一、“计算”的多义性 近年来，计算社会科学被广泛视为社会学及跨学科研究的新方向。传统的社会研究方法在面对数字社会大数据、复杂网络互动和多元行为数据时，已显现出诸多局限。正如统计学家今井耕介所述，定量社会科学正经历一场方法论的变迁（Imai，2017）。在数字时代，研究者急需一种既能融合传统社会理论又能借助先进计算工具的新范式（Salganik，2017）。由拉泽尔最先提出的“计算社会科学”（Lazer et al.，2009），意在借助计算机模拟与大数据技术对社会现象进行全新的观察和解释，正在成为社会学和广义的社会科学的主要分支之一。 既有研究对计算社会科学方法已有多种系统性论述（罗玮、罗教讲，2014；Cioffi-Revilla，2018；罗俊，2020；陈云松等，2020；吕鹏、范晓光，2023）。这些论述更多将计算社会科学或计算社会学表述为内涵自洽、外延清晰的社会学分支学科，甚至是范式转换意义上的革命性突破。罗玮和罗教讲（2014：226）较早介绍了计算社会学，认为“新计算社会学的目标是借助各种与社会学研究相关的新技术、新工具、新手段，克服以往社会学研究中存在的各种缺陷与障碍，提高社会学研究的科学性与有效性”。他们进而介绍了大数据获取与分析、质性研究与定量研究的融合、社会学互联网实验研究、ABM模拟方法以及以社会网络为代表的新型计算方法。这类研究在计算社会科学方兴未艾之际为梳理和普及计算社会科学方法做出了重要的贡献。 但是，计算社会科学在当下的发展已与十年前大为不同。由于计算机算力的极大提升以及以GPT、通义千问等为代表的大语言模型的普及，计算社会科学正在成为国内外社会学的热门领域。在这一背景下，如何在社会学的认识论传统和方法论规范下，审慎、严谨地使用计算社会科学方法，应被视为当下的新任务（胡安宁等，2025；吴愈晓，2025）。由此，本文的视角转向反思，不再将计算社会科学视为内在连续且革命性的单一分支领域，而是强调“计算”这一概念的内在异质性及其与经典社会学研究之间的连续性。 在既有的计算社会科学教材和综述性论文中，“计算”一词至少包含以下含义：第一，利用计算机模拟和算法工具构建抽象模型（Cioffi-Revilla，2018；de Marchi' & Stewart，2020）；第二，使用数字社会产生的大数据，而非传统抽样调查数据（Lazer et al.，2009；Salganik，2017；周涛等，2022）；第三，基于预测的监督式机器学习方法，而非追求对数据生成过程的逼近（陈云松等，2020；Hofman et al.，2017）；第四，自然语言处理等新技术，这些技术将定量描述拓宽到文本和语义层面（Evans & Foster，2019；Mohr et al.，2020）；第五，高度复杂的计算模型，如深度神经网络、集成学习等（Molina & Garip，2019；Lundberg et al.，2022）。此外，也有一些学者以应用计算机技术、使用互联网数据在相对宽泛的意义上使用“计算”这一概念（罗玮、罗教讲，2014；吕鹏、范晓光，2023）。因此，“计算”背后的异质性在既有文献中尚未得到充分认识和清晰阐述。在这一情况下，现有的一些围绕计算社会科学的方法论讨论和展望就显得笼统（韩军徽、李正风，2018；苏毓淞、刘江锐，2021）。 本文的目的不在于系统性综述计算社会科学概念下的各种方法，而在于重新审视“计算”概念下的内在差异性，建立计算社会科学不同传统与经典社会学研究方法之间的联系，从而推进对计算社会科学在社会学研究中的作用、边界与有效性的理解。我们认为，对社会学研究而言，“计算”多义性最重要的方面在于如何理解模型与经验世界的关系。 根据对模型与现实的预设关系的强弱，我们将从四条相对独立的知识演化路径即公理传统、描述传统、预测传统和实验传统来理解“计算”。公理传统是指以一组明确设定的基础假设或规则为出发点，通过形式化推演或计算机模拟，演绎出宏观社会现象与规律的研究取向。公理传统对理论与现实的关系预设最弱。描述传统是指以经验数据为基础，通过统计建模或计算方法近似重构现实世界中数据的生成机制。描述传统将模型视为对数据生成过程的近似模拟，对模型与现实关系的预设最强。预测传统是指以模型对新数据预测准确性最大化为核心目标，通过算法建模直接从数据中学习输入与输出之间映射关系的研究取向。预测传统将模型视为黑箱，只关注模型输出对新数据的预测能力，而不关心模型本身是否对应数据生成过程，因此只预设了理论与现实较弱的关系。实验传统是指以严格的研究设计来识别干预对结果变量的因果效应，并通过适当的统计或机器学习方法进行数值估计的研究取向。实验传统将模型视为对现实的极简模拟，特别关注干预变量的效应。 整体而言，社会学强调在经验与理论之间穿梭，传统上归纳性分析的地位高于演绎性分析，解释性研究比预测性研究更重要。计算方法的引入为社会学带来了演绎性质的仿真模拟文化和以预测为目的的算法建模文化。这些不同的文化对理论与现实有着不同的预设，也挑战了社会学对理论验证和假设检验的经典理解。 在此基础上，我们从两个角度进一步把握“计算”与社会学经典方法的关系。一是进入路径。不同计算方法之所以被社会学采纳，是因为能够处理经典方法难以完成或完成效果不佳的任务。因此，追溯不同方法进入社会学的契机，有助于理解计算方法与既有社会学理论与方法的亲缘关系。二是方法论断点。不同计算方法对模型与现实关系的预设，往往与其所替代的经典社会学方法存在一定的认识论差异。在这些方法进入社会学的工具库之后，它们在实际研究中的使用又常常超出原先的使用范围，从而导致方法的隐含假设与研究情境出现更大分歧。我们将讨论不同的计算社会科学工具的方法论困境，并进一步探索计算社会科学与传统方法工具配合的可能性。
