原創(chuàng) D. Lazer等 集智俱樂部

導(dǎo)語

2009年2月6日，David Lazer、Alex Pentland為首的15位學(xué)者，標(biāo)志著這一交叉領(lǐng)域的誕生。時(shí)隔十年，2020年8月28日，David Lazer、Alex Pentland,、Duncan Watts領(lǐng)銜的15位學(xué)者在Science的政策論壇專欄發(fā)表文章，反思計(jì)算社會科學(xué)領(lǐng)域研究的發(fā)展現(xiàn)狀，包括：數(shù)據(jù)分享、研究倫理以及激勵機(jī)制，同時(shí)提出五條建議：加強(qiáng)協(xié)作、完善新型數(shù)據(jù)基礎(chǔ)設(shè)施、注重倫理和法律以及社會影響、重組大學(xué)組織結(jié)構(gòu)，解決實(shí)際問題。

D. Lazer等 | 作者

茍澤鵬 | 譯者

吳雨桐 | 審校

鄧一雪 | 編輯

論文題目：

Computational social science: Obstacles and opportunities

論文地址：

https://science.sciencemag.org/content/369/6507/1060

過去十年，計(jì)算社會科學(xué) (Computational Social Science，CSS) 蓬勃發(fā)展，研究人員利用觀察數(shù)據(jù)、實(shí)驗(yàn)設(shè)計(jì)和大規(guī)模仿真 (large-scale simulation) 發(fā)表了海量論文，這在之前是難以想象的。這些研究極大地提高了人們對社會不平等、傳染病傳播等重要社會現(xiàn)象的認(rèn)知。學(xué)院中支持計(jì)算社會科學(xué)的機(jī)構(gòu)也大幅增加，全球范圍內(nèi)跨學(xué)科、跨數(shù)據(jù)源的會議，研討會，與暑期學(xué)校數(shù)量激增。但在一些重要方面計(jì)算社會科學(xué)尚有一些不足，許多制度性結(jié)構(gòu)仍處于萌芽狀態(tài)，包括研究倫理、教學(xué)法以及數(shù)據(jù)基礎(chǔ)設(shè)施等方面。我們提出了解決這些不足的方法，特別針對增強(qiáng)大學(xué)組織與該領(lǐng)域的智力需求之間的協(xié)調(diào)性。

我們將計(jì)算社會科學(xué)定義為對復(fù)雜的、通常是大規(guī)模人類行為 (有時(shí)是仿真的) 數(shù)據(jù)計(jì)算方法的開發(fā)和應(yīng)用[1]。該領(lǐng)域的知識前身包括對空間數(shù)據(jù)、社交網(wǎng)絡(luò)、以及人類對文本與圖像編程的研究。傳統(tǒng)定量社會科學(xué)橫向研究案例、縱向研究變量，且通常假設(shè)觀察值之間具有獨(dú)立性，而計(jì)算社會科學(xué)關(guān)注的則涵蓋了語言、位置與運(yùn)動、網(wǎng)絡(luò)、圖像以及視頻多種內(nèi)容，并應(yīng)用統(tǒng)計(jì)模型來獲取數(shù)據(jù)中的多重依賴性。一個由社會科學(xué)家、計(jì)算機(jī)科學(xué)家、統(tǒng)計(jì)物理學(xué)家和其他領(lǐng)域的研究人員組成的松散的智力群體可以在計(jì)算社會科學(xué)這一領(lǐng)域聯(lián)合起來。

1. 高校的失調(diào)

一般來講，多數(shù)大學(xué)在跨學(xué)科工作方面的激勵機(jī)制和結(jié)構(gòu)都缺乏統(tǒng)一性。計(jì)算社會科學(xué)的學(xué)科訓(xùn)練大多是孤立的，將計(jì)算科學(xué)融入社會科學(xué)與將社會科學(xué)融入計(jì)算科學(xué)的進(jìn)展一直十分緩慢，例如：訓(xùn)練社會科學(xué)家學(xué)習(xí)如何編程，計(jì)算機(jī)科學(xué)家研究設(shè)計(jì)這些方向?？鐚W(xué)科合作往往得不到鼓勵，甚至遭遇重重阻礙。計(jì)算研究人員和社會科學(xué)家通常在大學(xué)不同位置的不同單位工作，幾乎沒有相關(guān)機(jī)制將他們連結(jié)在一起。分散的編制模式，不利于各單位之間的協(xié)作，常常導(dǎo)致低效的重復(fù)。

科研評估工作，如分配研究資金的英國“研究卓越框架” (Research Excellence Framework) ，通常也都側(cè)重于單一學(xué)科內(nèi)部，這就意味著多學(xué)科研究可能得不到認(rèn)可和獎勵。同樣地，大學(xué)晉升制度也并不重視多學(xué)科學(xué)者。大學(xué)里的計(jì)算研究基礎(chǔ)設(shè)施往往不能很好地支持大規(guī)模以及敏感數(shù)據(jù)集的分析，這些工作對數(shù)據(jù)安全性、大量研究人員訪問以及計(jì)算能力都有要求。這些問題在學(xué)術(shù)界已經(jīng)得到了一定程度上的解決（例如基因組數(shù)據(jù)的使用），但在計(jì)算社會科學(xué)領(lǐng)域中，相關(guān)解決辦法仍未付諸實(shí)踐。

2. 不適當(dāng)?shù)臄?shù)據(jù)共享范式

當(dāng)前計(jì)算社會科學(xué)中用于共享大規(guī)模敏感數(shù)據(jù)的模式是一個“混合包“，在與政府合作的基礎(chǔ)上相關(guān)研究取得了很好的成果，特別是在經(jīng)濟(jì)學(xué)領(lǐng)域下，分析不平等現(xiàn)象[2]以及勞動力市場的動態(tài)[3]。目前已經(jīng)出現(xiàn)了一些新興的、資源豐富的行政數(shù)據(jù)研究平臺，可以在保護(hù)隱私的前提下，分析微觀層面數(shù)據(jù)[4]。這些為計(jì)算社會科學(xué)與私營公司的潛在合作，提供了重要的經(jīng)驗(yàn)支持，包括制定一個既能保證敏感數(shù)據(jù)的安全、又能將其用于分析研究的方案。(例如，差異性隱私方面的創(chuàng)新）。

然而，私營企業(yè)的價(jià)值取向與政府不同，我們可以料想到，相關(guān)的研究進(jìn)展會更少。政府機(jī)構(gòu)手中的數(shù)據(jù)是為公眾托管的，而企業(yè)持有的數(shù)據(jù)通常被視為重要的專利資產(chǎn)。對政府機(jī)構(gòu)的利益相關(guān)者而言，共享數(shù)據(jù)所固有的公共責(zé)任可能被視為一種積極因素，但對私營企業(yè)的股東來說，情況就并非如此了。這樣一來，研究人員從私營企業(yè)獲得研究數(shù)據(jù)的可能性不大。即使能夠拿到數(shù)據(jù)，通常也是利用一個拼湊而成的系統(tǒng)，該系統(tǒng)中某些數(shù)據(jù)是通過公共應(yīng)用程序接口 (APIs) 獲取的；或者通過研究人員在與有關(guān)企業(yè)的合作過程中獲得，這種情況下往往需要在該企業(yè)工作；還有一些是通過個人關(guān)系與一次性安排獲得。一般而言這些數(shù)據(jù)受到保密協(xié)議的約束、且可能存在潛在的利益沖突。研究人員獲取數(shù)據(jù)的另一種選擇是，購買專門為市場研究收集的專利數(shù)據(jù) (如Comscore、Nielsen等) ，這種方法有時(shí)并不公開透明，且其定價(jià)之高也令人望而卻步。

雖然這種方法看起來很實(shí)用，但我們認(rèn)為它將不再是計(jì)算社會科學(xué)領(lǐng)域獲取數(shù)據(jù)的主流途徑。在研究領(lǐng)域的起步階段，這些數(shù)據(jù)看起來包羅萬象，實(shí)際可用的資源卻非常有限。而經(jīng)由這種方法獲取的數(shù)據(jù)的可得性和可及性，也是我們的擔(dān)憂。

首先，許多企業(yè)在持續(xù)減少可從其平臺抓取的數(shù)據(jù)[5]。這樣做有時(shí)是有充分理由的，例如：監(jiān)管法規(guī)（歐盟通用數(shù)據(jù)保護(hù)法規(guī) (GDPR)）、公司丑聞 (Cambridge Analytica and Facebook) 等，但這樣帶來的不利影響，就是阻塞了有潛在價(jià)值的研究途徑。私人與研究人員之間的合作是完全自愿的，這樣數(shù)據(jù)的可獲得性很容易受到私人的任意性和不可預(yù)測變化的影響，使得這種獲取數(shù)據(jù)的方法在本質(zhì)上并不可靠，還會導(dǎo)致科學(xué)研究存在潛在偏差。

其次，消費(fèi)品和平臺生成的數(shù)據(jù)，并不完全適用于科學(xué)研究[6]。在線平臺的用戶和服務(wù)未必能代表普通民眾，且他們的行為也可能存在未知的偏差。因?yàn)槠脚_從未被設(shè)計(jì)用來回答研究問題，所以可能沒有收集到與研究最相關(guān)的數(shù)據(jù)（例如對信息擴(kuò)散感興趣的研究人員會統(tǒng)計(jì)轉(zhuǎn)發(fā)的內(nèi)容），或者數(shù)據(jù)收集會被系統(tǒng)中其他因素所混淆（例如：關(guān)于用戶喜好的推斷會被公司排名和推薦算法所影響）。

平臺的設(shè)計(jì)、功能、數(shù)據(jù)記錄和數(shù)據(jù)訪問策略隨時(shí)可能變化，而平臺所有者沒有理由為了研究者的利益而保持工具的一致性。由此，基于此類“已發(fā)現(xiàn)”數(shù)據(jù)做出的研究難以避免地會受到數(shù)據(jù)內(nèi)部與外部有效性的干擾。特別是基于平臺的數(shù)據(jù)，可能會隨著平臺的變化而迅速貶值[7]。而且，出于隱私和知識產(chǎn)權(quán)方面的考量，研究團(tuán)體往往無法獲得原始數(shù)據(jù)，或者在未來可能無法獲得，這就妨礙了研究結(jié)果的可重復(fù)性與復(fù)制性。

3. 不足的研究規(guī)范

最后，我們目前仍未能制定出相關(guān)科研方面的“行規(guī)”。

盡管之前就曾呼吁制定此類指導(dǎo)，且研究中已出現(xiàn)重大失誤，破壞了公眾的信任，但計(jì)算社會科學(xué)領(lǐng)域始終未能充分闡明收集和分析人的數(shù)字?jǐn)?shù)據(jù)的明確原則和機(jī)制，以及如何最大限度地減少對人傷害的可能性。極少有大學(xué)提供技術(shù)、法律法規(guī)或道德方面的指導(dǎo)來適當(dāng)控制和管理敏感數(shù)據(jù)，機(jī)構(gòu)審查委員會仍沒有普遍適應(yīng)和一致應(yīng)對由數(shù)字追蹤數(shù)據(jù)的帶來的獨(dú)特倫理挑戰(zhàn)。最近美國修改的關(guān)于研究對象為“人”的課題 (human subjects research) 倫理的共同規(guī)則 (Common Rule)，也并沒有完全解決這些問題。

例如，網(wǎng)絡(luò)世界里，我們分享個人信息的同時(shí)，其實(shí)也提供了與自己有相關(guān)聯(lián)系的人的信息，我們該如何處理這一問題呢？圍繞 “同意”的挑戰(zhàn)，凸顯了管理敏感數(shù)據(jù)安全，與重塑機(jī)構(gòu)審查程序和道德規(guī)范的重要性。然而，很少有大學(xué)會整合基礎(chǔ)設(shè)施和監(jiān)督程序，來最大限度地降低安全漏洞的風(fēng)險(xiǎn)。

劍橋分析公司以及其他類似的事件，引發(fā)了一場圍繞數(shù)據(jù)主權(quán)的激烈討論。隱私權(quán)倡導(dǎo)者和企業(yè)之間的戰(zhàn)線已經(jīng)拉開，前者試圖盡量減少對所有個人數(shù)據(jù)的收集和分析，而后者則想要以向消費(fèi)者提供價(jià)值為基礎(chǔ)，來證明其數(shù)據(jù)收集策略的合理性。

在公開討論中，往往缺少對相關(guān)政策的呼吁，這些政策鼓勵或授權(quán)對私人數(shù)據(jù)以符合倫理道德的方式來使用，以維護(hù)包括隱私、自主、安全、人類尊嚴(yán)、正義與權(quán)力制衡在內(nèi)的公共價(jià)值，進(jìn)而實(shí)現(xiàn)重要的公共目標(biāo)，如預(yù)測疾病傳播、關(guān)注社會公平與機(jī)會以及經(jīng)濟(jì)崩潰等。此外，對學(xué)術(shù)界基礎(chǔ)設(shè)施的投資也是缺位的。這些投資可以推動知識生產(chǎn)并維護(hù)個人隱私。

4. 建 議

對于上述問題，我們提出了五個方面的建議。

加強(qiáng)協(xié)作

盡管存在上述局限性，由私人企業(yè)收集的數(shù)據(jù)仍非常重要且價(jià)格不菲，無法通過任何其他方式獲取，且這些數(shù)據(jù)過于普遍，難以為公眾所用，也難以用于公共資助的研究[8]。與其回避與產(chǎn)業(yè)界的合作，研究社群應(yīng)該圍繞研究倫理、透明度、研究者自主權(quán)、與研究結(jié)果可復(fù)制性，制定可執(zhí)行的行業(yè)指導(dǎo)方針。我們預(yù)計(jì)，未來幾年將出現(xiàn)許多對利益相關(guān)方具有激勵作用的方法。最廣泛持久的模型是開放的、匯總的數(shù)據(jù)，如人口普查數(shù)據(jù)。這種模型是為共享政府?dāng)?shù)據(jù)而開發(fā)的，強(qiáng)調(diào)安全和隱私，也為與企業(yè)數(shù)據(jù)合作提供了前景。聯(lián)合國可持續(xù)發(fā)展目標(biāo) (United Nations Sustainable Development Goals) 呼吁在公共-私人數(shù)據(jù)源方面建立伙伴關(guān)系，以在全世界范圍內(nèi)提供各種新穎多樣的逐個鄰域措施[9]。世界各個地方的國家統(tǒng)計(jì)局，都在默默地為達(dá)成這種關(guān)系作出努力，但由于資金缺乏，進(jìn)展較為緩慢。安全的行政數(shù)據(jù)中心的發(fā)展，再加上授予訪問權(quán)、監(jiān)測產(chǎn)出和強(qiáng)制要求遵守隱私和道德規(guī)則的行政基礎(chǔ)設(shè)施，都為計(jì)算社會科學(xué)向前發(fā)展提供了一種模式。如上所述，這一模式已經(jīng)在政府行政數(shù)據(jù)領(lǐng)域得到證明。在少數(shù)情況下，電信公司和銀行也已經(jīng)證明。

類似的模式在學(xué)術(shù)研究中很少見，但正變得越來越普遍。荷蘭的社會科學(xué)和經(jīng)濟(jì)創(chuàng)新開放數(shù)據(jù)基礎(chǔ)設(shè)施就是一個例子。Facebook已通過多種模式與學(xué)術(shù)界進(jìn)行合作。在最初的幾年中，它著重于一次性合作，主要是通過非正式協(xié)商。2016年大選后，F(xiàn)acebook啟動了Social Science One來提供可訪問的新聞消費(fèi)的匯總數(shù)據(jù)。盡管資源充足，但在數(shù)據(jù)提供方面仍面臨著挑戰(zhàn)[10]。

2019年新型冠狀病毒 (COVID-19) 在建立研究人員和企業(yè)之間的伙伴關(guān)系方面發(fā)揮了特殊作用，這有助于我們了解疾病的發(fā)展軌跡。(包括美國在內(nèi)的許多國家，COVID-19也說明了關(guān)于該疾病的許多公共數(shù)據(jù)存在斷裂性和政治偶然性。) Twitter已為獲得批準(zhǔn)的研究人員提供了有關(guān)COVID-19的API接口，Cuebiq等位置數(shù)據(jù)公司，也提供了對匿名移動數(shù)據(jù)的訪問權(quán)限。在COVID-19被載入史冊之后，有一些問題仍懸而未決，例如：這些數(shù)據(jù)收集工作將在何種程度上繼續(xù)進(jìn)行，以及如果繼續(xù)如何使它們與學(xué)術(shù)界的關(guān)鍵研究規(guī)范（如：透明度、可再生產(chǎn)性、復(fù)制性和同意性）保持一致等。

與Facebook相關(guān)的大選實(shí)例凸顯了研究人員與企業(yè)之間潛在的對抗性作用。當(dāng)代計(jì)算社會科學(xué)領(lǐng)域的一個核心問題 (如下所述) 是特定的社會技術(shù)系統(tǒng)，以何種方式，在社會中發(fā)揮積極和消極的作用。如果企業(yè)認(rèn)為透明地研究和預(yù)測這些問題符合自己的長遠(yuǎn)利益，那么研究人員與企業(yè)之間緊張的對抗關(guān)系可能會得到部分（但不完全）地緩解。然而，即使在最樂觀的情況下，研究產(chǎn)生的見解中的公眾利益與企業(yè)利益之間也將存在分歧。

從更廣泛的角度而言，學(xué)術(shù)界需要為專業(yè)實(shí)踐提供精心制定的指導(dǎo)方針。企業(yè)對研究過程能有什么控制權(quán)？顯然，企業(yè)對論文內(nèi)容擁有否決權(quán)顯然是不可接受的，但任何數(shù)據(jù)共享協(xié)議的現(xiàn)實(shí)是，研究人員與企業(yè)之間有協(xié)商的調(diào)查領(lǐng)域。還有很多問題，諸如被提供用于復(fù)制的數(shù)據(jù)有哪些要求、研究人員對訪問公司內(nèi)部數(shù)據(jù)管理和策劃流程的需求是什么等等。

完善新型數(shù)據(jù)基礎(chǔ)設(shè)施

為了支持對社會具有重要挑戰(zhàn)的科學(xué)研究，保護(hù)隱私的共享數(shù)據(jù)基礎(chǔ)設(shè)施，可以 在不同人群中，收集具有科學(xué)動機(jī)的數(shù)字蹤跡，也可以讓大量個體參與到大型虛擬實(shí)驗(yàn)室的設(shè)計(jì)實(shí)驗(yàn)中。共享數(shù)據(jù)基礎(chǔ)設(shè)施建設(shè)可以貢獻(xiàn)他們的數(shù)據(jù)與時(shí)間來支持公共利益，也可以明確的補(bǔ)償或獎勵來驅(qū)動。新型數(shù)據(jù)基礎(chǔ)設(shè)施應(yīng)使用最先進(jìn)的安全技術(shù)，并需根據(jù)數(shù)據(jù)的敏感度制定不同等級的安全措施清單。這些努力需要在大學(xué)內(nèi)與跨大學(xué)兩個層次進(jìn)行?；A(chǔ)設(shè)施應(yīng)獲取并記錄描述數(shù)據(jù)收集過程的元數(shù)據(jù)，并結(jié)合合理的原則進(jìn)行數(shù)據(jù)收集和使用。萊布尼茨社會科學(xué)研究所的安全數(shù)據(jù)中心，就是一個用于敏感數(shù)據(jù)研究的共享基礎(chǔ)設(shè)施的例子。此外，抓取主要平臺上的算法驅(qū)動行為，是很重要的[11, 12]。其一是因?yàn)樗惴ㄐ袨橛l(fā)重要，其二因?yàn)樵诨谄脚_的數(shù)據(jù)收集中，算法的變化會產(chǎn)生巨大的偽像。還有一點(diǎn)至關(guān)重要的，即法律框架應(yīng)允許并授權(quán)以合乎道德的方式來獲取和收集有關(guān)個人數(shù)據(jù)，并對平臺進(jìn)行嚴(yán)格審查。

注重倫理、法律與社會影響

我們需要制定與21世紀(jì)新出現(xiàn)的科學(xué)機(jī)遇與風(fēng)險(xiǎn)相適應(yīng)的倫理框架。社會科學(xué)可以幫助我們理解社會的結(jié)構(gòu)性不平等，計(jì)算社會科學(xué)則需要打開數(shù)據(jù)驅(qū)動算法的 “黑匣子”。這些算法做出過很多影響重大的決策，但也會帶有偏見。人類基因組計(jì)劃投入超過3億美元，作為其“倫理、法律和社會影響”計(jì)劃的一部分，“以確保社會學(xué)會只以有益的方式使用信息”。在倫理研究方面，尚未有現(xiàn)成的解決方案。專業(yè)協(xié)會需要致力于制定新的道德準(zhǔn)則——互聯(lián)網(wǎng)研究人員協(xié)會制定的準(zhǔn)則，就是努力解決這一問題的一個例子。同時(shí)還需要公共出資和私人基金會的大量投資，來開發(fā)針對研究人員的知情監(jiān)管框架和倫理道德指導(dǎo)，這些也將指導(dǎo)政府和組織在這一領(lǐng)域的實(shí)踐。

重組大學(xué)組織結(jié)構(gòu)

從天文學(xué)到人類學(xué)，計(jì)算科學(xué)與越來越多的領(lǐng)域緊密相連。為了反映上述學(xué)科特征，需要在典型的“孤島式“大學(xué)中進(jìn)行機(jī)制創(chuàng)新，建立連接不同領(lǐng)域研究人員的組織結(jié)構(gòu)，獎勵跨學(xué)科的專業(yè)合作。機(jī)構(gòu)創(chuàng)新的成功范例包括任命具有多部門隸屬關(guān)系的教職員工（例如：橫跨計(jì)算機(jī)科學(xué)與社會科學(xué)）、配置由不同領(lǐng)域的教員組成的研究中心以及分配內(nèi)部資金來支持多學(xué)科合作。為了培育新一代科學(xué)家，還需重新構(gòu)思與協(xié)調(diào)本科生與研究生的課程發(fā)展。在大學(xué)內(nèi)部必須要有廣泛的努力來授權(quán)和執(zhí)行倫理研究實(shí)踐，如：集中協(xié)調(diào)的、安全的數(shù)據(jù)基礎(chǔ)設(shè)置。

解決實(shí)際問題

上述建議需要從公共與私人來源獲得資源，按照目前的社會科學(xué)資助標(biāo)準(zhǔn)，這些資源都是非同尋常的。為了證明如此巨大的投資是合理的，計(jì)算社會科學(xué)家必須證明其研究結(jié)果，將不僅僅是發(fā)表讓其他研究人員感興趣的期刊文章，而是要闡明學(xué)術(shù)、產(chǎn)業(yè)和政府的合作以及與專門的科學(xué)基礎(chǔ)設(shè)施如何結(jié)合起來，以及研究將如何解決重要的社會問題，如：保護(hù)個人人身安全、提高國家安全、促進(jìn)經(jīng)濟(jì)繁榮、培養(yǎng)社會包容性、多樣性、公平性和獲取性、增強(qiáng)民主等等。目前在全球應(yīng)對大型流行疾病的過程中，計(jì)算社會科學(xué)呈現(xiàn)出自身廣闊的發(fā)展?jié)摿?。除了在學(xué)術(shù)界之外產(chǎn)生有意義的成果外，追求這一目標(biāo)還可能帶來更多可復(fù)制、累積且連貫的科學(xué)[15]。

參考文獻(xiàn)

[1] D. Lazer et al., Science 323, 721 (2009).

[2] R.Chetty,N.Hendren,P.Kline,E.Saez,Q.J.Econ.129, 1553 (2014).

[3] J. J. Abowd, J. Haltiwanger, J. Lane, Am. Econ. Rev. 94, 224 (2004).

[4] A.Reamer,J.Lane,ARoadmaptoaNationwideData Infrastructure for Evidence-Based Policymaking (2018); https://journals.sagepub.com/doi/ abs/10.1177/0002716217740116.

[5] D.Freelon,Polit.Commun.35,665(2018).

[6] M.J.Salganik,BitbyBit:SocialResearchintheDigital Age (Princeton Univ. Press, 2017).

[7] K.Munger,Soc.MediaSoc5,205630511985929(2019).

[8] Social Science Research Council, To Secure Knowledge: Social Science Partnerships for the Common Good (2018); www.ssrc.org/to-secure-knowledge/.

[9] IEAG,UN,“AWorldthatCounts—MobilisingtheData Revolution for Sustainable Development.” Independent Expert Advisory Group on a Data Revolution for Sustainable Development (2014).

[10] G.King,N.Persily,“ANewModelforIndustry-Academic Partnerships” (Working Paper, 2018); http://j.mp/2q1IQpH.

[11] A.Hanna?ketal.,inProceedingsofthe22nd International Conference on World Wide Web (ACM Press, New York, 2013), pp. 527–538.

[12] I.Rahwanetal.,Nature568,477(2019).

[13] Z.Obermeyer,B.Powers,C.Vogeli,S.Mullainathan, Science 366, 447 (2019).

[14] J. E. McEwen et al., Annu. Rev. Genomics Hum. Genet. 15, 481 (2014).

[15] D.J.Watts,Nat.Hum.Behav.1,0015(2017).

（參考文獻(xiàn)可上下滑動查看）

相關(guān)資料：

https://swarma.org/?p=12618

原標(biāo)題：《Science綜述：計(jì)算社會科學(xué)十年，反思與展望》

閱讀原文