孙建军：大数据时代人文社会科学如何发展

　　当前，科学数据在科学研究中的作用日益显著，数据密集型知识发现方法受到科学界的普遍关注：科学家不仅通过对大量数据实时、动态地监测与分析来解决科学问题，更基于数据来思考、设计和实施科学研究。数据不仅是科学研究的结果，且成为科学研究的基础；人们不仅关心数据建模、描述、组织、保存、访问、分析、复用和建立科学数据基础设施，更关心如何利用泛在网络及其内在的交互性、开放性，利用海量数据的可知识对象化、可计算化，构造基于数据的、开放协同的研究与创新模式。在人文社会科学领域，以“人文计算”、复杂网络分析、大规模数据分析为特征的研究方法逐渐被采纳，人文社会科学的“科学性”显著增强，而批判性与人文关怀有所弱化，学界对此褒贬不一。
　　人文社会科学研究的数据挑战
　　其一，科研资料总量的快速增加给人文社会科学学者带来了巨大挑战。2006年，GregoryCrane提出，当前人文社会科学研究者在自身研究领域都面临大量文献资料的处理，这些文献资料的数量已经大大超越了传统阅读能力所能处理的范畴，因而人文社会科学学者也将不得不借助计算机来处理完成相关文献资料，即“百万图书的挑战（MillionBooksChallenge）”问题。随着跨学科研究趋势的日益增强，传统人文科学和社会科学领域引入了大量的计算机处理模式和分析方法，各类依托计算机存储媒介数字学术资源的开发，基于复杂运算和分析的计算机模拟与实证，基于事实与证据的商业预测与案件证据推理等研究议题广泛兴起，从根本上改变了人文知识的获取、标注、比较、取样、阐释与表现方式。尤其在语言学、文学、历史学、文艺学、民族学等多个人文领域取得了引人注目的效果，并组建了专门的科研机构，形成了国际数字人文机构联盟和数字人文中心网络两大数字人文研究联盟。
　　其二，资料的数字化改变了传统人文社会科学的资料类型，数字资源的采集、加工和处理对研究成果的获得作用日益显著。目前，海量的图书、报纸、期刊、照片、绘本、乐曲、视频等人文资料被数字化，并在互联网上被提供给研究者存取利用。而以“大数据”为代表的数据资源相对于数字文本、数字文献等数字信息资源，来源更加广泛，数据粒度更小，记录单元更加碎片化，结构更加多元化，机器生成数据也显著多于人工生成数据，信息质量参差不齐，对资料的汇集、保存和综合利用更加依赖计算机的辅助，人文社会科学也越来越需要依赖计算机对研究过程的支撑，传统人文社会科学学者对计算机技术和分析技巧的缺失甚至可能影响人文社会科学研究的最终实现，进而将计算机分析处理能力延伸为人文社会科学研究者科研素养的重要组成部分。
　　大数据与人文社会科学研究新思维
　　从当前数字人文和人文大数据研究情况看，人文及社会计算方法与人文社会科学研究的融合出现了三类新的研究思维：
　　其一，人文社会科学开放与全过程研究思维。以往人文社会科学研究成果的表现形式为最终成果，再利用主要以文献引用、转述和评论等为主。而数字人文研究可记录人文社会科学研究的完整过程，资源化的原始数据、中间成果得以立体化应用，再利用水平显著提升。目前，国外以在线实验室、项目网站、开放数据集、项目论坛、项目社会网络为特征的立体开放研究思维普遍确立，可参与性大大增强。
　　其二，人文社会科学碎片化重组研究思维。大数据环境下，人文社会科学研究更加注重片段数据、海量数据、非结构化数据的采集、清洗与分析，通过碎片化重组，深度揭示难以处理或无法预知的科学问题。比如通过海量自然语言表达效果观测公众的政治参与意识、通过科学家的在线时间与资源下载时间分布研究科学家的作息时间与工作强度等。
　　其三，人文社会科学计算分析研究思维。以往人文社会科学研究定性研究居多，定量研究也主张采用是非论断，采纳或拒绝某一特定假设，是采用确定性、因果关系的研究思维。在大数据环境下，人文社会科学研究可采用计算分析思维，对相关命题进行趋势分析。
　　此外，在上述研究思维体系下，跨学科协作、跨平台协作、海量资料加工以及人文社会科学的计算化趋势日益明显，并涌现出若干研究取向与热点问题。
　　人文社会科学大数据研究的基本特征
　　综合已有的研究，人文社会科学的大数据研究具有如下基本特征：
　　一是所涉及资料均大大超过一般的阅读、分析和理解所能处理的范畴，是以往“不可研究”或“难以研究”的，大数据分析方法的出现提供了人文社会科学研究新的研究空间，提供了新的研究可能。
　　二是一般引入计算分析方法，其结论并非观察、思索、领悟等传统方法获得，而是通过大量数据的汇集而“自动涌现”，其理论的获得不同于传统人文社会科学研究。
　　三是均构建了可持续完善和丰富的数据集和分析工具，其可用性、共享性、重用性、协作性大大增强，提供了人文社会科学学者大规模协作的可能。
　　四是均具有跨学科特征。数字人文研究需要汇集专业领域技能、数据管理技能、数据分析技能和项目协作技能，因而这类项目往往由跨度较大的不同学科的专业学者共同完成。
　　五是决定研究质量的主要是数据集的质量、数量和利用方式，而研究假设相对容易。在某种程度上，数据科学家将成为人文社会科学大数据研究中的主角。
　　人文社会科学大数据研究的隐忧
　　虽然以微软、谷歌、IBM为代表的主流数据服务商都极力推崇数字化人文社会科学研究的美好前景，但其也存在不足：
　　首先，非场景化的研究逻辑缺乏适用性与人文关怀。由于完全剥离了数据所处的具体环境，数据可能生涩，并且缺乏可理解性和适用性。比如商业分析中的数据挖掘，其可用性仅10左右，并非“一挖就灵”。2012年，加拿大作家史蒂芬马尔什在其文章《文学不是数据：反对数字人文》中也表示，将文学当作数据会失去文学本身丰富的意蕴。
　　其次，人文社会科学的大数据研究有可能“敏锐地”发现问题，却无法给问题合理的解释，也无法给出有针对性的对策，限制了其应用范围。比如舆情分析、政策计算、情感计算的应用。
　　再次，数据分析的集群研究会消灭重要的个体特征，而个体反而是众多人文社会科学研究关注的焦点。
　　最后，人文社会科学大数据研究过分关注技术分析，可能忽视创新思维和思辨分析，不利于大师级人文社会科学学者的培养。
　　总之，随着人文社会科学数据的快速增长以及大数据分析技术的日益完善，人文社会科学的大数据研究必然会成为人文社会科学的主流领域，但不会替代现有的人文社会科学研究，而是相互补充，相得益彰。
　　（作者：国家社科基金重大项目“面向学科领域的网络信息资源深度聚合与服务研究”首席专家、南京大学教授）