计算社会科学: 原则与应用
- ISBN-10
- 7308191435
- ISBN-13
- 9787308191432
- Pages
- 374
- Language
- Chinese
- Published
- 2019
- Publisher
- 浙江大学出版社
- Author
- 乔菲-雷维利亚
Description
本书阐述了计算社会科学的四种方法,即社会信息的自动提取,社会网络分析,社会的复杂性理论,社会仿真建模,并探讨了一系列方法工具,阐明了如何利用计算方法进行不同层次的社会复杂性分析,考察了社会现象语境下知识的跨学科整合.
Get the book
Other editions
Similar books
-
社会计算与社会化媒体研究
By 金兼斌主编社会化媒体的崛起是Web 2.0时代最具代表性的传播现象和社会现象，它的出现将人们的生活从网络化的沟通（networked communication）引向平台化的社会交往（platformed sociality）（van Dijck，2013）。社会化媒体及其应用几乎囊括了个人日常生活的所有重要方面：学习、工作、社交、娱乐、购物及信息获取等，不仅越来越多的人类活动被数字服务和数字设备所中介、所记录，更重要的是，社会化媒体本身就成为人们社会现实生活的平台和场域。社会化媒体由此也成为社会科学者进行社会研究的“富矿”，吸引着来自各个学科学者的关注，并直接促发了一个数据密集、学科交叉的研究领域或方向，即“社会计算”（social computing）或“计算社会科学”（computational social science，Lazer，et al.，2009）。 尽管这些概念相互竞争，但其目标都锁定在如何处理这些有关人类活动的海量数据上。我们可以清晰地看到，“社会”是这些命名的关键词，但如何将“社会”有效地加入“计算”，仍是所有关注这一领域的研究者亟需解决的问题。 在这道景观中，自然科学领域的研究者似乎更有热情，更为积极主动（proactive），有关社交网站的论文频繁出现在科学类顶级期刊和计算机科学（computer science）会议上；基于计算机科学、网络科学和社会科学的各类学科交叉性质的研究中心和机构在著名大学里四处开花(1)，各种基金迅速拥抱这股“计算社会科学”风潮。但是，这类论文却极少发表在传统的社会科学期刊上，甚至极少严肃地与现有社会科学文献进行对话。相对于自然科学家的“过于乐观”，社会科学家显得“过于谨慎”，二者的对话极为有限，学科壁垒依然森严（Watts，2013）。 在相当程度上，研究者对社会化媒体及其承载海量数据的认识和理解还处于探索的初期。一方面，这样前所未有的数据、自下而上的研究取向，有望带来社会科学研究范式的转换，突破社会科学在过去几十年进展缓慢的窘境（祝建华等，2014）；另一方面，数据的获取途径、分析技术、数据整合，以及相关的伦理、道德、法律等问题，将比以往更为棘手。更重要的是，面对海量资料，如何提出一个“好”问题，则是各个领域的研究者们共同面临的首要问题（Watts，2013）。在海量数据带来的可能性和现实性之间，研究者将承受巨大的风险。这种张力之下，我们依然需要一种“社会学的想象力”（米尔斯，2001）。 如何理解“社会化”或“社会性”？研究者Albertsen和Diken（2003）认为“社会性”（the social）是社会科学领域中一个“本质上可争议的概念”（essentially contested concept），即研究者再努力也无法统一某些核心概念的通用意义，只能通过具有说服力的论证各执一端，核心概念的每一种使用既是合理的也是饱受争议的（Gallie，1955）。正因如此，学术研究涌现大量添加social为字首的细分领域，如社会地理学（social geography）、社会心理学（social psychology）、社会人类学（social anthropology）、社会考古学（social archaeology）等（Dolwick，2009）。 研究者Dolwick（2008，2009）试图区分社会性概念的三个主要层面：最广泛意义上的社会性指的是交往（association），来源于拉丁语socius，意思是陪伴，在这个意义上动植物、人造物、人类都被涵盖其中，都是行动者（actors）；狭义上的社会性主要指人的聚集（human aggregates），在此人（主体）被视为社会世界的首要行动者，社会性发生于意义和表征在人与人之间传递之时，自然世界的元素（客体）也由此被忽略不计；最狭义的社会性指的是社会结构（social structure）和社会事实（social facts），被视为独立于微观互动之外并对其施加影响的宏观力量。包括传播学在内的社会科学领域，对社会化媒体的研究通常更多的集中于最狭义的社会结构和社会事实层面，尽管也有研究者将社会化媒体的技术作为行动者，考察更宽泛意义上的社会性。 不可否认，社会化媒体已经成为当前包括传播学在内众多学科关注的对象，它不仅是自然语言处理、社会网分析等研究的宝贵资料来源，也成为传统社会科学定量方法与理论的重要突破口。目前，传播学相关研究仍较多自囿于传统传播学研究领域的资料、方法和理论，从而限制了研究视野、研究方法乃至理论的创新。针对这一现状，本书拟从交叉学科更宽广的视野出发，展现不同学科研究对社会化媒体研究的现状、路径及重要成果，为国内社会化媒体研究提供前沿动态、代表性研究成果，并积极探索未来的研究方向。 本书分为上中下三篇，共收录来自传播学、信息科学、营销学等不同领域的十六篇文章。 上篇从不同学科视角对社会化媒体研究现状加以综述，力图勾勒传播学、信息科学、营销学等领域对社会化媒体的研究进展和路径。《交叉学科视野下的社会计算和社会化媒体研究》一文考察了社会化媒体的常见定义、社会化媒体影响其他组织的逻辑、代表性的传播学研究议题和路径，以及社会计算领域关注的主要社会性议题及其破题方法等。《Web社会网络分析的研究现状与发展趋势》和《面向社会化媒体数据的自然语言分析及其应用》这两篇来自信息技术领域的综述文章，分别从Web社会网的微观本质特征和自然语言分析的视角比较了社会化媒体数据与传统数据的应用及数据收集整理方式。《社会化媒体营销的传播机制》从社会网络发展的实务层面进行分析，探讨社会化媒体如何改变企业的市场营销模式和策略，并提出6I的社会化媒体营销模式。《社交网站中的隐私保护：研究回顾与展望》一文通过对社会科学中（尤其是传播学、管理科学）对社会化媒体隐私保护研究的回顾，概述了其影响因素的8个方面：人口统计学因素、个体心理因素、宏观社会文化因素、社交网站使用行为、隐私关注程度、效率机制、使用与满足、网络效应、不同的媒介情境。 中篇的实证论文集中介绍传播学领域中对于社会网络研究的热门议题，依据研究对象的不同，可分为两大类：以社会网络的文本作为研究对象和以社会网络中网民的行为作为研究对象。《数据驱动的社会媒体信息传播爆发预测》从数据驱动的角度出发，通过对历史信息传播链的统计建模，识别与信息传播爆发具有重要相关性的用户节点，并提出基于稀疏特征嵌入式联合选取的爆发预测算法，对社会媒体信息的传播爆发进行早期预测。《中国社会化媒体谣言的语义分析研究》，以中文社会化媒体新浪微博为研究平台，从定量统计、语言和语义分析、时序分析等角度，对收集的近1万条谣言信息进行了定量统计，并面向社会化媒体提出一套综合机器智能与群体智能的自动辟谣框架。《微博用户转发行为预测模型的构建》探讨微博用户的转发行为，通过分析影响微博用户转发行为的特征，构建预测模型，以期对微博用户的转发行为进行预测。《社交网站中的隐私保护行为：一个探索性分析》从隐私披露的程度、社交网站用户隐私边界管理和线上“好友”的边界管理三个维度来进行定量分析。《意见领袖网络社区迁移行为动机分析》总结意见领袖社区迁移的若干路线，并归纳迁移的主要动机：社区舆论导向、信息红利和相对影响力、新功能的可替代性等。 下篇考察了大学生、科学家等群体的社会化媒体使用以及新兴教育方式的社会化媒体特征。《大学生在线社交关系的影响因素研究》发现，影响大学生在线社交关系的因素包括社交网站用户的使用强度、使用频率，用户人格的面子得分、防御性得分，以及用户在社交网站上自我呈现的真实程度。《人人网用户的功能使用现状与改进建议》通过对人人网用户的调查，在一定程度上对社交网络的发展趋势做出预测。《国内高校学生生活满意度影响因素的实证分析》，以在国内112所“211工程”高校就读的人人网活跃大学生用户作为研究对象，发现学习状况、日常收入和消费状况等与大学生生活满意度存在关联。《MOOC应用于EDP教育的可行性探讨》一文探讨了社会化媒体的互动形式给教育模式变革带来的启示，研究认为当MOOC成为一种学习型的社会化媒体时，其可能产生的社会效应和经济效应不可估量。《文本盗猎：论网络舆论对“中国梦”的解构》一文，考察了新浪微博平台上的文本如何“盗猎”官方话语中的“中国梦”、呈现出何种形态及其背后的动因。《科学家微博使用与职业群体社会声望：基于社会网络分析》一文，使用社会网分析技术，对微博上科学家群体的社会网构成及社会声望进行了探索性的研究。...
-
社会科学计算实验理论与应用
本书分两部分, 理论篇主要从社会系统是一个复杂系统的角度对社会系统进行了剖析, 探讨了社会系统复杂性的表现和根源, 在此基础上对已有的社会科学研究方法进行了回顾与评述;应用篇主要提供了基于计算实验的研究方法在社会科学领域的一些研究案例.
-
Doing Computational Social Science: A Practical Introduction
By John McLeveyBiernacki, R. (2012) Reinventing Evidence in Social Inquiry: Decoding Facts and Variables. New York: Springer. Biernacki, R. (2015) 'How to do things with historical texts'. American Journal of Cultural Sociology, 3 (3): 311–52.
-
计算社会科学引论: 从微观行为到宏观涌现
By 王国成本书介绍了计算社会科学的理论方法和应用案例, 全书分为理论篇, 方法篇和应用篇三篇, 由12章内容组成.理论篇研究行为分析, 行为刻画与逻辑起点, 复杂与涌现等问题;方法篇主要介绍ABM, 计算博弈论和计算实验等;应用篇介绍集体行动, 经济, 金融, 政治, 法律, 社会, 历史, 语言传播等社会科学多领域及管理中的行为建模计算应用案例和经验介绍等.
-
Introduction to Computational Social Science: Principles and Applications
By Claudio Cioffi-RevillaThis updated new edition has been enhanced with numerous review questions and exercises to test what has been learned, deepen understanding through problem-solving, and to practice writing code to implement ideas.
-
Behavioral Computational Social Science
By Riccardo BoeroThis book is organized in two parts: the first part introduces the reader to all the concepts, tools and references that are required to start conducting research in behavioral computational social science.
-
计算社会科学的实现工具: NetLogo编程入门
By 王臻荣本书首先对Netlogo软件的下载,安装以及界面进行了简要介绍.接着将主要内容分为四篇.第一篇Netlogo编程指南,介绍Netlogo在模拟现实世界时,最基本要素有哪些;第二篇Netlogo的模型的框架介绍,主要目的在于让读者对Netlogo的模型程序有一个整体认识;第三篇命令结构的应用及详解,主要目的在于通过运行程序给出不同命令结构的效果图,并进一步解释命令的使用方法,解决操作中可能遇到的问题;第四篇文字与程序对应的逻辑,此篇目的在与让读者将以上所学得以应用,如何用程序语言模拟出现实世界发生的现象.
-
Computational Thinking and Social Science: Combining Programming, Methodologies and Fundamental Concepts
By Matti NelimarkkaWhilst providing a fundamental understanding of computational social science, this book delves into the tools and techniques used to build familiarity with programming and gain context into how, why and when they are introduced.
-
Proceedings of the 2019 International Conference of The Computational Social Science Society of the Americas
By Zining Yang, Elizabeth von BriesenThis book presents the latest research into CSS methods, uses, and results, as presented at the 2019 annual conference of the CSSSA. This conference was held in Santa Fe, New Mexico, October 24 – 27, 2019, at the Drury Plaza Hotel.
-
Text as Data: A New Framework for Machine Learning and the Social Sciences
By Justin Grimmer, Margaret E. Roberts, Brandon M. StewartPerhaps the clearest example of this is shown in Loughran and McDonald (2011). Loughran and McDonald (2011) critique the increasingly common use of off-the-shelf dictionaries to measure the tone of statutorily required corporate ...