首页  >  动态新闻  >  内容

James Evans教授做客清华大学科学社会学与政策学沙龙

2017年12月18日上午,清华大学科学社会学与政策学沙龙第113期在明斋241室举行。此次沙龙邀请了芝加哥大学社会学系教授James Evans,报告题目为“Computational STS”,由清华大学科技与社会研究所副教授洪伟主持。Evans教授是STS领域以及计算社会科学领域的重要学者,他在芝加哥大学创立了知识实验室(Knowledge Lab),利用机器学习、生成模型、社会和语义网络表征等方法来探索知识过程。他也是芝加哥大学计算社会科学研究生项目的发起人和主任。Evans教授在Science、PNAS、American Journal of Sociology、American Sociological Review、Social Studies of Science以及其他顶级期刊上发表了多篇论文。

在报告中,Evans教授从三个方面论述了社会网络对集体认知可能的限制。首先,他阐释了中心化的社会网络可能降低知识的可靠性。他的实验室团队通过对生物医学领域的研究发现,来自多个不同的独立研究的共识有利于增加研究结论的可靠性,而来自包含共同的核心作者、共同的方法、共同的引用文献的研究的共识反而会降低研究结论的可靠性。其次,Evans教授分析了大型的研究团队如何降低研究的创新性。他通过研究发现,虽然大型研究团队的研究成果在短期内产生的影响更大,但就长期而言,小型研究团队的研究成果往往更具颠覆性。第三,Evans教授介绍了群集(Flocking)现象对科学探索的限制。他认为,由于群集现象现象的存在,对某一现象的科学探索总是局限在知识空间中非常小的范围之内,极大地限制了集体认知的发展。对于这些限制,Evans教授认为可能的解决方案在于鼓励科学研究中的竞争以及坚持研究方法论的多元主义,以建立去中心化的研究网络。
另外,Evans教授介绍了近年来计算社会科学的兴起为STS研究所带来的重要机遇。他认为词嵌入(Word Embedding)方法作为计算社会科学中最重要的方法之一在STS研究中具有广阔的应用前景。例如,已有研究利用该方法对英文单词的性别、阶层等属性进行了度量。Evans教授还介绍了在计算社会科学中发展起来的、可能用于STS研究领域的其他方法,如高维网络分析(High-D Network Analysis)、连续网络分析(Continuous Network Analysis)、内容提取(Content Extraction)、用于缺失数据重构的张量学习(Tensor Learning)等等。在此基础上,Evans教授认为应将STS研究与复杂系统理论进行融合,因为计算社会科学的发展使对系统层面的现象进行表述成为可能。 

报告结束后,参与交流的老师、同学就自己感兴趣的观点和问题与Evans教授进行了充分的讨论。