内容提要：社会科学定量研究大致经历了前大数据时代、大数据时代、人工智能生成内容(AIGC)时代。在前大数据时代，统计数据、调查数据、实验数据是主要的数据形式，“理论导向的实证研究”经典范式占据主导；大数据时代，大数据成为重要数据来源，“理论导向的实证研究”经典范式、“理论与数据双元驱动的研究”范式和作为一种“意外”的“大数据经验主义”范式等并存；AIGC时代，硅基样本、基于大语言模型的自主智能体互动数据出现，其可分为科学世界的和生活世界的AIGC数据，在范式上形成了对前大数据时代的“回归”和对大数据时代的“延续”。当下可倡导“理论导向的交叉研究”方法论，以适应和推动社会科学定量研究发展。
标题注释：本文为中国社会科学院“青启”计划“智能技术的社会价值观影响研究”(2024QQJH152)的阶段性成果。
关键词：定量研究/ 范式/ 大数据/ 人工智能生成内容/ 计算社会科学/
作者简介：政光景，中国社会科学院社会学研究所助理研究员(北京 100732)。
原文出处：《中国社会科学评价》(京)2026年第1期 第132-150页
21世纪以来，网络社会、数字社会、算法社会、智能社会快速发展，社会科学定量研究中新的理论、数据、方法也随之层出不穷。从历史发展来看，定量研究大致经历了三个阶段：第一阶段是前大数据时代，这一阶段的定量研究以调查数据、统计数据和实验数据为主；第二阶段是大数据时代，大数据成为新的定量研究的数据形式；第三阶段是人工智能生成内容(Artificial Intelligence Generated Content，AIGC)时代，AIGC数据成为新的重要数据来源。以上不同阶段的理论、数据、方法构成了各不相同的研究范式。当前，不同阶段的研究范式累积叠加，但相互隔离、无法有效统筹协调，以至于出现了方法论上的僵化问题。
定量研究的范式在这里主要指方法论子范式，一者其指代方法论意义上的范式，而非本体论和认识论意义上的范式；①二者其指代实证主义大范式之下的聚焦于研究过程的子范式，而非科学哲学意义层面的大范式。理论与经验的关系属于实证主义各方法论子范式的核心关切，②且体现在定量研究的过程中，包括三方面内容。一是理论，主要指理论与经验的逻辑顺序，其主要分析理论与经验的定位和作用问题。二是数据，其对应着经验，包括数据的来源、形式与特征，主要分析范式中数据来源及其导致的特征差异问题。数据来源不同往往意味着理论和经验的不同优先顺序，会导致研究范式的差异。三是方法，包括研究设计和分析技术，其为概念测量、假设推断和理论验证服务，起着勾连理论和经验的作用，主要分析范式中的研究设计与分析技术的作用大小和相互关系问题。本研究将从以上三个方面分析不同阶段定量研究范式的差异，并基于此提出新的方法论倡导。
一、社会科学定量研究的理论、数据与方法
为了明确理论在定量研究中的定位和作用，有必要对“理论导向”、“理论驱动”和“理论启发”进行区分。“理论导向”的研究主要强调研究的目标是进行理论生产，与之并列的有“政策导向”研究等。“理论驱动”的研究主要强调研究假设的推断是在过往理论和研究的基础上进行理论逻辑推演得到的，与之对应的是“数据驱动”的研究，强调研究假设的推断是根据数据的计算进行的。此外也包括“理论/知识驱动”的测量(根据理论或概念内涵进行测量，如有监督机器学习方法)，与之对应的则是“方法驱动”的测量(测量方法本身决定了测量的视角，如情感分析方法、复杂网络分析方法)和“数据驱动”的测量(根据数据自身特征进行计算测量)。“理论启发”的研究强调研究问题的来源是理论的困惑，这种理论的困惑可以来源于纯粹的理论逻辑推理，也可以来源于理论与现实经验的张力。“理论启发”的研究强调先有研究问题，再根据问题收集经验材料，与之对应的是“数据启发”的研究，其研究问题来源于数据的启发，强调先有数据，再基于数据特征产生研究问题。
数据的来源主要包括科学世界和生活世界③：来自科学世界的数据，是以科学研究为目标而产生的，其存在本身就是服务于科学研究，是“理论先验”的；来自生活世界的数据，以生产、生活或管理本身为目标，其产生与科学研究无关，是“经验先验”的。数据来源的差异，常常会导致不同的数据特征。来自科学世界的数据更有结构化特征、数量较小，具有“小而精”的特点，而来自生活世界的数据则多是杂乱无章、形态各异的非结构化数据，且数量较大，具有“大而粗”的特点。从数据形式来看，实验数据、调查数据、统计数据、大数据从偏向“小而精”逐渐向“大而粗”的特征过渡。
在波普尔看来，方法是服务于科学研究的目标和价值的，而理论生产是社会科学的核心目标，④因果机制是理论构建的基础，⑤因此，社会科学定量研究中的方法主要是为识别因果关系而服务的。有关因果关系的分析有如下三点是需要明确的：一是因果关系涵盖了相关关系，即相关关系是因果关系的“派生”。⑥二是“精巧”的研究设计与“复杂”的分析技术此消彼长。在研究设计中对因果性的控制越多，在分析技术上则越简单，反之亦然。三是科学世界数据比生活世界数据更符合因果分析需要。前者受研究设计所控制，对变量的操作化测量较为精确，对内生性的控制较为容易，因此，相较于生活世界数据其更适合进行因果分析。
二、前大数据时代——理论导向的实证研究
在前大数据时代，统计数据、调查数据、实验数据被广泛运用于社会科学定量研究。数据和统计技术的运用成为实证主义社会科学定量研究的标准做法。⑦随着调查技术、实验方法、统计分析方法的不断发展，数据形式和数量的不断丰富，社会科学定量研究逐渐形成了一套成熟的范式，并保持了长期的稳定，这些研究方法统称为基于统计计量的定量研究。
(一)理论问题
在前大数据时代，社会科学定量研究的科学哲学依据主要是实证主义和后实证主义，⑧强调通过经验数据对理论进行证实或证伪，以推动理论生产，是“理论导向”的研究。在具体研究过程中，“理论启发”式的研究占据主导。⑨在研究假设的推断上，“理论驱动”居于主导地位。在研究假设之后，一般流程是基于研究假设中的概念形成操作化测量，并收集数据，最终建立模型对假设进行验证，以确定证明还是证伪了当前的理论。这一操作流程被称为社会科学定量研究的“洋八股”，⑩这一范式被称为“理论导向的实证研究”。(11)因大部分定量研究都是理论导向的，也属于实证研究，本研究称其为“理论导向的实证研究”经典范式，下文简称“经典范式”。在这一范式中，研究假设来自理论，落实在经验层面进行验证，最后又归结于理论。因此，理论与经验的关系是“理论→经验→理论”的形式。在“理论→经验”链条中，其遵循的是演绎逻辑，即由理论演绎出假设及测量；在“经验→理论”链条中，其遵循的是归纳逻辑，即利用统计模型对数据的规律进行归纳总结，以验证理论。
(二)数据问题
学术领域中的调查数据是因科学研究的需要而生产的，是典型的来自科学世界的数据，属“理论先于经验”。因此，严格遵循“理论导向”“理论驱动”和“理论启发”的实证研究的设计，研究问题、文献综述、研究假设、操作化测量、研究数据采集、建模验证、理论分析等各环节有严格的时间顺序，调查数据一定是在成熟的理论分析和研究假设的基础上产生的。此外，很多调查数据都具有国家或区域的代表性。当然，调查数据也存在测量误差等不可避免的缺陷。从对理论生产的作用来看，调查数据具有较强的理论基础，因此适合于机制分析。
实验数据主要包括实验室实验数据、现场实验数据和田野实验数据，其与调查数据类似，属于科学世界的数据，也属“理论先于经验”。其中，现场实验数据和田野实验数据相比于实验室实验数据具有更强的生活世界成分。实验数据是在严格的实验控制条件下获得的，一般设有实验组和控制组。获取实验数据比获取调查数据需要更为严格的研究设计，以保证实验组和控制组的随机性。相比于调查数据，实验数据一般具有样本量小、不具代表性的特征，但其在因果推断的效力上要优于调查数据，即具有较好的内部效度，但外部效度较差。以实验数据为基础的研究虽然在因果关系的分析上较为精确，但一般以微观个体视角为主，缺乏宏观视野。
统计数据则往往因国家、市场或企业管理需求产生，具有更多的生活世界的特征，即“经验先于理论”。因此，统计数据的生产过程往往被国家和市场主体所掌握，研究者只是借用其进行科学研究。这也导致统计数据相比于调查数据存在变量覆盖不全的缺陷，相比于实验数据具有控制性不强的特点。但因需要对社会的整体情况进行把握，统计数据往往具有区域代表性(如国家、省份等)，甚至其本身就是某领域全数据(如普查数据)，且其具有更多的时间维度信息。因此，以统计数据为主的研究在理论上更具宏观性和历史性。
(三)方法问题
在基于调查数据的研究中，研究设计发挥作用的空间较大，重在“理论→经验”的过程。如在问卷中对重要的控制变量进行操作化测量，以解决遗漏变量产生的内生性偏差(“应免型”遗漏变量)；通过追踪调查的数据采集方式或进行工具变量测量，均可以有效解决包括遗漏变量、互为因果等内生性偏差；调查实验法的设计，可以综合抽样调查和实验控制的优势，有效解决因果推断问题。此外，在调查问卷中纳入中介变量、调节变量的测量，可以为中介效应、调节效应的建模分析提供测量基础。
实验数据的获取过程参照自然科学实验的思路，在随机化的基础上分控制组和对照组，尽可能控制影响因变量的混淆变量，以获取最真实的因果效应。因此，实验数据的重点在于研究的实验设计，其本质也是“理论→经验”的过程。在实验室研究中，方差分析方法较为常见，而在自然实验研究中，对回归分析、结构方程等统计方法的应用较多。(12)可见，实验控制越严格，使用的分析技术越简单。
统计数据多同时具有样本层次(如省、市、县层次的信息)和时间维度信息，可以通过格兰杰因果关系检验、面板模型、双重差分分析、断点回归等模型方法来进行因果效应估计。可见，基于统计数据的定量研究，研究设计的空间较小，分析技术发挥作用的空间较大，着重于“经验→理论”的过程。这与调查数据、实验数据正好相反。
三、大数据时代——多种范式并存
进入大数据时代，社会科学定量研究的范式更加多元，并形成了计算社会科学这一分支领域。(13)这一时期的范式主要有三种：一是经典范式；二是“理论与数据双元驱动的研究”范式；三是“大数据经验主义”范式。此外，在大数据时代还出现了“社会预测”范式。但因该范式未着重探讨理论与经验关系这一方法论核心问题，所以本研究未将该范式与以上三类范式进行并列讨论。
(一)理论问题
在大数据时代，经典范式存在两种类别。第一种类别即“理论导向”“理论驱动”“数据启发”的研究，也称为“基于大数据的验证性研究”。(14)这一类研究在范式上与前大数据时代总体一致，但研究问题的来源是大数据启发的，即先有大数据，再根据数据产生研究问题。(15)第二种类别即“理论导向”“理论驱动”“理论启发”的研究。这类研究的典型代表是互联网实验研究，(16)即在严格实验设计之下，收集大数据进行社会科学研究。这种范式下的研究逻辑与基于一手调查数据和实验数据的研究基本一致，只是数据形式发生了改变。总体上看，这一范式的逻辑仍然是“理论→经验→理论”的形式。
“理论与数据双元驱动的研究”范式则将实证主义、后实证主义和实验实在论(强调实验/经验优先于理论)(17)进行了结合。相比于经典范式，其研究假设的推断或操作化测量是“理论和数据双元驱动”的，即所谓的“基于大数据先探索后验证的整合研究”。(18)这一做法既结合了过往研究中的理论和知识，又利用了对大数据进行探索性分析得到的知识。后者能对前者形成较好的补充，使得操作化测量或研究假设更具创新性。当前，有部分研究已经在积极采用和推广这一范式。(19)在该范式中，理论与经验的基本关系是“理论+经验→经验→理论”的形式。在“理论+经验→经验”链条中，同时包含了演绎和归纳逻辑，前者指通过特定理论进行假设推断或操作化测量，后者指通过数据特征进行假设推断或操作化测量。“经验→理论”链条遵循的仍是归纳逻辑。从研究目标上看，该范式仍然是“理论导向”的。
“大数据经验主义”范式的科学哲学原理主要是实验实在论。(20)该范式认为理论不再重要，即“理论已死”，只需要通过对数据进行挖掘和分析，让数据自己“说话”，即可获得知识。这类研究一般被归类为探索性研究。在研究过程中，“数据驱动”是主导，根据数据分析直接推出结论成为了整个研究的核心步骤。从某个具体研究的目标来看，其并不直接追求“理论导向”，因此，获得相关关系便可满足需求。当然，随着因果关系算法的发展，探索性研究也可以直接衡量变量间的因果关系，而不只是相关关系。但这一范式不强调“理论驱动”的作用，因此其仍然遵循“经验→理论”的归纳逻辑。而缺乏“理论→经验”的演绎逻辑则使其较难与已有的理论体系进行有效衔接。本研究认为这种范式是社会科学定量研究中的一种“意外”，后文将对其进行专门论述。
(二)数据问题
大数据的形式丰富多样，除了实验控制下的互联网、微观互动等大数据具有科学世界的色彩，绝大部分大数据是纯粹的来自生活世界的数据，即“经验先于理论”。这是大数据区别于传统数据的本质特征，由此产生了大数据的诸多特殊点。
在相对优势方面：首先，大数据具有数据量大和客观性强的特点；其次，大数据的时间跨度更大、连续性更强、时间颗粒度更丰富，使得定量研究能够具有“大历史观”视野；(21)再次，部分大数据具有丰富的多层次信息，微观层面可细微到行为和话语，宏观层面可达至民族或国家，这使得定量研究能具有丰富的多层次视角；复次，大数据还能提供前大数据时代的数据所不能提供的情绪、心态、价值、观念、关系等信息；(22)最后，大数据提供了更多探索各种奇异属性、现象和事件等的可能性。(23)在相对劣势方面：首先，相比于调查数据，大数据的有效变量较少；其次，大数据往往具有较大的选择性偏误，即不具有代表性；再次，大数据往往存在代理变量偏误的问题；(24)最后，不同于调查数据和实验数据，学术界不具有独立生产大数据的能力。从大数据对理论生产的助益来看，其不仅有利于形成历史的和微观、中观、宏观的多层分析视野，也有利于通过“计算扎根”推进测量和概念创新。(25)
(三)方法问题
在大数据时代，范式和研究目标不同，在测量、研究设计、分析技术上也不尽相同。在这一时代，各类大数据算法成为重要的测量和分析技术。经典范式下的大数据研究，重在测量阶段，从大数据中挖掘和提取变量，其与问卷调查测量类似(前者通过算法获得变量，而后者通过问卷设计获得变量)，都属于“理论→经验”过程。这种范式下的测量方法主要包括理论/知识驱动的词典法、有监督机器学习等，也可能包括方法驱动的情感分析、复杂网络分析等。研究者的理论想象力决定了测量的可能性。此外，基于实验控制的大数据研究重点在于实验的设计，即在不同的控制条件下，获取大数据信息。在这一范式中，操作化测量是大数据算法发挥作用的核心步骤。
“理论与数据双元驱动”的研究范式下的大数据研究，既可能需要在测量阶段综合运用理论/知识驱动、方法驱动和数据驱动(如无监督机器学习方法、降维方法)的测量方法进行概念测量，还可能需要在研究假设提出阶段，利用各类算法(尤其是无监督机器学习算法)对变量的分布形态、类型类别，变量间的相关关系，样本的类别、结构、网络关系等进行探索性分析。在此基础上，结合过往的理论和研究，有助于获得对因变量、自变量及其相互关系的进一步认识，这体现了“理论+经验”的思路。在这一范式中，操作化测量和研究假设推断是大数据算法发挥作用的核心步骤。
“大数据经验主义”范式往往应用于“理论导向”研究的探索性研究阶段或获取实践知识的非学术研究中，其直接目标是相关性预测，因此，非监督机器学习等各类算法的应用尤为关键。在这一范式中，“经验→理论”是主导或唯一思路，且可以满足探索性研究或实践的需求。如通过机器学习预测超市零售品的销售量关系，可以发现尿片和啤酒的销售量呈现高度相关。从商业实践逻辑来说，了解二者的相关性已经足够指导商业实践。
(四)“大数据经验主义”作为一种“意外”范式
本研究认为，“大数据经验主义”是社会科学定量研究的一种“意外”范式，与社会科学的理论追求目标不完全相符。主要原因如下：1.以实践为主要导向。因对大数据的挖掘、分析和利用最早出现在商业界，而在具体实践中，对相关的预测足够满足商业需求，这导致“理论已死”的论断开始流行。2.对因果关系的忽视。理论生产是社会科学的核心目标，而因果关系是构建理论大厦的基石，因此“相关大于因果”的论断从这一目标来说是不成立的。3.因果关系较难获得。大数据的产生因缺少研究设计的介入，没有丰富的控制变量、工具变量等来建立可靠模型以获得真实的因果关系，这导致对因果关系的追求比基于调查数据、实验数据的研究更难(随着因果关系算法的发展，这一状况正在改善)。4.存在大数据是一种全样本数据的误解，认为统计推断不必要。但在实际研究中，几乎不存在全样本的大数据。即使存在全样本的大数据，它也并不等同于社会总体，仍然是社会的一个样本，因此对总体进行推断仍是必要的。5.“数据启发”式的研究问题占据主导。大数据产生于生活世界，因此，对大数据的研究从研究问题来说主要是“数据启发”式的(除基于大数据的实验方法)，这也导致“理论启发”式的实证研究在大数据上相对失效。6.对数据挖掘过度强调。大数据相比于小数据蕴含了更多可能性，对其挖掘确实能带来小数据所不能得到的知识，但是“大数据经验主义”者对这一范式过于夸大，忽视了理论的作用和价值。需要补充说明的是，虽然基于“大数据经验主义”理念的研究被归类为探索性研究，但这并不意味着所有的大数据的探索性研究者都秉持着“大数据经验主义”的理念，也不意味着探索性研究对理论生产是无价值的。因为探索性研究不仅能提供新的测量方法和概念工具，也能基于相关或因果关系提出更确切的理论假设，为后续“理论导向”的研究做好铺垫。(26)
四、人工智能生成内容时代——“回归”与“延续”
进入AIGC时代，大语言模型(Large Language Models，LLM)的快速发展对社会科学研究构成了全面而深刻的影响。(27)LLM对社会科学的重要影响之一就是AIGC数据的出现，其具体表现为以下几种形式：一是硅基样本(silicon samples)或合成数据(synthetic data)，其采用赋值、访谈等不同方式使LLM模拟特定人口群体的社会人口信息、性格、态度、价值等，再生成特定的变量。(28)如阿盖尔(Argyle)等的研究采用GPT3模拟生成了一批硅基样本，这些样本与2012年、2016年和2020年美国国家选举调查数据的社会人口学属性(如种族、性别、年龄和居住地)保持一致。研究显示，硅基样本的投票选择分布与真实调查数据中的投票选择分布高度一致。(29)范坦纳(Fontana)等的研究测试了Llama2、Llama3和GPT3.5在“囚徒困境”实验中的表现。研究表明，LLM的表现与典型的人类实验参与者一样具有合作性。(30)二是基于LLM的自主智能体(LLM-based autonomous agent)的互动数据。基于LLM的自主智能体将LLM作为自主智能体的核心控制器，具有更全面的知识、记忆能力和规划能力，因而其具有类似人类的决策能力，能智能体间互动或与人类进行互动，并产生大量的互动内容数据。(31)如帕克(Park)等用LLM创建了一个类似“模拟人生”游戏的虚拟社区，即一座由25个自主智能体组成的小城镇，这些自主智能体展现了可靠的个体行为和具有涌现性的社会现象。(32)
当然，目前对LLM能否准确地对人类样本进行模拟也是存在争议的，部分研究对此进行了深入分析。(33)还有研究提出了各种提高LLM合成数据准确度的策略。(34)虽然AIGC数据作为社会科学研究的数据来源尚不成熟，但其方法论意义是颠覆性的，尤其是随着LLM智能水平在未来的快速提升，这一数据形式极有可能成为一种重要的社会科学研究数据来源。
(一)理论问题
虽然基于AIGC数据的社会科学定量研究尚处于萌芽期，但当前的若干AIGC数据生产形式已经形成，这反映了不同的理论与经验关系，也预示着不同的研究范式。第一类是科学世界的AIGC数据，主要包括硅基样本和实验条件下的基于LLM的自主智能体互动数据。其本质是对调查数据、实验数据、统计数据、大数据的一种模拟和复刻。只有在研究者设定相应的研究问题(“理论启发”)，并按研究设计从LLM中进行提取后，这类AIGC数据才会出现。因操作化测量方案必然在数据生成前形成，而研究假设是测量的基础，这就意味着研究假设的推论必然以“理论驱动”为主导。这种“理论导向”“理论驱动”“理论启发”式研究的基本逻辑仍然是“理论→经验→理论”。因此，基于科学世界的AIGC数据的定量研究是对前大数据时代范式的一种“回归”。理论的重要性在大数据时代曾遭受质疑，而在AIGC时代其再度显现更为重要的地位。
第二类是生活世界的AIGC数据，包括日常生产、生活中的基于LLM的自主智能体互动数据和人机互动数据。这种数据本质与生活世界的大数据一致，只是其产生主体由人类变成了自主智能体。随着LLM在日常生活中的大量应用，这种类型的大数据将会越来越多，如人类与智能电子产品的对话数据、虚拟在线社区如Moltbook的自主智能体互动数据等。其不仅能用于研究人类行为、人类社会，还能用于研究机器行为、机器社会和人机社会。因这类数据性质与生活世界的大数据一致，其对应的范式也与大数据时代基本一致，在此不再赘述。本研究认为这种基于生活世界的AIGC数据的社会科学定量研究是对大数据时代各类范式的一种“延续”。
(二)数据问题
从上文可见，AIGC数据本质是对其他不同数据形式的一种复刻和延伸。科学世界的AIGC数据是“理论先于经验”的，生活世界的AIGC数据是“经验先于理论”的。而研究目标和对象的不同，决定了AIGC数据性质和质量标准的不同。基于AIGC数据进行的社会科学定量研究一方面是以人类和人类社会为研究对象，另一方面是以机器和机器(人机)社会为研究对象。当以人类和人类社会为研究对象时，AIGC的本质是一种“投射的经验”，即作为真实人类个体和社会的态度、价值、观念、行为、社会形态、社会规律等的“镜子”或“投影”。(35)在这种情况下，LLM的算法保真度(Algorithmic Fidelity，LLM在多大程度上真实地反映真实世界的情况)决定了AIGC数据的质量。(36)当以AI本身为研究对象时，AIGC数据的本质是一种“直接的经验”，LLM本身能否准确反映人类社会并不重要，重要的是能否从中准确测量出AI本身的特征和属性。此外，AIGC数据还具有生产成本低、实验伦理限制小、可得性高的比较优势。从对理论生产的作用来看，AIGC数据能模拟和复刻前大数据时代和大数据时代的几乎所有的数据，因此，机制分析、精准的因果分析、历史性研究、多层视野研究、高伦理限制研究均能通过AIGC数据实现。
(三)方法问题
在基于科学世界的AIGC数据的定量研究中，研究设计显得尤为重要，即“理论→经验”过程的基础性作用更加凸显。正因为其成本低、伦理限制小的独特优势，研究设计可以足够复杂，条件控制可以更为严格。所以，研究设计的重要性及理论发挥作用的空间甚至超过了前大数据时代。基于生活世界的AIGC数据的定量研究在方法上与大数据时代各范式一致，在此不赘述。不过，对AIGC大数据与人类大数据的辨别和区分成为一项基础性的关键工作。总的来看，在AIGC时代，复杂而精致的研究设计、“精巧”的操作化测量、“小而精”的数据形式、智能化的分析技术更容易实现，这将导致分析技术简单化和均等化。
更进一步看，AIGC时代人工智能深刻改变了研究过程和研究方法，呈现三大趋势。一是智能体的兴起正在重塑研究者的角色。智能体能够自主或半自主地执行文献综述、假设生成、编码测量、数据分析和写作等工作，研究者的核心竞争力将更多地体现在判别鉴赏、提出问题、应用AI的能力上。二是“社会数字孪生”将模拟仿真提升至全新高度。当前由AI驱动的社会数字孪生，能够构建高保真的虚拟社会，(37)其复杂度和真实性远超传统的基于规则的仿真模拟。三是“因果AI”的突破正在弥合大数据与因果推断的鸿沟。最新的AI驱动的因果发现算法显著提升了从高维数据中提取因果结构的稳健性，(38)这极大地增强了“经验→理论”这一归纳路径的科学性。
五、“理论导向的交叉研究”方法论倡导
从前大数据时代到大数据时代，再到AIGC时代，社会科学定量研究的范式不断演进和丰富。不同的范式并不是替换和取代的关系，而是共存和互补的关系，所以当今社会科学定量研究面对的是多元范式共存的情形(见表1)。
但当前定量研究各范式间存在隔离和割裂的情况，无法相互有效整合：计算社会科学一般主要采用大数据时代和AIGC数据时代的研究范式，而基于统计计量的研究主要采用前大数据时代的研究范式。二者的隔离具体表现在问题来源、研究数据、假设推断、操作化测量、分析技术上。
在问题来源上，在统计计量研究中，“理论启发”的研究问题是天然的、理所应当的，这主要表现在相关研究的行文上，几乎所有的定量研究论文都呈现来自理论困惑的研究问题。在计算社会科学中，“数据启发”的研究问题在实际研究中占据主导，但在相关研究的行文中却大多被表述成了“理论启发”的研究问题，存在“名不副实”的情况；在研究数据上，统计计量研究习惯采用前大数据时代的数据，而计算社会科学的研究习惯采用大数据或AIGC数据；在假设推断上，统计计量研究一般在行文中展现为“理论驱动”的假设推断过程，而计算社会科学研究中的假设推断模式则更为多样化；在操作化测量上，统计计量研究一般是“理论驱动”的操作化测量模式，而计算社会科学则兼具“理论驱动”和“数据驱动”的方法；在分析技术上，统计计量研究习惯采用各类统计计量模型，计算社会科学则习惯采用统计计量、机器学习、文本分析、复杂网、仿真模拟等的分析方法。
定量研究的不同范式隔离导致的单一方法论已经不能有效适应时代的发展。因此，本研究提出“理论导向的交叉研究”方法论倡导，主要针对的是社会科学定量研究者。这一倡导的基本思路在于通过交叉研究打破当前定量研究中范式隔离导致的单一方法论状况。钱学森认为，交叉科学主要指的是自然科学和社会科学的相互交叉。(39)从这个意义上看，社会科学定量研究自诞生以来就属于交叉科学，在前大数据时代主要是数学、统计学与社会科学的交叉，在大数据和AIGC时代则新增了计算机科学、人工智能科学与社会科学的交叉。换言之，基于统计计量的社会科学研究和计算社会科学都属于交叉科学。所以，本研究在借鉴过往交叉科学思想的基础上，进一步在方法论的范畴上进行细化，以求能对定量研究形成具体可操作的研究指导。
“理论导向的交叉研究”方法论倡导主要有如下内涵。一是坚持“理论导向”。这是为了进一步明确社会科学定量研究的核心目标是进行理论生产，以使其不致被作为研究素材和手段的形式多样、快速变革的数据和方法“异化”。二是强调方法论子范式上的“交叉”。因范式在这里主要指方法论子范式，不是大的研究范式，所以不同范式间不仅不是“不可通约”的，(40)反而是可以相互交叉融通的。三是定位为微观研究过程意义上的交叉。这里的“交叉”不是常用的“交叉科学”意义上的宏观层面上的学科交叉，而是理论、数据、方法在定量研究的不同方法论子范式间的研究过程层面的交叉。
本研究进行这一倡导的意义和作用如下：一是在当前社会科学定量研究的实际工作中，存在大量合理的交叉融通的做法，通过这一倡导可以推进这些“有实无名”的做法“合法化”。如在诸多基于调查数据的定量研究中，实际操作过程是“数据驱动”的，即先进行数据分析，再提假设，但为了符合常用规范，在相关研究的行文过程中却常表现出是“理论驱动”的。而在“理论导向的交叉研究”的方法论倡导下，“数据驱动”的分析过程可以如实恰当地表现在行文中，而不会形成“文实不符”情况。二是“理论导向的交叉研究”实际形成了一种中层的方法论，能有效统合各类子方法论范式，避免定量研究陷入割裂、僵化、单一的思维模式和行文套路。三是其能尽量扩展社会科学定量研究的问题、数据、测量、方法的可能性空间，推动形成形式多样、丰富多彩、理论强劲的社会科学定量研究生态。
“理论导向的交叉研究”方法论倡导的具体做法和缘由如下。
首先，从研究问题的提出来看，“理论启发”与“数据启发”应交叉融通。在过往基于调查数据、统计数据的研究中，因为实际上大部分研究者使用的是二手数据，所以多数时候研究者是根据数据的变量来提出研究问题的。真正能做到先有问题，再提假设，进而进行操作化测量和收集数据的研究在实际研究工作中是极少数。在大数据和AIGC时代，先有理论问题，再去寻找或生成相应的符合研究需求的大数据或AIGC数据来进行理论验证，也是可能的。且这种方式将在AIGC时代普遍存在。因此，任何数据形式下的研究问题，都有可能是“数据启发”、“理论启发”或“理论数据双重启发”的。但在当前定量研究的论文中，大部分研究在写作上都呈现为“理论启发”式。(41)本研究认为，在实际研究有“数据启发”的情况下，应构建一套“数据启发”的叙事框架，以与“理论启发”的叙事框架形成对话，互补互鉴。
其次，从操作化测量和研究假设的推断来看，“理论驱动”、“方法驱动”和“数据驱动”应交叉融通。在前大数据时代，“理论驱动”的测量和假设推断是主流和正统，但实际也存在大量“数据驱动”的测量和假设推断做法。在测量上，如通过探索性因子分析得到具有新的理论意义的变量，通过潜类别分析得到新的分类变量等的做法都是“数据驱动”的。在假设推断上，通过分析调查数据中单变量的分布、双变量的相关、一个变量对另一个变量的预测效力和重要性等“数据驱动”的方法可以丰富对核心关切变量的分布和关系的认识，以促进研究假设的创造性。在大数据时代，“数据驱动”“方法驱动”的测量顺理成章，但“理论驱动”的测量也不少，如先构建理论指引的概念词典，再进行概念测量的做法就是典型案例。(42)在假设推断上，“理论驱动”和“理论与数据双元驱动”的研究也屡见不鲜。到了AIGC时代，因LLM能对各种类型的数据进行模拟生成，在测量和假设推断上更加呈现多元化特征。在测量和假设推断上的交叉，可以极大丰富概念和理论的可能性空间，推动社会科学定量研究的理论生产能力。
再次，从分析技术的运用来看，不同类型的数据不应存在固定的分析方法，不同分析技术应交叉融通。调查数据、统计数据可以使用机器学习、文本分析、复杂网等大数据分析方法，大数据也可以使用计量统计模型来进行建模。(43)如通过对调查数据、统计数据进行双重机器学习、因果网络图等的计算，(44)可以进行因果推断；将大数据结构化以后，也可以进行多元回归模型、结构方程模型、时间序列模型、面板模型等的统计建模。AIGC数据则因其丰富的表现形式，需要更为多元的分析技术以进行分析建模。此外，统计分析技术、大数据分析技术和人工智能分析技术也可以进行灵活组合。分析技术上的交叉，可以有效发挥各类技术的优势(如计量统计模型在因果推断上的优势、机器学习在预测上的优势)，扩展方法论视野(如复杂网分析方法提供了一种网络视角)，推进定量研究的科学性和创新性水平。
复次，在数据的收集方案上，需推动各类型的数据交叉融通。具体来看，调查数据可与大数据相结合(如在调查中匹配个人的社交媒体数据)，统计数据也可以与大数据结合(如将个体层面大数据汇总到宏观层面与统计数据进行匹配)。AIGC数据则更为灵活，可以与调查数据、统计数据、实验数据、大数据进行形式多样的结合。不同的数据类型各具优势，如调查数据与统计数据的代表性、大数据的客观性、AIGC数据的灵活性，它们相互结合可以有效提高数据质量和拓展研究空间。
最后，面对AI带来的深刻变革，人类智能与机器智能应交叉融合。生成式AI的普及正在催生一种“适应性认识论”，它要求研究者动态调整对知识合法性、证据标准和理论角色的认知。(45)研究者需要审慎地对待和检验AI生成的数据、假设和结论。如可以利用AI生成的假设作为起点，通过传统的、扎根于真实世界数据的研究进行验证。这种批判性的交叉验证，是确保社会科学在AI时代保持其科学性、人文性和深刻性的关键所在。
需要进一步明确的是，在社会科学定量研究中，无论问题提出、测量、假设推断、数据收集、分析技术怎样呈现交叉融合的特征，其核心本质始终是处理经验与理论的关系问题，因此，利用经验对理论进行证实或证伪的实证主义和后实证主义的大范式始终在前大数据时代、大数据时代和AIGC时代占据主导地位。换言之，社会科学定量研究的大范式并未发生根本转型。因此，“理论导向的交叉研究”方法论倡导既不是要挑战实证主义和后实证主义大范式，也不是否认每一个子方法论范式的合理性，更不是一种方法论上的“虚无主义”。相反，其是在实证主义和后实证主义的大范式之下，在各类子方法论范式之上的中层的方法论倡导。其根本目标在于破解定量研究范式的隔离、单一和僵化问题，充分发挥各类理论、数据、方法的优势，以更好地推进定量研究的理论生产能力和科学论证水平，使其进一步适应未来急剧更新迭代之社会的研究需求。
注释：
①本体论主要探讨被认识对象的本质，认识论主要探讨认识主体和客体的关系问题，方法论则主要谈论认识的方法问题。参见黄光国《社会科学的理路》，北京：中国人民大学出版社，2006年，第18页。
②实证主义和后实证主义强调经验对理论的证实和证伪，由此可见，其着重探讨的都是经验和理论的关系问题。
③胡塞尔：《欧洲科学的危机与超越论的现象学》，王炳文译，北京：商务印书馆，2001年，第158页。
④卡尔·波普尔：《科学发现的逻辑》，查汝强、邱仁宗、万木春译，杭州：中国美术学院出版社，2008年，第7、25页。
⑤彭玉生：《社会科学中的因果分析》，《社会学研究》2011年第3期；王天夫：《社会研究中的因果分析》，《社会学研究》2006年第4期。
⑥王天思：《大数据中的因果关系及其哲学内涵》，《中国社会科学》2016年第5期。
⑦Russell Keat,"Positivism and Statistics in Social Science," In J.Irvine,I.Miles and J.Evans eds,Demystifying Social Statistics,London:Pluto Press,1979,pp.78-86.
⑧黄光国：《社会科学的理路》，第18页。
⑨研究过程中，基于一手数据的研究往往是“理论启发”式的，而基于二手数据或统计数据的研究则既可能是“数据启发”式的，也可能是“理论启发”式的。但相关研究的行文中的主导模式是“理论启发”式的。
⑩彭玉生：《“洋八股”与社会科学规范》，《社会学研究》2010年第2期。
(11)边燕杰：《理论导向的实证社会学研究》，《中国社会科学评价》2015年第2期。
(12)舒华、周仁来、韩在柱等：《心理学实验方法：科学心理学发展的根本》，《中国科学院院刊》2012年第S1期。
(13)David Lazer et al.,"Computational Social Science," Science,Vol.323,No.5915,2009,pp.721-723.
(14)周涛、高馨、罗家德：《社会计算驱动的社会科学研究方法》，《社会学研究》2022年第5期。
(15)当然也可能存在先有理论问题，再去寻找大数据进行验证性研究的情况。但鉴于大数据的可得性较低，这种情况在实际操作中相对较少。
(16)刘河庆、梁玉成：《透视算法黑箱：数字平台的算法规制与信息推送异质性》，《社会学研究》2023年第2期。
(17)贺天平：《哈金的实验实在论思想》，《科学技术与辩证法》2005年第2期。
(18)周涛、高馨、罗家德：《社会计算驱动的社会科学研究方法》，《社会学研究》2022年第5期。
(19)政光景：《道德对社交地位的影响及其变迁》，《济南大学学报》2024年第6期；梁玉成、贾小双：《理论与数据双驱动的社会分层研究》，《西安交通大学学报》2022年第1期。
(20)齐磊磊：《大数据经验主义——如何看待理论、因果与规律》，《哲学动态》2015年第7期。
(21)政光景、梁玉成：《中国近现代死亡人口历史分布形态研究——基于海量在线逝者纪念数据》，《南方人口》2022年第4期。
(22)洪永淼、汪寿阳：《大数据、机器学习与统计学：挑战与机遇》，《计量经济学报》2021年第1期。
(23)孟天广：《政治科学视角下的大数据方法与因果推论》，《政治学研究》2018年第3期。
(24)Lin Qiu et al.,"Big Data in Social and Psychological Science:Theoretical and Methodological Issues," Journal of Computational Social Science,Vol.1,No.1,2018,pp.59-66.
(25)陈茁、陈云松：《计算扎根：定量研究的理论生产方法》，《社会学研究》2023年第4期。
(26)周涛、高馨、罗家德：《社会计算驱动的社会科学研究方法》，《社会学研究》2022年第5期。
(27)Igor Grossmann et al.,"AI and the Transformation of Social Science Research," Science,Vol.380,No.6650,2023,pp.1108-1109.
(28)Joon Sung Park et al.,"Generative Agent Simulations of 1,000 People," arXiv,2024,arXiv:2411.10109.
(29)Lisa P.Argyle et al.,"Out of One,Many:Using Language Models to Simulate Human Samples," Political Analysis,Vol.31,No.3,2023,pp.337-351.
(30)Nicoló Fontana et al.,"Nicer Than Humans:How do Large Language Models Behave in the Prisoner's Dilemma?" Proceedings of the International AAAI Conference on Web and Social Media,Vol.19,2025,pp.522-535.
(31)Lei Wang et al.,"A Survey on Large Language Model Based Autonomous Agents," Frontiers of Computer Science,Vol.18,No.6,2024,p.186345.
(32)Joon Sung Park et al.,"Generative Agents:Interactive Simulacra of Human Behavior," Proceedings of the 36th Annual ACM Symposium on User Interface Software and Technology,2023,pp.1-22.
(33)James Bisbee et al.,"Synthetic Replacements for Human Survey Data? the Perils of Large Language Models," Political Analysis,Vol.32,No.4,2024,pp.401-416.
(34)Wrick Talukdar and Anjanava Biswas,"Improving Large Language Model(LLM)Fidelity through Context-aware Grounding:A Systematic Approach to Reliability and Veracity,"World Journal of Advanced Engineering Technology and Sciences,Vol.10,No.2,2023,pp.283-296.
(35)梁玉成：《基于生成式大语言模型的“测试社会学”》，《探索与争鸣》2024年第11期。
(36)Lisa P.Argyle et al.,"Out of One,Many:Using Language Models to Simulate Human Samples," Political Analysis,Vol.31,No.3,2023,pp.337-351.
(37)Önder Gürcan et al.,"Towards an LLM-Powered Social Digital Twinning Platform," International Conference on Practical Applications of Agents and Multi-Agent Systems,2025,pp.118-130.
(38)Taiyu Ban et al.,"Integrating Large Language Model for Improved Causal Discovery," IEEE Transactions on Artifi cial Intelligence,Vol.6,No.11,2025,pp.3030-3042.
(39)钱学森：《交叉科学：理论和研究的展望》，《机械工程》1985年第3期。
(40)托马斯·库恩：《科学革命的结构》，金吾伦、胡新和译，北京：北京大学出版社，2003年，第94-95页。
(41)当前的定量研究存在“研究逻辑”和“写作逻辑”可以甚至应该不一致的观念，但如果在保证逻辑通顺的前提下让二者保持一致，这样的研究似乎更为严谨和客观。
(42)Stefan Feuerriegel et al.,"Using Natural Language Processing to Analyse Text Data in Behavioural Science," Nature Reviews Psychology,Vol.4,No.2,2025,pp.96-111.
(43)洪永淼、汪寿阳：《大数据、机器学习与统计学：挑战与机遇》，《计量经济学报》2021年第1期；孟天广：《政治科学视角下的大数据方法与因果推论》，《政治学研究》2018年第3期。
(44)苗旺、刘春辰、耿直：《因果推断的统计方法》，《中国科学：数学》2018年第12期。
(45)Gabriella Punziano,"Adaptive Epistemology:Embracing Generative AI as a Paradigm Shift in Social Science," Societies,Vol.15,No.7,2025,pp.1-18.
