隨著大數(shù)據(jù)和機(jī)器學(xué)習(xí)算法的普及，社會(huì)科學(xué)的量化研究也逐漸試圖采用以人工智能和數(shù)據(jù)挖掘?yàn)榛A(chǔ)的新興研究手段，來處理過去無法處理或者忽視了的研究議題。與傳統(tǒng)以“詮釋”為導(dǎo)向的統(tǒng)計(jì)分析相比，基于人工智能與機(jī)器學(xué)習(xí)算法的量化分析手段更加注重模型的預(yù)測(cè)能力。在此背景下，如何處理好人工智能技術(shù)與社會(huì)科學(xué)研究的關(guān)系就顯得尤為重要。

解決這一帶有方法論性質(zhì)問題的途徑有三條：

其一，基于現(xiàn)有的量化研究方法論文獻(xiàn)，對(duì)“傳統(tǒng)”的基于統(tǒng)計(jì)模型的量化研究范式與正在興起的基于演算的量化研究范式進(jìn)行對(duì)比，厘清“詮釋”與“預(yù)測(cè)”所代表的不同研究范式。

其二，從計(jì)算科學(xué)的角度，對(duì)人工智能技術(shù)上的局限性進(jìn)行討論。不僅要指出人工智能的模式化分析方法在處理非模式化問題上的困境，而且要指出，基于人工智能算法的分析技術(shù)缺乏抽象思維的能力，以及它各自為戰(zhàn)，缺乏整體性、系統(tǒng)性的思考能力。

其三，回到社會(huì)學(xué)家涂爾干的“神圣—世俗”二分法論述，從社會(huì)學(xué)理論思辨的角度對(duì)人工智能在社會(huì)科學(xué)研究中的預(yù)測(cè)分析進(jìn)行評(píng)價(jià)。具體而言，世俗領(lǐng)域的指導(dǎo)原則是理性化原則，因此，世俗生活需要個(gè)體具有馬克斯·韋伯所闡釋的工具理性，這可以通過算法來預(yù)測(cè)。與之相比，神圣領(lǐng)域涉及超驗(yàn)的、永恒的、完美的存在。這種存在無法用理性來衡量，甚至只可意會(huì)不可言傳。因此，以演算為基礎(chǔ)的人工智能技術(shù)無法對(duì)超驗(yàn)的神圣領(lǐng)域進(jìn)行模擬。唯有通過人類活生生的感受，才能夠體驗(yàn)、理解，達(dá)到一種通感，而這恰恰是社會(huì)科學(xué)的重要任務(wù)之一。故而，基于人工智能的預(yù)測(cè)僅僅局限于世俗領(lǐng)域而非神圣領(lǐng)域，對(duì)人類理性計(jì)算的仿真和程序設(shè)計(jì)并不能夠?qū)Τ?yàn)的神圣價(jià)值提供指導(dǎo)。社會(huì)科學(xué)研究者在對(duì)新興技術(shù)手段持開放態(tài)度和胸襟去接納的同時(shí)，也要對(duì)人工智能在社會(huì)科學(xué)研究中的應(yīng)用前景保持一種審慎的樂觀態(tài)度。

在過去的幾十年里，建基于統(tǒng)計(jì)模型的量化研究方法在社會(huì)科學(xué)的不同學(xué)科得到了廣泛的應(yīng)用。這些量化分析技術(shù)基本上是基于實(shí)驗(yàn)數(shù)據(jù)或者調(diào)查數(shù)據(jù)，利用比較成熟的統(tǒng)計(jì)模型，對(duì)所關(guān)心的總體特征（例如，某個(gè)參數(shù)）進(jìn)行統(tǒng)計(jì)、估計(jì)和推論。學(xué)者們進(jìn)一步對(duì)所估計(jì)出的系數(shù)進(jìn)行詮釋，由此產(chǎn)生了大量具有啟發(fā)價(jià)值的經(jīng)驗(yàn)研究成果。而隨著大數(shù)據(jù)和機(jī)器學(xué)習(xí)算法的普及，社會(huì)科學(xué)的量化研究也逐漸開始試圖采用以人工智能和數(shù)據(jù)挖掘?yàn)榛A(chǔ)的新興研究手段，來處理過去無法處理或者忽視了的研究議題。由于以演算和數(shù)據(jù)導(dǎo)向?yàn)榛A(chǔ)的人工智能技術(shù)可以讓社會(huì)科學(xué)研究變得具有預(yù)測(cè)性，因此被視為量化社會(huì)科學(xué)分析的一場(chǎng)劃時(shí)代革命。在此背景下，一個(gè)隨之而來的帶有根本性的方法論問題是，人工智能技術(shù)與社會(huì)科學(xué)研究究竟是什么關(guān)系，如何處理？本文擬從多個(gè)角度對(duì)人工智能手段與社會(huì)科學(xué)研究之間的內(nèi)在聯(lián)系進(jìn)行反思。

一、社會(huì)學(xué)量化統(tǒng)計(jì)模型的“解釋”屬性

關(guān)于傳統(tǒng)統(tǒng)計(jì)模型在社會(huì)科學(xué)中的應(yīng)用，現(xiàn)有的相關(guān)文獻(xiàn)中已有論述。比較著名的是分類樹算法的創(chuàng)始人布雷曼（L. Breiman，1928—2005）的討論。他指出，傳統(tǒng)的統(tǒng)計(jì)分析技術(shù)的核心在于理解和詮釋。這是因?yàn)?，在采用統(tǒng)計(jì)模型進(jìn)行經(jīng)驗(yàn)研究時(shí)，學(xué)者的關(guān)注點(diǎn)在于特定變量的解釋力，而并非整個(gè)模型的預(yù)測(cè)力。很明顯，這一分析范式也是社會(huì)科學(xué)量化研究的主流范式。例如，社會(huì)科學(xué)研究中最廣泛采用的方法，就是線性回歸模型。其中，“Y”代表了某一個(gè)因變量，而一系列的“X”則用來解釋“Y”。對(duì)于大多數(shù)社會(huì)科學(xué)研究者而言，一個(gè)比較普遍的區(qū)分是將“X”分為兩類：一類是人們關(guān)心的自變量，另外一類則是人們不關(guān)心但又不得不考慮的控制變量。以個(gè)體的工資水平分析為例，教育社會(huì)學(xué)家和教育經(jīng)濟(jì)學(xué)家最關(guān)心的可能是教育水平的作用。按照傳統(tǒng)的“敏瑟模型”（Mincermodel），除了考慮個(gè)人的教育成就之外，還需要引入工作經(jīng)驗(yàn)、性別、地區(qū)等控制因素；在中國(guó)，有時(shí)還要考慮工作部門、單位類型等等。此時(shí)，人們并不在意這些控制變量對(duì)于工資收入的影響，而是將關(guān)注點(diǎn)放在控制了這一系列因素之后，教育成就變量的純效應(yīng)上。這體現(xiàn)在教育成就變量的回歸系數(shù)。研究者通?？疾爝@一系數(shù)是否在統(tǒng)計(jì)上具有顯著性。如果顯著為正，人們便能夠得出結(jié)論，在控制了一系列社會(huì)學(xué)—人口學(xué)背景因素之后，教育能夠顯著地提升個(gè)體的收入水平。如此，一個(gè)具體社會(huì)科學(xué)研究議題的經(jīng)驗(yàn)分析便完成了。

與這一分析進(jìn)路相比，基于演算的人工智能范式則不關(guān)心某一特定變量的解釋力。按照布雷曼的觀點(diǎn)，采用數(shù)據(jù)挖掘進(jìn)路的研究者通常盡可能地納入各種與被解釋變量“Y”相關(guān)的因素，然后考察這些因素合并在一起，如何能夠在新的環(huán)境下盡可能準(zhǔn)確地預(yù)測(cè)“Y”。正因?yàn)槿绱?，基于算法的研究往往將?shù)據(jù)分為多個(gè)組進(jìn)行交叉驗(yàn)證，以求得最優(yōu)的模型形式進(jìn)行預(yù)測(cè)分析（比較常見的是將數(shù)據(jù)分為十組，利用九組數(shù)據(jù)建立模型，然后利用第十組數(shù)據(jù)看前面九組數(shù)據(jù)所訓(xùn)練出來的模型是否能夠有比較強(qiáng)的預(yù)測(cè)能力）。這方面比較典型的應(yīng)用或許是客戶分析。將大量的已有的用戶數(shù)據(jù)登錄，以此訓(xùn)練出一個(gè)具有比較強(qiáng)預(yù)測(cè)力的模型工具。之后，當(dāng)新的用戶出現(xiàn)時(shí)，這一使用者的某些信息便能夠輸入模型，并以此預(yù)測(cè)出用戶的某些屬性。例如，當(dāng)人們?cè)趤嗰R遜網(wǎng)站上買書時(shí)，一旦輸入社會(huì)學(xué)類書籍，網(wǎng)站會(huì)自動(dòng)基于過往用戶的購買習(xí)慣，向這一新的用戶推薦一些其他書籍。誠然，如果這一新的用戶是社會(huì)學(xué)專業(yè)的大學(xué)生，而亞馬遜過往的演算是基于大量社會(huì)學(xué)專業(yè)大學(xué)生的購買習(xí)慣，這些新推薦的書籍很有可能正是新使用者所需要的，由此既給用戶以便利，又提升了網(wǎng)站的營(yíng)業(yè)額。

通過對(duì)比上述兩個(gè)具體的例子，不難發(fā)現(xiàn)，至少到目前為止，社會(huì)科學(xué)中的量化研究方法主要還是布雷曼所談到的第一種范式，即以詮釋為導(dǎo)向的模型擬合：針對(duì)特定的“Y”，人們關(guān)心特定的“X”在控制一系列因素后如何影響其變化。通常而言，這也恰恰是社會(huì)科學(xué)理論產(chǎn)生的契機(jī)。比如，教育成就對(duì)于個(gè)體收入的積極效果被用來建立和完善人力資本理論、市場(chǎng)信號(hào)理論等等；如果一個(gè)國(guó)家的國(guó)內(nèi)生產(chǎn)總值（GDP）提高以后，人們更加關(guān)注個(gè)人的情感和意見表達(dá)，則這一經(jīng)驗(yàn)?zāi)Ｊ娇梢杂糜谥С钟⒏駹柟兀≧onald Inglehart）的后物質(zhì)主義理論；如果同樣的社會(huì)學(xué)—人口學(xué)背景下，女性的收入水平低于男性的收入水平，人們便有證據(jù)支持勞動(dòng)力市場(chǎng)的性別歧視，等等。與這種“詮釋”范式相比，人們很少見到社會(huì)科學(xué)家會(huì)基于自己的研究模型做出具體的預(yù)測(cè)（例如，很少有政治社會(huì)學(xué)家預(yù)測(cè)何時(shí)會(huì)發(fā)生社會(huì)運(yùn)動(dòng)）。鑒于此，當(dāng)越來越多的研究者將基于演算的、以預(yù)測(cè)為目的的人工智能技術(shù)引入社會(huì)科學(xué)研究的時(shí)候，人們似乎見到了社會(huì)科學(xué)新的發(fā)展方向，甚至是社會(huì)科學(xué)研究的范式革命。但是，真的會(huì)如此嗎？

二、“人心難測(cè)”：計(jì)算科學(xué)的視角

在計(jì)算科學(xué)中，人工智能是一個(gè)非常寬泛的領(lǐng)域，其中基于不同的應(yīng)用方向有不同的分支學(xué)科。但究其根本，與社會(huì)科學(xué)密切相關(guān)的人工智能應(yīng)用應(yīng)當(dāng)是機(jī)器學(xué)習(xí)。所謂機(jī)器學(xué)習(xí)，是通過提供給機(jī)器（亦即計(jì)算機(jī)）特定的數(shù)據(jù)，讓計(jì)算機(jī)利用算法，尋找出這些數(shù)據(jù)背后的模式。之后，當(dāng)新的數(shù)據(jù)出現(xiàn)以后，人們便能夠用這些模式來套用數(shù)據(jù)，做出預(yù)測(cè)。雖然具體的機(jī)器學(xué)習(xí)算法有很多（例如，判定樹，神經(jīng)網(wǎng)絡(luò)，等等），但基本的分析邏輯大致如此。

那么，如果用這套工具來試圖理解人類社會(huì)，做社會(huì)科學(xué)的研究，是否可能呢？答案是：介于肯定與否定之間。之所以有肯定的一面，是因?yàn)槿祟惖哪承┥鐣?huì)性行為具有高度模式化的特點(diǎn)。例如，在給定特定資源的情況下，一個(gè)理性選擇的個(gè)人通常會(huì)做出利益最大化的決策（比如，在給定資金的情況下進(jìn)行投資決策）。此時(shí)，機(jī)器可以對(duì)這種模式化的行為進(jìn)行分析，甚至在立足于大量已有投資“經(jīng)驗(yàn)”的基礎(chǔ)上，“創(chuàng)造性”地通過演算給投資者指出一種常人可能忽略了的最優(yōu)投資策略。從這個(gè)角度來看，人工智能的確可以幫助生物智能進(jìn)行更為合理的判斷，其在社會(huì)科學(xué)中的應(yīng)用應(yīng)當(dāng)?shù)玫娇隙ā?/p>

但是，除了這一類模式化的研究之外，如果簡(jiǎn)單地認(rèn)為人們可以利用人工智能技術(shù)完全預(yù)測(cè)個(gè)體行為，并建立預(yù)測(cè)性的社會(huì)科學(xué)，那就不免有些過于樂觀了。正是因?yàn)檫@一點(diǎn)，上述問題的答案中又包含否定的一面。具體而言，利用人工智能技術(shù)進(jìn)行社會(huì)性行為的分析會(huì)面臨三個(gè)困境。

第一個(gè)困境，在于機(jī)器學(xué)習(xí)的模式化分析范式。正所謂成也蕭何、敗也蕭何，人工智能雖然能夠?qū)τ谀Ｊ交男袨檫M(jìn)行基于算法的預(yù)測(cè)和分析（例如，“阿爾法圍棋”可以擊敗中國(guó)、韓國(guó)很多圍棋高手），但是，一旦人們面對(duì)的問題不是模式化問題時(shí)，那么，人工智能就難以處理了。一個(gè)簡(jiǎn)單的例子是：如果問機(jī)器“1+1等于幾”？機(jī)器會(huì)立刻回答“等于2”。但如果告訴機(jī)器，這里的“1”代表一堆沙子，那么，兩堆沙子放在一起是什么呢？人們會(huì)說，還是一堆沙子。而機(jī)器卻無法做出類似的回答。因?yàn)?，兩堆沙子混成一堆不再是一個(gè)數(shù)學(xué)化的模式問題，而是一個(gè)生活經(jīng)驗(yàn)問題了。

這個(gè)例子也將人們帶到了人工智能在處理社會(huì)問題時(shí)所面對(duì)的第二個(gè)困境，即缺乏抽象思維的能力。目前文本學(xué)習(xí)非常流行，其中有一些算法能夠說明研究者分析一段文字所表達(dá)的作者情感。但是，這種分析到目前為止還比較機(jī)械，其背后的機(jī)制在于特定詞匯的計(jì)算特征。因此，使用這種技術(shù)，人們所得到的信息也是非常初步的。換句話說，人們目前很難寄希望于人工智能能夠讀出字里行間的潛在意思。而對(duì)于社會(huì)科學(xué)而言，恰恰是一段文字的字里行間才能夠反映出作者的真實(shí)想法。如果僅僅根據(jù)詞頻或者其他表面上的文字使用模式，人們很難區(qū)分作者的真實(shí)意思和反諷之間的區(qū)別。試想，這樣的人工智能是否能夠理解魯迅（1881—1936）的著作，特別是他撰寫的雜文呢？

最后一個(gè)困境是，人工智能在處理具體問題時(shí)往往各自為戰(zhàn)，缺乏整體性、系統(tǒng)性的思考。2012年，有一部以棒球?yàn)轭}材的美國(guó)電影《點(diǎn)球成金》在全球公映，講的是一個(gè)棒球隊(duì)利用統(tǒng)計(jì)數(shù)據(jù)而不是個(gè)人經(jīng)驗(yàn)來選擇球員的故事。當(dāng)然，這個(gè)故事的結(jié)局是基于數(shù)據(jù)的決策要優(yōu)于基于經(jīng)驗(yàn)的決策。但即使如此，電影中通過統(tǒng)計(jì)數(shù)據(jù)所展示出來的信息依然要匯總到一個(gè)活生生的個(gè)體那里，通過人腦的加工才能夠形成最后的決策。而人腦在這里恰恰起到了一個(gè)統(tǒng)籌的功能。在將人工智能應(yīng)用于體育領(lǐng)域時(shí)，通過算法和數(shù)據(jù)所提供的信息針對(duì)的是球場(chǎng)上特定位置的球員。例如，找到一個(gè)最好的后衛(wèi)、一個(gè)最好的中鋒等等；但是，這個(gè)最好的后衛(wèi)或中鋒能否與全隊(duì)有效配合，產(chǎn)生化學(xué)效應(yīng)，人工智能卻難以判斷。如果出現(xiàn)“一山不容二虎”的局面，兩個(gè)最好的球員在一起所產(chǎn)生的效果可能反而不如兩個(gè)普通球員在一起合作的效果好。而這些超越個(gè)體的整體性判斷，則需要教練員與不同位置的球員進(jìn)行“人與人”之間的溝通才能做出。顯然，這些已經(jīng)不是機(jī)器所能做到的了。對(duì)于社會(huì)科學(xué)而言，學(xué)者們感興趣的恰恰是人與人之間的聯(lián)系，以及這種聯(lián)系所產(chǎn)生出來的，超越個(gè)體的簡(jiǎn)單加總所形成的具有獨(dú)立存在意義的“社會(huì)”。

三、“人心難測(cè)”：社會(huì)學(xué)的理論解釋

得出“人的社會(huì)性行為無法完全由演算來預(yù)測(cè)”這一結(jié)論，不僅已被計(jì)算科學(xué)研究所證實(shí)，而且也可以從社會(huì)學(xué)的經(jīng)典理論中得到支持。從某種意義上說，能夠經(jīng)由算法來進(jìn)行預(yù)測(cè)的人類行為往往是高度理性的行為。這種理性可以體現(xiàn)在多個(gè)方面。最為簡(jiǎn)單的理性行為就是簡(jiǎn)單重復(fù)勞動(dòng)（例如，一個(gè)生產(chǎn)線上的某一道工序）。對(duì)于這種重復(fù)勞動(dòng)，一些簡(jiǎn)單的算法便能夠勝任，這在大量使用機(jī)器取代人工的工廠實(shí)踐中可見一斑。當(dāng)然，理性的行為和邏輯并不僅僅是重復(fù)工作，還包括大量的基于形式邏輯的高級(jí)推導(dǎo)與計(jì)算行為。這里比較具有代表性的，就是谷歌公司設(shè)計(jì)制作的“阿爾法圍棋”在圍棋上與各國(guó)頂尖棋手對(duì)弈時(shí)的“全勝”。

但是，人類的各種稟賦，尤其是那些構(gòu)成人類社會(huì)本質(zhì)特征的元素并不完全是理性化的行為。甚至可以說，人類社會(huì)之所以成為社會(huì)，恰恰是因?yàn)槊總€(gè)人不是像機(jī)器般“算計(jì)”，而是有著非理性的情感、思想和價(jià)值。在這方面，法國(guó)社會(huì)學(xué)家涂爾干（E. Durkheim，1858—1917，一譯“迪爾凱姆”“杜爾克姆”）的理論具有啟示價(jià)值。他在《宗教生活的基本形式》一書中，將人類社會(huì)區(qū)分為“神圣”與“世俗”兩大領(lǐng)域。所謂的神圣領(lǐng)域，是指那些永恒的、完美的社會(huì)特征；而所謂的世俗領(lǐng)域，則指那些與人們?nèi)粘Ｉ钕⑾⑾嚓P(guān)的“柴米油鹽醬醋茶”。在世俗領(lǐng)域，人們生活的指導(dǎo)原則是理性化原則。例如，如何養(yǎng)家糊口，如何完成某一個(gè)項(xiàng)目，等等。面對(duì)這些世俗活動(dòng)，人們需要采用一種基本的取向，考慮如何采用特定手段來完成特定的任務(wù)。從這個(gè)角度來看，世俗生活需要人們有馬克斯·韋伯（M.Weber，1864—1920）所闡釋的工具理性。但是，人類社會(huì)之所以能夠存在，生活于其中的個(gè)體之所以能夠彼此團(tuán)結(jié)起來而不至于一盤散沙，所依賴的并不是這種“精致的利己主義”。相反，人們需要的是一種超驗(yàn)的，在人們看來不那么善變的、完美的存在。這種存在無法用理性來衡量，甚至只可意會(huì)不可言傳。由于這種存在超越人們的日常生活，人們才能夠在彼此之間找到共同的社會(huì)屬性，進(jìn)而形成一個(gè)具有團(tuán)結(jié)性的社會(huì)。人們堅(jiān)持這種價(jià)值，便成就了韋伯意義上的價(jià)值理性。

這種世俗與神圣的區(qū)分，對(duì)于人們理解人類社會(huì)與社會(huì)科學(xué)研究的關(guān)系非常有價(jià)值。以算法為基礎(chǔ)的人工智能技術(shù)或許對(duì)于預(yù)測(cè)世俗行為很有用，但卻無法對(duì)超驗(yàn)的神圣領(lǐng)域進(jìn)行模擬。對(duì)于后者，唯有通過人類活生生的感受，才能夠體驗(yàn)、理解，做到一種通感，而這恰恰是社會(huì)科學(xué)的重要任務(wù)之一。例如，婚姻的形成過程往往涉及很多理性化的考慮。尤其是在今天，夫妻雙方在最后走入婚姻殿堂之前可能在家庭義務(wù)、雙方家庭的物質(zhì)支持等方面已經(jīng)有一系列的討價(jià)還價(jià)。在這里，雙方都在努力的做到利益的最大化，因此，理性化的原則通常會(huì)占上風(fēng)。然而，這些思慮在一般人看來都是“俗”的，因?yàn)檫@里涉及的是斤斤計(jì)較和患得患失。但是，婚姻涉及的不僅僅是這些功利性的考慮，更重要的是雙方的愛情基礎(chǔ)。而愛情卻是一種神圣性的存在，人們通常認(rèn)為它是永恒的、完美的，不容討價(jià)還價(jià)和妥協(xié)的。對(duì)于大多數(shù)的婚姻而言，世俗的元素與神圣的元素都是并存的。有些可能更加偏重對(duì)愛情的追求而不在意經(jīng)濟(jì)利益，而有些則將經(jīng)濟(jì)利益看的很重，不太重視愛情。但無論如何，一個(gè)基本的共識(shí)是，僅僅用理性計(jì)算來衡量婚姻是無法把握婚姻的本質(zhì)的。通過這個(gè)例子，可以看到人工智能技術(shù)的應(yīng)用點(diǎn)，但同時(shí)也看到了其局限性。很明顯，在涉及理性計(jì)算時(shí)，人們完全可以采用算法來推理和預(yù)測(cè)個(gè)人的選擇和傾向，但這種預(yù)測(cè)僅僅局限于世俗領(lǐng)域而非神圣領(lǐng)域。換句話說，對(duì)人類理性計(jì)算的仿真和程序設(shè)計(jì)并不能夠?qū)Τ?yàn)的神圣價(jià)值提供預(yù)測(cè)。那么，很自然的一個(gè)推論是，人們并不能夠利用人工智能來完全理解婚姻行為。

按照涂爾干的理論，人們所關(guān)注的社會(huì)恰恰是一種個(gè)人無法直接感受的超個(gè)體存在。而一切事物的神圣性，恰恰來源于其社會(huì)性。因此，只要人們堅(jiān)持認(rèn)為社會(huì)具有超越個(gè)體的獨(dú)立性，即一種社會(huì)唯實(shí)論的主張，便不能夠認(rèn)為人工智能算法能夠解決“人心的預(yù)測(cè)”問題。對(duì)于社會(huì)科學(xué)家而言，更為適用的方法是直接的訪談和體驗(yàn)，或者最多是傳統(tǒng)意義上的統(tǒng)計(jì)模型了。

總之，人工智能與社會(huì)科學(xué)研究的結(jié)合是近幾年學(xué)術(shù)界的熱點(diǎn)，但人工智能技術(shù)在社會(huì)科學(xué)研究中所出現(xiàn)的過度模式化、缺乏抽象能力和整體思考能力等問題卻表明，人工智能的演算邏輯更多適用于涂爾干意義上的世俗世界，而神圣世界是難以用演算和邏輯進(jìn)行研究的。對(duì)于新興的技術(shù)手段，社會(huì)科學(xué)研究者應(yīng)當(dāng)具有開放的態(tài)度和胸襟去接納，但對(duì)于人工智能在社會(huì)科學(xué)研究中的應(yīng)用前景，則需要保持一種審慎的樂觀態(tài)度。因?yàn)椋绻兊眉夹g(shù)之上，則有可能本末倒置；畢竟社會(huì)科學(xué)對(duì)于人類社會(huì)的主要貢獻(xiàn)在于提供理解人類社會(huì)的新思想和新視角，與之相比，工具的重要性理應(yīng)是第二位的。

（轉(zhuǎn)載未收錄原文注釋，原文發(fā)表于《南國(guó)學(xué)術(shù)》2017年第4期第588—593頁。）

胡安寧：2005年、2008年在復(fù)旦大學(xué)分別獲得法學(xué)學(xué)士和法學(xué)碩士學(xué)位，2011年、2012年在普渡大學(xué)分別獲得統(tǒng)計(jì)學(xué)碩士和社會(huì)學(xué)博士學(xué)位，2016年起受聘為復(fù)旦大學(xué)社會(huì)發(fā)展與公共政策學(xué)院教授、博士生導(dǎo)師，兼任Social Science Research、Chinese Sociological Review編委；主要從事文化與宗教社會(huì)學(xué)、教育社會(huì)學(xué)、社會(huì)不平等、社會(huì)科學(xué)量化方法研究，代表性著作有《宗教社會(huì)學(xué)：范式轉(zhuǎn)型與中國(guó)經(jīng)驗(yàn)》《社會(huì)科學(xué)因果推斷的理論基礎(chǔ)》等。