人類的死亡率就會翻倍。特別是在40歲之后，諸如癌癥、中風的發病率都會加速。基于此，人們通常認為人類機能退化、走向衰老的過程必然是加速的。俄羅斯莫斯科物理和技術學院(Moscow Institute of Physics and Technology)的物理學家Fedichev(2018)并不同意這一看法。他認為，雖然人類的衰老是不可對抗的自然規律，但老化的過程卻并非一定是加速呈指數型變化的。即使物種學意義上很接近的兩類哺乳動物，也可能表現出差別極大的衰老過程。他進一步指出，把生物醫學大數據和復雜動態系統物理學的分析方法相結合，可以建立若干人體衰老預測模型，以便系統地發現人類衰老的生物標記，最終確定未來抗衰老干預措施的新治療靶點[15]。

尋找具有生理學意義的準確生物標記，是評估各種抗衰老療法的關鍵。不同人種在飲食、生活方式、環境暴露甚至平均衰老速率方面往往存在不小的差異，因此有理由相信，經由特定族群收集數據而訓練出的老化時鐘(aging clocks)，更有可能解釋上述潛在混雜因素對人體老化的影響，從而提高預測實足年齡(chronological age)和生物年齡(biological age)的能力。以丹麥哥本哈根大學Mamoshina(2018)教授為首的研究團隊，通過采集加拿大、韓國和東歐人口血液樣本大數據，提出了一個基于深度學習的血液老化時鐘模型。與傳統的基于特定人口的血液老化時鐘模型相比，該模型顯示出了更高的個體人群預測精度。通過使用美國人口樣本對該模型進行校驗，證實了該模型具有優良特性。研究結果表明，特定人群的老化模式和血液老化時鐘是全因死亡率的主要影響因素[16]。

二、大數據的另一面

大數據廣泛應用于社會科學各領域，有效提升了社會政策制定者的科學決策水平。不過，任何事物都有兩面性，在鼓勵社會科學家和社會政策制定者熱情擁抱大數據的同時，我們亦要提防大數據自身的一些缺陷，以及它在人類社會生活中扮演的負面角色。下面，筆者將從批判性視角詳細闡釋大數據在社會治理領域應用中很少被提及的另一層面相。

1.大數據與社會安全正義

大數據應用于社會治理的一個重要方面是對違法越軌行為的監督與監控。相比傳統的犯罪調查方式，利用閉路電視、攝像頭、衛星等技術手段實施精準監控的優點不言而喻，例如數據全天候實時傳播、360度無死角覆蓋、可以進行長時段的回溯與追蹤，從而提升了社會的整體治安水平和人民群眾的安全感和滿意度。美國社會學家Brayne對洛杉磯警察局的田野觀察和訪談表明，公共安全部門利用大數據對目標人群實施監控已變得相當普遍，這種監控無論在深度還是廣度上都遠超傳統的監控方式[2]。

在這一背景下，社會研究者通常關心的是，新的監控方式究竟是否強化了原來的社會不平等？一種觀點認為，大數據監控能有效改善原來的社會不平等狀況，原因是：第一，它提供了精準而完整的數據信息，可以糾正警察對弱勢群體的刻板印象與偏見，減少對社區信任的破壞，維護司法公正，促進社會進步；第二，它提供了系統化的數據信息，可以用來監督警察的違法行為，從而降低警察隨意執法、選擇性執法的機會，保證執法的透明性與可信性。

但亦有觀點認為，某些時候大數據監控反而會再造不平等。首先，大數據監控通常是以數字來測量每個人的犯罪風險，這樣的做法表面看起來非常客觀、公正，但實際上背后卻隱藏了人類的主觀偏好與判斷。一個人的犯罪風險得分越高，越可能隨時被警察盤問，而有被盤問記錄又會進一步增加他的犯罪風險得分，從而形成大數據預測犯罪概率的自我循環，加重了犯罪嫌疑人被定罪的可能性。

其次，由多部門、多類型數據整合而成的大數據監控模式，往往會產生巨大的威懾力，那些更看重個人隱私或謹防污名化的公民將對此類監控機構避而遠之，以免留下記錄自己行為動向的數字痕跡(digital trace)。例如，有過牢獄經歷的人對此類監控模式就異常敏感，他們在就醫、從事金融活動、接受教育、就業等方面往往如履薄冰，盡量避免自己的信息被收集和記錄到這一系統中，這在一定程度上惡化了此類群體與優勢人群的不平等狀況。

客觀地說，大數據監控中產生的社會不平等，主要源于人們對數字客觀性的盲目崇拜，以及大數據收集與分析過程中的歧視和偏見。大數據崇拜癥認為凡是數據都是客觀的、無偏的，而實際上，數據的產生與分析過程往往是由人介入的，是主觀的。只有充分理解大數據收集與分析的每個環節，才有可能認清數字背后隱藏的偏誤及其來源，也才有可能更好地讓大數據服務于社會安全治理，實現社會安全正義。

2.大數據的脆弱性

大數據除了在社會安全治理方面的應用存在一定的爭議之外，它自身也充滿了脆弱性和道德倫理風險[17]。首先，大數據并非全樣本，社會統計調查中所面臨的代表性問題和概化問題，大數據同樣不可避免。數據的量大并不能解決所有問題。雖然大數據是對特定人群及其行為信息的普查式記錄，但這種記錄和人口普查還是有很大差別的。由于大數據缺乏明確的抽樣框，分析大數據時是無法計算出抽樣權重的，因此也就不能估計出統計推斷誤差的范圍，更不用說有效甄別出哪些樣本或案例是代表性不足或是過度代表的。

大數據面臨的概化或一般化問題主要表現在數據平臺的多樣性上。例如，不同社交平臺的運行規則往往存在差異，用戶在不同平臺上如何互相關注、如何發布信息、如何評論與轉發等等，也會有所區別，甚至用戶群體自身的背景特征也會存在很大不同。依靠單一平臺產生的數據信息來研究社會問題，其結論能否有效推廣到其他平臺，這一點是存在質疑的。

此外，人們往往同時使用若干平臺，僅僅依賴單一平臺產生的數據信息能否完整捕捉人類行為特征模式，也是要打一個問號的。例如，僅使用手機通訊數據，如何能準確觀測并展示用戶的情感特征呢？解決這一問題的根本出路在于使用多平臺數據信息，進行交叉驗證與推斷，這也是未來大數據社會科學研究的一個重點。

其次，大數據的脆弱性還表現在數據產出過程的變動不居上。產生大數據的平臺自身也會出錯，而這些錯誤或偏差有時會被研究者誤認為是用戶行為特征的變化，從而得出錯誤的結論。此外，平臺自身的運行規則也并非一成不變，而平臺用戶的行為總是會隨著平臺規則的改變而變化，反過來，平臺用戶的一些偏好或習慣也會影響平臺規則的制定與修訂，平臺規則與用戶行為的這種交互影響進一步增加了大數據的復雜性。社會研究者需要清晰把握大數據產出平臺的歷史演變與運營機制，才有可能準確揭示出人類行為特征模式的細微變化。

最后，大數據的脆弱性還表現在對平臺用戶不切實際的理想假定上。大數據崇拜者通常認為一個用戶對應一個賬號，用戶的行為能準確完整地反映在各類大數據信息當中，但實際情況往往是，很多平臺賬號背后并非全都是人類，有很多賬號其實是由機器人操控的，而它們很難被偵測到；有很多用戶往往注冊了不止一個賬號，以此來掩飾自己的真實身份；更何況，不同用戶使用平臺的目的是不同的，有很多組織機構的公眾賬號在平臺上的行為都包含了隱藏的目的。總之，單一的、一以貫之說真話的理想型個人用戶是不存在的。

三、結語與展望

社會科學領域的大數據指的是那些對人類社會生活進行了全面數字化記錄的信息資料。大數據的出現極大拓展了社會科學家觀察、理解、分析和預測人類行為的廣度與深度，從而提升了大數據分析成果應用于社會政策領域的精準性、科學性和有效性。

目前，在社會治理領域，大數據已被廣泛應用于社會事務參與、人口遷移流動、經濟社會發展、老齡化與健康長壽等議題，產生了一批高質量的學術成果，并迅速轉化為各國科學制定社會政策的堅實基礎。在這些成果中，有的是使用大數據檢驗了一些過去難以檢驗的理論觀點，有的是通過分析大數據發現了一些新的社會規律，還有的則是直接使用多種類型的大數據指導經濟社會發展、提升社會治理的現代化水平。

本文也提醒社會政策制定者一定要謹慎對待大數據，包括數據的收集、存儲、分析、應用等各個方面。首先，要防止大數據被濫用和誤用。公共安全部門利用大數據推動司法正義和社會進步是好事。但研究表明，使用大數據監控人類社會也會塑造出新的不平等，原因是大數據背后隱藏了人類的主觀偏好，它并非像人們想象的那樣客觀公正無偏。其次，大數據自身也存在著脆弱性問題，包括研究對象的過度代表或代表性不足，缺乏多平臺大數據的交叉檢驗，數據平臺自身的不穩定性引致的數據變動，以及對平臺用戶過度理想化的假定等。大數據是發揮正面還是負面作用，完全取決于人類如何認識并使用它。筆者建議未來社會治理領域的大數據研究應該從以下六個方面進行拓展與創新：

第一，把大數據和傳統調查數據有機結合起來，以提升大數據應用于社會治理領域的全面性和準確性。大數據并非傳統社會調查數據的替代品，而應與傳統數據資料相互補充、相互參證，共同推動社會科學研究在理論框架、研究內容、研究方法、研究資料的整合與分析方面取得進步，從而有利于科學精準地制定相關社會政策。大數據的優勢在于數據的豐富性和規模，而傳統調查數據的優勢則是它的樣本代表性和測量相對準確，當使用各類數據來分析經濟社會發展問題、提供政策建議時，如何能確立一些基本的原則，做到對兩種數據揚長避短、各取所長，是未來大數據社會治理研究急需解決的基礎性問題。

第二，變革大數據收集的理念與方法，踐行以參與者為中心的社會治理理念。傳統數據(無論是調查數據還是訪談資料)的收集是以研究者為中心的(researcher-centered)，大數據的收集則是以參與者為中心(participant-centered)。社會科學研究者需要轉變數據收集的理念，設計出更具吸引力的數據收集方法，因為研究對象不再是近在咫尺的被訪者，數據的收集過程也并非是你問我答、有來有往，大數據時代的社會科學研究對象已變成成千上萬的互聯網用戶，他們隱藏在電子屏幕背后，只要他們輕輕觸動一下指尖，研究者立刻就能獲得數以萬計的信息資料。信息時代每個人的時間和注意力都是寶貴的，如何以參與者為中心，充分調動他們參與項目研究的積極性，在整個數據收集過程中給普通用戶提供良好的體驗，是大數據時代需要反復揣摩的課題。

第三，創新大數據的類型化分析方法，從方法層面提升大數據應用于社會治理領域的精準度。大數據的規模通常極其龐大，如果不進行恰當的歸并與分類，很難從中發現具有一般科學理論意義的規律模式。例如，在互聯網公共事務參與研究中，面對幾百萬微博用戶，研究者需要識別出哪些是信息發送方，哪些是接收方；哪些是意見領袖，他們發送或轉推信息的行為是否更具自主性和獨立性；哪些僅是邊緣跟隨者，他們的行為是否更具盲從性和隨意性；哪些是信息傳播的中介與橋梁，他們是否控制、篩選了新信息的流動方向，等等。合理分類是進行理論解釋與科學預測的基礎，大數據分析必須高度重視信息分類問題。

第四，關注不同來源大數據的比較分析問題。以社交網絡大數據為例，不同文化背景下的社交網絡行為是否有差異？不同社交網絡平臺反映出的用戶行為是否有差異？在倫敦社區研究中，推特數據顯示社交網絡并未加強本地居民的聯系，他們更多的是關注了一個公共部門小團體，該結論是否適用于當前我國居民的社交網絡行為？微信上建立的社區群是否強化了居民間的日常聯絡？這都需要研究者通過跨文化、跨平臺的比較才能得出可信的結論。

第五，關注大數據共享與分析的多學科合作問題，以學科間合作促進社會治理現代化水平的提升。以老齡學研究為例，無論是使用老年人的行為數據，還是生理與醫學數據，都需要社會科學家、生物科學家、醫藥專家等進行跨學科的合作研究。不然，純粹分析基因大數據、生物醫學大數據是無法解釋外在社會環境因素對老化過程影響的，純粹分析社會環境因素對健康長壽的影響也是有失偏頗的，重要的是建立社會科學與其他學科的長效對話協作機制，從而推動我國老齡化大數據研究的實質進步。

第六，要把道德倫理問題置于大數據社會科學研究的中心，這是尤其需要提醒社會政策制定者注意的地方。傳統社會科學研究者對研究倫理問題要么避而不談，要么輕描淡寫，大家形成的共識似乎是我們不否認研究倫理的重要性，但實踐中卻認為只要了解一下就好，沒必要過度深究。大數據時代，許多數據變得廉價甚至唾手可得，但這同時也意味著數據的大規模泄露、個人隱私的被侵犯變得易如反掌，其負面社會影響力不可小覷，直接影響現代社會治理的廣泛民意基礎。把研究倫理置于大數據社會治理研究的中心，既可以設計出一些限制研究者接觸個體數據、而只能使用匯總數據的規則，也可以建立大數據學術成果審查機構，該機構的審核結論將成為相關成果是否公開發表和應用于社會治理實踐領域的重要依據。