2018互联网与大数据对社会治理研究与实践的影响
【摘要】 大数据正在改变政府管理、工商运营、公共服务以及人们的生活方式等诸多方面，促使社会发生变革。在社会治理方面，大数据时代带给我们创新的条件和发展的机遇，当然，还有严峻的挑战。文章从社会研究方法、社会治理思维、社会生态改变、社会治理模式等方面探讨互联网与大数据对社会治理的影响。【关键词】大数据 互联网 社会研究方法 社会治理模式
互联网革命引发的社会研究方法革命和社会治理思维变革
社会解释与社会治理实践是社会治理的两个密不可分的重要方面。正确的社会解释是有效社会治理的必要条件和理论基础，而社会治理则是社会解释所产生的现实成果。社会解释的任务需要通过社会研究来完成，它的使命是发现和认识社会运行的本质与规律，并在此基础上总结以往社会治理的经验与教训，为当下的社会治理提供有效的理论指导与最佳的方法及路径选择。
然而，我们不得不承认，与对自然界和物质世界的研究相比，我们人类对自身行为与社会运行规律的研究，总体上说还处于比较低的水平。这是因为，人类社会是一个复杂的巨型系统，它比世界上任何其他系统都更加复杂和迷离，其规律也难以完全为社会所知晓和掌握。
同时，社会科学研究方法带有明显的时代特征，它受到一定社会主导性思维方式和科学技术水平的影响。从前工业社会、工业社会、后工业社会，再到当代的所谓信息社会或大数据社会，社会科学研究方法在不断更新和发展，研究范式不断更新，研究技术手段不断进步。但是，我们不难发现，大数据时代与以往最大区别在于，人类社会被计算机和互联网纳入到了一个具有无限空间和行为可能性的体系之中，任何人离开这个体系都将无法生存。处于这个体系中的人与组织，最重要的生存和发展技能是信息处理能力。对此，人类社会已经形成了高度一致的共识，这就是社会的信息处理范式(information processing paradigm of society)。在已经形成信息处理社会范式的大数据时代，社会科学研究最有效、最符合时代要求的范式只能是社会科学的计算范式(computational paradigm of social science)。于是，计算社会科学(computional socail science)与计算社会学(computional sociology)应运而生。
2014年8月，美国社会学界举办了新计算社会学研讨会(New computational sociology conference)，与会者来自哈佛、MIT、斯坦福等名校。这次学术会议的一个显著特点是跨学科的学术研讨，既有社会学、经济学、政治学、心理学等社会科学的专家，也有来自计算机科学、生命科学、信息科学等学科的学者，谷歌(Google)和脸书(Facebook)的技术专家也参加了这次会议。
新计算社会学在社会学研究的各个方面、各个环节进行了全面创新，除了大数据的获取与分析之外，还在质性研究与定量研究的融合、互联网社会实验、计算机社会模拟、新型社会计算工具的研发等方面展开探索。
新计算社会学试图创造性地运用互联网和大数据所提供的新方法、新技术、新工具，克服既有社会学研究的局限，以达到对人类行为与社会运行规律的真实认知与科学解释。
大数据带来的不仅仅是研究方法的革命，更是对社会治理思维的冲击，就如我们不能把数学仅仅看成一个计算工具，而应认识到它是一种思维方式―通过把握事物的量的关系来认识事物的本质和联系;同样，我们不能仅仅把互联网和大数据看作是一个新工具，仅仅是对传统研究方法和测量方法的突破，而更应该意识到它将带给我们的是一种新的思维方法。
让数据成为知识
尽管互联网与大数据的作用如此之大，但使其真正发挥效力却绝非易事。大数据真正落地必须具备三个条件，一是数据准备;二是硬实力，即计算能力强大的服务器集群;三是软实力，即先进、高效的大数据处理技术。
互联网、移动互联网、物联网已经生成了海量数据，并且还在加速增长之中，数据准备已经不是问题。我国政府正积极推动云计算平台的建设，许多企业正在就此展开战略布局，云计算技术可以充分调动互联网上的计算机资源，使普通用户能够以相对低廉的价格获得强大的计算能力，对于用户来说，分析、处理大数据的计算机资源已经初步具备，并且将越来越强大和完善，就目前情况而言，硬件资源的能力也已经不是问题。
大数据运用的短板是软实力，我们首先遇到的难题是数据的挖掘(Data mining)。互联网上生成的大数据是自然数据，它不会按照研究者的意愿而有序、有条理、有逻辑地排列。它是海量的、模糊的、随机的、有噪声的。要运用大数据，必须先使数据成为知识，否则这些数据就与一堆垃圾无异;对海量数据的处理自然不是人能够完成的，必须借助计算机高速、强大的运算能力，也就是借助于计算机数据挖掘。
数据挖掘是通过分析，从海量数据中寻找其规律，设计适合的计算机算法，从而自动搜索隐藏于其中的有价值的、潜在有用的信息和知识的过程，是数据库知识发现(Knowledge-Discovery in Databases)中的一个步骤。在大数据时代，数据挖掘是最关键的工作。
由于问题不同，所需数据也就不同，而不同的数据有不同的种类和结构，必须根据具体的情况来设计计算机算法。例如：互联网舆情挖掘，以微博、博客、论坛等为挖掘对象，主要是通过文本分析、自然语言理解等技术来搜集、分析数据;而在电子商务中，则以电商交易平台中的浏览、交易等行为踪迹为主要挖掘对象。前者是对某一政策的社会反应进行调查，后者是对人们的购物行为进行分析。
当前数据挖掘应用主要集中在电信、零售、银行、电力、医药等方面，虽然看似广泛，但实际上还远远没有普及。在社会研究和治理方面，需要挖掘的大多数都是非结构性数据，其难度很大，以美国为代表的西方国家一直在大力开发这类挖掘工具，我国的这项工作起步不久，亟待深入和提高。
政府机构、一般企业、社会团体和个人用户大多不具备从大数据中发现知识的专业技能，要使大数据真正服务于社会，这是必须解决的难题。我们对此必须高度重视，否则很可能会出现这样一种情况―各种数据已经可以有偿或无偿地获取，大大小小的云计算平台已经星罗棋布，但是用户却不知道如何利用这些条件获取自己想要的东西。目前的情况是：数据量在高速增长之中，云计算平台正在紧锣密鼓地建设，而另外一个条件的准备却行动缓慢，即将成为发展的瓶颈。三者的发展已经不平衡，很可能造成资源的闲置和浪费。
页:
[1]