在计算科学时代，如何避免过度简化的科学叙事？

本文来自微信公众号： PsyCulture&Science ，作者：Völker et al.，原文标题：《PNAS | 在计算科学时代，如何避免过度简化的科学叙事？》

2025年，Thurner,Hofer和Korbel（下文简称THK）在PNAS发表研究，提出了一个大胆的因果命题：西方社会政治极化的上升，源于人们社会连接度的增加。该研究结合了计算模型与跨国调查数据，声称发现了一个规律——当个体社交网络中的"强连接"数量超过某个临界值时，群体意见会自发形成高度极化的结构。

最近，Völker等针对THK研究的计算模型与实证结论提出质疑，认为其核心推断建立在若干缺乏支撑的前提之上，因此结论存在过度外推。这场争论的价值不只是“谁对谁错”，更在于：它把我们常见的研究路径——从理论、到数据、到测量、再到跨地区比较——逐一拆开，让公众看见“证据到底怎么变成结论”。

一、一个“顺理成章”的理论为何需要被质疑

THK研究之所以引发广泛关注，原因有二：首先，它发表在综合性科学顶级期刊上，似乎获得了权威背书；其次，其结论高度符合当下流行的"回音室""过滤泡"等文化批评话语。许多媒体以“科学证实：社交互动导致极化”的简化标题进行报道，进一步放大了其社会影响。

然而，一个“看似合理”的理论从来都不等于一个“已被证实”的理论。Völker等人的核心关切正在于此：THK的模型或许是逻辑自洽的计算模拟，但其将模型结果直接外推为“当代社会的真实变迁机制”时，其经验前提是否经得起检验？

具体而言，THK的整个因果论证依赖于一个关键前提假设：过去几十年间，西方社会个体的社会连接度出现了显著上升。只有在"社交连接确实大幅增加"这个前提下，他们的模型才能被用于解释现实中的极化趋势。Völker等人敏锐地捕捉到，这个前提假设本身并未得到文献支持，反而可能是一个统计上的"幻觉"。

二、用五个步骤拆解因果论证

第一步：追溯前提假设的数据来源

THK的核心证据是其论文图1E，该图展示了美国、德国、挪威和荷兰四国自上世纪80年代以来"亲密朋友数量"的变化曲线，并据此推断社会连接度呈上升趋势。费尔克等人首先指出，这一发现与过去数十年社会网络研究的共识相矛盾。在社会学领域，关于"核心讨论网络"（core discussion network）的文献汗牛充栋，从未有研究明确证实西方社会亲密朋友数量呈现普遍、大幅上升的趋势。

这引发了一个质疑：THK的"上升趋势"是真实的，还是测量方式导致的"统计假象"？

第二步：检视国家样本的选择偏误

Völker等人发现，THK选择的国家样本缺乏代表性。研究只纳入了美国和三个西北欧国家，却试图对"西方社会"的整体趋势做出普遍论断。更关键的是，当研究者查阅其他国家的可比数据时，结论并不一致。例如，匈牙利在1997-2015年间的数据显示，核心讨论网络并未呈现实质性增长。这意味着，THK的发现可能高度依赖于其特定选取的国家样本，而非普遍规律。

第三步：揭示关键变量测量的不可比性

Völker指出，THK用于推断"社会连接度变化"的数据，实际上来自不同国家、不同年份、采用不同测量方法的调查项目。这些测量方法之间的差异之大，足以导致虚假趋势。具体而言，THK将两类截然不同的测量混为一谈：

名称生成法：要求受访者列出具体讨论过"重要个人事务"的人名，通常设定6个月的互动时间窗，这是一种严格的社会网络测量；

直接计数法：询问受访者"可以讨论重要事务的人"有多少个，不限定具体互动时间窗或实际交流情况，这是一种宽松的主观估计。

问题在于，这两种方法测量的并非同一概念。名称生成法更接近"实际的强连接网络"，而直接计数法更容易受到受访者的主观认知、问卷提示语和访谈情境影响。当THK将这些不可比的测量数据拼接成"趋势图"时，观察到的"上升"可能完全源于测量工具的变化，而非真实的社会变迁。

第四步：追查关键数据源的透明度问题

Völker等人进一步发现，即使排除测量不可比的问题，THK用于支撑其核心论点的关键数据也缺乏透明度。例如，对于美国GSS（综合社会调查）数据，THK声称展示了2008年和2020年的"社会连接度"，但GSS实际上只在1985、1987、2004和2010年测量过核心讨论网络，且报告的是下降趋势。THK所引用的2008年和2020年数据来源不明，且引用的文献发表于2017年，无法解释2020年数据的来源。

更令人困惑的是，THK在图1E中将某些国家的早期数据点标注为"GSS"或"SSND"（荷兰社会网络调查），但这些调查从未在德国或挪威进行过。这些细节暴露了数据处理的严重问题。

第五步：提供替代证据进行证伪

最后，Völker等人使用了美国和荷兰两套可比的长期调查数据，采用一致的名称生成法测量核心讨论网络。他们的分析显示：两国均未出现THK所声称的"显著上升趋势"。GSS和荷兰NELLS数据只显示出微弱增长，而名称生成法测量始终产生低于直接计数法的网络规模估计值。

这一发现至关重要，因为它使用了可比方法追踪同一人群，控制了测量工具变化的影响，从而提供了更可靠的证据。

三、一个流行理论的证据链为何断裂

Völker等人的研究得出了清晰而有力的结论：THK的因果论证链条断裂于其经验前提——"社会连接度显著上升"这一趋势，并未得到可靠数据的支持。这一结论可以从三个层次来理解：

在数据层面，THK所声称的上升趋势，很可能是由不可比的测量方法拼接而成的人为假象。当使用一致测量方法时，美国和荷兰的核心讨论网络规模并未呈现大幅上升。

在逻辑层面，THK的因果论证具有条件性特征：他们用计算模型证明了"在特定假设下，社会连接度的增加可以导致极化"，但模型的有效性依赖于"社会连接度确实增加了"这个经验前提。当这个前提站不住脚时，模型的结果就无法外推到现实世界。

在理论层面，Völker等人强调，这并不意味着"社会互动与极化无关"，而是意味着我们目前缺乏可靠的证据来评估两者之间的因果方向和强度。正如他们在文末所言："友谊和连接度可能确实发生了变化，但我们缺乏关于这些变化规模和方向的可靠证据。"

四、这场学术辩论关乎每个人的信息素养

这项研究的重要性远超出一篇学术通信的范畴，它为公众理解科学知识的生产与传播提供了重要的镜鉴。

1.计算模型不等于社会现实

在"大数据"和"计算社会科学"日益普及的今天，许多研究者喜欢用模型模拟来说明问题。Völker等人的批评提醒我们：一个计算模型可以完美自洽，但其对现实的解释力完全依赖于模型假设与现实世界的对应程度。THK的贡献在于展示了"特定条件下极化可能出现"的机制，但问题在于，他们错误地将"可能"等同于"已经发生"。

2.测量一致性是社会科学的生命线

Völker等人对测量方法的细致分析，向社会学共同体发出重要警示：在追踪社会变迁时，使用不同测量工具的调查数据不能简单拼接。这一点在公共讨论中常被忽视。媒体在报道"趋势变化"时，很少去追问不同年份的数据是否真的可比。这篇论文为数据透明度和方法严谨性设立了标杆。

3.公众需要警惕"合乎直觉"的过度简化叙事

"社交互动增加导致极化"这个理论之所以广受欢迎，正是因为它高度符合人们的直觉和当下的文化批评潮流。但Völker等人的研究表明，在社会科学中，"合理"和"真实"之间隔着严格的证据检验。这对公众的信息素养提出了更高要求：当我们读到"科学证实"的报道时，需要追问——证实的究竟是什么？是模型中的逻辑关系，还是现实世界中的因果链条？

4.开放的科学辩论是知识进步的保障

这篇PNAS通信的价值，还在于它展示了科学共同体的自我纠错机制。一篇论文发表后，其他研究者有权利、也有义务对其进行检验和质疑。这种开放的辩论氛围，正是科学区别于教条或宣传的关键特征。公众应当看到，真正的科学知识从来不是由单篇论文定论，而是在不断的批评、修正和验证中逼近真相。

结语：向复杂敞开，向简单质疑

当我们面对复杂的社会现象时，最诱惑人的往往是那种简单的单因解释——一个因素解释一切。但社会科学的历史反复证明，社会变迁的因果结构很少如此简洁明了。

极化可能是多种因素共同作用的结果，包括经济结构变化、媒体环境转型、政治精英策略、国际格局演变等等。社会互动在其中扮演的角色，可能比我们想象中更复杂、更间接。将所有责任归咎于“社交互动太多”，既可能误诊病因，也可能错过真正有效的干预点。

在信息爆炸的时代，我们需要的不是更多简化的答案，而是更多对“证据链”的审视能力。Völker等人的工作，为我们提供了这样一套审视的范例：从前提假设开始，逐一检验数据来源、测量方法、逻辑推理，最终揭示看似完美的论证中隐藏的裂缝。这或许才是这篇学术通信留给公众最宝贵的遗产。

参考文献

Thurner,S.,Hofer,M.,&Korbel,J.(2025).Why more social interactions lead to more polarization in societies.Proceedings of the National Academy of Sciences,122(44),e2517530122.https://doi.org/10.1073/pnas.2517530122

Völker,B.,Corten,R.,&Mollenhorst,G.(2026).More social interactions,more polarization?The evidence is not there.Proceedings of the National Academy of Sciences,123(7),e2533120123.https://doi.org/10.1073/pnas.2533120123