编委会主旨报告 | 刘鹏:生成式AI对传统社会科学研究方法论的影响与挑战

中国人民大学公共管理学院党委副书记刘鹏教授作题为《生成式AI对传统社会科学研究方法论的影响与挑战》的报告。报告从本体论、认识论与方法论三个层面，系统梳理生成式人工智能对传统社会科学研究范式的冲击，重点分析其对定性研究、定量研究与理论建构的具体影响，并就智能时代社会科学研究的若干核心问题作出讨论。

刘鹏教授首先对人工智能的类型演进作出梳理，以此定位生成式AI在方法论层面的独特含义。从早期基于规则的系统，到判别式AI对数据类别的分析预测，再到分析式AI对现有数据的洞察提取与辅助决策，人工智能在社会科学研究中的角色长期以来主要是辅助性的。生成式AI的出现改变了这一格局——它能够根据学习数据的分布规律生成新内容，从而具备了一定意义上的“创造性”。

这一变化的方法论含义在于，生成式AI已不仅仅是处理数据的工具，而是开始介入知识生产本身。它可以生成高度逼真的文本、图像乃至行为数据，可以模拟访谈对象、合成问卷回答，可以自主输出具有一定解释力的理论性结论。这直接动摇了传统社会科学研究的若干基础性预设。

刘鹏教授指出，传统社会科学的实证研究依赖真实的原始经验数据——问卷、访谈、档案——其真实性是数据有效性的前提。生成式AI大规模合成高度逼真数据的能力，从根本上动摇了这一前提。

这一冲击在具体研究实践中已有所体现。以访谈研究为例，传统社会学中存在“合成访谈”的方法，即基于已有访谈资料整合形成案例，这在方法论上有一定的合法性依据；但当人工智能可以模拟特定类型的访谈对象并生成对话内容时，这类数据能在多大程度上用于学术论文的实证分析与发表，目前并无清晰的方法论边界。问卷数据亦面临类似问题。

更深层的方法论张力在于，生成式AI批量生成符合社会规律但本质上虚构的案例，在某种程度上与建构主义、尤其是后现代建构主义的认识论立场形成了复杂的呼应关系——如果社会现实本身是被建构的，那么AI生成的“拟真数据”与真实数据之间的边界在哪里？这一问题目前在方法论层面尚无共识，但已在实际研究实践中产生了不可忽视的张力。

刘鹏教授进一步指出，生成式AI的发展正在引发研究主体与研究对象的双重分化，这是传统社会科学方法论框架所未曾预设的新情境。

研究主体层面，当AI能够自主设计研究问题、生成研究方案并产出理论性结论时，“研究者”的身份界定正在经历重构。以人类研究者为中心的研究主导模式正在受到挑战，研究过程中的人机分工与责任归属问题随之浮现。

研究对象层面，AI生成的虚拟世界互动数据本身已成为独立的研究对象。对大模型政治意识形态倾向的分析、对不同模型在重要议题上立场差异的比较，都是以AI生成内容为研究本体的新兴研究类型。数字生成内容在某种程度上正在取代物理世界成为研究对象，这是传统社会科学的本体论预设所未曾涵盖的领域。

在定性研究层面，刘鹏教授指出，生成式AI可以对海量非结构化的质性数据进行系统分析，辅助研究设计，拓展理论探索的深度，并协助文献梳理与理论建构。基于AI的扎根理论编码分析已在部分研究中得到应用。然而，质性研究的核心优势在于对人文价值的理解与把握，AI在处理访谈资料时，能够对客观内容进行较好的归纳概括，但对访谈者背后的情绪原因、隐性态度与语境意义的识别仍存在明显局限。这一局限目前尚难通过技术手段完全弥补。

在定量研究层面，AI在数据生成、海量自动化数据分析与非线性复杂模型的因果关系识别上具有明显优势。但刘鹏教授同时指出定量研究面临的几个具体挑战：传统公共管理变量的内涵正在发生变化，透明性、信任度、公平性等概念在AI语境下的测量内涵与原有定义之间存在偏差，而这些新兴技术相关变量缺乏统一的测量标准；数据获取门槛并未因AI的介入而降低，部分变量反而需要更多技术工具才能测量；变量之间的因果关系因AI中介效应的引入而更加复杂，技术效应可能产生混淆，导致相关性与因果性之间的边界更难厘清；此外，算法黑箱使研究过程的可追溯性与可重复性要求难以满足，这与社会科学研究的基本规范形成冲突。

刘鹏教授指出，社会科学理论建构通常依赖归纳与演绎两种路径，其基础是对具体经验现象的系统观察与抽象提炼。生成式AI能够直接输出理论性结论，且有时在抽象程度与解释力上不逊于人类研究者的产出，这使得理论建构的过程可能因AI的介入而加速。

但这一加速同时带来了验证危机。AI的推理过程不可完整追溯，其基于训练数据分布作出的演绎逻辑难以被外部核验，由此产生的理论结论在验证层面面临根本性的方法论困难。理论饱和度的判断标准、理论边界的界定方式，在AI介入后都需要重新思考。

报告最后，刘鹏教授对智能时代社会科学研究中人类研究者仍具优势的知识类型作出分析。他认为有五类知识在AI时代仍具不可替代的价值：深植于个人长期实践的经验性知识；扎根特定地方情境的地方性知识；只可意会难以言传的默会性知识；需要异质性背景成员共同构建的团队性知识；以及通过多种感知与表达方式综合生成的多模态知识。这五类知识的共同特点，是其生成过程高度依赖人类的在场、判断与积累，目前难以通过训练数据的规模扩张加以替代。

基于上述分析，刘鹏教授认为智能时代社会科学研究的发展方向，应是在人机协作的基本框架下推进混合研究方法的深化，同时着力发展AI生成数据的验证与溯源技术，并尽快形成适应AI时代的社会科学研究伦理规范。如何在人工智能快速介入研究过程的现实条件下，守住社会科学知识生产的方法论底线，是当前学界需要认真对待的问题。

本文根据刘鹏教授在《公共管理学报》编委会年度会议暨智能社会公共管理研究方法学术研讨会上的主旨报告整理，经编辑加工，经本人审阅同意后发布。

编辑 | 董昌其

排版 | 陈亦菲

审核 | 王   健、黄欣卓