计算社会科学：研究内容
利用思维导图来进行研究内容的框架搭建，是一种很好的研究方法。
这期的内容, 我们通过思维导图的方式旨在解读未来的一段时间里我们在《计算社会科学》课程中所要学习的主要内容.
让我们先来了解我们所使用的阅读文本——《计算社会科学——原则与应用》，该书由克劳迪奥·乔菲-雷维利亚编写。在之前的讨论中，我们已经向大家介绍了“计算社会科学”的基本研究范式和它的基本定义。我们主张，计算社会科学是借助计算机这一技术手段，在社会科学问题研究中发挥重要作用的跨学科领域。那么具体涉及哪些领域呢？
在克劳迪奥的著作中提供了明确的答案，在此基础之上对比传统、粗暴式的定义方法的基础上
以下是我们根据xmind工具制作了《计算社会科学——原则与应用》的知识框架图。通过该图表可以看出，在计算社会科学领域中以数据为核心展开的研究
克劳迪奥在其著作中阐述道：从计算社会科学这一跨学科视角出发，在这个领域内涵盖着多个细分领域（包括众多概念、原理、理论以及研究方法），每一个组成部分均具有不可或缺的重要性，并且都是开展基础科学与政策分析相关研究的理想基础。
基于此，在后续的研究中我们也会着重于概念和原理方面的深入探讨，并给予充分的时间去深入研究这些内容的同时为其后续实践工作提供坚实的理论支撑
计算社会科学主要研究内容分四大板块：
- 社会信息自动提取
- 社会网络
- 社会复杂性
- 社会仿真模型
以下我们将从总体研究角度对这四大板块进行阐述，在后续的研究中将对这些内容进行更为详细的描述。
社会信息自动提取技术又被称为内容计算分析法或社会数据分析方法等。在传统社会科学研究领域中，在处理大量档案资料时往往需要耗费大量的人工资源来进行信息抽取与分类工作。例如，在档案资料分析中具体表现为人工进行信息提取和分类等操作。然而随着大数据时代的深入发展数据量级已经超出了人工处理的能力范围而推动了这一领域的自动化进程。
相比传统的信息提取方式，在计算机能够模拟原始数据中的网络以及其他结构的情况下（即以数据组织形式为基础），这些信息无法通过人工方式获取。例如通过建立基于文本挖掘的方法（即利用自然语言处理技术），我们可以对不良社会信息进行系统性分析：包括人物身份（如非法组织负责人）、时间地点（如犯罪发生区域）、事件起因（如触发犯罪的行为特征）、归因的法律文书（如相关判决书）等关键要素进行关联性研究和预测性分析。
值得注意的是：
信息自动提取可用于构建具有高度精确标定参数的计算仿真模式。例如可模拟的领域包括舆论动态、国际贸易格局、区域冲突争端以及人道主义危机等情景模式。获取地理空间和社会数据是计算社会科学发展进程的关键步骤。
克劳迪奥阐述“社会网络”理论他主张该领域中的“社会网络”是唯一具备详实历史记录的分支而在将“社会网络”应用于计算社会科学之前这门学科已发展出一套系统的理论框架研究方法以及相关的模型和操作流程
在计算社会科学应用"社会网络"进行研究的前期，
应以与应用于计算社会科学其他领域的部分相似的方式，
熟悉社会网络分析的基本概念、理论以及相关的方法论基础。
3）社会复杂性
克劳迪奥在本书中有关"社会复杂性"的描述是我较为喜欢的部分。通过基本概念和理论框架的学习与研究,我们能够从更加深入的角度理解"社会科学研究"的基础。
具体的内容中，在计算社会科学领域涉及社会复杂性的研究方面具有重要地位的是复杂性科学中的关键概念体系。其中非均衡性分布模式和幂律特征等均成为该领域跨学科融合度极高的典型代表。在这一部分讨论中主要涵盖了定量分析手段、计算机技术和数据分析工具等方面的研究内容，并结合物理学理论模型以及地理信息系统等多学科前沿领域进行深入探讨
4）社会仿真模型
2020年的新冠疫情促使我们更加重视社会仿真模型的作用。计算社会科学起源于系统动力学模型。这类遵循特定数学公式的模型主要采用差分方程系统或微分方程系统的构建方法。较为完善的软件系统为这一研究领域提供了技术保障。
与其相对应的是以对象定位为基础的社会仿真模型。其中最简单的例子是元胞自动机；此外还有主体导向的建模方法。这些方法从空间维度出发的空间建模方法；从组织结构角度进行的人群行为建模；以及将二者结合在一起的整体性建模框架。最后还有遵循达尔文进化论的基本概念和原则构建而成的进化计算模拟方法
以上部分全面概述了《计算社会科学》的主要研究领域与内容。
自然地谈到溯源时，在克劳迪奥的研究中也没有遗漏对于计算社会科学发展脉络的系统总结。
我们也跟随书籍的脚步，在理论与实践层面逐步学习并进行总结。
在掌握了基础的概念与理论框架之后，
这将有助于我们在实际操作中开展更多相关的课题研究
参考文献：
[1][美]Claudio Joe菲里亚.《计算社会科学——原则与应用》[M].浙江大学出版社:浙江,2019:2-4
欢迎关注“重回思考”微信公众号，更多精彩与你一起探索。