警惕社科研究陷入简单化的“技术逻辑”

当前，人文社科研究中出现的“重工具创新、轻问题导向”倾向引起关注。多位学者近日在接受本报记者采访时表示，在论文发表和课题评审的指挥棒下，工具与目的之间的颠倒，正在制造大量技术上日益精致、思想贡献上却趋于平庸的“学术工业”产品。

01

被技术绑架的研究

“人工智能，尤其是生成式人工智能的涌现，为人文社会科学研究带来工具层面的进步。”在西北农林科技大学人文社会发展学院教授石英看来，人工智能在提升效率的同时，也加剧了社科研究中长期存在的技术主义倾向，即技术优先论。“为技术而技术，为工具应用而工具”的现象日益显著。部分研究并非从问题本身出发寻找技术，而是基于手中已有数据或掌握的模型技术设定研究议题。

山东大学语言经济研究中心主任张卫国道出了一个残酷的学术事实：“学术评审有‘可读性’门槛。一个干净的识别策略、一张漂亮的回归表，评审人一眼能看出功夫；而‘这个问题值不值得做’的眼光，是隐性的。评价系统于是不知不觉地奖励那些看得见的东西。”

首都经济贸易大学劳动经济学院人口经济研究所副所长盛亦男观察到，研究中存在大量“技术驱动”选题——“虽然投入最前沿的技术，得出的却是常识性结论”。相当多的研究问题，“与其说来自对研究问题与理论的关注，不如说是寻找一个干净的自然实验”。好的自然实验固然珍贵，但“在技术方法论日趋精致的背后，可能并没有对一些重要的研究问题进行回应”。

如果说“技术驱动”是病灶，那么“精致的平庸”就是病症。石英直言，在论文评审或项目立项过程中，使用特定模型或工具更易通过评审。模型精美、形式规范的论文，催生许多“精致的平庸”之作——“缺乏思想、观点，仅为常识的证明或证伪，此类论文易于发表”。

为什么“精致的平庸”论文容易通过评审？张卫国解释：“一个干净的识别策略，会让结论‘不容易被攻击’；而一个大胆的理论判断，随时可能挨批评。于是，‘技术过硬但平庸’成了安全选择。”

盛亦男关注到一种“跟随型”的知识生产过程——“一些研究直接把欧美识别出的因果效应作为基准，在中国数据中复制检验。如果结果是相似的，文章就找到了贡献点；如果不相似，就讨论中国的特殊性。这种模式在学术生产上效率很高，但它不是对中国本土研究提出原创性的分析框架。”这种“跟随型”研究在中国的学术期刊上并不鲜见。从发表的角度看，这是一种高效的生产方式。但从知识创造的角度看，这种做法无法产生真正原创性的概念、框架和理论，也无法回应中国社会自身独特的经验与问题。这其中还包含着更隐蔽的危害，即对青年学者思维方式的塑造影响。

盛亦男表示，当技术方法论训练占据绝对主导地位后，学生或许越来越擅长“跑模型”，却越来越不会质疑模型。她提到，一些博士生从入学开始，就关注于学习研究技术，如何尽快发表论文，很少主动思考为什么要做研究，什么问题是值得一生追问的，什么是好的人文社科研究。张卫国对此忧心忡忡：“一个刚入行的年轻人，如果他学到的‘研究’就是‘找数据—跑模型—写文章’这条流水线，他很可能终其一生都没机会提出具有想象力的理论。”

02

人文社科核心内涵被消解

这场技术“内卷”何以发生？学者从不同层面拆解了其成因。制度层面的激励结构强化了这种倾向。盛亦男认为，研究者在考核体系中被鼓励快速产出结果，进一步强化了路径依赖。“相较于理论创新，技术的边际创新成本更低。理论创新往往需要重新概念化、挑战既有范式并构建新的分析框架，其学术价值的显现通常需要较长时间；而技术工具的改进与应用的拓展，则能在短期内产生可见的边际贡献。”这意味着，在“不发表就出局”的考核压力下，选择“技术改进型”研究而不是“理论突破型”研究，是一种理性的生存策略。

石英认为，“这是技术从自然科学向社会科学领域移植所产生的问题。技术迭代、工具革新，加剧了对工具的依赖”。课题立项与学术成果发表偏向量化研究，“无形中形成了导向，鼓励研究者重视技术层面”。这种导向体现在人才评价上，通常以权威或核心期刊论文数量为指标，而论文选取又取决于是否有模型、技术是否规范、数据是否充分。

在这些制度性因素下，张卫国捕捉到一种更为隐秘的心理动因——“不够硬的焦虑”。这种焦虑根植于人文社会科学相对于自然科学的学科地位落差。在现代大学的知识谱系中，“硬科学”享有更高的声望、更多的资源和社会信任。社会科学想追随这一趋势，在这个过程中，量化技术不仅是研究工具，更成为学科合法性的标识。

“此观念贯穿于人文社会科学教学与研究中。于是，鲜活的个体被抽象为枯燥的数字，成为数据空间中的一个点，人文社会科学中许多核心的内涵被消解。”石英认为，重技术、轻人文的倾向，表面看是技术方法论之争，实际上是学科对自身价值不够自信的一种表现。

03

让思想成为研究的主导

面对这场技术“内卷”，学者并未陷入悲观。在受访学者看来，唯有让技术回归工具本位，让思想成为研究的主导，人文社会科学才能在人工智能时代守住其精神根基。

如何厘清大数据、人工智能等技术工具在社科研究中的应用边界？张卫国认为，人工智能确实让研究更扎实，但技术手段替代不了价值判断和理论建构。基于这一认知，张卫国提出三方面的建议。评价层面，评审人要敢于也要有能力掂量问题本身的分量，而不只是单看技术含量。学术训练层面，要让青年学子学会想问题，再去学技术。评价导向上，要给“慢”研究、思辨型研究留出位置。

在“矫枉”的声音之外，也有学者提醒不宜走向另一个极端。浙江大学经济学院院长苗建军认为，社科研究技术化倾向是时代发展的趋势，也是社会科学研究真正具有科学性的标志。“只见技术不见人”的研究会逐渐被淘汰，而能够被广泛引用的研究必然能够平衡好技术工具与人文关怀的关系。石英表示，反思社科研究中的技术化现象，并非否认科学技术、数据在社科研究中的价值。恰恰相反，量化研究对推动社会科学走向更加严谨、可检验的科学范式，起到了不可替代的作用。

这场围绕技术与人文的争论，最终指向了一个更为根本的问题，即中国人文社会科学如何生产出真正具有原创性的知识？“真正的原创从来不是引进一套更新的技术就能完成的。概念、框架、对问题的判断，得从我们自己内心里长出来。”张卫国说。

近年来，构建中国自主知识体系成为学术界热议的话题，但若仔细审视当前的研究实践，就会发现一个悖论：我们在技术上越来越与国际接轨，熟练地运用前沿的计量技术，但在提出原创性问题、构建本土理论方面的进展并不乐观。为此，石英强调，我们的研究要直面社会生活实践，在社会实践中启发智慧的思考。

创新的种子，往往隐藏在那些尚未被模型捕捉到的地方。记者在采访中感受到，石英强调的“直面社会生活实践”，张卫国所说的“从自己内心里长出来”，盛亦男倡导的“值得一生追问的问题”，都昭示着研究者的状态不应是隔着数据和模型的屏障观照这个社会，而是必须以自己全部的理智与情感，投入自己所研究的社会课题，奔走在实现学术人生价值的旅程上。

中国社会科学报记者 张杰 张清俐

来源：中国社会科学报

新媒体编辑：张雨楠

如需交流可联系我们