伴随着新兴信息技术向各个领域广泛渗透，人类社会已经从二元空间（物理空间—人类社会）进入了三元空间（物理空间—信息空间—人类社会），新冠肺炎疫情更是将全人类裹挟进了数字社会的浪潮。在数字社会中，数字技术在生产和生活过程中发挥了基础性作用，其主要特征之一是大数据的无间断生产和广泛应用。在这个大背景下，计算科学、数据科学和社会科学等学科交叉，掀起了计算社会科学的热潮。社会学如何在“数据密集型”的科学范式中抓住机遇，摆脱理论和研究方法的困境，突破传统学科界限，是个极为迫切的理论问题。

　　社会学在计算社会科学中的担当

　　按照乔菲-雷维利亚的定义，计算社会科学是“以计算为媒介，以不同规模的社会团体为着眼点，对社会学领域开展的跨学科研究，其研究对象小至个体行动者，大到社会群体”的新领域。虽然这里作为媒介的计算主要是基于系统科学、网络科学、复杂性科学等理论，借助于大数据、云计算和智能机器人等计算机技术进行的数据挖掘，但立足点仍然是社会学。

　　在计算社会科学的研究社群中，社会学家具有相当高的活跃度。譬如，2009年《科学》杂志发表的题为《计算社会科学》的文章共有15位作者，其中社会学家有3位。根据艾德曼等人对2003—2016年《自然》《科学》等五大期刊的梳理，发现社会学在社会网络演化、集体行动、知识社会学、文化生产等领域都有丰富的计算社会科学作品，社会学家不仅是解决人类行为长期问题的前沿研究中心，而且还发展了关于数字时代新的研究路线图。

　　事实上，社会学在计算社会科学的演进过程中始终发挥着重要作用。我们所了解的计算社会科学，更多与互联网技术兴起和在线实时产生的大数据相关。除了该脉络外，还有一个就是社会仿真。该传统始于20世纪50年代，在研究社会的复杂性上超越了其他多数研究方法。它通过建立一个研究社会系统或过程的计算机模型，即建立一个能够表征现实世界的“人工社会”，开展各种社会科学分析。据考证，社会学家萨克达于1949年在其博士论文中首次提出了社会科学的元胞自动机建模，该模型是社会仿真中规模最大、发展最快的多主体建模的简化版。

　　计算社会学的学科定位

　　早期的计算社会学与系统科学、控制论和复杂性科学交叉，主要借助于社会仿真探究人类社会的运行规律，但始终处于社会学的边缘。不过，依托互联网和计算科学而兴起的新计算社会学，仍然有许多共识有待达成。计算社会学如何定位是关键的基础问题之一。

　　第一，计算社会学不是传统意义上的社会学分支。与经济学、政治学、法学等学科相似，社会学分支也采用了添加定语的方式，如经济社会学、政治社会学、教育社会学等。计算社会学的命名方式似乎与此相同，但是它除了将计算作为研究对象，更多是将计算作为一种理解人类社会的工具。从这个意义而言，计算社会学更适合与定量社会学、分析社会学等相提并论。

　　第二，计算社会学是归纳和演绎双轮驱动的。归纳和演绎是社会科学研究的方法论，也是知识发现的基础。囿于社会科学的特殊性，归纳和演绎一直处于并行状态。在社会学中长期存在定性和定量研究孰优孰劣的争辩，其根源就是对归纳和演绎在研究中如何应用的分歧。计算社会学的核心是数据挖掘，实际上是一个包括理解问题、理解数据、准备数据、挖掘数据、评估新知识和使用新知识的过程，实现了归纳和演绎的高度整合。

　　第三，计算社会学是解释、预测和干预相融合的。与许多学科相比，社会学更为强调对社会的因果解释，而对预测和干预的重视程度相对不足。计算社会学固然要秉持传统，也就是将理论置于极为突出的位置，同时还要利用机器学习、社会仿真、网络实验等方法，基于社会复杂性理论，开展社会预测。此外，还要主动进入算法生产的前端，除了能在研制与开发新型社会计算工具中发挥重要作用，研究计算与社会的关系和有关计算/技术的社会问题同样应该是计算社会学的重要内容。

　　第四，计算社会学是培养复合型创新人才的。计算社会学的工具性特质，将为传统的社会学人才培养注入新的活力。社会学非常注重批判性，而好的批判不仅需要合理的知识构成，还需要较强的分析和解决问题的能力。计算社会学的教学必然走进其他学科，走进具体的应用场景，走进知识的前沿。

　　概言之，计算社会学汇聚了多学科的理论和方法，不再局限于某类研究对象和研究问题，不再以解释为己任而拒斥预测，不再以检验既有知识为主要追求。计算社会学不是计算社会科学在社会学中的运用，而是社会学在计算社会科学中的拓展。

　　计算社会学的新空间与理论自觉

　　毋庸讳言，计算社会学属于实证主义传统，具有很强的工具性，但是它不排斥人文，并试图用计算去挖掘传统，在方法论、理念、思路上对扩展传统学科界限具有启发意义。

　　第一，在学科内部，计算社会学是一门提供“范式”的学科，能够在方法论和研究方法上开辟新的方向，有助于拆除社会学定性和定量研究之间的“墙”；从知识社会学、组织社会学、政治社会学等分支学科汲取理论营养，使学科内部彼此融通；通过多理论整合、多方法协同和多类型数据匹配，延展传统社会学在数据生产上的优势。

　　第二，在学科之间，计算社会学采用人工智能和数据挖掘等计算科学方法，不局限于总体性思维，在技术层面具有天然的开放性和包容性，有助于达成共识；理论创新和现实关怀并举，既可以与管理学、新闻传播学等应用性强的学科交叉，又能与哲学、历史学等基础性学科交叉。

　　第三，在组织层面，构建跨学科实验室是计算社会学的内在要求，毕竟传统的单兵作战和“师徒制”难以满足计算社会学的团队合作需求。这种新文科实验室有助于打破“孤岛式”科层组织结构，兼顾传统系科归属和交叉研究成果认定，并探索跨学科的人才联合培养模式。

　　当然，在扩展学科界限的同时，计算社会学要始终保持清醒的理论自觉。计算社会学的数据收集、数据挖掘、算法设计、论证过程都远比传统社会学要复杂，如果缺乏理论自觉，研究发现无法超越“常识”（“酷炫技术，理论贫乏”），对重大的现实问题缺少关切（“强解释，弱预测”），难免要落入“计算社会学是个筐，什么都往里面装”的批评之中。以上似曾相识的对传统社会学的批评，当然与计算社会学的初心相去甚远。

　　（本文系中国社会科学院大学新文科改革与实践项目“社会科学的人工智能工具箱建设”阶段性成果）

　　（作者单位：浙江大学社会学系）