2025年, 第4卷, 第2期　刊出日期：2025-03-10

  

• 全选
  |

• Select
  卷首语 重塑社会科学范式:智能社会科学的变革与前景

  郭茂灿，范晓光

  智能社会研究. 2025, 4(2): 1-5.

  摘要 ( ) PDF全文 ( ) 可视化 收藏
特稿
• Select
  从技术到伦理:生成式人工智能的多元社会影响

  陈云松，陈茁

  智能社会研究. 2025, 4(2): 6-22.

  摘要 ( ) PDF全文 ( ) 可视化 收藏

  作为新兴数字技术,生成式人工智能(GenAl)不仅带来了技术变革,还正引发或即将引发一系列社会变革。本文从劳动分工、社会不平等、权力体系和社会文化四个方面,探究 GenAl 的多元社会效应。在劳动分工方面，GenAI凭借自动化重复性任务以及高效的信息整合能力，推动综合性人才培养与组织扁平化，同时或催生灵活就业形式，但也存在技术性失业风险。在社会不平等方面,GenAl对社会不平等的影响复杂且多面,它降低了信息获取门槛,促进了公平,然而也可能加剧数字鸿沟并放大既有偏见。在权力体系方面，GenAI促使知识权威去中心化，但算法权力进一步放大，技术垄断和权力集中化或重塑国内、国际竞争格局。在社会文化方面，GenAI降低了创作门槛,推动文化普及,但可能导致文化同质化、原创性削弱以及知识产权归属争议。本文强调，需结合数据导向的实证研究,从跨学科视角充分评估该技术的潜在社会影响。
• Select
  智能社会的公众参与转型

  梁玉成，赖小乔

  智能社会研究. 2025, 4(2): 23-43.

  摘要 ( ) PDF全文 ( ) 可视化 收藏

  技术变革重塑了社会结构与公众参与的形态。传统公众参与理论大多建立在“固态社会”或“液态社会”基础之上,已难以解释当下政治生活的真实图景。本文提出社会“气态化"概念，用以描述个体原子化、弱连接以及互动瞬时性的新型社会形态,并以此为切入点,深入理解智能时代的公众参与转型。在社会“气态化”背景下，生成式人工智能凭借技术赋权催生了一种全新的公众参与模式，具体表现为:其一，生成式人工智能拓展了参与范围的广泛性，让原子化的个体能够更为便捷地参与公共事务;其二,信息传播恰似气态分子的相互碰撞,使参与对话呈现出瞬时爆发的态势;其三,生成式人工智能提升了参与理性,推动自下而上的有序性得以涌现。基于此，构建新的社会形态理论话语对于理解智能社会而言意义重大。
前沿动态
• Select
  智能社会学:生成式人工智能驱动下的社会变迁与社会学范式重构

  郭茂灿，李芳，陈思妍

  智能社会研究. 2025, 4(2): 44-66.

  摘要 ( ) PDF全文 ( ) 可视化 收藏

  自 Transformer 架构问世以来,生成式人工智能迅速突破算法壁垒,重塑生产逻辑,并在国家政策的推动下逐步融入中国社会。在此背景下,社会学知识生产正面临范式重构。本文聚焦智能社会学研究范式,对已有文献进行系统的回溯与总结。首先,文章回顾了学者们关于智能社会学的内涵、边界和研究方法的主要观点，强调智能社会学作为一种新范式,是对时代变革的回应。其次，文章从生产方式变迁、社会结构重组、文化实践转型和微观互动方式等层面,分析了生成式人工智能对社会的全面渗透及其影响机制。在此基础上，进一步从大数据处理定性与定量方法融合以及跨学科协作三个维度，探讨了智能社会学在研究方法上的创新与拓展。本文整体展示了生成式人工智能对社会变迁和社会科学范式转向的多层驱动，为后续的实证深化与经验讨论奠定了研究脉络和问题图谱。
• Select
  生成式人工智能能否促进社会科学的发展?

  克里斯托弗·A.贝尔 著 张文菲, 项卢杨译

  智能社会研究. 2025, 4(2): 67-94.

  摘要 ( ) PDF全文 ( ) 可视化 收藏

  生成式人工智能可生成逼真的文本、图像及其他类人化内容正深刻影响着多个行业的发展。然而，其在社会科学研究领域的潜在影响尚未得到充分探讨。本文指出，生成式人工智能在问卷调查研究、在线实验、自动化内容分析、基于智能体的代理建模等常见社会科学研究方法中具有广阔的应用前景。它有望提高研究效率、拓展研究范式，推动社会科学的方法创新。同时，本文也系统剖析了生成式人工智能面临的诸多限制。比如，训练数据中的偏见可能会对研究结果产生潜在影响,并且在伦理规范、研究普适性、环境影响以及低质量研究扩散等方面带来了挑战。为应对上述问题，本文建议,社会科学界应着力构建开放共享的开源研究基础,以支持有关人类行为的系统研究。这一基础的搭建,不仅能提升高质量研究工具的广泛可及性，更是在人工智能不断发展的进程中,理解和引导人类行为的重要支撑。
• Select
  大语言模型与机器学习方法在社会科学研究中的规范性应用——对REFORMS清单的回应与思考

  吴愈晓

  智能社会研究. 2025, 4(2): 95-97.

  摘要 ( ) PDF全文 ( ) 可视化 收藏
专题论文
• Select
  主持人语

  李煜

  智能社会研究. 2025, 4(2): 98-104.

  摘要 ( ) PDF全文 ( ) 可视化 收藏
• Select
  生成式人工智能赋能随机实验——机遇与挑战

  陈忱

  智能社会研究. 2025, 4(2): 105-121.

  摘要 ( ) PDF全文 ( ) 可视化 收藏

  在社会科学研究中,随机实验研究被视为因果解释范式的“黄金法则”,不过它也面临着诸如外部效度低、千预变量因伦理问题无法随机化等挑战。对于实验方法低外部效度的质疑，笔者认为研究结果能否推广至其他场景，取决于能否确定因果模型中可能存在的复杂交互效应。当前针对随机实验低外部效度的质疑在一定程度上混淆了内部效度和外部效度，这是对外部效度的错误理解。生成式人工智能赋能随机实验带来了前所未有的机遇与挑战。生成式人工智能所创造的“硅样本”(虚拟样本)能为实验参与者提供有效的样本补充,在基于人为设定的测量中尤其具有显著优势。此外，生成式人工智能在语言与材料设计方面的应用，有助于优化实验测量，进而提升研究效度。最后，本文探讨了生成式人工智能应用于随机实验研究可能面临的挑战。
• Select
  硅基样本:生成式人工智能驱动下的社会学研究方法创新

  王元超, 蓝翌宁, 李景宸

  智能社会研究. 2025, 4(2): 122-137.

  摘要 ( ) PDF全文 ( ) 可视化 收藏

  以生成式人工智能为代表的新一轮科技革命正深刻影响着人类社会。在此背景下，人工智能不应仅被视作研究对象，更应成为推动社会学研究方法创新的技术引擎。基于大规模抽样调查开展统计分析是社会学量化研究的主流方法,然而它往往存在一些难以规避的缺陷,如成本高昂、时效性差、敏感议题测量误差大等。ChatGPT、DeepSeek 等大语言模型的发展在这方面提供了新思路，这些人工智能工具已能在很大程度上模拟人类的思考与行为。使用若干全国性抽样调查数据对其训练后,可认为该人工智能习得了中国情境下人类社会的大量因果逻辑、态度与行为,故而可直接将其作为抽样调查的受访对象,即用大量人工智能替代人类受访者来收集调查数据。毫无疑问,将人工智能作为受访者和社会模拟器,具有成本低、时效快、不受伦理问题困扰等优势，但也存在不少潜在风险。因此，在使用过程中,应遵循以理论为指导、以抽样调查数据为锚点、立足现实问题等原则。
• Select
  从ABM到GABM——生成式人工智能对社会模拟的重塑

  王志超, 吕泽宇

  智能社会研究. 2025, 4(2): 138-157.

  摘要 ( ) PDF全文 ( ) 可视化 收藏

  生成式人工智能技术的突破性发展为社会模拟方法的革新带来了新机遇。本文从社会模拟方法的基本要素出发,探究生成式人工智能如何凭借其在自然语言理解、多模态生成和情境适应等方面的关键特性，为智能体建模范式的拓展与升级创造新的可能。在系统梳理现有研究成果的基础上,本文围绕典型任务类型与应用场景,对“生成式智能体建模”的实践路径与建模模式进行了分类、归纳与讨论。同时,从社会科学的研究视角出发,进一步探讨生成式人工智能融入社会模拟过程中可能存在的理论挑战与潜在风险,并对未来发展方向进行展望。本文旨在系统理生成式人工智能赋能社会模拟研究的方法,以推动社会科学研究范式的融合与创新。
研究论文
• Select
  大语言模型智能体能模仿问卷调查受访者吗?——来自中国人口数据的基准比较

  周穆之，于璐，耿笑敏，罗岚，刘烨

  智能社会研究. 2025, 4(2): 158-178.

  摘要 ( ) PDF全文 ( ) 可视化 收藏

  近期,围绕大语言模型展开的讨论指出，大语言模型智能体能够模拟社会调查中的人类受访者，给出可靠回答，如对政治民意调查中的投票结果进行预测。然而，当前已有的研究结论并不统一，难以判定大语言模型生成的数据与通过概率抽样得到的人口特征是否一致。在本文中,我们借助大语言模型重复生成的硅基样本数据构建抽样分布进而比较通义千问和 ChatGPT-4 生成的硅基样本的人口特征分布,与中国人口普查(2020)和中国社会综合调查(CGSS)2017年数据中人口特征分布的差异。实验一的结果显示,硅基人口分布中女性占比略高于普查比例,硅基人口的年龄均值与实际人口相近,但硅基人口中接受高等教育和居住在乡村的比例过高。这反映出硅基人口数据与人口普查结果存在差距,且这一差距在两种模型中均有体现。在实验二中，我们赋予通义千问和 ChatGPT-4o 智能体与 CGSS 2017 受访者相同的人口社会经济特征,让它们回答有关收入分配的态度问题。两种大模型的回分布高度相似,且与人类受访者的回答明显不同，呈现出强调社会公平和福利制度的偏好。同时，硅基样本生成答案的差异程度远低于人类受访者。最后，我们探讨了运用大语言模型进行人口统计推断的影响和意义。
• Select
  复现的限度——“硅基样本”的可能与可为

  凌宛莹，崔思瞻

  智能社会研究. 2025, 4(2): 179-201.

  摘要 ( ) PDF全文 ( ) 可视化 收藏

  以大语言模型为代表的生成式人工智能正为社会学知识生产带来新的可能。本文依托 2011年、2021年中国综合社会调查的卫生保健模块数据,将三种大语言模型(DeepSeek-v3、GPT-40、Qwen-plus)生成的结果与人类真实应答展开对比分析，旨在探讨大语言模型生成的“硅基样本”在复现公众态度方面的表现。研究发现,硅基样本的应结果具有不确定性,这种不确定性体现在微观层面的个体应答、宏观层面的变量分布以及中观层面的变量关系上，具体表现为以下三个方面:一是人类样本与硅基样本之间存在差异;二是硅基样本自身应答一致性存在差异;三是不同大语言模型生成的硅基样本之间存在差异。本文认为，当前的大语言模型难以精准复现公众态度，无法替代人类应答。硅基样本虽看似具备一定“可能”,但尚难真正“可为”。
• Select
  生成式人工智能在文本编码中的应用——以裁判文书为例

  金展旭，蔡天骥

  智能社会研究. 2025, 4(2): 202-224.

  摘要 ( ) PDF全文 ( ) 可视化 收藏

  生成式人工智能(GAI)在文本编码领域的应用，正逐步成为社会科学研究的关键工具。特别是在非结构化文本处理和复杂标签任务方面,它展现出了显著优势。本文以审判文书文本编码为例,深入探究生成式模型在法律文本分析中的应用成效。研究通过对比DeepSeekQwen 以及传统监督学习模型(SML)发现,生成式模型在预测前科分类变量的任务中表现卓越。其中,DeepSeek 在多任务模式下表现最佳。Qwen在单独预测模式下准确率相对较高(0.8709),不过其平衡准确率和一致性指标提升有限,且在多任务场景下效率欠佳。相比之下,SML方法在处理类别不平衡问题时表现不佳,准确率和一致性均不尽如人意。研究结果显示,生成式人工智能在裁判文书文本编码任务中具备较高的准确性和一致性,尤其在复杂任务中表现出色。然而,在不同任务场景下,如何平衡准确性与效率,仍是未来研究的重要方向。
• Select
  基于视觉语言模型的街景安全感评估信效度研究——与人工标注结果对比

  贺力，何凌锋，冯佳丽，何国喜，左藤

  智能社会研究. 2025, 4(2): 225-245.

  摘要 ( ) PDF全文 ( ) 可视化 收藏

  街景影像资料是开展安全感知研究的重要数据来源。然而以调查问卷等方式进行人工评分，会受到成本限制，难以在空间尺度和覆盖范围之间取得平衡。本研究选取西安市1005 处四方位街景影像作为样本,对基于视觉语言模型的标注方法的可行性进行评估，重点聚焦于标注结果的信度和效度。其中，信度评估指标设定为两次独立模型标注结果的差异绝对值,效度评估指标则为人工标注结果与模型标注结果的相关性。研究结果显示，大语言模型的标注结果在信度和效度方面表现良好:平均差异为5.4分(100分制)，46.4%的案例标注结果完全一致,17.0%的案例差异处于(0,5]分区间;高信度标注结果与人工标注结果的相关性达到0.698。内容分析揭示了视觉语言模型评分推理的关注要点。综上所述，基于视觉语言模型开展街景安全感评估具有可行性，但在现阶段建议采用经过交叉验证后的高信度结果。