隨著互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等數(shù)字技術(shù)的發(fā)展和應(yīng)用，推動社會經(jīng)濟以更細(xì)顆粒度的數(shù)據(jù)形式呈現(xiàn)，數(shù)據(jù)在軟科學(xué)研究中發(fā)揮的作用也越來越大，為數(shù)據(jù)挖掘等提供了海量的樣本數(shù)據(jù)，這使得建立基于數(shù)據(jù)驅(qū)動的研究范式成為可能，促使軟科學(xué)研究范式由以往依靠專家驅(qū)動為主向數(shù)據(jù)驅(qū)動轉(zhuǎn)變，更加強調(diào)運用數(shù)字技術(shù)揭示海量數(shù)據(jù)背后的規(guī)律和模式，提升決策的質(zhì)量與效率。
專家驅(qū)動是軟科學(xué)的傳統(tǒng)研究范式，強調(diào)通過文獻調(diào)研、理論分析等路徑提出領(lǐng)域研究問題，并在理論框架下進行邏輯推演，繼而提出研究假設(shè)、構(gòu)建研究模型、實施數(shù)據(jù)采集，最終利用所得數(shù)據(jù)驗證理論假設(shè)并形成研究結(jié)論。數(shù)據(jù)驅(qū)動是以數(shù)據(jù)為核心的研究范式，通過運用大數(shù)據(jù)分析理論與技術(shù)方法對海量數(shù)據(jù)進行系統(tǒng)解析，揭示數(shù)據(jù)背后的關(guān)聯(lián)與內(nèi)在邏輯。
目前，實現(xiàn)從專家驅(qū)動向數(shù)據(jù)驅(qū)動的范式轉(zhuǎn)型仍面臨多重制約。一方面，專家驅(qū)動的研究慣性可能造成路徑依賴，阻礙形成向數(shù)據(jù)驅(qū)動轉(zhuǎn)型的共識；另一方面，數(shù)據(jù)驅(qū)動范式轉(zhuǎn)型作為系統(tǒng)性工程，需要數(shù)據(jù)方法模型、數(shù)字人才儲備和數(shù)據(jù)資源三大關(guān)鍵要素的協(xié)同支撐，當(dāng)前各要素間的適配性不足提高了轉(zhuǎn)型難度。
基于近年來實踐案例以及范式轉(zhuǎn)型制約因素，需從轉(zhuǎn)型認(rèn)知、頂層設(shè)計、數(shù)據(jù)資源、研究隊伍、方法模型五方面解析向數(shù)據(jù)驅(qū)動轉(zhuǎn)型的路徑。
深化范式轉(zhuǎn)型認(rèn)知，明確轉(zhuǎn)型方向。研究范式的轉(zhuǎn)型路徑并非替代關(guān)系，單一依賴定性分析易缺乏科學(xué)嚴(yán)謹(jǐn)性，而過度偏向定量研究則可能喪失問題導(dǎo)向性，需建立以數(shù)據(jù)與專家智慧為主的雙輪驅(qū)動模式。一方面，充分發(fā)揮人機協(xié)同效應(yīng)，依托專家的專業(yè)知識與經(jīng)驗明確擬解決問題、研究思路以及確定問題最終的解決方案，在此基礎(chǔ)上利用大數(shù)據(jù)分析方法增強研究的科學(xué)性和前瞻性。另一方面，引入專家經(jīng)驗與智慧內(nèi)嵌到算法程序中，持續(xù)加強算法模型對各種數(shù)據(jù)進行分析、處理的能力，實現(xiàn)定性經(jīng)驗知識與定量算法模型之間的優(yōu)勢互補。
轉(zhuǎn)變頂層設(shè)計理念，形成數(shù)據(jù)驅(qū)動共識。通過多渠道、多層次的舉措，構(gòu)建起數(shù)據(jù)驅(qū)動的共識生態(tài)。從戰(zhàn)略層面看，將數(shù)據(jù)思維納入組織戰(zhàn)略規(guī)劃，明確數(shù)據(jù)資源作為軟科學(xué)研究核心要素的定位，突破以專家驅(qū)動為代表的經(jīng)驗式研究范式，形成經(jīng)驗支撐數(shù)據(jù)的新思維。從理念層面看，營造數(shù)據(jù)驅(qū)動的文化氛圍，將數(shù)據(jù)驅(qū)動理念融入組織核心價值觀，定期發(fā)布數(shù)據(jù)驅(qū)動相關(guān)研究成果與動態(tài)，充分發(fā)揮先進典型的示范引領(lǐng)作用，營造“數(shù)據(jù)說話”“數(shù)據(jù)分析”和“數(shù)據(jù)結(jié)論”的大數(shù)據(jù)應(yīng)用局面。
加強研究隊伍建設(shè)，激發(fā)范式轉(zhuǎn)型動力。一方面，加大對人才的數(shù)據(jù)能力培養(yǎng)力度，不僅從技術(shù)層面培養(yǎng)人才對海量復(fù)雜數(shù)據(jù)進行分析、管理與治理的能力，還應(yīng)注重培養(yǎng)其將大數(shù)據(jù)技術(shù)在軟科學(xué)領(lǐng)域的應(yīng)用能力，將人才打造成具備熟悉大數(shù)據(jù)技術(shù)、掌握大數(shù)據(jù)方法和開展大數(shù)據(jù)精準(zhǔn)分析的專門大數(shù)據(jù)人才。另一方面，完善復(fù)合型人才引進機制，暢通具備計算機、人工智能等數(shù)據(jù)科學(xué)領(lǐng)域與社會科學(xué)、管理科學(xué)等軟科學(xué)領(lǐng)域復(fù)合背景的高水平人才引進渠道，集聚一批兼具理論基礎(chǔ)與數(shù)字技術(shù)的人才隊伍，更好滿足數(shù)據(jù)驅(qū)動型研究對復(fù)合型人才的需求。
強化數(shù)字資源管理，夯實數(shù)據(jù)驅(qū)動根基。要以數(shù)據(jù)資源為支撐，探索建立數(shù)據(jù)管理機制，形成數(shù)據(jù)有效管理、開放共享的模式。加強數(shù)字資源體系建設(shè)，根據(jù)自身條件、需求和能力自主建設(shè)以自身特色研究領(lǐng)域為核心的數(shù)據(jù)庫，并通過與外部組織建立合作關(guān)系引入外部數(shù)據(jù)，整合形成多個跨領(lǐng)域的主題數(shù)據(jù)庫，形成自有數(shù)據(jù)庫與外部數(shù)據(jù)庫相結(jié)合的數(shù)據(jù)庫體系。同時，推動數(shù)據(jù)開放共享，通過建立跨機構(gòu)的規(guī)范化數(shù)據(jù)標(biāo)準(zhǔn)，在數(shù)據(jù)資源上形成合力，有效支持研究人員對數(shù)據(jù)采用新方法、新視角等開展研究，不僅避免資源的浪費，同時也能夠進一步檢驗研究成果，提高研究成果的科學(xué)性。
推動方法模型創(chuàng)新，筑牢研究基礎(chǔ)。一方面，加快算法模型開發(fā)，推動研究過程智能化轉(zhuǎn)型。通過整合跨學(xué)科、跨團隊的資源，開發(fā)數(shù)據(jù)挖掘算法和智能分析模型，尤其是針對特定軟科學(xué)問題的算法與模型研發(fā)，將機器學(xué)習(xí)、深度學(xué)習(xí)、知識圖譜等人工智能技術(shù)深度嵌入研究流程，實現(xiàn)從依賴專家經(jīng)驗的定性研判向定量分析與質(zhì)性研究融合的范式躍遷。另一方面，推動跨學(xué)科方法融合，加快多樣化、多學(xué)科方法和工具的開發(fā)與運用，突破學(xué)科邊界限制，讓數(shù)據(jù)從信息科學(xué)、行為科學(xué)、管理科學(xué)及社會科學(xué)等不同角度“說話”，形成與大數(shù)據(jù)時代相適應(yīng)的研究方法體系。
聯(lián)系地址：陜西省西安市北關(guān)正街35號方興大廈8樓
