【计算社会科学01】为何病菌屡屡将人类推向死神？人类该如何应对

“细胞与病菌，情仇交织三十亿年，像极了爱情。”

前言（2图片转场 + 1“咬牙切齿”）

翻开人类文明发展史，常常会找到一个个推动历史的代表人物。如“日心说”哥白尼。但我们常常忽略了另一只手——病菌。关于病菌，人们往往对它咬牙切齿，认为它是危害人类生命的重要祸害。但眼光拉远一些，大家会发现早在人类出现之前：细胞与病菌，已经爱恨情仇三十亿年，最终选择了共同进化。

前言-目录（参考导图）

1. 历史上的病菌（1街角+ 1 牧师诊治 + 1文艺复兴 +1 香港鼠疫解剖）

为了正确对待病菌，让我们先回到1347年的欧洲。

照片中的景象，是“鼠疫杆菌”肆虐人类的某个街角。曾经的繁荣一去不返，留下的是满目疮痍。无论男女老少穷人富人，黑死病都毫无偏袒地收割着生命，将他们推向死神面前。面对病毒，人们开始惩罚自己以寻求“神的宽恕”，人们开始将病毒的诞生归咎于异教徒。曾经的教堂现已空无一人，牧师们都奔赴前线，虔诚希望用神明的“光辉”去驱散这场灾难，可是他们却同被感染，落下神坛。

在疫情退去之后，人们逐渐对宗教的理论基础产生怀疑。当与死神的近距离接触之后，人们不再选择虔诚苦行，而逐渐更倾向于“及时行乐”。为了追求更自由的生活，艺术也不再歌颂神明，而是尽力展现生命的美好。这为接下来的文艺复兴、大航海、工业革命打下了思想基础。

直到1894年，香港再次爆发鼠疫，此时的人们不再信奉神明，而是拥抱更加现代的医学手段。此时，法国人耶尔森通过解剖尸体的病变部位发现了鼠疫杆菌，进而理清了从老鼠、跳蚤到人的病菌传播机制。这为日后的鼠疫防治提供思路，并拯救了人类社会。

病菌如同那游走于世间的死神，它总是会在未来某一天突然出现，带给人类巨大伤害。随着人类社会的发展，人类的社会治理能力也有了很大程度上的提升，但病菌真的消灭了吗？答案：没有。

2. 计算社会（1 显微镜 + 1 序列计算 + 2社会调查两个例子+ 1 价值举例）

结论：人类并不能绝对地控制病菌的出现，而只能建立先进完善的应对机制，从而尽可能管控传染疾病的传播，最大程度上降低疾病所带来的损失。

2.1 计算的兴起

十四世纪的欧洲，人们把病菌视作“上帝的种子”，试图通过惩罚自身或另类，来祈求神明的宽恕。随着科学技术的发展，人类认识世界的工具不断进步。通过显微镜等现代工具，人类终于认识到“神明的种子”。它并不是神的”降罪诏“，而只是“肉眼不可见”的结构体。

现如今，人类的科学技术又达到一个零点——计算(computing)。通过计算，我们不再满足于观察病菌的结构，而是进一步转向病菌的“基因序列”。比如2020年的新型肺炎，人类通过观察，能够认定它属于新型冠状病毒。但通过计算人类可以获取病毒之间的基因相似度，从而进一步判定新型病毒的共性与特性，从而预判它的危害。

2.2 计算社会的兴起

现如今，随着互联网的高速发展，人类社会产生了巨大的数据，从而为计算发展提供了肥沃的土壤。相对于以往的社会科学通过问卷、统计和田野调查等获取经验数据的方法，计算社会可以从诸如购物网站或社交媒体等平台上获取的大数据，来发现在以往的社会科学探究中常常被忽视的人类行动的某些相关性，并以此对更为宏观的社会现象提出往往令人意想不到却又是情理之中的解释。

比如通过网络搜索记录，来预测社会事件的发展趋势。2008年美国流感事件中，美国疾病预防控制中心（CDC）病例数据来源都依赖于病毒学和临床数据，如医生就诊。这导致每周公布这些监测系统的地区数据，通常报告滞后1-2周。

而谷歌通过分地区的搜索记录，能及时地预测流感发展的趋势以及公众应对的方式。这极大地提高了防控工作效率，减少了社会损失。

传统例子：XXX——美国卫生中心预测流感病毒：卫生中心前往医院、社区等地点获取数据，同时采用统计学方法，进行保守预估。

计算例子：XXX——谷歌公司预测流感病毒：线上搜索和线性回归

2.3 计算社会的价值

发明显微镜之前，医学几乎是一个描述性学科，充满了尚未验证的理论和科学无法解释的离奇疾病。正如显微镜对于医学发展，计算将同样为社会科学的发展起到极大作用。计算的功效，不仅会促进人类对社会宇宙的基本理解，还包括对人类生活世界的改进。

从纯科学研究方面来说：XXX——研究群体在隔离处理中可能的表现，例如与社区一线人员及其各支持系统交互时的危机处理。

从应用政策方面来说：XXX——建立重大突发公共卫生事件下公众风险感知、行为规律及公众情绪引导的应急系统。

未来世界，计算社会的价值将会进一步放大，对于人类社会而言，它将会再一次推动人类文明进入下一个阶段。当然，这需要计算社会学习者与实践者共同努力。

3. 计算社会研究核心

让我们回归到2020年春节的“战疫”。“战疫”引发的一系列公共事件，都引起社会的广泛关注。红十字会事件、“直播火神山”事件、“密切接触者追踪”事件等等。那么，这些事件，又能够带给计算社会科学哪些启示呢。

3.1 社会信息自动提取

传统社会学家常常通过普查记录、历史信息以及新闻报纸等信息作为数据来源，并在一定程度上，通过模型进行分析。而如今，这些以收集有效研究数据为主的信息收集工作可以由计算工具完成。同时，对应的模型分析，可以通过相关程序来完成，这极大地提升了数据的广度以及分析的效率。

3.1.1 分析数据源内容

例子：XXX——4000万人看武汉直播。语义分析、情感分类、关键云词等。

3.1.2 新型数据提取方法

例子：XXX——4000万人看武汉直播。网络爬虫

前段时间，一位研究生的毕业论文题目是“疫情下学生群体的心理状态”。她设计了调查问卷，并让在校生如实填写。本人认真研究了调查问卷，发现她的问题让人不好理解、难以回答。这会导致学生填写不够客观，甚至马虎了事，最后导致研究产生误差。然而，通过“社会信息自动提取”技术，可以很好解决这个问题。

（图片引用于凹凸数读）

我们以“武汉直播造医院事件”为例。首先，通过网络爬虫技术，获取直播间弹幕，累计数百万条，这远远大于调查问卷的数据，并且更加真实；其次，将数据进行清洗、整理；最后进行语义、情感、关键云词等分析。

比如，直播事件中，涌现出众多如“叉酱”“呕泥酱”等“小可爱”名称，这就是最真实的心理状态反映。当然，这只是其中一小部分，要想更全面了解心理状态，需要从多个主流媒体平台中进行信息自动提取。

3.2 社会网络

3.2.1 多维数据

例子：XXX——社交图

3.2.2 社交网络构图

例子：XXX——社交图

相对于“计算”而言，处理多维数据是人脑非常不擅长的事情。然而，在社科领域中，一个事件的发展，往往需要“多方”参与，也就是“多维”。比如在一个社交传播事件中，里面涉及的“人”将会达到数十万，并且不同的“人”有不同的态度与行为。这对有效提取商业价值产生巨大挑战。

比如，我们在有效提取数据之后，可以将数据构造成社会网络模型。首先，将社交话题下所有相关的“人”与“态度”构成“节点”，再将话题传播的方向构成“边”；然后，通过“计算”，找到事件传播中的主要领导型群体以及主要传播型群体。这样进一步分析目标群体，从而提升商业效率。

3.3 社会复杂性与社会仿真模型

例子：XXX——不要迷信领导者

社会是一个复杂系统并且变量太多，要想了解某社会发展规律的全貌非常困难，这对社科研究领域是一个巨大挑战。比如个体在某组织KPI考核下的职业发展规律。我们通常认为：在职业发展的过程中，应当去模仿成功人士，去学习他们的成长路径。但通过构建“计算”模型，我们发现：模仿在很大程度上是一种自欺欺人的行为，它只会帮助巩固少数幸运赢家的优势。

结束语

因电脑重置正稿丢失了 T.T，只找到二稿，抱歉。
链接：https://pan.baidu.com/s/1a3ulEOt4PPHS_1ina9z8eg
提取码：vbyh