数字建筑与增强打印技术解决社会计算挑战

（1）学科壁垒的挑战

“小世界”、“结构洞”等一系列影响深远的研究成果被发现之后，社会网络分析工作引起许多研究人员的关注，不仅社会学家跟踪研究，大量物理学、计算机等学科研究人员也开始关注社会网络分析。近年来，用数学模型和各种算法对在线社会网络进行分析，发表了海量的论文，但这些研究工作大多是不断重复许多 期社会网络研究成果，用非常简单的数据模型解释非常复杂的社会现象，虽然取得了一些惊人的 结果，例 如 “四度分隔 ”等，但都无法超越社会学家早期在社会网络分析方面的成果。正如Watts指出的：“物理学家可能是非凡的 技术专家，但他们只能是二流的社会学家。”社会学所研究的人类动态社会网络是具有社交性的网络，社会网络基于社会结构，社会结构包含社会地位和社会关系两方面，社会关系是制约社会结构的重要因素之一。社会网络具有个体性、非正式性、持续性等特点，个体性是指具有私人层次上的交往和交流。以社会媒体在线用户群为主要研究对象的社会网络分析中，研究者将社会关系简化处理，忽略社会地位的影响 ，将用户作为节点，用户间简单的“关注”关系作为边构成网络，以节点间边的紧密程度划分“社区”，这种研究方法忽略了社会网络的本质，节点与节点之间无法体现出社会关系中的个体性特征，因此很难在社会性上有跨越性的研究突破。社会科学与自然科学本质区别在于思维方式的不同，社会科学是总体逻辑思维，自然科学是类型逻辑思维。类型逻辑思维认为应该重点关注典型现象，只要理解了典型现象的规律，就可以将其概括并推广到个体和具体问题。总体逻辑思维关注独立各异个案的整体分布，社会科学认为变异是社会现实的本质，社会学家的工作就是从变异中寻求规律，以经验为基础、以量化为导向地去概括总体变异的 系统模式，社会科学的量化无法挖掘出普适规律来描述和解释所有个体行为。正是因为思维方式的不同，社会科学与自然科学之间的壁垒仍然 难以逾越，社会学家批评技术学派所作的社会计算研究缺乏理论指导，技术学派认为社会科学研究所用数据规模太小不可信任。为社会计算提出跨学科协作与训练、提出学科间统一的理论指导是当前最大的挑战。

（2）大数据带来的挑战

长期以来社会科学的定量研究都是通过问卷调查的方式收集数据，这种方式收集的数据量小且真实性难以确定，这些数据往往是在一个时间点或相隔很久的不同时间点获得，对连续的、动态的社会过程只能推断。大数据时代的到来，基于互联网的各种应用正以前所未有的方式生成和保留各种值得研究的大规模数据，这些具有空前宽度、深度和规模的数据对社会科学研究人员来说是宝藏和机遇，同时也是挑战。一方面，绝大多数通信领域和社会媒体领域的企业都拒绝或限制研究人员获 取其数据，跨组织的数据共享对于科学研究至关重要，但是社会计算研究正受到数据获取的限制所带来的严重挑战。另一方面，由于社会各系统相对独 ，数据之间存在封闭性或关系的断裂性特点，大数据可能带来规律的丧失或失真，导致错误发现的风险增加。当前计算的速度越来越快，但分析的程度却越来越低，每个研究平台都有自己的数据，这些数据在表面上看起来很全面，但实际上都是各个领域信息的片段描述，而且数据背后看不见人性因素，失去社会意义。在这种社会背景下，看似人类拥有所有数据，但同时又什么数据都缺，大数据挖掘必须发挥人的主动性，体现人类对自身价值的终极关怀。要从大数据中采集到足够准确、系统而有代表性的社会个体特征，面临着伦理、法规和技术等多个方面的困难，这些难题已经构成大数据时代社会计算的严重挑战。(www.xing528.com)

（3）隐私保护

有项调查，通过手机轨迹数据分析了15个月150万人的移动规 律，发现每个人的移动踪迹高度独立，在这个数据集中每个人的位置在每小时是特定的，4个时空点就足以唯一识别95% 的个人。收集和发布移动数据、社会媒体数据、个人医疗数据等直接给个人隐私带来威胁，如果数据拥有者直接发布隐含着敏感信息的数据，而不采取适当数据保护技术，将可能造成个人敏感信息的泄露。在多样化的社会中隐私是基本的需要，是个人权利的基础，互联网和移动通信放大了个体的唯一识别性，进一步增强了传统的隐私挑战。如何既能公开发布更多的数据，为社会计算提供更大的数据支持，同时又能保证个人的隐私不会泄露，作到数据开放与隐私保护的两者平衡，这是学术界需要关注的问题。

计算机科学既依赖于自然科学的发现又依赖于人的创造，既独立于人的意志之外又受人的意志驱动。正是由于学科的特殊性，将社会科学与计算机科学结合起来进行研究，越来越成为人们的共识。社会计算为人类发现自身价值提供了更多的机会，计算语言学、计算人类学、计算广告学、城市计算等跨学科研究领域不断产生，但总体来说，社会计算的研究还处于起步阶段。