内容提要：社会学质性研究方法和量化分析方法分别源于两种不同传统，演变为方法论的分离和对立。大数据的兴起或许会给解决这种“两张皮”的现状带来机遇。从质性研究方法、传统量化分析方法到大数据方法，研究工具的变化某种程度上见证了研究对象——社会本体的变迁。大数据研究促使质性研究和量化研究走向融合，社会学的科学性与人文性也获得了交汇的途径，大数据方法是对既有研究方法的超越，也蕴含着社会学想象力的回归。
关键词：质性研究/量化分析/大数据/方法论/社会学想象力/
作者简介：石英，陕西省社会科学院研究员，西安710065
社会学研究一向有定量、质性之争，这两种源于不同范式传统的方法之争，近些年似乎有分出高下的意味来。定量占据主流及有意识地抢占主流位置，质性研究方法在各方面似乎都显现出弱势。①如何看待不同的研究方法取向，尤其是能否理清社会学质性研究方法、传统量化分析方法和正在兴起的大数据方法之间的关系纠葛，对于未来研究当有借鉴。
一、方法之争及其范式起源
讨论不同方法的差异，有必要追溯学科发展的历史起源及其传统。社会学和人类学可以算是最相近的学科，就其早期形成的各自研究对象和领域而言，社会学研究工业社会、现代社会，人类学研究传统社会、游牧社会、“土著”社会。西方社会学的诞生与现代化、工业化的进展息息相关，社会学的创始人孔德一开始就将社会学置于以数学为基础的自然科学大厦之最顶层，并将其命名为“社会物理学”(sociophysics)，确立了实证主义、科学主义的方法导向。②而西方人类学的兴起深受达尔文进化论的影响，与当时航海探险、殖民扩张的热潮分不开。早期人类学者主要由航海家、旅行家、传教士、商人等构成，以“他者”身份对“远方的”原始部落、少数民族的异质文化开展考察，逐渐形成了人文主义、自然主义的方法特色。
科学主义范式的社会学自诞生起就以自然科学为样板，借鉴和遵循近代自然科学认知原理和方法论原则，逐步形成了一整套成熟的量化分析研究方法。最具代表性的是建立在统计学意义上的问卷调查研究，包括理论假设、调查设计、资料收集、量表测量、信度效度检验、统计分析等环节，一般通过人为控制和区分自变量、因变量，运用回归分析等统计学方法，确定相关性，判断因果关系，建构数学模型。这一过程中，重要的步骤之一是概念的操作化，也就是根据研究需要把概念变为一套可测量的、能够用数字表述的信息。譬如用五分制量表测量人们的满意度；将幸福感分解为主观指标和客观指标进行测量，以建构“幸福指数”。
随着大数据时代的到来，为区分起见，也有人把这种大多来源于抽样调查、访谈、行政记录和实验设计等传统统计方法的数据称为“小数据”，把传统的量化分析方法称为“小数据”方法。一般来说“小数据”体积小、易于快速理解、数据的读取分析和处理都相对简单。③而大数据指“无法在可容忍的时间内用传统IT技术和软硬件工具对其进行感知、获取、管理、处理和服务的数据集合”。数据科学家将大数据的特点总结为4个V：Volume、Variety、Velocity、Value，即体量浩大、模态繁多、生成快速、价值巨大但密度很低。具体到量级，大数据的量级已从GB到TB再到PB级，甚至开始以EB和ZB来计数。④
质性研究方法包括参与观察、个案研究、深度访谈、焦点小组法、民族志(人种志)方法、扎根理论、叙事研究、行动研究等一整套方法体系。质性研究方法从起源上可以追溯到15、16世纪的人类学研究，但作为一种系统的方法体系得到归纳总结，是直到20世纪70年代的事情。到20世纪初，社会工作领域兴起的个案小组实务中，质性研究方法的应用被拓展到心理学、教育学领域；20世纪中叶，西方社会科学领域开始涌现各种“后现代”理论和思潮。社会学理论也从逻辑实证主义转向阐释和批判主义，社会学领域出现对量化研究的“反抗”思潮，这些思潮也影响、促成了质性研究方法的成熟。
虽然量化研究方法源自西方的科学主义范式，同样也是西方思潮产物的质性研究方法却可以在古老的东方思维中找到哲学基础。中国古代的自然哲学是以“天人合一”的整体观和“阴阳对立统一”的辩证观为基点的。以中华文化为代表的东方文化思维方式着眼整体思维，注重辩证思维，擅长关联思维，习惯类比思维，突出直觉思维。20世纪初社会学、人类学传入中国，中国最早的社会学家多从事人类学、民族学研究，如吴文藻、潘光旦等，早期社会学研究主要使用的方法之一也是基于人类学田野工作的质性研究方法。到1979年中国社会学恢复重建，在研究方法体系上则主要引进了美国的社会学量化分析方法，科学主义范式在中国社会学研究领域成为绝对主流。20世纪90年代中期，带有西方“后现代”色彩的质性研究方法被介绍到中国，某种程度上与中国传统文化思维方式内在契合，也唤起了中国早期社会学所形成的人文主义传统。
随着我国社会学学科建设由恢复重建伊始的“拿来主义”到本土化中国化的探索越来越深入，源自不同传统的质性研究方法和量化分析方法的分离和对立逐渐显现且愈演愈烈。学界对两种方法孰优孰劣以及“代表性”、“科学性”等问题莫衷一是。大数据时代的到来，为社会学研究打开了一扇新的窗户，同时也为原本的方法之争更添纷扰。⑤有观点认为，大数据可能引发一场社会科学革命，⑥另有观点则认为，大数据面临着诸多挑战。⑦人们担忧，大数据的出现有可能把质性方法和量化方法“两张皮”进一步撕裂为“三张皮”。在此背景下，也有学者认为“方法主义是今日学界危机的根源”，呼吁“破除方法主义迷信”。⑧
应当看到，学术论争、学派林立恰好是学科繁荣发展的表现，是学科走向成熟过程的必然。方法论争源自“与生俱来”的不同研究传统，面向未来也需要进一步探究其发展趋势。
二、工具演进、机器依赖及对象变迁
从时间序列看，人类学方法的形成要稍早于社会学。质性研究方法虽然直到20世纪70年代才形成普遍认同的方法体系，但其实际的社会学应用却要早于传统量化分析方法。大数据方法的出现，则是直到今天才刚刚开始。因此按照出现时间的早晚，可以粗略地把社会学研究方法的发展脉络归纳为“质性研究方法—传统量化分析方法—大数据方法”。可以看到，这是一个由“纯人工”到“机器”参与介入研究越来越多的过程。
具有鲜明人类学田野色彩的质性研究方法，强调参与、体验、感悟、在场、情景，设身处地、将心比心，依赖于直觉、联想、类比、领悟。要求置身于现实的社会群体生活空间，研究人们的社会活动及社会关系。其研究特点决定了质性研究方法主要是基于人工的个体劳动，很大程度上依靠人脑的直觉。即使发展到现在，口述史、影像志、深度访谈等引入了现代录音录像设备、计算机编辑处理工具，人的“参与”、“在场”仍然是质性方法的基本要求和灵魂。
传统量化分析方法一开始也是“全人工”收集人们特定的社会活动及社会关系的数据，并进行分析和处理的过程。早期问卷调查基本是纯手工操作，随着计算机和信息技术的发展，机器编码识别、统计分析软件把过去复杂的统计计算变得轻而易举，传统量化研究逐渐由以人工为主过渡到机器参与成分越来越多。但是，现代社会大型调查研究即使计算机全程参与，也必须以研究者主观设计、人为主观赋值编码为前提。也就是说，传统量化分析方法始终是以人工为主，机器处理作为辅助手段的研究方法。
大数据方法则依托于人类“数字化生存”的时代背景。正是云计算、云存储、物联网、二维码、传感器、GPS等互联网技术的广泛应用，微信微博新媒体的大规模使用，以及手机网络支付手段的更加便捷化，人类社会的各种社交网络、人际互动、经济活动都被客观记录下来，留下“数字痕迹”，形成海量的大数据。正是由于数据量大到无法由传统软硬件处理，且数据具有多样化的结构特征，所以大数据的获取不再是通过人工采集得来，而是由“机器爬梳”而来。大数据方法主要是通过机器学习，运用适当的算法，对数据自动进行学习，识别事物间的关联性和规律。当然，数据爬梳、分析的背后也有“人”，但这里的人已由台前退居幕后，机器承担了大量繁重的工作。
从质性研究到传统量化分析方法再到大数据方法，工具的变化某种程度上见证了研究对象——社会本体的变迁。从微观层级的个体行动、人际互动，到宏大的社会系统或结构等，在不同的社会形态下有着不同的特征。质性研究源自“田野”的方法无疑带有浓厚的传统社会印记；传统量化分析对应着的是现代社会，如果说这两种方法主要研究现实社会，大数据方法则显然是互联网时代信息社会的产物。在网络愈益发达的今天，人们在网络上的行为与现实行为具有越来越多的同一性，网络上的个人、群体间的互动与行为，以及网络上的组织结构都已经影响到现实社会，对人们的生产方式、生活方式、行为方式的影响之大前所未有。譬如手机及其他即时交流工具成为个人与社会交流交往的基本中介桥梁，随之带来了社会关系的变化；人工智能改变了人类生产方式、生活方式，引发了职业分化的加速；物联网、众筹经济正在促生新的社会价值观；等等。这些都意味着传统的社会关系、社会结构已经发生且仍在发生着深刻的变化。社会本体发生了改变，对于这些关系、行为、结构变化所形成的大数据进行研究，就具有现实重要性。从这一角度而言，大数据研究对于社会学的本体论意义大于方法论意义。
来源: 社科院网站
关注同花顺财经微信公众号(ths518)，获取更多财经资讯
本文来自投稿，不代表本人立场，如若转载，请注明出处：http://www.souzhinan.com/kj/232892.html