傳統社會調查仍具獨特價值

進入大數據時代，現代網路信息技術與智能設備的普及與運用，給傳統社會調查方法帶來挑戰。有學者提出，與通過數據挖掘技術獲得海量信息相比，傳統社會調查所獲取的信息不過是「小數據」。由此引發學界爭議：大數據時代是否還需要傳統社會調查？在大數據技術與方法廣泛應用的時代，傳統社會調查方法如何彰顯其獨特價值？近日，本報記者就此採訪了相關學者。

大數據技術方便數據採集分析

「移動互聯網使得社會行動者的態度、行為被迅速信息化，並被互聯網設備記錄下來，為科研人員的相關研究提供了以往的信息收集手段無法採集的大量信息。同時也大大提高了人類記錄和採集相關信息的能力，極大降低了獲取某些信息的成本。」人民大學社會與人口學院副教授李丁說。

大數據技術改變了數據的獲取、處理和理解方式。據西安交通大學公共政策與管理學院執行院長杜海峰分析，數據獲取方式從收集問卷或訪談變成了網路、多媒體等多技術手段的綜合運用，更重要的是對象的變化，傳統的方法需要科學地從母體中抽樣，大數據的數據獲取對象可能直接就是母體；數據處理方式從傳統的屬性數據分析方法，過渡到基於結構的、以智能信息處理為主的綜合集成分析；數據理解方式，由傳統的統計因果發展到以「相關」特別是不同信息之間關係「凸顯」規律的解析。

在哈爾濱工業大學社會學系教授唐魁玉看來，大數據技術不僅在收集數據、整理數據和分析數據上具備優勢，而且其帶來的巨量交互性數據能夠為社會問題的整體性分析提供有效證據。這些變革正在為社會學重新整體性回歸「社會事實」奠定新方法論基礎，同時也無疑給傳統的問卷和深度訪談調查方法帶來挑戰。

社會調查方法具有特殊優勢

既然大數據技術在信息獲取與分析領域具有如此凸顯的優勢，是否意味著傳統社會調查將被取代呢？受訪學者並不贊同此類觀點。

一方面與傳統信息採集方式相比，大數據技術目前仍有其局限性；另一方面傳統信息採集方式仍具有獨特價值。唐魁玉分析說，以抽樣調查為例，在一些案例中，抽樣調查更加適用於那些有「遺失」的數據和代表性樣本。在面對複雜性、人際性社會問題的分析時，大數據方法還不夠細緻入微。

「大數據一個非常重要的特徵是『價值密度低』，數據內容可能並不是特定研究者所關心的，因此不一定都能滿足特定問題研究的需要。」杜海峰提出，對於大數據獲得的信息，傳統社會調查不但是其必要的補充，也是專項研究更為必要的基礎資料。

大數據技術所獲取的信息相當於普查和非概率樣本，儘管如此，大數據也並非沒有邊界，如果不能認識或約定其界限，數據雖大，卻不能用於科學研究。如李丁所分析，被互聯網、智能設備感知和記錄的社會行動者並不能覆蓋全部的行動者。如果認識不到大數據的覆蓋率或者代表怎樣的群體，即便樣本規模再大，得出來的知識和規律也有可能是誤導性的。

此外，大數據的邊界還在於變數意義上。「不同企業和研究單位根據其自身需要所採集的數據雖有很大的樣本量，但每個樣本的變數信息很少。如果不能將這些不同類型的資料庫信息串並起來，增加變數即各個研究對象的有效信息量，那麼研究價值也非常有限。」李丁說。

李丁認為，傳統社會調查獲得的信息密度非常高，其目的直接性、設計性、標準化程度更強，效率非常高。「如果不使用傳統的社會調查方法，即便今天世界上能力最強的互聯網公司可能也無法從現有互聯網痕迹數據中獲得一個和綜合社會調查具有同等代表性、信度、效度、信息密度和相同變數的數據集。」

實現兩種方法優勢互補

正如李丁所說，一方面，在大數據時代背景下，從大數據中提取出有價值的信息和知識，有可能獲得有關行動者的新知識、社會運行的新規律；另一方面，研究人員應該認識到大數據的局限性，以及傳統研究方式的優勢，避免盲目崇拜。傳統的調查方式在獲得某些高密度的、具有統計代表性的數據上仍具有成本優勢和科學性優勢。

對於學界出現的將兩種方法非此即彼對立起來的爭議，唐魁玉認為，我們在對不同類型、不同複雜程度的社會事實和社會問題進行分析時，要恰當地選擇和使用傳統的社會調查或大數據方法。

未來的社會科學研究或可實現大數據與傳統社會調查方法的優勢互補。受訪學者提出一些設想。李丁認為，傳統的質性研究方法和抽樣調查方法能夠補充大數據的不足，幫助我們理解大數據的社會含義。大數據也能為傳統調查研究提供重要的信息補充，質性研究如果能夠在既有的訪談、觀察的基礎上，還能獲得受訪對象在互聯網的痕迹數據、社會交往數據、行動軌跡數據等，就能對研究對象有更全面的了解和把握。