数字建筑与增强打印技术在社会计算领域的主要研究

社会计算不仅是一种技术而且是一种社会现象，社会实践所处的环境决定了技术系统的社会特点。社会计算形成了两种发展趋势：一种是面向社会科学的社会计算；另一种是面向技术应用的社会计算，这两种发展趋势同时又相互影响。

（1）面向社会科学的社会计算

①社会网络分析

社会科学的网络概念非常广泛 ，主张采用多理论多层次方法研究传播以及其他形式的组织和社会网络。有关专家研究了包括人在内 4个不 同动 物种群的42个网 络以及多种关系内涵 、多种社群规模，尝试研究这些网络“表面存在差异，结构是否相似”这一问题。社会网络分析的目标是研究大型动态复杂网络，特别是人类社会系统的结构和交互模式等。社会网络分析研究的主题包括社会流动、健康行为、疾病扩散的关键节点、连锁董事、在线社区分析等。

社会网络分析所采用的研究与分析方法主要是基于代理的模型、理 论物理、图论等。在Milgram，Watts等人开创的小世界（smallworld）现象研究基础上，Barabási等人在无标度网络（scale-free networks）特性上有多个发现，他们发现复杂网络中的联结符合幂律分布（power-law distribution），有些节点联结稠密，而大多节点联结很稀疏，这些发现说明复杂网络尽管结构复杂但并不是随机的，符合一定的宇宙主宰原则，在混沌中存在着秩序。社会网络分析领域经典的研究成果还有强弱关系（strong and weakties）、结构洞（structural holes）、信息级联（information cascades）等。

②计算社会科学

社会学中早就有一个计算社会学（computational sociology）分支。计算社会学不仅与传统的系统科学、控制论和复杂性科学交叉，并且跨越社会科学多个领域，如经济学、生态学、社会网络组织、人口学中的小群体动力学、环境以及城市规划等。计算社会学的主要研究领域是社会模拟（social simulation），使用计算机建立人工实验环境，研究复杂社会系统，模拟方法包括基于方程的模型（eauation based modeling）和计算模型（computational modeling）。主要计算方式是在个体代理或多代理系统观点下进行社会模拟。计算社会学从20世纪50年代出现，早期使用离散事件模型等方法，此后40年时间一直试图使用计算机科学方法进行社会研究，但有专家指出：“从社会学家使用计算机起，计算机模拟在社会学中扮演了一个重要的，但是第二位的角色。模拟方法得出的结果显得苍白，远离主流社会学的方法，因此这种方法总是不被社会学家们所欣赏。”

最近10年之内，随着互联网的兴起和在线实时数据的公开易得，来自政治学、经济学、语言学、传播学、人类学等社会和人文学科的研究者联手计算机、物理、数学、控制等科学技术界专家，兴起了规模更大、参与更广的计算社会科学（computational social science）。计算社会科学的核心技术是数据挖掘，使用机器智能从大量复杂真实数据集中发现有趣模式和知识，在数据的驱动之下 ，使用统计学、机器学习、模式识别、数学模型等方法，进行探 索式的知识发现和数据管理，数据源包括数据库 、Web等以及动态地流入系统的数据。数据挖掘对于社会学家分析复杂社会系统产生的大量数据有很多好处，可以分析数据质量，可以聚焦于社会过程和关系，可以处理非线性、有噪音、概念模糊的数据等。与依赖计算机模拟的计算社会学相比，现在流行的计算社会科学依赖海量和实时的网络数据，由社会和人文科学各学科广泛参与，并与科学计算界紧密合作，所以研究成果及影响力均不可同日而语，一个例证就是《Science》、《Natrue》、《美国科学院年报》（PNAS）等世界顶级期刊经常刊登计算社会科学的最新研究成果。

（2）面向技术应用的社会计算(www.xing528.com)

面向技术应用的社会计算将社会科学中的一些概念或理论融入技术应用 ，例如社区、社会网络、社会心理学等，从而推动应用的快速健康发展。技术应用也有助于社会交互，获取的数据可以更好地分析社会交互的计算模型，包括从小规模的动态交互到大规模的社会演变。面向技术应用的社会计算经历了群件（group ware）、社交软件（social software）、社会媒体（social media）等几个阶段。群件在20世纪 70年代提出，主要在学术机构等有限的范围内使用。群件是指一套协作技术，其目标是支持协同交互，例如eies系统（electronic information exchange system），在这方面的研究产生了2个主要的应用成果：一个是计算机支持的协同工作（computer supported cooperative work）；另一个是计算机支持的协同学习（computer supported cooperative learning）。

20世纪90年代末，随着互联网泡沫的破灭，为了应对信息技术市场面临的困境，以Web作为基础的社交软件成为主要的解决方案。互联网泡沫为社交软件的产生提供了前提，但互联网在家庭中的普及也同样重要。2000年之后，面向商业的公共应用，支持群体交互的在线社交软件迅速发展，并于2002年达到顶峰。2005年，随着 Web的蓬勃发展，社会媒体开始涌现。社交软件向社会媒体的演变，主要是由面向技术的交互模式转变为面向人的交互模式，强调交互的动态性和社会实践的影响，这些应用通过用户自发的交互，对内容和服务进行生产、发布、消费，例如博客、播客、维基百科、社会网络站点等。近几年来，随着智能手机等设备的普及，移动社会媒体发展迅速。面向技术应用的社会计算可以分为3个维度：社交应用（social use）、娱乐应用（hedonic use）和生产应用（generative use），这3个维度并没有严格的界限，也是交叉影响。

①社交应用

社交应用主要通过博客、微博、论坛等社会媒体维持社交关系，这 方面的研究主要包括在线社会网络分析、社会媒体挖掘和社区发现等。社会网络分析已有大量研究工作，分析社会网络的影响力，发现参与的机会，共享用户对特定的话题、品牌、产品的看法。社会媒体挖掘和社区发现探测网络环境中的社区结构，发现内聚的子群，对于定量分析社会群体演化、预测用户行为有重要意义。社会媒体对个人或企业的声誉、信任等方面的管理也有重大意义。

（2）娱乐应用

娱乐应用主要通过共享媒体、社会新闻、社会书签、维基百科、在线游戏等平台，方便人们共享知识、享受便利。这方面的工作有协同标 记（collaborative tagging），通过用户对Web内容打标签，促进社交导航和共享表达；协同过滤（collaborative filtering），通过大量的社会媒体数据，在推荐系统中利用用户偏好来预测其喜好的话题或产品。情感计算（affective computing）将心理学、认知科学融入科学计算，通过社会媒体累积的海量数据，分析人在特定时间段情绪随时间的变化趋势；环境感知计算（contant aware computing）在移动计算应用中用不同的设备和服务来发现环境信息并从中获益，例如用户位置、用户行为、附近的人等。

（3）生产应用

生产应用主要指创建和共享协作内容，为生产生活提供便利，例如计算机支持的协同工作、智能交通、危机应急响应、商业应用、健康管理等。已有大量研究成果和应用，例如，众包（crowd source）通过大量的参与人协作解决难题，形成了人肉搜索等社会现象；IBM的智能交通项目从用户的智能手机等不同的传感设备上收集路面、收费站、交叉路口、桥梁等基于位置的数据，判断道路运行模式，基于这些数据分析，为用户提供交通信息，预警拥堵状况，避免交通事故；将社会心理学中的社会惰化（social loafing）理论应 用到计算机支持的协同工作的设计之中，利用行为理论解释人们在网络环境中为什么做事不按经验性 规则或程式化模式，预测不同设计方案的结果；通过装配有GPS和传感器的智能设备，有效及时地分享环境感知的信息，为人类在面对灾难时作出正确的判断和提供决策支持等。