数智时代社会科学实验研究范式演化

21世纪之前，社会科学实验研究受到自然科学范式影响，重视变量控制、实证分析和线性因果关系，考察个体行为与社会现象之间的固定关联，实验范式以实验室控制、现场或问卷调查为主要手段。随着信息智能技术的持续进步，社会科学的研究工具、分析手段、认知方式正在发生深刻变革。在“数智融合”时代背景下，社会科学实验范式不再局限于人本主义、经验主义的单点式研究，而是朝着高度模拟化、系统化的复杂实验体系转变，体现学科对于社会现象理解模式的转型升级。

社会科学实验研究范式的四个阶段

第一，经验主义与现场实验：从“观察社会”到“干预社会”。早期的社会实验研究多基于实证主义、经验性的观察。在19世纪后期至20世纪中期，研究者通过系统观察、问卷调查、统计比较等方法，研究社会现象背后的结构性规律。这一时期的实验注重相关性而忽视因果性，更接近于“社会现场调查”。20世纪40年代后，在行为主义思潮的驱动下，社会科学实验开始转变为干预性的“现场实验”，强调研究对象的真实性和生态有效性，但也面临着操作难度高的问题和伦理道德的挑战。

第二，行为实验与虚拟情境：从“被动观察”到“模拟操控”。20世纪中后期，实验经济学和行为科学蓬勃发展，社会科学实验进入“行为实验阶段”。研究者开始在可控的实验室环境中模拟真实情境，观察个人或群体在某种信息结构与奖励机制下的行为，这类实验在欧美获得广泛应用，并孕育了行为经济学、实验政治学等新兴学科。20世纪末，信息化转型推动“在线实验平台”的出现和发展，行为实验也呈现出规模化、数字化、多中心协作的特点。

第三，数据驱动与计算社会：从“行为实验”到“计算实验”。进入21世纪，社会科学实验进入“计算实验阶段”，这一阶段以数据驱动、网络分析和算法建模为特征。研究者不再依赖纯人工设计实验条件，而是基于“自然发生”的数字痕迹（如社交媒体、传感设备、交易数据等）进行观测和仿真，采用诸如双重差分法、结构方程模型、复杂网络分析等方法，识别变量之间的因果机制与动态演化规律，进行跨尺度社会结构模拟和政策敏感性测试。

第四，大模型实验与智能体仿真：从“计算社会”到“生成社会”。伴随着大数据、人工智能和复杂系统科学的成熟，社会科学实验范式进入基于智能体的社会模拟阶段。研究者为了模拟真实社会所发生的复杂行为，预测群体现象的演化路径，采用智能体在设定规则与环境中开展互动。大语言模型赋能基于智能体的社会实验，使其实现从“行为”到“认知”“情感”“价值观”“信任”等高级社会变量的延伸。研究者可以设计虚拟城市、组织、市场或政治体制，在不同政策干预下测试社会系统的响应情况。这种方法在治理模拟、公共政策测试等领域已初见成效。

社会科学实验研究范式演化的特点

第一，从定性到计算性：认知方式的量化转型。经验主义阶段的社会科学主要依赖田野调查与人文描述，重观察、重理解、轻预测。随着行为实验与现场试验的发展，定量分析方法逐渐占据主流，强调因果机制的可度量性。个体行为、互动规则乃至社会反馈过程被编码为形式模型与算法结构，推动社会科学迈入计算社会科学，进一步走向生成式社会科学的新阶段。生成式社会科学是一种通过构建具备认知、互动与演化能力的人工个体，在模拟环境中“生成”宏观社会结构与群体行为，从而揭示微观机制，体现系统涌现规律的研究范式。其核心目标不在于拟合已有数据，而在于解释社会现象如何“被建构”，这一模式强调因果机制的重构，重视系统性的动态验证。

第二，从线性因果到复杂涌现：系统建模的复杂升级。传统的实验范式着重考虑变量之间的线性因果关系，对于阐释社会现象中普遍存在的非线性、多主体互动反馈机制显得能力不足。随着社会科学系统化理论和复杂性科学的研究方法渐受青睐，研究者也开始聚焦于系统涌现现象。为了捕捉更复杂的社会互动过程，行为实验引入博弈论、信息传递模型、多人协作机制等设计，以更好地描绘复杂社会行为。在智能体仿真模拟环境中，研究者设置异质性主体、网络结构、资源约束与行为演化规则，观察社会系统如何呈现非线性动态现象，比如规范形成、意见极化等。

第三，从个体视角到多层级建模：观察视角的层级跃迁。早期实验重点分析个体心理和行为反应，对群体制度的建构能力不强。随着建模技术的发展，研究者逐渐建立“个体—组织—制度”多层级分析框架，行为实验的研究者通过小群体互动、信息传递和协同任务设计来探索群体行为机制；就智能体模拟而言，研究者在同一系统中布置相互协作的多层级虚拟主体，以反映真实群体的社会互动。这种多层建模模式能够增强实验的系统解释力，提高实验在政策评估、制度设计与社会预测领域的应用价值。

面向未来的社会科学实验形态

第一，方法融合：实验路径集成化。单一范式已难以满足社会系统中“多因多果、多层嵌套”的现实，未来社会科学实验研究将走向多范式串联、模块化集成的“实验路径设计”范式，并按照研究问题的生命周期进行实验流程设计。这种实验逻辑既保留传统范式的深描能力，又融入现代社会模拟的预测与演绎功能。

第二，技术融合：实验生态智能化。在数智时代，实验研究场域已经不再局限于封闭实验室空间，而是在现实世界中构建起一种能够实时感知、动态模拟与远程操控的社会实验孪生体。这一生态系统的核心在于智能体技术与大数据平台、物联网设备的深度融合。依托智能体技术，研究者设计出能够在社会环境中进行行为模拟，具有“认知模型、决策规则和学习能力”的虚拟个体。大数据平台提供来自社交媒体、金融交易等多源异构的数据输入，物联网技术通过传感器、移动终端和嵌入式设备，对被试行为、环境因素和交互过程进行实时采集与远程操控。

第三，组织融合：实验平台系统化。社会科学实验正由“学术行为”逐步转向“系统工程”，在面向国家级治理问题或区域政策试验时，单一学科难以完成实验设计、建模实现、数据运维与政策反馈的全链条任务。所以，未来需要建成跨学科、跨机构、跨地域的智能协作平台，作为下一阶段社会科学实验的重要基础。平台由学术研究机构、数据平台公司、政策决策机构、公共技术基础设施构成，涵盖协同建模、多源数据接入、政策试验沙箱、伦理监督等功能模块。

在数智时代，社会科学研究者具备模拟真实世界并干预现实社会的强大能力。实验范式的演化，是社会科学从“观察者”转变为“设计者”的过程，也标志着学科本体实现预测性、工具性与系统性。从经验观察到智能生成，推动社会科学实验之路被根本性重构。展望未来，我们不只是对社会的运行逻辑进行记录，更是在构建一个可以被测试、被理解、被改善的社会。

作者系中国人民大学信息资源管理学院教授

来源：中国社会科学报

责任编辑：王博

新媒体编辑：程可心