大數據下重構人文社科的理論范式和研究方法,社會科學論文

大數據下重構人文社科的理論范式和研究方法,社會科學論文作為資本、勞動力和自然資源之外的第四種生產要素①,大數據一般是指在數量〔Volume〕、類型〔Variety〕、速度〔Velocity〕和價值〔Value〕等方面超過傳統(tǒng)社會科學應用規(guī)模的海量數據資料②.早在2018年,哈fo大學的加里金就預言隨著大數據的出現和使用,整個社會科學研究的實證基礎將會出現重大變化,甚至會加速定性與定量研究的大融合③.固然大數據的重要性已然得到人文社科領域學者的普遍認同④,但學界對大數據的理論討論大多還停留在對其概念范疇、獲取渠道、樣本代表性以及測量可靠性等基本問題的辨析上⑤⑥,基于大數據的實證研究相對較少.已有實證研究基本都是通過數據挖掘和文本分析技術,開掘出潛藏在海量數據背后有意義的規(guī)律或信息,進而實現對社會現象和群體行為將來趨勢的判定和預測,但這些研究大多集中在經濟、金融領域,社科理論界其他領域尚未出現對大數據整體的推廣和應用.本文以為,在信息技術急速發(fā)展的今天,大數據必將消解傳統(tǒng)社會科學的理論和實證研究基礎,重構人文社科的理論范式和研究方式方法,加速各學科之間的互相融合.一、理論范式的重構〔一〕重繪學術圖景在社會科學發(fā)展史上,重大理論問題往往能引發(fā)長期的學術爭論.但隨著實證證據的豐富和社會熱門的轉移,爭論往往會在新的證據出現之前告一段落.而大數據的出現,可能為經典的理論之辨提供新的實證來源,進而有望為社科理論界重新描繪新的學術圖景.例如,市場和是當代社會運行中最本質的兩大機制性氣力⑦.一個世紀以來,無論是美國的新自由主義市場經濟政策、蘇聯和東歐國家的轉制、中國和越南等計劃經濟體制國家的改革,還是各國在面對全球性、周期性經濟大蕭條時對市場所采取的宏觀刺激計劃和干涉政策,都能夠視為對其在市場經濟運行中應處地位及其影響范圍的調整.而市場和之爭,也恰恰是20世紀哈耶克和凱恩斯思想制高點之爭的全部意涵⑧.戰(zhàn)后幾十年來,和市場在社會發(fā)展經過中此消彼長、階段性主導經濟社會發(fā)展進程的事實表示清楚當今世界仍然沒有走出哈耶克與凱恩斯理論論戰(zhàn)所界定的理論范圍.以致于諾貝爾經濟學獎獲得者英國經濟學家約翰?？怂埂睯ohnHicks〕在1972年專門著文討論到底誰是對的?凱恩斯還是哈耶克?⑨這就是著名的?？怂怪畣??？怂怪畣柺情L期以來以凱恩斯主義為代表的計劃體制和以哈耶克思想為代表的市場競爭機制二元對立關系的直觀反映.凱恩斯以為:自由市場不能解決因消費需求和投資需求缺乏導致的生產過剩危機,應該運用行政權利自上而下直接干涉和介入經濟經過,即通過擴大投資、刺激消費的方式對經濟進行干涉⑩.對此,哈耶克指出,信息瞬息萬變,而人們所能把握的知識和信息是分立和有限的,計劃的制定者無法了解經濟運行中每個階段的最終平衡狀態(tài),更無法建立全知全能式的生產、決策和分配組織.因而,對社會經濟秩序進行整體設計和建構干涉的做法是人們對自個有限理性的高估和致命的自負,計劃經濟不僅會限制個人自由、阻礙財富生產,還會造成社會貧困和集權主義的興起,是一條通往奴役之路.對國家而言,只要市場調節(jié)才是最佳的資源配置方式.值得注意的是,無論是?？怂?、凱恩斯還是哈耶克,他們都只是基于20世紀早中期的經濟發(fā)展經歷體驗,試圖在市場和間做出非此即彼的選擇,而未曾想到還能夠有第三條道路,即建立在信息充分交換基礎上的有限調控.大數據的出現會為經典的與市場之爭注入新的元素.建立在大數據基礎上的計劃調控并非天方夜譚,早在20世紀70年代,智利的協同控制工程〔ProjectCybersyn〕就試圖用大數據去統(tǒng)籌管理國民經濟.通過打造一個由電報機組成的網絡系統(tǒng),幫助管理者實時發(fā)現、解決需要立即處理的問題和模擬每一次決策的長期后果.在機器的幫助下,智利成功地解決了卡車司機大罷工導致的食品短缺危機.該工程的失敗主要是難以解決落后的技術水平、社會認知和超前的管理思想間的矛盾.40年后的今天,隨著當代信息技術的飛速進步,分析和處理大數據所需的數據挖掘技術及設備條件已日臻成熟,同時,大數據對市場運行中的信息捕捉也已到達了空前的廣度和精度,并被廣泛應用于廣告投放、信息預測和商業(yè)決策.這一變化的直接后果是大大降低了傳統(tǒng)社會科學所強調的因與市場間信息不對稱而導致的居高不下的計劃錯誤率,使得通過大數據來把握宏觀經濟運行狀況并進行合理的計劃調控的前景出現了更多的曙光.能夠講,大數據為凱恩斯主義提供了新的政策工具,同時也為化解?？怂怪畣柼峁┝酥匾男碌膶嵶C來源.〔二〕延伸經典學講固然社會科學理論的流派和體系諸多,但它們都能夠溯源到少數具有典范性、啟發(fā)性和詮釋意義的概念、假講和理論,這些經典學講通常立足于高遠的宏觀層面去理解和描繪社會構造及其變遷的歷史,具有更高層次的概括能力和更寬的輻射面.然而,宏大理論卻難以解釋經歷體驗的現實問題.由于理論的宏觀性和復雜性,傳統(tǒng)的截面數據、面板數據等抽樣分析方式方法,無法在經歷體驗層面上對這些理論進行檢驗,且囿于傳統(tǒng)的資料采集方式,研究者所能獲得的經歷體驗材料,無論在時間還是空間維度上都是有限的.因而,一直以來,要想使用經典學講指導經歷體驗研究,只能在華而不實不斷增加構造性因素以降低理論層次,這使得經典理論的影響力逐步式微.以社會學界為例:自20世紀中期以來,理論界便不再由宏大敘事主導,當前大部分研究者的興趣都集中在70年代之后興起的弱關系、構造洞等理論上,隨著時間的推移,大理論的空間越來越小,社會學界已經開場進入了某種后大理論時代.大數據在經典理論和經歷體驗研究間架起了一座橋梁,使得學界得以重新審視和延伸經典理論,并使驗證和拓展宏大敘事成為可能.這是由于大數據能夠以其超越傳統(tǒng)調查數據的樣本量和時空跨度,為研究者提供史無前例的海量數據、資料和信息,進而幫助研究者從經過性的歷史視角來審視和驗證經典的理論問題.以社會科學領域經典的社會分層理論為例,基于抽樣調查數據的經歷體驗研究表示清楚:主觀社會地位既會受客觀社會地位以及相對參照群體的決定性影響,也會受經濟不平等的重要影響,社會經濟不平等程度越高,整個社會對于不平等的感悟越強,人們的階層意識就會越明顯.但用以支撐已有實證研究的傳統(tǒng)數據缺乏大歷史和大空間的跨度,這使得傳統(tǒng)數據對宏大理論的解釋和驗證總是停留在某一截面上,常給人以薄弱之感.而大數據的出現,能夠為經典理論的驗證進行補充,甚至帶來更多的發(fā)現.例如在一項基于谷歌圖書2020版語料庫〔811萬種書籍、8613億詞匯〕的大數據研究中,學者通過計算階級的相關詞匯在美國書籍中近100年來的出現頻率來測量美國公眾對階層的關注程度,1和美國社會百年失業(yè)率、通貨膨脹、基尼系數等指標進行格蘭杰時間序列分析.研究發(fā)現:在市場經濟發(fā)達的美國,代表通貨膨脹率和失業(yè)率之和的經濟悲慘指數影響著階層關注度,而基尼系數卻沒有顯著的統(tǒng)計影響.該發(fā)現揭示了經濟不平等對階層意識的作用很可能存在閥域效應:只要當不平等高于一定的閥值時才會對階層意識產生作用,而不平等低于閥值時是經濟景氣程度在影響著階層關注度.用跨度百年的數據和以前無法獲得的階層關注度指標檢驗階層理論,這既是研究方式方法上的突破,也是對階級和階層理論的最新闡釋和補充.可見,大數據時代,經典理論將有可能實現落地發(fā)展,并不斷被歷史的、構造性的情境所檢驗和延伸,呈現出更強的生命力.二、學科范式的重構〔一〕豐富學科目的挖掘因果機制是科學研究的基本任務,也是科學知識積累和學科建設的核心.傳統(tǒng)社會科學尤其是定量分析致力于進行因果推斷、提供機制性解釋,但由于社會人的異質性,基于非實驗數據的定量分析很難避免諸如遺漏變量、樣本偏誤、聯立性等內生性問題,這在很大程度上影響了因果推斷的有效性.當前,社會科學家試圖通過固定效應模型、傾向性匹配、工具變量等方式方法來躲避內生性問題以改良因果推斷,但上述方式方法有賴于高質量的調查數據,而現實中高質量的調查數據通常難以獲得.大數據時代的到來,為我們呈現了一幅描繪敘述和相關分析重新崛起、因果推斷愈加強化的雙贏學科目的新圖景,將會對社會科學學科目的起到階段性的豐富和拓展.首先,基于信息技術興起的大數據擴展了人類的經歷體驗范疇,使得簡單的統(tǒng)計描繪敘述就能夠到達發(fā)現規(guī)律、展示規(guī)律的目的,這使得身處后經典理論時代的我們,有可能憑借大數據的啟示發(fā)現和提煉出重要的理論,跳出利用抽樣數據對傳統(tǒng)理論和假講進行證實或證偽的常規(guī)研究形式.其次,大數據的海量信息在時空上具有傳統(tǒng)抽樣數據無法比較的廣度和深度,其全樣本的性質在某種程度上能夠避免因個人經歷體驗有限性而導致的例外的干擾,因而,哪怕是基于大數據的簡單描繪敘述,都可能由于其數據的氣力開闊啟發(fā)我們的思維.最后,根據大數據做出的預測較之傳統(tǒng)小數據要更為精到準確,能夠為公共管理、經濟金融等各種行業(yè)提供有力的工具.因而,在大數據時代,社會科學尤其是定量社會科學可能在一定程度上出現一股重返描繪敘述和重返相關分析的潮流.值得注意的是,原始大數據所呈現和涌現出來的規(guī)律,其實和質性分析一樣僅僅只是一種啟示,無法得到反事實的因果證實.比方:即便我們能夠搜集到五百年內全世界所有人的學歷和收入進行分析,卻仍然無法解釋內生性的問題,此時,假如有能夠直接進行回歸分析的定制大數據,就能夠很好地回答上述問題.本文以為,相關分析永遠是因果分析的基礎和起點,而因果分析才是社會科學的全部目的.從當前可用來做出社會科學分析的大數據看,它所能提供的變量尚屬有限,研究者很難通過大數據進行變量控制來做出傳統(tǒng)的因果推斷.但將來真正高質量的大數據,應該是以為社會科學研究所量身定制的形式出現.例如:在一項對教育回報的分析研究中,傳統(tǒng)數據可能缺乏對能力、智商、情商等精到準確的測量指標,但大數據時代,我們則能夠憑借對醫(yī)學指標的整合來進行社會學分析,使用這種定制大數據,研究者能夠做出非常好的因果分析.從這個角度,本文以為大數據的出現最終會在描繪敘述、相關分析的熱潮之后進一步向因果分析躍遷.〔二〕促進學科融合專業(yè)化是當代社會的鮮明特征,專業(yè)化程度的提高大大加強了人們認識自然和社會的能力,個人在越來越專業(yè)化的同時,也失去了對整體文化的了解和控制.對社會科學而言,學術分工的專業(yè)化進程大大提高了研究效率和學術領域內的溝通評估質量,但也逐步構成了各自為政的缺乏:研究者在獲得相當深度的同時,失去了對廣度的把握,不同學科間的邊界日益鮮明,且學科邊界間還產生了很多空白地帶.因而,與學科分化反向的學科融合必將在社會科學發(fā)展經過中周期性地出現.而人類知識譜系意義上的學科融合,其歷史頗為長遠,早在第一次和第二次世界大戰(zhàn)的末期,不同學科領域間已經發(fā)生了研究方式方法的借鑒和知識構造的重新建構輰訛輦.本文以為,大數據的出現將會促使第三次學科融合的興起,并將以數據為紐帶,從下面兩個向度推動學科融合:第一,大數據將會向外推動社會科學與自然科學、尤其是計算機科學的融合.大數據之大使得數據的性質發(fā)生了顯著變化,其數據的獲取和分析,往往需要有別于傳統(tǒng)社會科學訓練的方式方法和工具,這就為本來在計算機、人工智能和數理等領域具有特長的學者介入社會現象的分析甚至轉型為社會科學家提供了時機.近兩年來,發(fā)表在英語重要刊物上的基于谷歌圖書、維基百科和臉書、推特等大數據的語言學、經濟學研究論文,絕大多數都有計算機和自然科學家的介入.著名的小世界理論提出者鄧肯瓦茲原先就是美國海軍的物理學家.同時,大數據還為社會科學提供了全新的分析對象,提升了穿插學科在社會科學中的地位,揭示了諸如計算社會科學應用計算科學等學科在美國受追捧的原因.第二,大數據將會向內推動社會科學學科間的溝通和對話.長期以來,社會科學內部各學科間區(qū)隔明顯,顯著地表如今每個學科使用的數據和分析方式方法都自成體系,例如:經濟學分析多使用面板數據、時間序列數據;社會學分析多使用截面數據;人口學分析多使用普查數據等.盡管數據分析的方式方法和原理大同小異,但學科差異下的數據搜集和使用各自為政,難以達成有效溝通.大數據的出現將有助于改善這一對話窘境.這主要是由于,大數據的獲得具有非學科性:大數據的搜集本身往往不是由學科定制,這種無心插柳的數據獲取具有一種跨學科的潛力.因而能夠預見,越來越多的跨學科研究和穿插學科研究將會不斷涌現.〔三〕提升學科應用隨著信息革命的深切進入,大數據開場被廣泛地應用于經濟、金融、選舉、競賽、就業(yè)、高考、疾病、災禍等諸領域進行趨勢預測輱訛輦,其邏輯基礎在于從大量征兆的累積中判定社會現象發(fā)生質變的臨界點.大數據預測最常用的工具是谷歌趨勢〔GoogleTrends〕,它通過揭示某個檢索本文關鍵詞語2004年來每周被全球網民檢索的次數,以及這些檢索的來源地域,幫助我們發(fā)現該本文關鍵詞語被人們所好奇、關心的程度及其分布規(guī)律,進而進行趨勢判定.利用大數據對人類社會現象進行預測分析的最著名例子是谷歌趨勢對流行感冒的預測工具谷歌流感趨勢〔GFT〕:2018年,在H1N1爆發(fā)幾周前,谷歌專家就已在(自然〕雜志發(fā)表了利用GFT成功預測H1N1傳播范圍的論文,其預測精到準確度甚至能夠到達州的層面.受這一研究的啟發(fā),經濟學界也迅速啟動了對谷歌搜索數據的分析,并發(fā)現了網頁閱讀、臉書帖子等文化載體內容和股票市場、勞動力市場失業(yè)率等經濟指標間穩(wěn)健而可靠的關聯.比方英國沃里克大學在(美國國家科學院院刊〕〔PNAS〕上發(fā)表的報告指出:2004-2020年間,美國網民在谷歌搜索上輸入本文關鍵詞語的變化與標準普爾500指數的波動呈相關關系,美國網民搜索商業(yè)類和政治類本文關鍵詞語的頻率同時上升,標準普爾500指數往往會下跌.報告指出:假如根據大數據研究來制定投資策略,則收益率能夠高達297%,而同期采取簡單的買入持有策略只能獲得3%的收益.可見,較之傳統(tǒng)經濟學研究,大數據推斷改變市場的成效可謂立竿見影.在傳播學方面,大數據分析技術的提升能夠同步提高新聞生產的廣泛潛入性和規(guī)?；幚硇畔⒌哪芰?并在調查性新聞、可視化敘事和應用三個層面驅動創(chuàng)新.當前,在新聞傳播界,以悅讀體驗+內容定制+預測性報道為特征的大數據新聞形式已初現端倪.大數據新聞的重要特點在于其個性化和精準性,既能基于讀者所在地和閱讀興趣的差異來進行新聞的個性化推薦和定制,提升讀者的閱讀體驗,又能基于社會表層現實和深層現實、受眾理性認知和感性認知對受眾行為和社會事件發(fā)展趨勢做出精準的預測.這無疑為科學決策、提高公共管理和服務水平提供了強有力的保證.三、研究實踐的重構〔一〕緩解方式方法分歧定量研究和定性研究是兩種不同取向的研究范式,長期以來,不同學術偏好的研究者們從本體論、認識論和方式方法論等各方面對兩種范式的優(yōu)點和局限進行了深入分析:一方面,作為一種科學化的中介手段,定量研究能夠實現社會現象的對象化、客體化;另一方面,定性研究能夠突破自然科學的限制,實現對行動主觀意義的把握.然而,在社會科學研究中,究竟是工具理性更重要還是價值理性更重要這一關鍵問題,論辯雙方并沒有達成一致的意見.通過量綱法在谷歌圖書2020版語料庫中計算20世紀50年代以來的定量分析指數,發(fā)現:總體上,定量研究和定性研究呈交替主導的狀態(tài).從20世紀50年代到80年代,定性方式方法占據優(yōu)勢,但20世紀80年代到90年代定量方式方法成為主導,95年左右又被定性方式方法超越,而從2000年左右至今,定量方式方法再次超越定性方式方法成為社會科學研究的主流.這也從側面反映了近60年來,試圖通過時間序列分析、網絡分析等定量技術分析文本,或通過敘事分析等定性方式方法分析調查資料等混合兩種研究范式的努力并沒有能有效彌合兩種范式的分歧.從某種意義而言,大數據的使用使得定性和定量兩大陣營之間出現了一個混合地帶.大數據海量的數據規(guī)模和全新的數據特征使得定量研究與定性研究在資料獲得與分析方式方法方面逐步走向趨同,這在某種程度上緩解甚至重構了定量研究與定性研究間的關系.對定性研究者而言,大數據能夠通過海量規(guī)模的樣本直接發(fā)現和展示出社會現象的規(guī)律,既不需要控制變量來檢驗關聯,又能避免定性方式方法在案例選擇方面的樣本偏差.例如:金觀濤在(觀念史研究〕一書中用計量史學的方式方法對19世紀末20世紀初的中國報刊文本進行分析,詳細方式方法是將學界公認的1830年至1930年間那些與政治社會思想有關的報刊、檔案、文集中最有代表性的文獻進行數字化處理,然后通過詞頻統(tǒng)計和文本意義解讀歸納1.然而,由于作為分析對象的報刊本身既不能完全代表當時的報刊總體,又不能完全代表當時的社會思潮,因而,該研究結論的代表性廣遭詬病.顯然,假如作者在當時就能使用代表全樣本的大數據,那么其研究結果必然會具有很強的講服力.除此之外,大數據還可為定性研究提供全新又不過于復雜的研究思維,并讓檢索和數據描繪敘述等過去被定量研究者壟斷的方式方法為我所用.對定量研究者而言,在探尋求索變量間的因果關系所遭遇的最大窘境便在于反事實問題.囿于研究倫理的限制,研究者無法同時得到個體在受干涉和不受干涉兩種情況下的狀態(tài),這就使得尋找用于解決反事實問題的控制變量變得愈發(fā)困難,進而會導致統(tǒng)計推斷產生遺漏變量偏誤.當前可用的大數據并非專門為回歸分析而設計,不能解決反事實問題和遺漏變量偏誤,因而根據大數據很難進行傳統(tǒng)意義上的回歸分析和因果推斷,但由于數據的海量性甚至全樣本的性質,一旦把基于大數據的簡單關聯分析或時間序列分析結果與文獻中的傳統(tǒng)回歸分析進行比對,就能構成非常具有講服力的證據鏈.同時,大數據還拓展了定量研究者的關凝視野,使他們的興趣點從傳統(tǒng)的定量分析轉向以往較少觸及的文化、心理等領域,并開場重新審視描繪敘述在定量分析中的地位.本文以為,大數據定量分析方式方法一般可分為兩個層次:一是對大數據進行描繪敘述和可視化,二是從大數據中抽取出能夠進行回歸分析的變量進行傳統(tǒng)的定量分析.前者能夠在最大程度上展現大時空的規(guī)律性,后者能夠將海量的數據構造化,并得出高質量的新數據.在實際操作中,這兩種方式方法都有助于我們進行因果推斷.能夠預見:以描繪敘述和簡單回歸分析為主要方式方法的大數據研究,將同時出如今定量和定性兩大陣營之中,并進一步縮小定性定量分析方式方法的鴻溝.〔二〕優(yōu)化變量測量在對宏大概念進行測量的經過中,能否能尋找到相應的、有講服力的測量指標通常是實踐中的重點和難點,譬如上文提到的有關階層方面的研究,從谷歌圖書中提取了一個階級關注度的大數據指標,這為其對經濟不平等和階層意識闡述增添了強大的講服力,但這種指標用過去小數據方式方法進行測量分析往往很難獲得.因而,在研究實踐中,應用大數據能夠優(yōu)化變量的測量.以陳云松、吳青熹、張翼最近完成的(近代中國城市的國際知名度及構成形式〕的研究為例,該研究的一個重要奉獻就在于為國際知名度提供了一個大數據指標.在這項大數據研究中,作者首先以1700年以來谷歌圖書的百萬英語書籍作為語料庫,以中國所有的直轄市、副省級以上城市、省會城市、各地級市以及港澳臺主要城市名稱作為本文關鍵詞語,以這些本文關鍵詞語在語料庫中每年出現的頻率高低為指標,在300年〔公元1700-2000年〕的時間跨度上展示和分析了城市國際知名度的百年變遷.在構建國際知名度測度的基礎上,作者進一步對中國城市國際知名度的構成渠道進行分析.由于近代以來,國際交通運輸技術的成本高昂,滿清在經濟、文化和外交上實行閉關鎖國政策,絕大多數中國城市與西方直接的人流、物流互動比擬有限.因而,該研究提出中國城市群體國際知名度構成的差異化假講.詳細而言:近代中國大陸城市的國際知名度,主要遭到西方當時主要媒體〔報紙〕提及率的影響并可能互為因果,而對于香港、澳門和臺北等曾經有過較長殖民地歷史的中國城市而言,該關聯可能就不那么顯著---殖民統(tǒng)治使得這些城市直接成為中西文化對撞的窗口,進而具有與大陸城市不同的知名度獲得途徑.為檢驗這一假講,作者從(紐約時報〕全文數據庫中提取了中國城市提及率指標,并將其與基于書籍大數據的國際知名度指標進行了跨度長達150年的時間序列分析,以觀察兩者的聯絡在大陸城市和港澳臺三地之間有無差異.最后的發(fā)現表示清楚,近代大陸城市的國際知名度和媒體提及率之間存在顯著的格蘭杰因果關系,且媒體提及率更多地影響知名度;而港澳臺城市的國際知名度和媒體提及率之間則沒有顯著的統(tǒng)計關聯.這表示清楚近代以來中國城市國際知名度的獲得具有直接和間接兩種形式:大陸城市的國際傳播主要通過報刊媒體間接進入西方社會,而有過殖民地歷史的城市更多地以直接溝通的方式來積累知名度.該研究表示清楚:除了傳統(tǒng)的抽樣數據能夠用來對城市進行研究之外,大數據十分是書籍報刊大數據能夠為城市及文化傳播研究提供新的維度.十分是,通過從大數據中提取出傳統(tǒng)社會科學分析方式方法所能夠處理的關鍵性變量對大數據進行二次分析,得以充分發(fā)揮傳統(tǒng)定量分析方式方法的價值,到達對城市知名度構成渠道及其變化趨勢分析的目的.總體上,大數據有助于重新強化描繪敘述在定量分析中的地位,也催生了利用大數據提取小數據然后進行定量分析的主要途徑.盡管該研究沒有進行傳統(tǒng)社會學定量形式里的回歸分析,但大數據中涌現出的社會現象本身已經為我們展示了饒有興味的歷史畫卷,并提供了一個橫跨社會學、文化學和城市學三個學科的大數據研究的有效案例.〔三〕增加展示形式除了數據采集、分析、挖掘和因果推斷外,在研究實踐中我們還必須有效地展示數據結果.一直以來,數據展示存在著千人一面、閱讀者難以理解的痼疾,而以簡潔、清楚明晰的方式展示數據間的內在形式,使受眾對數據及其所代表的現象間的構造關系到達更深的理解,是大數據時代社會科學界的又一重大變革.大數據時代的數據展示主要以可視化的方式進行.數據可視化是借助圖形、圖像處理、計算機視覺以及用戶界面等多種手段,通過表示出、建模以及對立體、外表、屬性和動畫顯示等多種形式,從多角度把海量信息、概念視覺化,直接展示信息背后規(guī)律的方式.它能幫助受眾迅速了解研究者