當(dāng)中國哲學(xué)社會科學(xué)致力于構(gòu)建自主知識體系、回答時代之問時，最為關(guān)鍵的或許正是研究者是否始終保持著對真實世界的關(guān)切與敬畏。

習(xí)近平總書記指出，要“加快構(gòu)建中國哲學(xué)社會科學(xué)自主知識體系”，“更好回答中國之問、世界之問、人民之問、時代之問”。這一重要論述旨在推動哲學(xué)社會科學(xué)研究扎根中國實踐、回應(yīng)時代關(guān)切，產(chǎn)出真正具有解釋力和指導(dǎo)意義的知識成果。

然而，過去二十年間，中國實證社會科學(xué)研究在走向規(guī)范化、技術(shù)化的同時，工具與問題的關(guān)系亦經(jīng)歷著深刻變遷。技術(shù)工具似乎逐漸從“助手”演變?yōu)椤爸鲗?dǎo)者”，研究的方法日臻精密，結(jié)論卻與真實問題漸行漸遠(yuǎn)。

這一趨勢在2026年的經(jīng)濟學(xué)界引發(fā)了一場少見的學(xué)術(shù)期刊內(nèi)部對話，而生成式人工智能的全面介入，則使問題呈現(xiàn)出了新的形態(tài)。

經(jīng)濟學(xué)研究的自?。簭摹斑^度模型化”到“回歸問題”

2026年初，《中國社會科學(xué)》刊發(fā)了陸銘教授的論文《經(jīng)濟學(xué)研究“過度模型化”的誤區(qū)及其糾正》。文章指出了當(dāng)前實證研究中存在的兩種典型傾向：其一，模型構(gòu)建過程未能充分納入現(xiàn)實情境，“為了讓模型成立而忽略現(xiàn)實”，導(dǎo)致對現(xiàn)實問題的誤導(dǎo)性結(jié)論；其二，對方法復(fù)雜性和精確性的過度追求，“為了讓方法成立而犧牲問題”，使研究對現(xiàn)實問題的關(guān)注呈現(xiàn)內(nèi)在不完整性。陸銘教授指出，在大量以雙重差分法為主流的實證研究中，研究者過度強調(diào)識別策略的“干凈性”和結(jié)果的統(tǒng)計顯著性，卻在篩選數(shù)據(jù)、調(diào)整模型的過程中逐漸喪失了問題意識。其結(jié)果是，面對諸多重大現(xiàn)實問題，經(jīng)濟學(xué)研究反而難以提供有深度的事實描述和有效的政策建言。

針對這一問題，《中國社會科學(xué)報》刊發(fā)了評論員文章《中國經(jīng)濟學(xué)研究不應(yīng)“過度模型化”》，進一步概括了這一現(xiàn)象的多種表現(xiàn)：研究缺乏理論和問題意識，模型變量缺乏經(jīng)濟意義；方法論上唯模型是從，對不可測度、不可計量的重大問題視而不見；用復(fù)雜模型包裝蒼白結(jié)論，在理論與實證上均無實質(zhì)貢獻。

學(xué)者江艇在《中國社會科學(xué)》第4期的回應(yīng)文章中進一步指出，既有批評所揭示的偏差存在與偏差成因是兩個不同層面的問題，前者是現(xiàn)象描述，后者才觸及問題根源。實證研究的深層癥結(jié)，在于研究者的注意力被計量模型所承載的“功能過載”所占據(jù)。在發(fā)表壓力與學(xué)術(shù)評價體系的共同作用下，工具本身獲得了超越研究問題的主導(dǎo)地位。江艇強調(diào)，應(yīng)當(dāng)將識別策略的合理性置于模型復(fù)雜性之上，而非相反。

生成式AI與“過度演繹”的新風(fēng)險

如果說“過度模型化”的風(fēng)險主要發(fā)生在方法層面，那么生成式人工智能帶來的新風(fēng)險，則更多發(fā)生在文本層面。

2025年前后，以AI4SS（AI for Social Sciences）為代表的研究范式轉(zhuǎn)型，正以前所未有的速度改變著社會科學(xué)的知識生產(chǎn)方式。有學(xué)者將這一轉(zhuǎn)型視為人文社會科學(xué)研究的“第五范式”，其特征是人工智能全學(xué)科、全過程賦能研究活動，并在選題、文獻梳理、假設(shè)生成與驗證等各個環(huán)節(jié)發(fā)揮作用。

一項發(fā)表于《科學(xué)》雜志的研究顯示，AI寫作工具的廣泛使用使科研人員論文發(fā)表數(shù)量最多增加了50%，但由此激增的文章在文字流暢度與科學(xué)價值之間存在明顯脫節(jié)。在全球20個國家的學(xué)術(shù)調(diào)查中，生成式AI工具在社會科學(xué)領(lǐng)域的認(rèn)知度最高，而其主要用途集中在學(xué)術(shù)寫作輔助，而非數(shù)據(jù)分析或批判性思維的支撐。

然而，當(dāng)社會科學(xué)論文的寫作工作可以被AI高效完成時，研究的外在品質(zhì)與內(nèi)在實質(zhì)之間的張力便急劇放大。筆者自2025年以來參加多場學(xué)術(shù)會議的直觀感受是，學(xué)術(shù)生態(tài)中正在出現(xiàn)一種從“過度模型化”向“過度演繹”的演變。研究在生成式AI的輔助下，標(biāo)題、引言與結(jié)論被塑造得富有沖擊力與思辨性，而研究設(shè)計和實證分析環(huán)節(jié)卻無法有效支撐這些有價值的命題。一方面，AI工具能夠幫助研究者提煉出高度凝練、頗具修辭吸引力的標(biāo)題和引言，其中不乏巧妙的隱喻和宏大的理論關(guān)涉。另一方面，進入實證部分后，研究方法、數(shù)據(jù)支撐與核心命題之間往往存在明顯的裂隙。變量選取的隨意性，識別策略與機制檢驗的力度不足，或樣本數(shù)據(jù)無法有效回應(yīng)引言中提出的深層問題。而在結(jié)論與討論部分，借助AI的語義生成能力，論文的結(jié)論性論述往往再次攀升至相當(dāng)?shù)睦碚摳叨?，形成一種表面自洽、實則脆弱的論述閉環(huán)。

問題不在于AI工具本身“制造”了虛假研究，而在于它正在以高度的文本說服力替代嚴(yán)謹(jǐn)?shù)慕?jīng)驗論證。

“過度模型化”vs.“過度演繹”

“過度模型化”和“過度演繹”看似不同，一個偏方法，一個偏文本；一個發(fā)生在計量模型里，一個發(fā)生在AI輔助寫作中，但它們指向的是同一個問題，即研究問題本身被持續(xù)弱化。

“過度模型化”類的研究，研究者需要耗費大量時間處理數(shù)據(jù)、調(diào)試模型、應(yīng)對規(guī)范性的技術(shù)審稿意見。其危機在于，研究者容易在此過程中迷失問題意識，使論文淪為“方法驅(qū)動的文本”。而“過度演繹”類的研究，因生成式AI的高度介入，研究問題和研究動機的表達(dá)不再圍繞真實世界的問題和理論。當(dāng)AI可以瞬間生成研究問題，文獻綜述能夠自動完成研究空白的定位，文本容易在形式上完成自洽，卻丟失了研究應(yīng)有的嚴(yán)謹(jǐn)與真實。研究者當(dāng)然希望論文更規(guī)范、更好看、更容易發(fā)表，但社會科學(xué)研究如果只剩下規(guī)范和好看，離真實世界就會越來越遠(yuǎn)。

何以糾偏：回歸問題導(dǎo)向

糾偏的第一步，是回歸調(diào)查研究的經(jīng)驗基礎(chǔ)。社會科學(xué)研究的起點，應(yīng)當(dāng)是研究者對現(xiàn)實世界的直接感知。實地調(diào)查、深度訪談、案例研究等方法能夠捕捉制度運行的微觀機制和行動者的真實邏輯，這些是計量模型和AI工具難以替代的。研究者的困惑與問題意識，不能僅從文獻縫隙或數(shù)據(jù)可得性中產(chǎn)生，更應(yīng)源于對具體社會過程的觀察與理解。在學(xué)術(shù)訓(xùn)練中，應(yīng)當(dāng)鼓勵研究者走入真實場景，從經(jīng)驗出發(fā)凝練問題，而非從方法出發(fā)尋找問題。

第二步，確立“問題優(yōu)先”的研究邏輯。江艇所倡導(dǎo)的“問題-識別-模型”路徑，將“提出一個真正值得回答的問題”置于起點，識別策略服務(wù)于問題，模型服務(wù)于識別。順序的重置意味著問題意識重新獲得了方法論上的優(yōu)先地位。陸銘也指出，對于具有重大理論和政策含義的研究，需要在問題的重要性與模型的精確性之間有所權(quán)衡。

第三步，糾偏評價體系中的雙重偏向。過度模型化表現(xiàn)為對識別策略的苛刻要求和對統(tǒng)計顯著性的迷信，而AI時代過度演繹的風(fēng)險在于，研究者容易被精致的標(biāo)題、流暢的引言和拔高的結(jié)論所吸引，忽略了實證分析能否真正支撐論述。學(xué)術(shù)期刊與評審體系應(yīng)形成共識：反對簡單問題復(fù)雜化，同時警惕以修辭替代論證的傾向。

第四步，規(guī)范AI工具的合理使用。生成式AI在數(shù)據(jù)處理和語言潤色方面具有顯著效率優(yōu)勢，但研究者需要清晰區(qū)分“屬于自己的學(xué)術(shù)判斷”與“AI輔助的文本生成”，防止后者反向塑造前者。研究動機的提出應(yīng)基于研究者對現(xiàn)實的觀察與思考，而非由AI生成若干研究空白供挑選；結(jié)論的升華應(yīng)有實證分析的堅實基礎(chǔ)，而非借助AI的語義生成能力進行脫離證據(jù)的拔高。在人機協(xié)作的知識生產(chǎn)模式中，研究者的主體性與判斷力仍然是不可取代的核心要素。

（本文作者顧潔系上海社會科學(xué)院副研究員、社會科學(xué)智能實驗室秘書長、產(chǎn)業(yè)創(chuàng)新數(shù)據(jù)實驗室主任。）