郑建君，中国社会科学院大学政府管理学院教授，中国社会科学院政治学研究所研究员。
张浣柳，中国社会科学院大学政府管理学院博士研究生，计算政治学研究中心助理研究员。
摘要：在第四次工业革命浪潮中，数字技术正成为社会生产生活全方位变革的决定力量，并重塑了社会科学领域有关政治现象及逻辑的认识，计算政治心理学由此应运而生。作为横跨政治学、心理学、计算社会科学等领域的新兴交叉学科，计算政治心理学在知识对话中明确自身发展定位、完善系统知识体系。围绕政治心理何以可计算的根本问题，立足推动国家治理向上向善的学术使命，阐释了计算政治心理学研究内容的交叉融合、研究主题的拓展更新、研究范式的整体转向与计算方法的具体应用。未来，计算政治心理学须坚守伦理价值规范、优化方法应用策略、明确学科发展取向，加快人才培养体系与学术共同体建设，为数智时代政治心理学发展提供有益参考，为我国政治学自主知识体系建设贡献新的学科支持。
关键词：数智技术；计算政治心理学；学科定位；知识体系；发展路径
来源：《江苏行政学院学报》，2025年第6期
一、引言
随着第四次工业革命的到来，人类发展进入数智时代，大数据、云计算、人工智能等成为社会生产生活全方位变革的重要推动力量。“科技革命”与“治理革命”的碰撞，创造了学科创新发展的时代机遇，引领人类认知加速进步，重塑社会科学领域有关政治现象及逻辑的认识，促进了政治学研究经历着从统计革命、数据革命再到计算革命的迭代。在此背景下，计算政治心理学（Computational Political Psychology）这一多重交叉的新学科应运而生，其提出、建设和发展正当其时，具有重要的知识生产意义和现实问题解决功能。计算政治心理学的提出，既具备一定的理论研究基础——历经多学科的知识积累与经验整合，又符合现实需要及发展趋势——解决复杂社会系统中的政治心理问题。从学科产生的认识论层面加以考察，依托数据、算法和算力的计算社会科学赋能政治心理学建设，使其由微观、交互复杂的社会政治心理与行为研究转向更加科学、可控的层面，极大推动了政治心理学全新研究范式的孕育，彰显社会科学理性思维的魅力。总体而言，计算政治心理学通过跨学科思维、方法和实践的融合与升华，正以自身发展引领政治心理学的新一轮演进，并为数智时代政治学自主知识体系创新性建构提供助力。
回顾既有文献，国内研究多从宏观视角考察社会科学整体转向，聚焦计算社会科学的体系化与演进。其计算政治学分支也针对理论与方法、应用与规范、主题与展望等展开探索。但就“计算政治心理学”这一再细分新学科而言，尚未提出明确概念界定与系统内容阐释。在国际层面，马克斯·罗尔瓦格（M．Ｒollwage）等于2019年首次提出“Computational Political Psychology”这一表达，但仅将其视为从认知角度解析政治极化信念的新方法，并未具体论述其概念内涵。同时，围绕计算社会科学的内容与方法、机遇与挑战，大语言模型应用等虽取得了一定进展，却仍未触及计算政治心理学本身。综上，计算政治心理学在国内外均处于萌芽阶段，亟须从理论层面系统阐明其学科定位、知识体系与发展路径，增进计算社会科学领域的知识积累。
作为计算政治学的重要分支，计算政治心理学亟须厘清研究议题、理论、方法和使命等基本问题，以构建中国特色的学科体系、学术体系、话语体系。鉴于此，本研究在明确学科定位的基础上，从内容与方法维度系统梳理计算政治心理学的知识体系，并据此提出未来发展路径。具体而言，包括其与邻近学科在时空维度上的知识对话，研究主题的拓展与更新，理论、数据和算法驱动下的研究范式转向，计算方法技术之于政治心理学的全新应用，以及在研究实践、人才培养与学术共同体建设方面的可行举措。通过上述问题的探讨，有助于深化对计算政治心理学本体论、认识论和方法论的认识，为推动我国政治学自主知识体系创新提供理论支撑。
二、从顶层设计到学科共识：定位、知识与使命的再审视
计算政治心理学作为多重交叉的新兴学科，首先须厘清以下问题：一是学科定位——在概念界定基础上论证其产生必要性；二是知识体系——从理论、概念、方法等维度解构内容结构；三是研究使命——从国家治理现实把握学术目标。对这三者的明晰，为后续学科内容与方法的分析奠定逻辑基础。
（一）学科定位：兼具国际视野与中国特色
制度环境变化、学科融合与新方法应用驱动政治科学理论和方法革新。以数据、算法和算力为核心的计算范式带来了新理论要素、新研究对象和新方法路径，结合各学科领域专业知识，促成了“计算+”学科群创新发展，计算政治心理学随之而生。计算政治心理学具有清晰的学科发展定位，它并非计算方法简单融入带来的工具叠加，而是以“计算社会科学何以助力探测政治人心”为独特议题。在学科特点方面，计算政治心理学具有鲜明的跨学科特征，涉及政治学、心理学及计算社会科学等研究领域、范畴、范式；在学科属性方面，“计算”的内嵌使其既是一门独立的基础学科，又具有较强的实践应用性，在生产知识的同时也服务于治理实践。总体而言，计算政治心理学的产生具有鲜明的时代导向，其孕育过程应以中国本土政治问题为驱动，兼具国际视野，整合学科知识、拓展研究边界，积极探索形成具有中国特色的学科定位。
基于上述讨论，本研究对计算政治心理学作出如下界定：其结合计算社会科学、政治学、心理学等专业的概念、理论与方法，旨在通过传统的统计、测量、实验等社会科学研究方法和新兴的数据分析、仿真模拟、大语言模型等技术手段，对政治学与心理学领域中的共有现象进行研究，以揭示特定情境下政治进程的发生、发展与个体（或群体）心理特征、行为方式的互动机制与规律特征。可见，计算社会科学为政治心理学发展带来新机遇，为新的学科分支和研究范式形成开辟了新空间。计算政治心理学涉及多学科理论知识和方法技术的交叉融合，它以政治学为本、心理学贯穿始终、计算社会科学有机嵌入，形成了独特且鲜明的学科性质与发展定位。随着研究积累，其范式将日益成熟、体系会逐渐完善，成为政治学的重要分支。
（二）知识体系：创新学科研究内容
新技术引发的社会系统性变革，持续塑造新的社会研究范式。计算社会科学介入政治心理学研究，在形式上表现为方法技术的革新，实质上则是以新的要素资源重塑政治心理学整个知识体系，包括概念和知识的内容及其生产与表达。就内容生产而言，包括公众的政治价值观、政治情绪、政治人格等呈现出的新演化特征，以及政民互动新现象背后蕴含的理论与方法更新，体现为学术体系的创新；就内容表达而言，包括社会政治运行的内在机制与规律特征可以运用哪些政治心理学新概念、新范畴来表述和传播，体现为话语体系的创新，而学术体系与话语体系的有机互动共同丰富了计算政治心理学学科体系。只有厘清计算政治心理学学科化的知识体系构成，才能回答好“政治心理何以可计算”这一根本问题。计算政治心理学须紧紧把握建构我国政治学自主知识体系这一准则，统一学科、学术、话语三大体系，立足中国场景与时代问题，推动知识积累和方法完善，形成具有中国特色的系统性知识框架。
此外，仍需对计算政治心理学知识体系中的理论与方法两大核心展开论述以巩固共识。在理论层面，因“每个学科都要用成体系的理论和知识揭示本学科研究对象的本质和规律”，即使是计算政治心理学这一特别强调方法技术运用的交叉学科，也需凝练概括其专有理论。只有将政治心理学中的经典概念（如政治社会化）在数智时代的内涵外延、现有理论（如社会认同理论）在计算情境中的应用解释力以及原有概念和理论在面对新现象时的局限性与创新点等一系列问题讲清楚，才能打好计算政治心理学成长的根基。在方法层面，计算社会科学既可以优化传统统计与实验设计、助力精准测量与因果推断，又能够通过大数据、机器学习、仿真模拟等数智手段发掘新的研究议题、剖析政治现象背后的心理机制与行为规律。计算工具的进步为计算政治心理学的方法体系提供了坚实支撑，并将持续驱动以科技革命引领政治研究范式革新的学科发展浪潮。
（三）学术使命：推动国家治理向上向善
科学研究强调知识的价值生产与实践应用，政治心理学亦须回应国家治理需求。实际上，宏大繁复的政治现象往往导致经验观察与理论抽象陷入认知困境，造成政府治理失灵等系列问题，然其底层逻辑则是政治系统内政府、公民、社会等多元主体间的互动及影响结果。政治心理学正是聚焦个体（或群体）的人格、认知、情感、动机等与社会政治情境的互动，无论精神分析、行为分析抑或认知科学、脑科学研究范式，均以依托微观心理与行为分析宏观政治进程并转化为治理效能为学术使命。作为一门具备强大现实解释功能的学科，政治心理学在数智语境下亟须新的成长，以更好服务于国家治理现实。而计算社会科学的嵌入为此提供了关键契机，计算政治心理学这一学科新形态在时代使命呼唤中产生，它创新了“心理—政治”关联逻辑，有助于深刻揭示公众政治心理与行为发生发展的原理机制，优化政治决策品质和政府治理效能，同时对数智时代政治心理学的学科走向作出有力回应。
具体而言，计算政治心理学以海量行为数据、高维建模与可计算实验，系统解析公众政治心理特征与行为机制，为理解政治运行过程、优化政府决策提供循证支持。以舆情治理为例，网络数据智能分析可实时捕捉个体政治态度与社情民意，实现精准识别、快速响应与政策更新，从而提升社会治理质量和效能。由此，计算政治心理学完成从理论研究到指导实践的跨越，在学术象牙塔与实务金字塔之间搭建起桥梁。当前，国外学者已尝试引入计算政治心理学来探讨政治两极化等现实问题，我国相关研究尚处起步阶段，学科发展空间和应用潜力巨大。未来，我国需加快计算政治心理学研究进展，促进科研效用转化落地，推动国家治理不断向上向善。
三、研究内容的纵深扩展
研究内容折射学科本质认知，划定研究对象与边界，涵括概念、理论、模型等知识要素。计算政治心理学的纵深扩展，一方面，与时代课题共变演进，与政治心理学、计算政治学、计算心理学及计算社会心理学的发展历程息息相关；另一方面，又通过“小数据到大数据”“小模型到大模型”“弱实验到强实验”的命题更新，衍生出新内容与新特征。人工智能等前沿工具在与政治心理、行为对话中丰富经典政治议题理解，提升计算政治心理学研究广度与深度，形成体系化的独特内容。本部分据此展开论述，见图1。
（一）研究内容何以交融：对话历史与当下
时代背景既是新学科催化剂，也验证其依历史规律客观出现并回应公众需要的“真实性”，学科研究议题始终与时代课题共变。计算政治心理学的内容扩展须沿着“历史—现在—未来”主线，紧扣时代议程，以指导学科具体研究推进。这一多重交叉学科的产生，与政治心理学本体及计算社会科学群（计算政治学、计算心理学、计算社会心理学）紧密相连。跟随它们的发展脉络和主要议题，可简要探析计算政治心理学的形态与内容。
一是政治心理学（Political Psychology）。从1908年首次提出将心理学纳入政治分析，到二战后行为主义政治学兴起推动学科方法论革新，再到20世纪80年代后认知心理学重塑研究议程，政治心理学在性情—情境、心理—政治、文化—心理等争辩中不断自我更新，以回应对政治实践的解释需求。回到中国语境，该学科仍处于初步发展阶段。既有研究多聚焦宏观政治文化或行为描述，对微观政治认知结构、政治情感生成机制及其与政治行为的动态耦合缺乏系统、深入的持续积累。本土化探索虽取得了诸如“差序政治信任”等一系列突出成果，但在大数据、认知神经科学、人机交互与机器行为学等新技术冲击下，学科同样面临计算范式转型的迫切需求。
二是计算政治学（Computational Politics）。1987年，理查德·恩纳尔斯（Ｒ．Ennals）首次提出“计算政治”概念，主张以并行计算与逻辑程序设计解决复杂协同问题，但其讨论长期停留于计算机应用语境，并未涉及政治运行机制本身。直到2009年，戴维·拉泽（D．Lazer）等对计算社会科学（Computational Social Science）展开系统分析，将其定义为“用大数据研究社会科学的方法”。接着，计算政治学、计算心理学、计算社会学等学科分支呈现体系化演进趋势。2024年，人工智能及其应用呈爆发式发展，其优越的类人认知、逻辑推理和自然语言处理能力成为重塑社会科学的强大力量，也使得政治学研究全面进入计算时代。作为政治心理学的母体学科，政治学的“计算”转向对于计算政治心理学具有引领和形塑意义。
三是计算心理学（Computational Psychology）。海量数据和算法模型同样冲击着依赖实验等验证性手段观测心智与行为的心理学研究。“计算心理学”虽尚无统一定义，但其源起可追溯至计算心智理论（CTM）的“信息加工心灵”预设，以及计算机领域早期对“人工心理—情感”的探索和心理学领域萌生的心理信息学、计算社会心理学等新兴分支。从人工神经网络模拟认知，到词汇语义表征推动词嵌入技术发展，再到实时语言加工的相似性，心理学与计算机科学的交叉合作从未停止，并呈现深度耦合态势。如今，计算范式延伸至心理学全领域，“计算认知”“情感计算”成为心理学研究新坐标，也为计算政治心理学奠定理论与方法基础。
四是计算社会心理学（Computational Social Psychology）。计算嵌入社会心理学，使碳基心智与硅基算法在社会场域中持续碰撞，生成计算新方法与社会新问题双向驱动的新火花。安杰伊·诺瓦克（A．Nowak）等学者较早提出利用神经网络方法考察社会“大脑”中的个体集合与互动方式，贝叶斯认知框架被用以解读社会心理现象；高度类人化的人工智能扮演“社会仿真器”角色，它以新社会主体身份深度参与社会生活，生成复杂且独特的社交行为序列。在技术性功能之外，人机融合还将带来安全、信任、公平、伦理等社会心理议题，引发对群体关系与认同、生命价值等新的思考。由此，在计算背景下将微观个体与宏观社会的联结具体到特定的政治情境，对于理解计算政治心理学的学科体系建设提供了可操作指南。
综上，以“新兴技术—社会政治环境—个体心理机制”互动为核心，相关学科围绕“人机交互”“政机协同”展开理论阐释与应用探索，既验证了计算方法于政治心理学研究的可行性，也为计算政治心理学的内容确立提供启示。计算政治心理学并非依附于既有领域的工具性补充，而是上述诸学科深度对话融合的产物；其从理论、方法到价值全面革新，构成政治学架构中特色鲜明的独立方向，并形成明确的研究内容体系。准确把握这一体系，须立足其交叉属性，在历史梳理中对话过去与现在，积极吸纳社会科学的有益知识。
（二）研究主题何以扩张：解析议题更新
计算政治心理学得以确立，首先在于其研究命题与对象的鲜明指向：从传统政治学的国家、政党、权力，到心理学介入后公民的政治认知、情感与行为，再到数智时代对政治心理现象的计算分析，政治学各分支始终主题清晰。计算社会科学的兴起为政治心理学注入新内容、拓展新维度。可以说，计算政治心理学以更广阔的分析视角，助力研究者跳出心理秘境的泥淖，剖析“政治人”隐性机制，减少主观认知偏差，其体现集中于以下三方面。
一是从小数据到大数据。数据资源是科学研究认识世界的素材，海量动态数据则构成计算政治心理学的“首要基础设施”。它助力研究者穿透宏观政治权力和治理结构，获取有关公民政治心理和行为的理性认识，进而揭示社会政治运行的普遍规律和发展趋势。传统依托问卷开展的调查研究存在自陈偏差、信息单一、抽样难、数据体量小、成本高等局限，特别是政治心理学相关概念如“效能感”“价值观”“意识”“动机”等本身高度抽象，对其操作化测量与获取真实数据的难度较高。计算方法技术则为此提供了破解路径，既可助力大型调查项目的实施与结构化数据获取，又能从图像、文本、语音、视频等资料中提取自然发生的大规模非结构化数据；多源异构的大样本数据进一步实现了对政治心理与行为的精准描述、真实反映与全面认知。
具体而言，计算政治心理学通过抓取公民政治生活任意“痕迹”，将其转化为可视化数据并从中挖掘信息，提升行为认识的真实性与客观性。从小数据进展到大数据，有助于准确识别政治现象，增强对政民互动中政治心理机制的科学解读。例如，借助海量数据，广泛了解公民对政策制定与实施、社会舆论事件、国际政治运行的态度，深入剖析公民政治立场与情绪的动态演化，以及在数智赋能政府与赋权社会下揭示公民的政治心理特征如何驱动其政治行为表现。由此，大数据极大拓展了政治心理学的研究边界，丰富了其研究对象与议题，既涵盖既有研究引申出的新知识（如数字政治效能感、数字政治信任），又创造了新的研究议题（如网络意识形态、数智政治素养），这些议题叠加组合构成计算政治心理学独有的研究内容。
二是从小模型到大模型。研究模型是解析研究对象系统内部要素关系的重要抓手。传统政治心理学沿用“预先设计控制干扰因素的简化理论模型，继而通过回归分析等统计学手段检验变量间关联”的路径，聚焦机制及影响关系的解释层面。计算政治心理学则将目光投向因变量的精准求得而非理论演绎与假设提出，寄希于搭建一个囊括全部相关参数的超级大模型，利用数学方法直接推导因变量，聚焦现象及其可能因果关系的预测层面。目前，学界针对解释性研究与预测性研究的范畴与应用、区别与整合，力求在解释洞见性与预测准确性之间寻找平衡。计算时代，描述推理、归因、价值导向决策和博弈论等计算模型相互作用，它们组合起来以建模复杂的认知过程，推动了心理学研究对于人类能力与行为的理论构建。例如，已有学者创新认知建模的参数估计，利用基于神经网络的模拟推断方法优化了对人类心智的量化理解。
大模型的发展对于政治心理学建设具有里程碑意义，它突破了小模型更多解释变量间线性静态关系的局限，通过计算建模强化因果性知识，为观测复杂政治系统中的心理因素及其与行为的互动效应提供了全景分析框架。智能体仿真通过构造高度类似客观世界的大模型，将个体的人格、态度、行为与社会、经济、文化等情境因素纳入分析模型，演绎个体与政治系统的复杂互动，预测差异化政治活动并辅助决策；生成式人工智能因其强大的智能涌现能力，逐步被应用于政务服务、社会治理等诸多场景，助力公众诉求表达与政府回应办理及其政治心态的动态监测，依托平台生态优化政民互动、稳定社会情绪、提升治理效能；社会网络分析通过将社会关系抽象为一个由无数“节点”和“边”组成的超大网络，揭示公民与政府、社会之间的互动及其演化关系，明晰政治传播和资源分配中的角色定位和关键节点，为精准干预提供科学依据。
三是从弱实验到强实验。大数据和人工智能的蓬勃发展，为社会科学实验研究拓展创造了新条件。算法进步推动计算实验设计、实施与结果分析全流程升级，心理学研究现已从实验室小样本进阶到大规模且数据粒度更精细的（准）实地观测，为政治心理学应用实验解释人类行为带来新机遇。依托先进计算设备、计算分析方法，政治心理学实验研究的门槛被降低而其内外部效度得到提高，能够便捷、科学、低成本地获取高质量数据并提取丰富信息。计算时代，有关“政治大脑”的细微差别在研究议程中占据重要地位，基于大数据的实验方法将助力政治心理与行为等领域研究者探索新问题与新理论。
计算实验赋能政治心理学研究，体现于以下三方面：一是提升了生理与神经实验在政治情感与认知等抽象议题中的应用可行性，诸如眼动追踪、皮肤电（EDA）、功能磁共振成像（fMＲI）等非侵入性测量手段。研究表明，神经影像技术在政治心理学研究中具有重要价值，生物科学可以为意识形态思想和行动的根源提供至关重要的见解。二是助力大规模社会政治实验开展，已有学者利用网络实验对新兴政治议题做出实证探索。互联网成为重要实验场景，它摆脱了物质空间限制，通过在线干预便利地对被试施加影响，并及时获得结果反馈，高效捕捉公众的政治态度偏好、动机倾向及行为演进。三是以大模型作为“硅基被试”开展社会科学实验，在心理学等经典实验复现中表现出了较高精确度。图灵测试证实了大语言模型在政民互动情境下模拟人类行为的高度智能化，为解决真人取样与伦理困境探索了新路径。由此，计算范式显著拓展了政治心理学的实验样态与效能，在解析政治认知机制、信息加工策略及行为偏好预测等方面展现出强实验潜力。
四、研究方法的演化推进
方法是学科研究的工具箱，概念和知识的内容依赖于一定方法加以阐释论证。重大方法变革既创造新知，亦驱动学科范式跃迁。一方面，“理论—假设—数据—检验”的定量路径奠定了方法基础；另一方面，计算社会科学则开辟新的分析手段。计算政治心理学通过海量数据挖掘、计算机与人工智能分析技术的综合运用，弥补传统方法缺陷，实现对政治心理问题的更优解析。本部分据此展开论述，见图2。
（一）整体范式转向：理论、数据、算法三维驱动
20世纪初，人们开始自觉用心理学方法研究政治现象。之后，在科学主义、行为主义的影响下，政治心理学逐渐成为一门成熟的独立学科，实验、访谈、个案、测量、统计等构成了其方法工具箱。如今，数智技术的蓬勃发展在社会科学领域掀起了一场“计算”革命，机器学习、大语言模型、仿真模拟等已然成为政治学研究主题和方法技术创新的关键词，也开启了政治心理学研究新篇章。计算政治心理学作为新兴研究路径，其范式形成和发展紧密依托于数字化、智能化科技变革，离不开心理学、政治学、计算社会科学等研究方法的交融借鉴。从解释到预测，从可测性到可算性，从预先设计到自主学习，计算政治心理学在量化方法研究方面迎来了质的提升。数据、算法成为新的关键要素，特别是人工智能的突破性进展，推动社会科学从传统诠释性内容分析转向以预测和因果推断为导向的大规模文本挖掘。
实证主义、解释主义、计算机模拟、大数据驱动等社会科学方法范式演进，不仅是技术路径的更新，更映射人类对“社会知识如何可能”的认识转变。规范与实证、定性与定量的方法分野，是政治心理学乃至社会科学领域持续争论的话题。其中，实证精神体现为“想问题、究理论、重证明”的范式，规范价值则可被视为“讲意义、求思辨、重解释”范式。一方面，人类心理的复杂性与社会文化背景仍需重点考虑；另一方面，公众认同等政治心理概念的测量可行性、从社会语言到数学语言的转译准确性等始终受到质疑。作为社会科学的重要分支，政治心理学如何从主观解读走向科学验证，是坚持意义的提取还是现实的印证？我们认为，计算社会科学的发展与应用将有助于冲破二者纠缠的桎梏，改进与弥补传统方法的不足，提供一种“大数据、强计算、重预测”的新范式。可以说，计算政治心理学的发展具有走出第三条道路的潜质，能够实现对相关与因果、描述与解释、归纳与演绎、统计与预测等诸多关系的统一，在坚持理论与数据相互依存、双向驱动的基础上，促进政治心理学完善学科逻辑，增强现实解释力。
（二）计算方法应用：“赋能”与“新生”合力共振
计算政治心理学的研究方法呈现双重进路：其一，传统政治心理学广泛吸纳计算社会科学的可行工具，进行“赋智—提效—增准”的范式升级，实现测量、实验与统计推断的精度跃迁；其二，计算技术作为原生动力，催生大数据科学、仿真模拟、大语言模型等全新方法群落，破解政治心理学既有难题并开辟新议题。无论“赋能”抑或“新生”，计算范式创新持续拓展政治心理学的认知领域与方法边界，彰显跨学科、跨层次、跨场景的研究潜能。
第一，大数据科学。大数据语境下，数据成为“第一性”资源，体量大、多样性与速度快是其显著特征。信息通讯技术（ICT）的社会嵌入使得有关人类行为与价值偏好的大量数据被自动化记录，为社会科学研究天然创造了大数据基础。大数据既是素材资料，又呈现方法性效用，是社会科学研究的直接观测证据，也是计算政治心理学的核心驱动力。而当大数据成为一门“科学”，数据才实现了真正“活”起来、高效“转”起来。大数据科学使得理论前提建构不再成为唯一依赖，允许从大规模数据中直接提取变量，并以算法捕捉内在规律，实现对复杂政治心理现象的创新探察。同时，计算机软件及编程语言的开发为数据获取、处理和分析提供了有效工具，已有研究运用Python程序抓取网络数据进行文本分析、构建心态指标，实现了对个体择偶心理的优化测量。此外，智能穿戴设备的普及进一步将数据生产嵌入日常生活，提升了政治心理学研究的生活场景化与生态效度。可见，海量多源数据与先进分析工具共同塑造了大数据科学，丰富了计算政治心理学的数据，构成其方法体系的核心特征。
第二，机器学习。机器学习作为人工智能的核心算法，是政治心理学实现计算化的必要手段，也是计算政治心理学具有重要价值的研究方向。机器学习经由标注、训练和应用展现强大智慧，其基本原理是基于多源异构数据集，训练机器使其自己找规律，并通过自适应不断拟合模型和调整参数，实现有监督、无监督或半监督下的自主分析。现阶段，得益于机器学习的发展和应用，社会科学领域广泛使用数据挖掘与文本分析方法开展研究，显著优化了心理测量及预测的准确度和效率，提高了模式识别与机制检验等统计推断的有效性。值得重视的是，人机交互已然成为人类社会实践与科学研究的共有生态，机器学习的进步助力我们以理性思维透视政治心理现象背后的深层机理，拓展了政治学研究者何以可为的更多可能。
第三，社会仿真模拟。仿真模拟基于现实场景虚拟建模，推演不同变量、参数组合下的行为主体互动，从而预测多情境下的选举、信息传播等政治进程，覆盖微观个体行为、中观社会运行以及宏观国家治理。作为计算社会科学的主要研究工具，仿真模拟现已迭代至智能体仿真（ABM）阶段，逐步应用于政治学不同场景。由于真实社会场域情景十分复杂，社会科学研究的可重复性难以实现，其科学性受到诟病。社会仿真模拟则为利用智能体模拟无限接近现实的社会实验创造可能，它通过优越的算法模型揭示社会系统要素间的复杂交互关系，其与机器学习的结合超越了合成控制、双重差分、断点回归等传统因果工具，在政策评估、政治影响等研究中应用性能良好。此外，智能体仿真与社会网络分析的融合，实现了对社会网络中政治情感传播和政治行为扩散的动态、精准预测。研究表明，计算机模拟突破了变量间关系线性简化及双向反馈机制缺失的局限，为复杂社会系统中的人类心理和行为研究提供了全新分析工具和高质量证据材料。
第四，大语言模型。大语言模型是连接人类与机器的智能接口，自然语言即时理解和处理能力是其核心优势；它利用深度学习观测语言之间复杂的交互关系，将人类语言翻译为机器语言，从而调用工具。当前，大语言模型带来的算法能力跃升驱动计算社会科学发生重大演化。一方面，因其通用性、零样本、强泛化特征，研究者的技术使用门槛被极大降低，并展现出启发创新思路的巨大潜能；另一方面，其普惠性促进了公众的数智使用，从需求端助力大语言模型迭代，并为广泛的社会研究创造机遇。由于语言数据本身是心理学各领域的核心载体，大语言模型因其大规模语义理解和语言生成成为驱动政治心理学计算转向的关键算法引擎。高阶认知智能使之成为解码公民政治心理与行为概念的主动力量，实现了在测量、实验和实践方面的有效应用。
以大语言模型为代表的人工智能，为传统实验、调查方法及统计、文本、网络分析技术等均做出了新的有益补充，提升了因果推断的解释力与预测精度。一是理论构建与实验测量。大语言模型革新了新知识的自动化发现流程，在理论建构和假设生成方面具有较大潜力。实验证据表明，大语言模型能够高效、客观构建心理维度特征，有望成为跨时间、跨文化、适用于大规模社会心理评估的测量工具。此外，运用大语言模型模拟实验还有助于提高效率，规避由人类被试引起的伦理风险；提高调查研究抽样、测量与分析环节的节约性、精细度与可解释性，缓解难以测量研究对象真实状况的问题。二是文本挖掘与情感分析。大语言模型因其简单调用的特征逐渐成为情感分析的未来范式，且其数据增强功能可以实现复杂多样语言中的意念动态监控与识别精度提升，弥补文本语料稀缺的困境。研究证实，ChatGPT在多语言心理文本分析的情感识别、隐喻理解和认知估计等任务中性能表现优异。基于深度学习底层逻辑，从文本内涵辨析、语义概念识别到客观测量评估，结合网络分析、主题建模等文本挖掘方法，大语言模型已显现推动政治心理学研究范式重大创新发展的潜质。
五、发展取向与路径选择
基于前述对学科建设共识、内容扩展与方法演化的探讨，我们既看到计算社会科学为政治心理学带来的历史机遇，也需正视数智赋能中的伦理风险、方法失灵与发展迷思。未来应从研究实践、人才培养与学术共同体三方面协同发力，在内容深化与方法创新中优化学科发展，构筑中国特色的计算政治心理学自主知识体系。
（一）研究实践路径
一是伦理价值规范。数据开放开放与隐私保护的张力数字排斥致样本偏差、算法黑箱与不可解释性削弱信任、数字幻觉与虚假泛滥、算法偏见加剧不公、智能体失控风险……这一系列挑战覆盖“人工智能+”全领域，特别是数智技术嵌入所引发的政府、公民、社会等多元主体互动中的新问题，值得社会科学研究加以警惕。对于计算政治心理学而言，伦理价值规范同样是其发展底线，应遵循真实、安全、公平、有序、负责、可靠的准则，批判性审视计算社会科学方法技术应用，坚持“以人为本、智能向善”。随着学科发展推进，需成立专业伦理委员会，全链条监管数据开发与保护、算法开放与解释、责任归属与确定等，确保获得可重复、推广且无偏的科学见解，加快形成学术伦理共识、营造透明规范的科研环境。
二是方法应用策略。计算方法技术的适用性与科学性，直接决定了计算政治心理学的未来走向。例如，通用性大语言模型尽管功能强大但却输出一些普遍低价值的建议；且因细微心理结构缺乏可编码标准答案等障碍，要想使大语言模型现在在政治心理学领域深入应用，仍需加快其垂直训练和调整优化。此外，由于各新兴方法存在自身适用场景、特点和局限，因而必须依据研究目的、对象与条件综合选择利用一种或多种方法技术。并且在“计算”功能特性之外，社会科学研究者更应关注它对人类思维和行为的影响。因此，“两条腿走路”是最佳选择：一方面要创新方法以适配理论，立足政治心理学经典议题，结合高质量构念数据训练模型、调适技术；另一方面要创新理论以指导方法，主动构建新理论、新知识来解释计算技术揭示的政治心理新现象，实现理论与方法的演化共进。
三是学科发展取向。计算政治心理学这门新兴交叉学科在快速成长过程中不可避免会面临“我是谁”的身份迷思：母体学科与分支领域、理论建构与技术应用、问题导向与方法驱动之间的张力持续存在，如何加以平衡则关乎学科的未来走向和身份认同。可以明确的是，计算政治心理学本质上仍从属于政治学学科，政治学理论和思维始终处于核心地位，计算社会科学及心理学、社会学等均以方法、视角和范式拓展的形式介入。“理论终结论”断不可取，方法的革新力量亦不容忽视。由此，计算政治心理学应摒弃“非此即彼”的绝对性争论，力求以计算社会科学新方法解释政治心理学新现象，形成“问题导向、理论驱动、方法赋能”的良性循环。
（二）人才培养体系
教育体系是学科发展的生命线。计算政治心理学对科研工作者的专业素养提出了更高要求，既要掌握扎实的政治理论知识，又要具备计算社会科学相关技术能力；既要形成广阔的数智思维，又要敏锐洞察现实政治心理问题。具体而言，人才培养可从教学、课程和教材三方面着手。在教学上，因材施教、结合不同学生的学习背景制定针对性培养方案，强化高校、学者之间的交流合作，组建跨学科师资队伍，采用项目制、工作坊等创新教学方式；在课程上，构建“基础—方法—实务”梯次模块，涵盖政治心理学基础课程、编程语言等方法实操与实务部门社会实践，形成知识全面、重点突出的结构化体系，助力知识迁移和转化；在教材上，加快出版扎根中国大地、兼具国际视野、内容系统完善的专业教材，加快知识传播与共识形成。总之，计算政治心理学人才培养应力求达到具备政治心理思维（根基）、计算能力（工具）、治理智慧（宗旨）这三重目标。
（三）学术共同体建设
学术共同体是推动中国政治发展和政治学科繁荣的有生力量。计算政治心理学作为一门新生学科，其学科、学术和话语体系亟待共建，共同体建设刻不容缓。未来，应从组织、资源、平台等方面构建协同机制：一是建立跨院系、跨机构的教研联合体，促进计算机、政治学、心理学等多领域团队常态化对话与合作；二是推动建立中国计算政治心理学联盟，设立专业学会，完善理事会、委员会制度；三是共建高质量数据库、专业语料库，推进数据分级共享、算法开源透明、模型成熟好用，激活资源集聚效能；四是加大科研资金投入，高效配置“计算”软硬件服务，形成算力共享网络，搭建优质实验平台，降低准入门槛；五是加快创立专业期刊，积极践行同行评审制度，激励科研成果产出，快速积累学科知识；六是建设多元学术平台，联动科研院所、政府、企业，定期举办线上/线下论坛、会议、讲座等，推动知识传播与交流，加速形成学科意识与认同。
