2020年见证了社会科学的重要性,同时也见证了很多传统人文社科的无能,传统理论知识和假设的崩溃,
首先,2020年的疫情让我们发现疫情防控不仅是医学问题,也是社会科学问题。我们的胜利既归功于一线医护人员和科学家的努力,也归功于中国高效的政府体制和社会凝聚力。与中国抗疫胜利形成鲜明对比的则是美国让人大跌眼镜的表现。有着世界最先进科技和医疗资源的美国,确诊病例超2000万,死亡人数迄今已超过34万。然而抗疫明显失职的总统川普却赢得了48%的选票。推行反智教育,洗脑民众,让民众以为新冠只是大号流感要比承认抗疫失败并作出弥补措施更容易挽回选票。甚至医生出身,高科学素养的共和党高层政客也纷纷加入反智行列,迎合将戴口罩政治化的策略。兰德保罗就说出“1000万人感染是好事情,证明群体免疫了”的谬论。首席传染病学家福奇博士喊破了嗓子,仍有大量民众拒绝戴口罩。
最新的发在Science的一篇文章也证实了疫情防控失利不是出在医学层面。文章作者得出如下结论(这里引用一下集智文章的总结):"COVID-19 政策前沿似乎深深植根于最新的、经过同行评审的科学见解,那些被政策文件所援引的科研成果,其本身也有特别大的影响力。与此同时,以科学前沿为基础的政策文件,也往往在全球政策网络中获得更多的引用"
政治决策-科学研究交汇图(policy-science interface)。以期刊和预印本网站为载体,图中展示了 COVID-19 相关科学论文被政策文件所引用的情况。
耶鲁的医学和社会学家Christakis在2005年研究发现肥胖是社会性传染的(socially contagious)(后来这个研究还成了NEJM的高引研究)。肥胖看似是营养学的问题,实则是复杂的跨学科问题。而随后的一系列研究发现很多医学,生理学范畴的个体行为问题,其实也是社会科学问题,比如跑步等等。2020年我们发现疫情也属于这个行列。
其次,疫情和疫情带来的社会危机,暴露了很多传统社科的理论知识和假设是错误的,无力的。对人类理性和个人决策的假设,对民主制度的种种假设都需要我们反思。西式民主制最基本的假设是每个人会理性做出符合自己利益的选择,那么多数人的选择即为人民的选择。但是,受制于社交网络所处位置,人们获得的信息是不充分的,观点容易两极化,假新闻传播速度和广度远远高于真新闻。人们做的决定是非理性的,受周围人影响很大,集群的行为是非理性的,有别于每个个体的行为的。传统社会科学的理论知识缺乏泛用性,预测性,准确性。在今年突变的情况下这些知识和研究方法显得苍白无力,无力预测,无力解释。
今年疫情在中国肆虐时,世界顶尖学府,斯坦福大学的社会学杰出教授周雪光曾大肆批判中国zf,质疑我们的体制,把zf的决策称之为“荒谬”的。然而当疫情席卷欧美的时候,他又变了一副模样,对瑞典不负责任和彻底失控的群体免疫政策称之为“不同方向的实验,不应以成败论英雄“。然而这个社科类杰出教授的研究方向就是中国政府治理,发表过多篇学术著作。一个知名学者在自己研究领域说出的观点和给出的论据与崇洋媚外的高中生无异。这不禁让我反思,社会科学到底怎么了?
从学术角度看,他理论的很多假设站不住脚。他把国内疫情的情况归结于政府运营模式是“由上而下“,而西方是“由下而上”。他把高度复杂的集群行为简化成二分的模式,他不懂政治极化在非政治领域的蔓延,资讯串流的不可预测性,信息在社交网络中的不均匀传播,由下而上模式中少数胁迫多数的可能。从价值观上讲,他并没有实事求是,下结论时有严重意识形态导向,他对国内疫情和瑞典疫情的评价存在双重标准,缺乏作为科学家的基本素养。然而今年像他一样的社科教授和学生我见过不少。清华社会学系的G某也一样。https://www.zhihu.com/question/382163641/answer/1646399707
我记得很清楚,春节前后,朋友圈疯转哲学社Philosophia的一篇文章《对国内疫情防控的结构性反思》。具体内容和观点我不需要多说大家都懂。这些事件暴露了这些文科生的傲慢无知。这些人觉得自己读过翻译本的《利维坦》《社会契约论》等经典著作所以自己价值观和认知上高人一等。但疫情暴露了他们学的传统西方文科知识理论很多是纸糊的,基本假设已经不成立,在二十一世纪已经不具备解释性。
这群身处哲学,社会学,政治学顶端的学生不用数据分析,不用建模模拟,甚至连传染病学最基本的SIR模型都没学过就觉得自己比医学专家更懂疫情防控。当时我认识的宾大的大一工科生气愤之余在群里认真反驳,强调初期疫情防控的难度和事态的不可预测性。他完全不懂文科的理论,在用贝叶斯做类比。我一句“你觉得这些人里有几个学过贝叶斯统计的?”结束了他的反驳。他也知道对这些人来说理性和证据是多余的。
图3:各城市确诊病例数和武汉流出人口数量呈高度相关。事实证明疫情防控是高度有效的
这个研究的通讯作者是医学出身的社会学家Nicolas Christakis,三个能长期在自然科学顶刊发研究的社会学学者之一。
社科属于基础科学,但我们看见的这些学生和教授对西方一两百年前的理论有近乎宗教信徒一样的狂热。即使是杰出教授,也受到严重的意识形态的影响,他们早就失去了科学家的基本素养。而剩下的社科学者似乎在今年社会动荡的局面下也没有贡献出太多有影响力和科学价值的研究。究其根本,社科在鼓励学者发明新的理论而不是理论建立在大量实证研究基础上。在一个学派或理论体系明显不具备解释性,与现实世界脱节时,学者们会更倾向于修补,维护旧的理论体系而不是调整互相冲突的理论和解决实际问题(Watts,2017)。甚至学科的顶刊都不注重,不鼓励学科的创新和发展。6年时间里顶刊ASR的240篇研究里只有6篇用到了大数据(Lazer,2017)。相比之下,今年用复杂网络分析疫情传播,用大数据追踪动态,用社交媒体研究疫情和谎言的传播倒是涌现了不少优秀的研究。而这些研究者大部分是理工科教授,比如下图这篇。更多研究见文章结尾。
我还见过北大社会学的说发展量化,结合ML,AI做社会学研究是没底蕴的。5月底,我终于受够了学科内一些人的无能,谎言和扭曲的价值观,决定掀桌子。至今,我的专业劝退有60万阅读量。对于一个国内只有1600个博士的小专业来说,影响力是很大的。
https://www.zhihu.com/question/325144561/answer/1216685922
今年欧美国家,尤其是美国的疫情防控以及美国国内相应的政治举措打破了我们很多的认知和假设。作为社科专业的学生,我觉得是时候我们反思一下社会科学里的很多传统理论和假设。现在中国大学里学习的很多社科知识偏传统,偏理论。我们在照搬几十年乃至上百年前西方学者对当时社会的认知和理论,教授给21世纪的中国学生。这些学生毕业后去任教再把这套古董教授给下一代学生,因为他们不会别的。比如,很多国内学者吹捧的西方民主制里每个人会做出符合自己利益的选择,那么多数人的选择即为人民的选择。但是,受制于社交网络所处位置,人们获得的信息是不充分的,观点容易两极化,假新闻传播速度和广度远远高于真新闻。人们做的决定是非理性的,受周围人影响很大,集群的行为是非理性的,有别于每个个体的行为的。另一方面,由于宗教影响,美国不同民众对科学的态度是完全不一样的。
在正文前,请读者想象一个画面,一群鸟在飞行。飞行途经是不规则,无法预测的。鸟群没有预先设计好的飞行轨迹,每只鸟的飞行轨迹只受周围的几只鸟的轨迹影响。每个个体只需要遵守几个简单的规则,我们就会看到一个整体的演变。我们理解每个个体的行为不代表我们就清楚整个集群的行为。现在有一些社科学者们也在试图用系统科学的知识,用电脑建模模拟,用信息时代产生的大数据来研究和解释人类社会的集群行为。这篇文章里我会介绍几篇相关的研究,从不同方面解释了今年美国在疫情防控上的雪崩。
更新:由于社科不同学派,理论林立,互相矛盾,总能找到某学派提到过我接下来指出的问题。但是综艺节目上提到引力波和实际证明引力波的存在是两件事。具体来讲,1。某学派的理论并没有达到学科内部的consensus或者低估了影响力2。理论不具备泛用性或预测性3。理论是静态、而集群行为是动态的(第三个研究会仔细说明这点)。
传统假设1:人们有及时,透明公开的信息
研究证明:民众得到的信息是不准确,不全面的。让我们感到惊奇,有负面情绪抒发(愤怒,害怕)的新闻更容易引起我的重视和传播。假新闻传播速度和广度远远高于真新闻。
本研究的作者收集了2006-2017年推特上被300万人转载的12万条新闻,这些新闻有真有假。类别上新闻被分为政治,都市传说,商业,科学,娱乐,恐怖袭击,自然灾害。研究发现假新闻扩散速度,广度都要超过所有类别的真新闻。
将人们转发新闻时所写内容用自然语言处理后发现,人们会觉得假新闻比真新闻更让人感到新奇,也就说明人们更倾向于分享新奇的信息。假新闻让人们搞到恐惧,恶心,惊奇,而真新闻让人们感到预期,伤心,快乐,信任。
传统假设2:发达国家科学先进,教育普及,民众科学素养较高/基础科学信息传递没有问题
研究证明:美国虽然是整体学科最发达的国家,但是不同人群差异很大。甚至美国自由派和保守派民众所关注,所重视的科学领域都不一样,即使是同一个领域里关注的学派也有很大差距。
亚马逊上网购书籍的时候会提示买这本书的人还买了哪些书籍,100本封顶。作者根据两本政治类书籍(分别是奥巴马和罗姆尼的著作)作为种子爬出了130万本书和2600万个链接(共同购买)。其中找出了583本自由派观点的书(蓝书)和673本保守派观点的书(红书)
研究发现,应用类科学,诸如医学,法学和气候学的书更容易和保守派的书一起购买。而基础类科学,诸如动物学,人类学,哲学的书更容易和自由派书一起购买。把领域细分后我们会发现学科的应用性越强(定义为领域里专利对研究论文的引用比例),读这些书的人政治倾向越保守(r = 0.43, p = 0.002)。
研究发现,同一个学科里保守派读者购买的书籍在这个学科里也是比较边缘化的。这点在生物学,环境学,气候学尤为明显。
传统假设3:人们的行为是自身决定的,根据充足信息能做出理性决策
研究发现:小世界里文化两极化是很容易形成的。通俗来讲就是只需要每个个体对不同意见的人稍微排斥一下,与意见相同的人稍微靠近一下,一定时间后宏观上就会形成严重乃至完全的两极化(研究1)。而党派立场一定程度取决于最初在这个议题上站队的人的党派性。越严重的分歧反倒越不可预测,现实世界里党派的立场可能在另一个世界里是相反的(研究2)
这两个研究都是Michael Macy做的。第一个研究用多主体模型模拟了两极化的形成。在8年后他把这个模型变成了真人参与的线上实验,也得到了类似的结
研究1:
1。美国的社会分散成各个群体/群聚(cluster)。
2。如果交流中同时存在同化和敌对效应,那么不同群体间的交流会显著增加两极化。
这个模型里我们有两个控制因素:
1. 宏观上,我们控制网络结构:网络中长距离链接的比例(structural assumptions about the proportion of long-range ties in the access network. )
2. 微观上,我们控制互相影响的方向:互相同化和互相排斥(microlevel assumptions about positive and negative valence of interaction)。此外,我们还有一个额外的roboutness check: 改变“文化维度”/“有争议的议题数量”/ “文化复杂性”
测量:全人口的政治两极化程度P:
建模:经典小世界
假设交流中只存在同化:交流只有正面的,能减少两极化
坐标:两个议题。距离代表这个议题上的观点/价值观的差距
假设交流中同时存在同化和敌对:交流显著增加两极化
最后那个两个巨大的黑点,完全两极化,很像口罩在美国的争议。而实验研究证明越大的政治两极化/分歧越是不可预测。一个世界里民主党反对共和党支持的可能在另一个世界里就变成共和党支持民主党反对。
在介绍Michael的研究前我先介绍一下Duncan Watts的经典实验研究(music lab experiment)。这个研究很大程度上影响了Michael的实验设计(事实上他的研究设计就叫party lab)。Watts的这个研究用很简单的设计证明了资讯串流(information cascades)的不可预测性。研究者请了一些18线乐队来创作48首新的歌曲,随后他把3万实验参与者分成两组去给这些歌曲打分,一组能看到别人打分(也就是有社会影响social influence),一组看不到别人打分。能看到别人打分的组又细分成八个不同的“世界”。另一个控制变量是社会影响的高低。低社会影响的世界里实验者能看到别人的打分,高社会影响的世界里实验者不仅能看到别人的打分,连歌曲出现顺序也是按照打分高低排的,跟现实世界更接近。票房高的电影排片量更高,排名靠前的学校吸引前来报考的优秀学生更多。
结论发现在有社会影响的世界里成功(打分)的基尼系数和成功的不可预测性要远高于没有社会影响的世界。而高社会影响的世界里成功的不平等性也要高于低社会影响的世界。有些世界里排第一的歌曲在别的世界排21,等等。也就是说平行世界里周杰伦因为早期作品没有火起来,现在可能只是个普通的歌手而不是巨星
现在正式来介绍一下Michael的实验研究
研究2:“文化战争”泛指一些本应是个人生活选择和私人价值观变的问题与政治党派性相关联。作者的实验给出了一个新的解释。5000人的线上实验证明了“观点串流”?(opinion cascades)依赖于最初在这个议题上的党派站队。越大的分歧反倒越不可预测。
实验设计跟Watts的实验很像:
1。先测每个人的党派倾向性
2。随机分配到10个世界,每个世界480人。他们收到一个问卷,问卷里包含20个政治和文化议题。而这些议题在现实中美国的政党并没有明确的立场。
3。8个世界是影响世界,这些世界里,参与者能看到之前的参与者在这个问题上的党派倾向性。剩下两个世界是独立世界,参与者看不到别人的党派立场
在独立世界里(每个人独立做判断)议题的政治倾向性并不明显,而在影响世界里就高很多
在这个实验里甚至有20%的概率双方会“换家”。
值得注意的是,作者2019年的实验证明了两极化方向性不可预测。也就是说,两极化的导向一定程度上取决于最开始在这个问题上站队的人的党派倾向。
研究3:人们的行为不是自身决定的,很多决定是被群体裹挟的。有些社会准则是没有实际意义,但少数可以裹挟多数。
研究名称就叫做“皇帝的新衣”。这个回答里就叫做“川皇的口罩”吧。传统理论认为社会准则是有利于保护社会群体的 "存在即合理“。但是有很多社会准则并没有实际意义,起到保护社会的作用。不少现在已经被广泛接受是病态的,比如封建社会的裹脚,对同性恋的迫害,非洲的阉割礼等等。一个社会,只要有少数人相信这一准则,是有可能强迫多数并不相信的人接受的。在这个多主体模型里,每个主体需要决定是否遵守和强制执行一个少数极端分子支持而被大多数人反对的社会准则。学者研究发现在一个社交网络完全连接的世界里,极度不受欢迎的社会准则无法形成自行强化的资讯串流(cascades of self-reinforcing)。然而,如果主体的视野局限于周围的邻居,初始极度不受欢迎的社会准则是可以在当地涌现并且散播出去。
https://www.coursera.org/lecture/networkdynamics/4-1-the-emperors-dilemma-explaining-unpopular-norms-VoscV
具体在防疫上就是只要有少数反智的人相信口罩里有5G天线,疫苗是比尔盖茨控制世界,减少人口的阴谋,并且他们坚决不戴口罩,他们可能会裹挟剩下的很多人跟随他们,即使跟随者知道跟随这个社会准则没有实际好处。
假设4:经典的社科理论是被证实的
研究发现:过去的100年里社会科学家产生了大量的理论知识,但很多知识其实互相矛盾,解释不通。而社会科学的体制鼓励学者发明新的理论或者完善之前的理论来适应新环境而不是从实证和应用的角度研究,解决实际问题
引用研究
Vosoughi, S., Roy, D., & Aral, S. (2018). The spread of true and false news online.Science,359(6380), 1146-1151.
Shi, F., Shi, Y., Dokshin, F. A., Evans, J. A., & Macy, M. W. (2017). Millions of online book co-purchases reveal partisan differences in the consumption of science.Nature Human Behaviour,1(4), 1-9.
Flache, A., & Macy, M. W. (2011). Small worlds and cultural polarization.The Journal of Mathematical Sociology,35(1-3), 146-176.
Salganik, M. J., Dodds, P. S., & Watts, D. J. (2006). Experimental study of inequality and unpredictability in an artificial cultural market.science,311(5762), 854-856.
Macy, M., Deri, S., Ruch, A., & Tong, N. (2019). Opinion cascades and the unpredictability of partisan polarization.Science advances,5(8), eaax0754.
Centola, D., Willer, R., & Macy, M. (2005). The emperor’s dilemma: A computational model of self-enforcing norms.American Journal of Sociology,110(4), 1009-1040.
Watts, D. J. (2017). Should social science be more solution-oriented?.Nature Human Behaviour,1(1), 1-5.
注:
第一篇研究的作者Deb Roy是MIT计算机教授,前推特首席科学家。
后几篇研究的作者Michael Macy是康奈尔社会学,信息科学教授。2018年曾被自然科学顶级期刊Science邀请做评审员,为学科第一例。
最后一篇文章的作者Duncan Watts是宾夕法尼亚大学计算机,通讯教授。他是复杂网络和计算社会科学等领域元老。
有知乎网友提到社科学者不是传染病专家,当然对疫情防控没有太大发言权。这篇文章引用的多个研究的作者Michael是一个社会学家,而且跟同领域(社会计算)的学者Watts,王大顺比起来,他的研究兴趣主要集中在基础科学,对应用性研究,显性研究没有太大兴趣。但是今年美国疫情的雪崩证实了他的这几个研究,尤其是ABM模拟是正确的,很好地解释了美国种种闹剧背后的原因。我写这篇文章的初衷也是觉得他的这几个研究很有价值却没有得到足够的重视和认可,希望能传播一下。基础科学研究总有一天会被证实有应用价值,社科学者需要做的是用尽可能严谨的论证方法和最新的数据、最新的研究方法做有科学价值的研究。疫情防控是一个医学问题,但同时也是一个社会科学的问题。
我们需要更多这样的社会学家
而不是这样的
疫情的相关研究:
https://mp.weixin.qq.com/s/AH8hhQUnP0c-3YLIWMNuig
防控力度多大才能遏制疫情发展? 网络动力学推演给你答案
Nature:比疫情更可怕的是伪科学谣言的传播社会计算简介
https://zhuanlan.zhihu.com/p/136167414更新:有人提到几个本科生不具备说服力。大家自行去搜去吧
我朋友圈里看到一些,也听朋友说过不少社会学博士种种谬论。朋友明确告诉我的就是有牛津的社会学研究生在骂我粉红。但鉴于我本人早就被他们排挤删微信了,我也拿不出太多实质性证据。能拿出的又马上会被被折叠回答 |