大数据应用于社会科学研究的价值

摘 要：在大数据时代背景下，如何在海量的数据信息当中挖掘知识与发现知识，探究隐藏在数据当中的相关性、模式与趋势，社会现象和预知社会发展规律被揭示，需要我们具有较强的数据洞察力。随着网络社交与移动互联网的兴起与广泛应用，无论是网络科学还是数据科学，均提供了全新的科学发展观。在人们的日常工作与生活当中，大数据所带来的机遇和挑战是颠覆性的存在，同时为社会科学研究提供了全新方向，发挥大数据优势向外拓展新闻传播研究广度。

关键词：大数据背景;社会科学;创新策略

一、大数据的基本特征

（一）重发现非实证

在传统的实证研究当中，过于注重在理论的前提下建立假设并收集证据，对理论的适用性进行论证，采取随机抽样的方式，定量调查问卷并获取收集，对假设进行验证，这属于一种自上而下的决策与思维过程。随着大数据时代的到来，在发现知识和预知未来时，为探索未知社会带来了全新机遇。这样的预见性，属于一种自上而下的知识发现过程，在没有理论假设的前提下，预知社会与商业发展趋势。因一般数据挖掘，是在没有明确假设的前提下，挖掘信息与发现知识，所得到的新型应具有先前未知、有效与可实用的特点。

（二）非结构化数据

数据挖掘则是发现以往未知、实用且有效的知识与信息，非结构化数据在其中占据较大比重，这是大数据时代所具备的显著特征。例如，微博这样的社交媒体，所产生的大量文本当中，包含许多有价值的信息，大数据分析对中文文本挖掘技术而言属于一种全新突破。在地球上产生的数据中，结构化数据只占百分之十左右，剩余的百分之九十的数据都是非结构化数据。因此，在大量的文本当中，发现人们的行为、态度与情感。无论是文本挖掘还是语义分析，在大数据时代背景下，为社会情感挖掘、意见挖掘等均带来了全新商机。

（三）重全体轻抽样

大数据属于商业自动化储存的数据，在软件应硬件满足的条件下，能够对海量的数据进行全面分析。随着时间的推移，储存于软硬件的经济性与工具的先进性，以及海量数据的处理能力均得到了显著提高，数据挖掘算法因此得到了改进与丰富。在统计分析与机器学习的神经网络建模技术的发展历程中，抽样并非是必要的手段与方法。因大数据并非是总体，但是在理论层面上看，再大的布局也没有随机抽样具备代表性。但是大数据分析技术需要抽样，无论是随机抽样还是过渡抽样，均是必要的建模过程与方法论。

二、大数据与社会科学

人是社会科学研究的主体，人所在的群体、组织与相互关系也包含其中。因社会是由人和关系相互组成的，社交网络能够为人们提供在线交流与信息传播的平台，人们的在线化生活，是社会化媒体行政全新的媒介生态环境，在人们的发展历程中，社交媒体可构建巨大的社会网络并不断演化。在具体的发展例程中，演化的信息可被精确记录，在大数据分析中，网络科学与社会网络分析属于重要的技术与方法，网络科学的存在能够使人们更加全面的观察人类社会的行为模式。因此，在数据时代下社会科学得到高度重视，由自然人向经纪人过渡，进入到社会人的社会化生产，表明人越来越需要社会化。

社会人是因他人的存在，才能够真正实现自身价值。在大数据时代下，研究网络环境下的社会人，成为重要内容，同时还应关注社会人的态度行为与社会影响。传统的社会“平均人”，已经不是重点研究对象。在以往的数据分析当中，过于关注群体行为模式。因此，应在大数据中捕捉个体的行为模式，并将分散在不同地方的数据信息进行集中，在大数据中进行处理就能够捕捉群体行为。大数据时代的到来，为社会科学研究指明了全新方向。

三、社会科学与网络科学

从某种程度来看，在理论尚未完全构建完善的基础上，数据挖掘有了大量商业应用的结果。大数据时代的到来，为网络科学与数据科学等新型学科的发展带来了全新机遇，在分析各项数据的过程中，需要大量的复合型专业人才。大数据更多的是来源于社交软件，人们的社会生活被记录在社交媒体与传播网络当中，每个人的属性数据均包含其中，还能够捕捉到最真实的社会关系，深入研究社会结果并发现其中蕴含的规律。

因数据科学的兴起，数据科学家成为当前最抢手且热门的职业，在大数据时代背景下，需具有较强中控大数据分析能力的专业人才，能够探究丰富的数据来源，但在一定软件与宽带的限制条件下，具备处理大量数据的能力，同时还能够清晰数据保证数据质量的唯一性与安全性。通过构建大数据中心，将不同数据源以及数据类型的数据仓库融入其中，数据可视化技术被掌握，构建丰富的软件高效处理各项数据，有创造性的掌握各项数据。

四、结语

总而言之，在社会科学研究的各个学科领域当中，大数据分析思想得到广泛推广与应用。当今的社会更是网络化社会与数据化社会，在我们的日常工作与生活当中，大数据技术得到广泛应用，并起到至关重要的作用。但是，大数据能够使社会更加民主，传播网络能够帮助人们获得大规模的言论分享度，赞同与反对均包含其中，颠覆我们的日常生活。面对大数据时代的决策，我们应用积极的态度面对，应对大数据所带来的机遇和挑战。

参考文献

[1].“双一流”建设背景下学科交叉导向的学术组织创新[A]. 张弛.高校·学科·育人：高等教育现代化——2017年高等教育国际论坛论文集[C]. 2017

[2].國家学科制度下一流学科建设的反思[A]. 刘小强.高校·学科·育人：高等教育现代化——2017年高等教育国际论坛论文集[C]. 2017

[3].江苏高校“一流学科”基本状况初步分析——以三轮学科评估前10名为例[A]. 李凤玮，周川.高校·学科·育人：高等教育现代化——2017年高等教育国际论坛论文集[C]. 2017

作者简介：

姜汐函（2000.7.24）女，民族：汉族，籍贯辽宁省营口市，当前职务：大四学生，学历：本科，研究方向：行政管理。