序言:當技術開始重塑政治
政治學是系統(tǒng)研究人類社會中的政治現(xiàn)象,分析其發(fā)展規(guī)律及動態(tài)變化的學科,它以政治權力、政治制度、政治行為及其相互關系為具體的研究對象,其核心關切是如何組織與管理權力、制定和執(zhí)行決策、解決社會矛盾和問題以及協(xié)調集體行動,以實現(xiàn)社會發(fā)展與秩序。從古典政治哲學對理想政體的探討,到現(xiàn)代政治科學對政治行為、政策過程和治理秩序的實證分析,政治學的研究對象雖然不斷演變,但始終圍繞一個根本問題,即如何在復雜的社會環(huán)境和時代變化中獲得和使用權力,以實現(xiàn)能保障公正和發(fā)展的秩序。
辯證唯物主義和歷史唯物主義的世界觀和方法論是馬克思主義政治學研究的根本方法。它要求研究者從一定的歷史條件出發(fā),客觀地認識和分析政治現(xiàn)象,從社會生活和時代變遷中去探究政治發(fā)展的動因,認識政治現(xiàn)象的規(guī)律。時代和社會發(fā)展是推動政治學學科發(fā)展的根本動力。今天,我們正進入一個前所未有的技術變革時代,這個時代給予政治學一個新的歷史條件,那就是技術開始重塑政治,具體表現(xiàn)為以下三個方面
首先是政治行為主體及其行為模式的變化。信息技術和大數據既讓政治行為變得更加透明和可追蹤,同時信息傳播路徑和算法推薦也可能增加民眾行為的情緒化程度和不確定性。不僅各種社交媒體和網絡平臺改變了人們的行為互動模式,這種新的行為互動模式所發(fā)生的網絡虛擬空間本身也成為一個新的政治行為主體。
其次是國家和社會治理的數字化轉型。大數據和信息技術的廣泛應用使得政府在公共政策的制定和社會治理中可以更加依賴數據驅動的決策,提升政府治理和社會治理的精準性和便捷性。但同時,信息傳播速度的提高增加了信息的不對稱性,又為社會穩(wěn)定和運行秩序增加了不確定性。政治學在面對智能治理數字政府這些新概念時,政府如何運用信息技術來提高決策效率,如何面對公眾參與,就成為學術研究的新議題。
最后是理論范式的挑戰(zhàn)。數據產權及算法權力挑戰(zhàn)了政治學的權力理論。在信息技術為政治行動主體賦能的同時,技術不平等和信息服務的不均等也造成了技術化行動的弱勢群體的出現(xiàn),帶來新的社會不平等和治理問題,也可能進一步挑戰(zhàn)國家能力和社會發(fā)展的關系現(xiàn)狀。數據獲取的隱蔽性和隱私保護難題也使得技術治理的倫理問題成為政治學理論研究的新領域。
問題是時代的格言,是表現(xiàn)時代自己內心狀態(tài)的最實際的呼聲。 時代問題和如何更好地回答這一問題是推動政治學研究范式創(chuàng)新的動力。技術開始重塑政治也許是一個略顯夸張的命題,但絕不是一個可以回避的命題。大數據和信息技術不僅為政治學提供了如數字公眾、算法權力等新的研究對象,也推動了計算政治的方法革命,同時迫使理論回應技術重塑政治的根本性問題:在數字時代,權力如何被重新定義、分配與運用?這些新命題和新動力要求政治學突破傳統(tǒng)分析框架的局限,以更精細、更動態(tài)的方式把握政治現(xiàn)象及其運行規(guī)律。同時,海量數據的可得性和計算能力的提升也為政治學研究提供了前所未有的機遇我們能夠以更低的成本、更高的精度檢驗理論假設,甚至發(fā)現(xiàn)以往難以觀測的政治行為模式,以及難以預測的政治運行規(guī)律。面對信息技術對政治學的介入,政治學不應該成為旁觀者,而應積極介入技術領域,通過理論拓展、方法進化和新技術的運用等學科革新,回答一個立足當下又面向未來的問題:在一個技術決定論盛行的時代,政治學如何重新駕馭技術?
2024年1月,《研究生教育學科專業(yè)簡介及其學位基本要求(試行版)》發(fā)布,計算政治學被設為新的政治學二級學科,這是對技術開始重塑政治的國家回應。2024年6月,計算政治學進入華中師范大學政治學的學科體系。華中師范大學政治學與國家治理研究院為政治學世界一流學科建設單位,我們回應時代命題和學科關切,與國家發(fā)展同頻共振。2024年9月,華中師范大學政治學與國家治理研究院計算政治學研究團隊開始著手學科發(fā)展規(guī)劃和學科要素建設,其中,基層治理實驗室和《計算政治學》教材是最主要的兩大內容。在團隊的傾力耕耘下,《計算政治學》教材始得付梓。
陳軍亞教授負責本教材的總體設計。教材由三個部分組成:理論篇、方法篇和技術篇。
理論篇由張檣老師完成。新的研究方法和技術運用本身并不能帶來政治學研究的進步。如果缺乏理論根基,先進的方法也可能淪為技術至上的內卷應用,甚至導致數據豐富而理論貧乏的困境。計算政治學作為一門學,我們認為,它首先需要基本理論框架的支撐,使得新的研究方法和分析技術能夠植根于理論基礎之上。理論篇系統(tǒng)闡釋了計算政治學的發(fā)展歷史與核心命題。第一章回顧了政治即計算的學科傳統(tǒng),定位計算政治學在整個計算社會科學體系中的位置,梳理了計算政治學的主流研究范式。第二章分析了數字社會轉型帶來的微;⑵脚_化和虛擬化的現(xiàn)實影響,以及由此給國家?guī)淼闹卫硖魬?zhàn),揭示計算政治學回應現(xiàn)實問題的理論自覺。第三章演示了政治學經典概念在數字時代的再概念化過程。新的研究方法和分析技術會帶來觀念層面的變化,計算政治學的發(fā)展過程也是政治學概念體系的重構過程。第四章以一種辯證的目光重新審視計算政治學的學科發(fā)展,在肯定其優(yōu)勢的同時,指出現(xiàn)有研究的局限性。第四章最后一部分的內容,結合計算政治學的發(fā)展現(xiàn)狀,提出計算政治學的未來研究議程的初步設想。
方法篇由李立老師完成。依賴傳統(tǒng)范式的研究方法已經無法完全解釋信息技術和大數據帶來的復雜的政治現(xiàn)象。面對日益多元的政治行為主體、復雜的政治過程以及動態(tài)的政治行為環(huán)境,政治學迫切需要新的研究方法,提升復雜的政治現(xiàn)象研究的科學性和嚴謹性。方法篇圍繞政治學研究中的因果推斷方法展開,介紹了多種方法及其應用。第五章介紹自然實驗法。雙重差分法、斷點回歸法、工具變量法等方法有助于因果關系的數據觀察和識別,研究者能夠更準確地理解政策效果和政治行為。第六章介紹反事實構造方法。合成控制法和傾向得分匹配法等通過模擬反事實情境,提供了更為精確的因果推斷工具,能夠有效地減少選擇偏差和混雜變量的影響。第七章介紹貝葉斯方法。合成控制貝葉斯、貝葉斯網絡與因果關系學習、貝葉斯分層模型等提供了一種靈活且強大的工具,來處理不確定性和復雜性,能夠為政治現(xiàn)象研究提供更為深刻的洞察。第八章介紹高維數據因果推斷與方法前沿。隨著數據量的增大和維度的提升,高維數據的稀疏建模、因果森林、雙重機器學習和深度學習等方法為因果推斷研究提供了新的視角和工具,不僅提高了因果關系識別的準確性,還拓展了因果推斷的應用范圍。
技術篇也由李立老師完成。如何將復雜的政治現(xiàn)象和形態(tài)豐富的政治行為轉變?yōu)榭捎嬎愕臄祿,提升數據獲取與處理的效率,為研究方法提供技術支撐,是技術篇所要解決的主要問題。技術篇以Python語言為開發(fā)工具,圍繞網絡數據采集與清洗、數據分析與可視化、機器學習與深度學習、模擬與決策四項核心技術,展開基礎操作和實踐演練的講解。第九章介紹網絡數據采集與清洗。通過拆解爬蟲技術,以及該技術之下requests、Beautifulsoup等工具的使用,引入提升海量數據處理效率的多線程、協(xié)程以及異步技術,傳授數據清洗的方法和技巧,以確保數據質量。第十章介紹數據分析與可視化。以政治學量化方法為線索,利用matplotlib、seaborn等工具繪制統(tǒng)計學圖表,開展地圖可視化和復雜數學建模實操,挖掘數據背后的因果價值。第十一章介紹機器學習與深度學習,通過展示基礎的監(jiān)督學習、無監(jiān)督學習、神經網絡和序列模型等技術在研究中的卓越表現(xiàn),展現(xiàn)其強大的分析能力和應用潛力。第十二章是模擬與決策板塊,介紹了基于行動者的建模(ABM)、蒙特卡羅方法、優(yōu)化決策建模等社會模擬和決策建模,以及如何使用它們?yōu)檎咧贫ㄌ峁┛茖W依據。
本書的特點在于兩個方面。首先,相對于已有的計算社會科學或計算政治學的教材,本教材特別強調理論基礎的重要性,并將其置于首篇。我們相信,計算政治學的發(fā)展所帶來的不僅是實證研究方法的技術深化,更重要的地方在于,數字技術的應用拓展了傳統(tǒng)政治學的理論邊界,催生了新的理論領域。其次,本教材系統(tǒng)整合機器學習、自然語言處理、網絡分析等核心技術,以現(xiàn)實政治問題為導向,配備了大量代碼示例和案例分析,為讀者打開計算政治學研究的全景技術窗口,以幫助學習者和研究者更輕松地跨越技術的門檻,進入研究和應用的場景之中。
我們相信,計算政治學作為一門學,其未來在于理論驅動、方法精研和技術賦能的三位一體。我們本著這一認識和信念,啟動和完成了教材的編寫工作。但是我們也必須承認,我們這個團隊的成員都沒有集三位于一體的能力。本教材作為一種嘗試和努力,只能表達我們在計算機信息技術蓬勃發(fā)展和大數據時代來臨的當下,為政治學的學科發(fā)展和計算政治學的學科建設獻出綿薄之力的真實意愿,它可能還稱不上是一種真實貢獻。
最后,特別感謝格致出版社的編輯團隊。該團隊不僅以深厚的專業(yè)素養(yǎng)和敏銳的學術眼光,對全書內容進行了細致入微的審校,提供了諸多寶貴意見,而且以高效務實的工作態(tài)度,最大程度地在略顯緊張的出版周期中保障出版工作順利進行。這些傾力支持,讓我們深刻體會到優(yōu)秀的編輯對于學術工作的重要價值。
愿本教材與新一代計算政治學人同步成長!
陳軍亞
2025年4月
序
第一部分 理論篇
第一章 導論:政治即計算
第一節(jié) 計算、計算社會科學與計算政治學
第二節(jié) 計算政治學的學科脈絡
第三節(jié) 計算政治學的研究范式
本章小結
第二章 數字時代與計算政治的問題意識
第一節(jié) 數字社會的到來
第二節(jié) 數字化與國家面臨的挑戰(zhàn)
第三節(jié) 計算政治學的問題意識
本章小結
第三章 計算政治研究的再概念化
第一節(jié) 數字化的個體與公眾
第二節(jié) 數字政治與公共參與
第三節(jié) 數字浪潮下的公共部門與私人部門
本章小結
第四章 計算政治學的發(fā)展趨勢與展望
第一節(jié) 計算政治學的優(yōu)勢
第二節(jié) 計算政治學研究的局限
第三節(jié) 計算政治學未來的研究議程
本章小結
第二部分 方法篇
第五章 自然實驗和因果推斷
第一節(jié) 因果推斷基礎與研究設計
第二節(jié) 雙重差分法
第三節(jié) 擴展雙重差分法
第四節(jié) 平行趨勢假設及其檢驗方法
第五節(jié) 工具變量法
第六節(jié) 斷點回歸
本章小結
第六章 反事實構造與因果效應估計
第一節(jié) 合成控制法
第二節(jié) 合成雙重差分法
第三節(jié) 加權匹配與傾向得分法
第四節(jié) 反事實生成對抗網絡
本章小結
第七章 貝葉斯方法與因果推斷
第一節(jié) 貝葉斯因果推斷基礎
第二節(jié) 基本貝葉斯模型
第三節(jié) 貝葉斯網絡與因果關系學習
第四節(jié) 貝葉斯分層模型
本章小結
第八章 高維數據因果推斷與方法前沿
第一節(jié) 高維數據的稀疏建模
第二節(jié) 因果森林
第三節(jié) 雙重機器學習
第四節(jié) 深度學習與復雜數據處理
本章小結
第三部分 技術篇
第九章 網絡數據采集與清洗
第一節(jié) 爬蟲技術
第二節(jié) 復雜HTML解析
第三節(jié) 異步爬蟲
第四節(jié) 數據清洗
本章小結
第十章 數據分析與可視化
第一節(jié) 圖與圖表
第二節(jié) 地圖可視化
第三節(jié) 數學統(tǒng)計
第四節(jié) 高級建模
本章小結
第十一章 機器學習與深度學習
第一節(jié) 機器學習
第二節(jié) 深度學習
第三節(jié) 社會網絡分析和圖卷積神經網絡
第四節(jié) 政治學中的文本分析
本章小結
第十二章 模擬與決策
第一節(jié) 基于行動者的建模與社會模擬
第二節(jié) 蒙特卡羅方法與不確定性分析
第三節(jié) 優(yōu)化建模與決策建模
第四節(jié) 群體決策模擬
本章小結