计算社会科学

来自集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织
跳到导航 跳到搜索


计算社会科学 Computational Social Science是一门融合社会科学、数据科学和统计学等学科的新兴交叉学科，强调用大数据的方式来研究社会科学中的核心问题，是社会科学在大数据时代下发展的产物。领域包括计算经济学、计算社会学、动态学、文化学以及社交和传统媒体的内容自动分析。它着重于通过社会模拟、建模、网络分析和媒体分析来调查社会和行为关系和互动。[1]

定义

计算社会科学是社会学的一个分支，通过使用计算机模拟、人工智能、复杂的统计学方法，社会网络分析等技术分析计算社会学的发展，以及对社会互动自下而上的建模检验复杂社会过程的理论。[2]

它涉及对社会主体的理解，这些主体之间的相互作用，以及这些相互作用对社会整体产生的影响。[3] 虽然社会科学的主题和方法不同于自然科学或计算机科学，但当前社会仿真中使用的一些方法起源于物理学和人工智能等领域。 [4][5]同时这个领域的一些方法也被应用于自然科学的其他领域，例如来自社会网络分析和网络科学领域的网络中心性度量。

在相关文献中，计算社会科学经常与社会复杂性的研究有关。 复杂系统、宏观和微观过程之间的非线性相互联系、涌现等社会复杂性概念已经进入了计算社会科学中。[6] 一个实际而著名的例子是以“人工社会”的形式建造一个计算模型，通过它研究人员可以分析一个社会系统的结构。[7] [3][8]

计算社会科学彻底改变了科学方法的两个基本支柱: 实证研究，特别是通过大数据，通过分析社会在线活动留下的数据痕迹; 科学理论，特别是通过社会模拟建立计算机模拟模型。[9][10] 利用先进的信息技术进行以信息处理为核心的社会调查是一种多学科、综合的方法。包括对社交网络、社交地理系统[11] 、社交媒体内容和传统媒体内容的分析计算。

诞生

计算社会科学的产生并非突然出现，而是在技术发展下催生出来的跨学科研究。如果大致来分，可以分为4个阶段来看计算社会科学的演化进程。

计算社会科学的源头

计算社会科学是一个较现代的学科，最远可以追溯到20世纪中后期电脑刚刚发明的时候，在20世纪60年代，社会科学家开始使用电脑进行统计数据分析，出现了计算社会科学的第一代创始人：Herbert A. Simon（1916-2001）、Karl W.Deutsch（1912-1992）、Harold Guetzkow（1915-2008）、Thomas C. Schelling（1921）、他们更偏向计算社会科学理论方面的研究。

计算社会科学的蓄势

传统的定量的社会科学分析方法，偏向于统计分析的方法，但是社会系统作为一个复杂的系统，涉及到大量（但个数仍有限）的异构实体的相互作用，这些是用简单的统计分析是无法精确刻画的，而19世纪末网络科学迅速发展为社会分析提供了强有力的分析手段。

2007年，“小世界网络之父”奠基人邓肯·瓦茨在 Nature 发表了题为《A twenty-first century science》的文章，这成为计算社会科学时代即将来临的标志之一。这篇文章采用了网络分析的方法来分析社会现象中的网络偏好以及个体选择的问题。[12]

计算社会科学的诞生

计算社会科学标记性的诞生，应该是起源于2009年2月6日，15名来自社会科学、计算机科学和物理学的重要科学家联名在Science上发表了《Computer Social Science》。[13]

计算社会科学:21世纪的科学

另外，在2012年，R. Conte，C. Cioffi-Revilla等14位欧美学者在《The European Physical Journal Special Topics》（第1期）上联合发布了一份《计算社会科学宣言》（后文简称“宣言”），力图呼唤一场社会科学革命。《宣言》从机遇、技术发展、方法创新、面临的挑战和预期的影响等五个方面全景式的说明了计算社会科学发展现状及其未来的方面。[14]

各个历史时期

计算社会学历史上各中研究范式及学者

总述

计算社会学在过去的四十年里诞生并获得了极大的关注。它最先是用在建模和解释那些从简单的活动中涌现出复杂行为的社会过程。[15] “涌现”背后的思想就是一个大系统表现出来的属性并不一定格式其组成部分的属性。[16] 引入涌现思想的人是Alexander, Morgan, 和 Broad，这些都是古典的涌现学家 emergentist，他们在二十世纪初期提出了这个概念和方法，目的是为同一论 reductionist materialism和二元论 dualism这两个针锋相对的观念体系寻找一个足够好的平衡。

尽管涌现思想在计算社会学的建立中扮演着重要的角色，却也有人不同意这个思想，代表人物就是爱泼斯坦 Joshua M. Epstein。爱泼斯坦怀疑涌现思想的作用，因为有些方面是无法解释的。他作出了一番反对涌现思想的宣言：“各个部分的生成性自足构成了全部现象的解释 the generative sufficiency of the parts that constitutes the whole's explanation”[15]

基于主体的建模 Agent-based models对计算社会学有着历史性的意义。这些模型最早出现在20世纪六十年代，用于模拟组织和城市等的控制和反馈机制。在七十年代时，基于主体的建模引入了个体 individual作为主要的建模单元进行分析，闭关使用自底向上的策略来对行为建模。八十年代时发生的主要改变则是主体们的交互时独立的。[15]

系统论和功能主义时期

在战后时期，万尼瓦尔·布希的微分分析器、约翰·冯·诺伊曼 John von Neumann的细胞自动机、诺伯特·维纳的模控学 与克劳德·香农的信息论在技术系统中成为模拟与了解复杂度具有影响力的典范。相对应地，在像是物理学、生物学、电子学，和经济学等学门的科学家开始表述一种一般性的系统理论，其中所有自然与物理现象皆为一个系统中具有相同模式与性质的相关元素的展现。随着艾弥尔·涂尔干以实事求是的方式分析复杂现代社会的呼声[17] ，战后结构功能主义社会学家如塔尔科特·帕森斯利用这些构成元素之间系统化与阶层化互动的理论，来尝试生成宏大而统一的社会学理论，例如四种功能 AGIL paradigm[18]。　　如George Homans等社会学家辩称社会理论应该被形式化 （正规化） formalized，成为命题和精确术语的阶层结构，其他的命题与假设可以从中被推演出来并操作化以进行实证研究。[19] 由于电脑算法与程式早在1956年就已用来测试和验证数学定理，[20]例如四色定理，社会科学家与系统动力学家预期类似的计算取径可以类比地“解决”与“证明”正规化的问题，和社会结构与动力的理论。

宏观模拟与微观模拟

到了1960年代晚期与1970年代早期，社会科学家使用更为可得的电脑科技对组织、产业、城市，与全球人口进行控制与回馈过程的宏观模拟。这些模型使用微分方程，将人口分布视为其他系统性因素（如存货控管、都市交通、迁徙、疾病传染等）的整体计算型函数 holistic functions来进行预测。罗马俱乐部根据对于全球经济的模拟而出版了预测全球环境浩劫的报告。[21][22] 尽管在这份报告发表后的1970年代中期，对社会体系的模拟因而得到了大量的关注，[23] 然而模型的结果被认为对于模型的假设非常敏感（在罗马俱乐部的例子中，仅有少数的证据支持），亦暂时使得这初生的领域失去可信度。[3][24] 对于利用计算工具来预测宏观的社会与经济行为产生的怀疑渐增，因此社会科学家将其注意力转向了微观模拟模型 microsimulation，借由模拟个人层级个体的状态渐进改变，而非人口层级的分布的改变，社会学家们作出了预测，也研究政策的效果[25]。 然而，这些微观模拟模型并未允许个体进行互动或适应，其目的也非基本理论研究[2]。

元胞自动机与基于主体的建模时期

20世纪七十到八十年代，数学家和物理学家尝试建模和分析怎样从简单的单元，比如原子中，产生全局现象，比如复杂材料才低温、磁场、和湍流中的属性。[26] 科学家们使用元胞自动机 Celluer Automata，设定了一个只由方格组成的系统，每个方格就是一个“元胞 cell”。每个元胞只能有有限个状态，元胞在各个状态间的转换条件只由紧贴着该元胞的周围元胞状态决定。元胞自动机与人工智能技术和微型计算机的所获得的进步一同为混沌理论和复杂系统等研究领域的建立做出重大贡献，同时也重新唤起了人们在理解交叉学科的复杂物理和社会系统的兴趣。众多致力于研究复杂科学的科研组织也是建立于这个时候：圣塔菲研究所由一群来自洛斯阿拉莫斯国家实验室的物理学家在1984年发起，密歇根大学的BACH小组也是在八十年代中期成立的。

这一轮元胞自动机的研究范式催生了使用基于主体的建模 Agent-based Modeling的第三次社会模拟浪潮。和宏观模拟类似，这些模型强调了自底向上的设计思想，但采用了四个不同于宏观建模的假设：自主 autonomy、独立 interdependency、简单规则 simple rules、和适应性行为 adaptive behavior。[2] 相比于预测的准确度，基于主体的建模更加强调理论的建立。[27] 在1981年，数学家与政治学家罗伯特·阿克塞尔罗德与演化生物学家威廉·汉密尔顿一同在《Science》杂志上发表了一篇名为《合作的进化 The Evolution of Cooperation》的经典论文，其中使用了基于主体的建模来展示了在囚徒困境的博弈中，当主体们 agents只遵循简单的、自利的规则时，也可以在互惠的原则上建立稳定的社会合作。[28] 阿克塞尔罗德和汉密尔顿展示了每个主体只要遵循（1）第一轮时选择合作（2）下一轮重复上一轮对方的做法这两条简单规则，就可以在没有社会权威的情况下建立起合作与惩罚的规范。九十年代学者们如William Sims Bainbridge, Kathleen Carley, Michael Macy,和John Skvoretz建立起了广义互惠、偏见、社会影响和组织信息处理等主题的基于主体的模型。在1999年，Nigel Gilbert发表了第一本关于社会模拟的教科书《Simulation for the social scientist》，并创立了与其相关的期刊《Journal of Artificial Societies and Social Simulation》。

数据挖掘与社交网络分析时期

和其他社会系统计算模型的发展轨迹不同，社交网络分析 Social Network Analysis诞生自20世纪七十到八十年代，是图论、统计学和社会结构研究等科研进展所催生出来的分析方法，被许多社会学家，如 James Samuel Coleman, Harrison White, Linton Freeman, J. Clyde Mitchell, Mark Granovetter, Ronald Burt, and Barry Wellman等采用。[29] 八十到九十年代计算和通信技术的持续普及呼唤着网络科学，多层次建模等可以适用于越来越复杂和大体量数据集的分析技术。最近的计算社会学浪潮并没有使用计算机模拟，而是使用了网络分析和高级统计技术对计算机数据库里的行为数据做分析。电子邮件、即时通信消息、万维网上的超链接、手机使用数据、新闻组内的讨论内容等电子记录让社会学家们得以在多时间点多个层面上直接观察和分析社会行为，避免了访谈、参与观察等传统实证方法（traditional empirical methods）的约束。[30] 机器学习算法的持续进步则更进一步允许社会学家和企业发现大规模数据集中隐藏的社会交互和演化的模式。 [31][32]

Narrative network of US Elections 2012[33]

语料库自动解析技术可以大规模地抽取文本中的实体，以及实体间的关系，以将文本形式数据转化成网络形式数据。生成的网络可以包含成千上万个节点，随后应用网络理论等工具加以分析，即可发现关键结点、重点社群等，以及更加广泛的网络属性，比如健壮性和结构稳定性，或者结构洞等。[34]如此，我们可以自动执行定量叙事分析（quantitative narrative analysis）中的技术，[35]识别“主语-谓语-宾语”这样的三元组或者“主语-宾语”这样的二元组。[33]

计算内容分析时期

内容分析（content analysis）一直以来都是社会科学和媒体研究的传统组成部分。内容分析的自动化通过研究社交媒体和报刊杂志上数百万计的新闻内容，使得“大数据革命”惠及社会科学。性别偏向、可读性、内容相似度、读者偏好、甚至情绪等都文本挖掘方法在数百万文档里研究过了。[36][37][38][39][40] Flaounas et al.[41]这篇论文中对于可读性、性别偏向和主题偏向等进行了分析。论文展示了不同的主题有不同的性别偏向和可读性，还探讨了通过分析Twitter内容来识别人群的情绪变化的可能性。[42]

Dzogang et al.[43] 是大规模历史新闻内容分析的先驱，他们的研究展示了周期性结构如何可以通过历史新闻内容自动识别出来。在社交媒体领域也有相似的分析，同样揭示了很强的周期结构。[44]

当前主流研究方法

就像伽利略利用望远镜作为关键的观察工具最终获得对物质世界更深刻、更真实的理解一样，计算社会科学家正在学习利用先进和日益强大的计算工具来超越传统的学科。[45]

目前，根据使用环境的不同，计算社会科学方法主要分为五个：

1.自动信息提取

自动信息提取技术由于可以挖掘实时的数据流，如新闻广播或其他电子报告，不仅可用于异常检测和预警，同时也可用于监测趋势和评估干预和项目执行等，是计算社会科学数据收集的一个重要方式。

2.社交网络分析（SNA）

将人或者社区看作一个点，用边表示人和人之间或者社区和社区之间可能存在的相互依赖关系，这样就可以构成一个社会网络，利用网络科学的方法对社会网络进行分析，挖掘出背后的逻辑，就是社交网络分析。联盟、恐怖组织、贸易体系、认知信仰体系和国家社会体系本身都是常见的社会网络，是社会科学家们感兴趣的研究对象。

3.地理空间分析

地理信息系统（GIS），又被称为社会地理信息系统、地理信息系统、社会GIS，最初是社会地理学家和制图员研究地理现象的可视化工具和空间分析的工具。目前在社会科学中有了许多应用，比如在犯罪学和区域经济学应用社会GIS可以有效的量化冲突，与其他的量化技术结合在一起可以产生一些使用数学和统计模型无法获得的有趣的见解。

4.复杂系统建模

复杂系统建模是指采用复杂系统的基本方法，比如神经网络建模、基于主体的建模方法、遗传算法、粒子群优化算法、蚁群优化算法应用在社会科学网络中，为社会科学中的非均衡系统的动态分析提供了理论支持。如恐怖袭击、发展中国家的财富和贫困，政治不稳定，外国援助分布和国内和国际冲突等。

5.社会仿真模型

因为很多社会事件是无法在系统上进行实验的， 所以采用仿真模拟的办法来对研究分析某一特定的系统和策略，从而达到分析社会现象的办法，成为社会仿真模型。

同样的，每个方法下面也被系统的划分为多个模型，例如计算社会模拟模型包括系统动力学，微观分析模型，排队模型，细胞自动机，多智能体模型，学习和演化模型，包括一些混合动力，例如，结合系统动力学和代理模型（Agent Based Models）。另外，这五种方法之间的几种组合也很常见，如在由反弹道导弹模拟时引入表达社会复杂性的幂律分布模型。

这部分的详细内容可以看社会复杂性中心，Krasnow先进研究所，美国乔治梅森大学教授Claudio Cioffi-Revilla 出版的《Introduction to Computational Social Science: Principles and Applications》，现在也有了中文的翻译版本，《计算社会科学原则与应用》。

挑战

计算社会科学，和其他研究领域一样，面临着一系列的挑战。[46] 这些挑战需要得到有意义的处理，以便对社会产生最大的影响。

层级及其相互作用

每个社会形成后往往处于一个层级，并且在层级之间存在着相互作用。 层级并不仅仅是指微观层面或者宏观层面，可以存在一些中间层次，比如群体、网络、社区等等。[46] 然而，问题是如何确定这些层级以及这些层级是如何产生的？ 一旦层级存在，它们如何在内部，或与其他层级产生相互作用？

如果我们把实体(主体)看作节点，把它们之间的连接看作连边，就可以看到网络的形成。这些网络中的连接并非基于实体之间的客观存在的连线，而是由这些实体选择的因素决定的。 [47]这个过程的挑战在于，很难确定一组实体何时形成网络。 这些网络可以是信任网络、合作网络、依赖网络等。 在一些情况下，异质性实体之间也能形成强大而有意义的网络。[48][49]

正如前面所讨论的，社会中有层级。而这一层级，即微观层面的个体层级中，微观-宏观之间的连接[50] 指的是可以产生更高的层级那种相互作用。 针对这样微观-宏观之间的连接有一系列的问题需要回答：它们是如何形成的？它们什么时候会收敛？传递到较低的层级的反馈是什么，以及它们是如何被传递的？

另一个主要挑战是验证信息的有效性及其追溯信息的来源。 近年来，信息收集和处理蓬勃发展，然而，人们很少关注社会中虚假信息的传播。追溯信息来源并找到信息的所有者是很困难的事情。

文化建模

在社会中，网络和层级的演化会带来文化的多样性。[51] 因此，一个自然而然的想法是，当人们倾向于交流，变得更能接受其他文化和信仰时，为什么多样性仍然存在？ 为什么没有趋同？针对这个问题的一个主要挑战就是如何对多样性建模。 比如是否存在诸如大众传媒、社会地域属性等外部因素会影响文化多样性的演化或持续？

实验和评估

任何与实验结合的研究或建模都需要能够解决所提出的问题。计算社会科学能够处理大规模的数据，但是随着规模的增长挑战也越来越大：如何设计一个大规模的信息模拟？即使提出了一个大规模的模拟，如何评估这一大规模的模拟？

模型选择和模型复杂度

另一个挑战是确定能拟合数据数据，而复杂度又合适的模型。这些模型将帮助我们预测随着时间的推移社会将如何演化，并为社会运转的机制提供可能的解释。 [52]

生成式模型

生成式模型帮助我们以一种受控的方式进行广泛的定性分析。爱泼斯坦提出了一个基于主体的模拟，该模型通过识别一组初始的异质实体(主体) ，并根据简单的局部规则观察它们的演化和增长。 [53]

但是这些局部的规则是什么呢？ 如何在一组异质的主体中识别它们？ 这些规则的评估和影响提出是一系列新的难点。

异质或集成模型

将那些在单个任务中表现更好的简单模型集成而形成一个混合模型是一种值得探索的研究方法。 这些模型可以提供更好的预测效果并且增强对数据的理解。 然而这里需要在效果和可解释性之间做权衡，当需要提出一个组合的、性能良好的模型时，也需要识别并深入理解这些简单模型之间的相互作用。此外，开发出用来帮助分析和可视化这些混合模型的数据的工具和应用程序又将是另一个额外的挑战。

数据库

计算社会科学日益依赖大型的资料库，目前正由几个跨领域计划或维护中的资料库：

  • Seshat：全球历史的资料库，内容系统性的收集了关于内容群体政治社会组织的资讯，以及社会如何演化等。Seshat隶属于演化研究所，演化研究所为非营利智库，目标为“利用演化科学来解决现实世界问题”。
  • D-PLACE：地方、语言、文化和环境资料库，提供超过1400个人类社会形态的资料[54]。
  • 文化演化图集：是由彼得·百富勤（Peter N. Peregrie）所建立的考古资料库[55]。
  • CHIA：即历史分析的协作资讯（Collaborative Information for Historical Analysis），是由匹兹堡大学主持的多学科合作项目，旨在将历资讯资讯建档，将数据与全球各地的研究机构连结起来。
  • 国际社会历史研究所（International Institute of Social History）：收集关于劳动关系，工人和劳动的全球社会历史的资料。
  • Human Relations Area Files eHRAF Archaeology[56]。
  • Human Relations Area Files eHRAF World Cultures[57]。
  • Clio-Infra：从公元前1800年到现在的全球社会样本的经济绩效和社会福利其他方面的资料库。
  • 对大量历史报纸内容的分析率先显示了如何自动发现周期性结构[58][59] ，对社群媒体进行类似的分析，也能看到明显的周期性结构[60]。

影响

计算社会学将给科学、技术和社会带来诸多影响。[46]

对科学的影响

为了使计算社会科学的研究卓有成效，必须用到一些有价值的创新。 这些创新可以是新的数据分析工具、更好的模型和算法。 这种创新的出现对整个科学界来说都会带来很多的好处。

对社会的影响

计算社会科学的主要挑战之一是社会过程的建模。 若能解决这一挑战，各种法律和政策制定者将能够有效且高效的发布新指导方针，广大群众将能够评价和充分理解摆在他们面前的各种备选方案，从而实现公开和平衡的决策进程。

期刊及学术刊物

这个学科最相关的期刊是《Journal of Artificial Societies and Social Simulation》。

协会，会议以及工作坊

学术项目，部门和学位

科研中心和机构

北美地区

南美

欧洲

亚洲

更多资料

参考资料

  1. ↑ "The Computational Social Science Society of the Americas official website".
  2. ↑ 2.0 2.1 2.2 Macy, Michael W.; Willer, Robert (2002). "From Factors to Actors: Computational Sociology and Agent-Based Modeling". Annual Review of Sociology. 28: 143–166. doi:10.1146/annurev.soc.28.110601.141117. JSTOR 3069238.
  3. ↑ 3.0 3.1 3.2 Gilbert, Nigel; Troitzsch, Klaus (2005). "Simulation and social science". Simulation for Social Scientists (2 ed.). Open University Press. http://cress.soc.surrey.ac.uk/s4ss/. 
  4. ↑ Epstein, Joshua M.; Axtell, Robert (1996). Growing Artificial Societies: Social Science from the Bottom Up. Washington DC: Brookings Institution Press. ISBN 978-0262050531. https://archive.org/details/growingartificia00epst. 
  5. ↑ Axelrod, Robert (1997). The Complexity of Cooperation: Agent-Based Models of Competition and Collaboration. Princeton, NJ: Princeton University Press. 
  6. ↑ Casti, J (1999). "The Computer as Laboratory: Toward a Theory of Complex Adaptive Systems". Complexity. 4 (5): 12–14. doi:10.1002/(SICI)1099-0526(199905/06)4:5<12::AID-CPLX3>3.0.CO;2-4.
  7. ↑ Goldspink, C (2002). "Methodological Implications of Complex Systems Approaches to Sociality: Simulation as a Foundation for Knowledge". 5 (1). Journal of Artificial Societies and Social Simulation. {{cite journal}}: Cite journal requires |journal= (help)
  8. ↑ Epstein, Joshua (2007). Generative Social Science: Studies in Agent-Based Computational Modeling. Princeton, NJ: Princeton University Press. https://www.researchgate.net/publication/283615593. 
  9. ↑ DT&SC 7-1: . Introduction to e-Science: From the DT&SC online course at the University of California
  10. ↑ Hilbert, M. (2015). e-Science for Digital Development: ICT4ICT4D. Centre for Development Informatics, SEED, University of Manchester. ISBN 978-1-905469-54-3. Archived from the original on 2015-09-24. https://web.archive.org/web/20150924100018/http://www.seed.manchester.ac.uk/medialibrary/IDPM/working_papers/di/di-wp60.pdf. 
  11. ↑ Cioffi-Revilla, Claudio (2010). "Computational social science". Wiley Interdisciplinary Reviews: Computational Statistics. 2 (3): 259–271. doi:10.1002/wics.95.
  12. ↑ Duncan J. Watts (2007) A twenty-first century science.nature.445.7127:(489)
  13. ↑ Claudio Cioffi‐Revilla (2010) Computational social science.
  14. ↑ R. Conte,N. Gilbert,G. Bonelli,C. Cioffi-Revilla,G. Deffuant,J. Kertesz,V. Loreto,S. Moat,J. -P. Nadal,A. Sanchez,A. Nowak,A. Flache,M. San Miguel,D. Helbing (2012) Manifesto of computational social science.the european physical journal special topics.214.1:(325-346)
  15. ↑ 15.0 15.1 15.2 Salgado, Mauricio, and Nigel Gilbert. "Emergence and communication in computational sociology." Journal for the Theory of Social Behaviour 43.1 (2013): 87-110.
  16. ↑ Macy, Michael W., and Robert Willer. "From factors to actors: computational sociology and agent-based modeling." Annual review of sociology 28.1 (2002): 143-166.
  17. ↑ Durkheim, Émile. The Division of Labor in Society. New York, NY: Macmillan. 
  18. ↑ Bailey, Kenneth D. (2006). "Systems Theory". In Jonathan H. Turner. Handbook of Sociological Theory. New York, NY: Springer Science. pp. 379–404. ISBN 978-0-387-32458-6. 
  19. ↑ Bainbridge, William Sims (2007). "Computational Sociology". In Ritzer, George (ed.). Blackwell Encyclopedia of Sociology. Blackwell Reference Online. doi:10.1111/b.9781405124331.2007.x. hdl:10138/224218. ISBN 978-1-4051-2433-1.
  20. ↑ Crevier, D. (1993). AI: The Tumultuous History of the Search for Artificial Intelligence. New York, NY: Basic Books. https://archive.org/details/aitumultuoushist00crev. 
  21. ↑ Forrester, Jay (1971). World Dynamics. Cambridge, MA: MIT Press. 
  22. ↑ Ignall, Edward J.; Kolesar, Peter; Walker, Warren E. (1978). "Using Simulation to Develop and Validate Analytic Models: Some Case Studies". Operations Research. 26 (2): 237–253. doi:10.1287/opre.26.2.237.
  23. ↑ Meadows, DL; Behrens, WW; Meadows, DH; Naill, RF; Randers, J; Zahn, EK (1974). The Dynamics of Growth in a Finite World. Cambridge, MA: MIT Press. 
  24. ↑ "Computer View of Disaster Is Rebutted". The New York Times. October 18, 1974.
  25. ↑ Orcutt, Guy H. (1990). "From engineering to microsimulation : An autobiographical reflection". Journal of Economic Behavior & Organization. 14 (1): 5–27. doi:10.1016/0167-2681(90)90038-F.
  26. ↑ Toffoli, Tommaso; Margolus, Norman (1987). Cellular automata machines: a new environment for modeling. Cambridge, MA: MIT Press. https://archive.org/details/cellularautomata00toff. 
  27. ↑ Gilbert, Nigel (1997). "A simulation of the structure of academic science". Sociological Research Online. 2 (2): 1–15. doi:10.5153/sro.85. Archived from the original on 1998-05-24. Retrieved 2009-12-16.
  28. ↑ Axelrod, Robert; Hamilton, William D. (March 27, 1981). "The Evolution of Cooperation". Science. 211 (4489): 1390–1396. Bibcode:1981Sci...211.1390A. doi:10.1126/science.7466396. PMID 7466396.
  29. ↑ Freeman, Linton C. (2004). The Development of Social Network Analysis: A Study in the Sociology of Science. Vancouver, BC: Empirical Press. 
  30. ↑ Lazer, David; Pentland, Alex; Adamic, L; Aral, S; Barabasi, AL; Brewer, D; Christakis, N; Contractor, N; et al. (February 6, 2009). "Life in the network: the coming age of computational social science". Science. 323 (5915): 721–723. doi:10.1126/science.1167742. PMC 2745217. PMID 19197046.
  31. ↑ Srivastava, Jaideep; Cooley, Robert; Deshpande, Mukund; Tan, Pang-Ning (2000). "Web usage mining: discovery and applications of usage patterns from Web data". Proceedings of the ACM Conference on Knowledge Discovery and Data Mining. 1 (2): 12–23. doi:10.1145/846183.846188.
  32. ↑ Brin, Sergey; Page, Lawrence (April 1998). "The anatomy of a large-scale hypertextual Web search engine". Computer Networks and ISDN Systems. 30 (1–7): 107–117. CiteSeerX 10.1.1.115.5930. doi:10.1016/S0169-7552(98)00110-X.
  33. ↑ 33.0 33.1 S Sudhahar; GA Veltri; N Cristianini (2015). "Automated analysis of the US presidential elections using Big Data and network analysis". Big Data & Society. 2 (1): 1–28. doi:10.1177/2053951715572916.
  34. ↑ S Sudhahar; G De Fazio; R Franzosi; N Cristianini (2013). "Network analysis of narrative content in large corpora" (PDF). Natural Language Engineering. 21 (1): 1–32. doi:10.1017/S1351324913000247.
  35. ↑ Franzosi, Roberto (2010). Quantitative Narrative Analysis. Emory University. 
  36. ↑ I. Flaounas; M. Turchi; O. Ali; N. Fyson; T. De Bie; N. Mosdell; J. Lewis; N. Cristianini (2010). "The Structure of EU Mediasphere" (PDF). PLOS One. 5 (12): e14243. Bibcode:2010PLoSO...514243F. doi:10.1371/journal.pone.0014243. PMC 2999531. PMID 21170383.
  37. ↑ V Lampos; N Cristianini (2012). "Nowcasting Events from the Social Web with Statistical Learning" (PDF). ACM Transactions on Intelligent Systems and Technology. 3 (4): 72. doi:10.1145/2337542.2337557.
  38. ↑ I. Flaounas; O. Ali; M. Turchi; T Snowsill; F Nicart; T De Bie; N Cristianini (2011). NOAM: news outlets analysis and monitoring system (PDF). Proc. of the 2011 ACM SIGMOD international conference on Management of data. doi:10.1145/1989323.1989474.
  39. ↑ N Cristianini (2011). "Automatic Discovery of Patterns in Media Content". Combinatorial Pattern Matching. Lecture Notes in Computer Science. 6661. pp. 2–13. doi:10.1007/978-3-642-21458-5_2. ISBN 978-3-642-21457-8. 
  40. ↑ Lansdall-Welfare, Thomas; Sudhahar, Saatviga; Thompson, James; Lewis, Justin; Team, FindMyPast Newspaper; Cristianini, Nello (2017-01-09). "Content analysis of 150 years of British periodicals". Proceedings of the National Academy of Sciences (in English). 114 (4): E457–E465. doi:10.1073/pnas.1606380114. ISSN 0027-8424. PMC 5278459. PMID 28069962.
  41. ↑ I. Flaounas; O. Ali; M. Turchi; T. Lansdall-Welfare; T. De Bie; N. Mosdell; J. Lewis; N. Cristianini (2012). "Research methods in the age of digital journalism". Digital Journalism. 1: 102–116. doi:10.1080/21670811.2012.714928.
  42. ↑ T Lansdall-Welfare; V Lampos; N Cristianini. Effects of the Recession on Public Mood in the UK (PDF). Proceedings of the 21st International Conference on World Wide Web. Mining Social Network Dynamics (MSND) session on Social Media Applications. New York, NY, USA. pp. 1221–1226. doi:10.1145/2187980.2188264.
  43. ↑ Dzogang, Fabon; Lansdall-Welfare, Thomas; Team, FindMyPast Newspaper; Cristianini, Nello (2016-11-08). "Discovering Periodic Patterns in Historical News". PLOS One. 11 (11): e0165736. Bibcode:2016PLoSO..1165736D. doi:10.1371/journal.pone.0165736. ISSN 1932-6203. PMC 5100883. PMID 27824911.
  44. ↑ Seasonal Fluctuations in Collective Mood Revealed by Wikipedia Searches and Twitter Posts F Dzogang, T Lansdall-Welfare, N Cristianini - 2016 IEEE International Conference on Data Mining, Workshop on Data Mining in Human Activity Analysis
  45. ↑ Claudio Cioffi‐Revilla (2010) Computational social science.
  46. ↑ 46.0 46.1 46.2 Conte, Rosaria, et al. "Manifesto of computational social science." The European Physical Journal Special Topics 214.1 (2012): 325-346.
  47. ↑ Egu´ıluz, V. M.; Zimmermann, M. G.; Cela-Conde, C. J.; San Miguel, M. "American Journal of Sociology" (2005): 110, 977. {{cite journal}}: Cite journal requires |journal= (help)
  48. ↑ Sichman, J. S.; Conte, R. "Computational & Mathematical Organization Theory" (2002): 8(2). {{cite journal}}: Cite journal requires |journal= (help)
  49. ↑ Ehrhardt, G.; Marsili, M.; Vega-Redondo, F. "Physical Review E" (2006): 74(3). {{cite journal}}: Cite journal requires |journal= (help)
  50. ↑ Billari, Francesco C. Agent-based computational modelling: applications in demography, social, economic and environmental sciences. Taylor & Francis, 2006.
  51. ↑ Centola, D.; Gonz´alez-Avella, J. C.; Egu´ıluz, V. M.; San Miguel, M. "Journal of Conflict Resolution" (2007): 51. {{cite journal}}: Cite journal requires |journal= (help)
  52. ↑ Weisberg, Michael. When less is more: Tradeoffs and idealization in model building. Diss. Stanford University, 2003.
  53. ↑ Epstein, Joshua M. Generative social science: Studies in agent-based computational modeling. Princeton University Press, 2006.
  54. ↑ Gray, Russell D.; Greenhill, Simon J.; Jordan, Fiona M.; Gomes-Ng, Stephanie; Bibiko, Hans-Jörg; Blasi, Damián E.; Botero, Carlos A.; Bowern, Claire (2016). "D-PLACE: A Global Database of Cultural, Linguistic and Environmental Diversity". PLoS ONE. 11 (7). {{cite journal}}: |first= missing |last= (help)Authors list列表中的|first1=缺少|last1= (帮助)
  55. ↑ Peter N. Peregrine, Atlas of Cultural Evolution, World Cultures 14(1), 2003
  56. ↑ "eHRAF Archaeology". Human Relations Area Files.
  57. ↑ "eHRAF World Cultures". Human Relations Area Files.
  58. ↑ Lansdall-Welfare, Thomas; Sudhahar, Saatviga; Thompson, James; Lewis, Justin; Team, FindMyPast Newspaper; Cristianini, Nello (2017-01-09). "Content analysis of 150 years of British periodicals". Proceedings of the National Academy of Sciences (in English): 201606380. doi:10.1073/pnas.1606380114. ISSN 0027-8424. PMID 28069962.
  59. ↑ Dzogang, Fabon; Lansdall-Welfare, Thomas; Team, FindMyPast Newspaper; Cristianini, Nello (2016-11-08). "Discovering Periodic Patterns in Historical News". PLOS ONE. 11 (11): e0165736. doi:10.1371/journal.pone.0165736. ISSN 1932-6203. PMC 5100883. PMID 27824911.
  60. ↑ Seasonal Fluctuations in Collective Mood Revealed by Wikipedia Searches and Twitter Posts F Dzogang, T Lansdall-Welfare, N Cristianini - 2016 IEEE International Conference on Data Mining, Workshop on Data Mining in Human Activity Analysis

外部链接


参阅

编者推荐

书籍推荐

计算社会学

计算社会学

这本书站在数据科学与社会科学的十字路口，教你利用数据方法增强科学洞察力，收录了大量多样化的案例，用每个人都能听懂的语言描述了一套测量世界的全新思维工具，这是一本社会科学家的“跨界指南之书”、数据科学家的“素养提升之作”。不论你是想了解大数据的10个共同特征，还是想理解大公司的道德伦理困境，这本书都值得反复翻阅，科学杂志、福布斯杂志赞誉有加。哈佛大学加里·金，微软研究院研究员邓肯·瓦茨，脸谱网数据科学家肖恩·泰勒，北京师范大学系统科学学院、集智俱乐部创始人张江，鼎力推荐！


集智课程推荐

2019 International Conference of Social Computing

本课程是2019年8月26日、27日的2019International Conference of Social Computing记录


多主体模型模拟

本节课的内容将接近现实生活，实现对社会生活的模拟，构建多主体模型进行社会学仿真。


计算社会科学的前沿与展望

在本课程中，Evans 教授将结合多年的教学、研究、基金申请，与主持各类计算社会科学研讨会的经验，回顾与介绍计算社会科学发展的历史与现状，并展望该领域的未来发展。



本中文词条由18621066378参与编译，不是海绵宝宝编辑，如有问题，欢迎在页面讨论。

本词条内容源自wikipedia及公开资料，遵守 CC3.0协议。

取自“https://wiki.swarma.org/index.php?title=计算社会科学&oldid=8677”