【摘要】：大数据时代的到来在数据收集和分析的广度、深度以及规模上都产生了前所未有的影响。社会计算是一种数据密集型科学研究范式 ，近年来，随着大数据的影响不断深远，越来越引起学术界和工业界的高度关注。在大数据条件下，传统的以计算为中心的理念要逐渐转变到以数据为中心，形成数据思维。第一个转变是在大数据时代可以分析更多的数据，甚至是与之相关的所有数据，而不再依赖于采样。
科学实验、科学理论和科学计算是人类探索自然、研究社会的 3种 基本范式。大数据时代的到来在数据收集和分析的广度、深度以及规模上都产生了前所未有的影响。社会计算是一种数据密集型科学研究范式 （data-intensive science），近年来，随着大数据的影响不断深远，越来越引起学术界和工业界的高度关注。在大数据条件下，传统的以计算为中心的理念要逐渐转变到以数据为中心，形成数据思维。所谓数据思维，Schonberger指出就是在处理数据时要做到三大转变。
第一个转变是在大数据时代可以分析更多的数据，甚至是与之相关的所有数据，而不再依赖于采样。社会科学研究社会现象的总体特征，采样一直是主要数据获取手段，信息技术的普及让人们意识到这其实是一种人为限制。使用所有数据可以带来更全面的认识，可以更清楚地发现样本无法揭示的细节信息。正如Watts所期望的，借助于大数据和计算机分析技术，21世纪的社会科学可能实现定量化的研究，从而成为一门真正的科学。
第二个转变是不再追求精确度。与银行、电信等行业的精确计算需 求不同，社会计算是对社会动态的反映，当拥有海量即时数据时，绝对的精准不再是追求的主要目标，适当忽略微观层面上的精确度，会让社会科学在宏观层面拥有更好的洞察力。(www.xing528.com)
第三个转变是不再热衷于寻找事物间的因果关系，而应该寻找相互之间的相关关系。社会科学中的因果关系是概率性的，只能研究原因的 结果（effects of causes），而不是结果的原因（causes of effects），相关关系也许不能准确地说明一个社会现象发生的原因，但是它会揭示其发展过程。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
