我们处在一个迅速变化的世界中，面临越来越多的社会经济、健康和环境危机，而复杂科学可以帮助我们评估和量化脆弱性，监测和实现联合国制定的可持续发展目标。从这个角度来看，最近发表于 Journal of Physics: Complexity 的最新论文提供了三个复杂科学已经显示出其潜力的范例：应对贫困和社会经济不平等，促进代议制民主的集体行为，以及计算流行病模型。论文回顾了与数据、方法、能力建设以及由此产生的研究操作过程中的挑战和局限性，并对今后的方向提出一些建议，敦促复杂系统研究社群从事应用和方法学研究，以满足最弱势群体的需求。
集智俱乐部组织的「计算社会科学读书会」第二季已经启动报名，将聚焦讨论Graph、Embedding、NLP、Modeling、Data collection等方法及其与社会科学问题的结合，并针对性讨论预测性与解释性、新冠疫情研究等课题。读书会6月18日开始，持续10-12周，详情见文末。
研究领域：复杂科学，流行病研究
郭瑞东 | 编译
刘培源 | 审校
邓一雪 | 编辑
论文题目：
Complex systems for the most vulnerable
https://iopscience.iop.org/article/10.1088/2632-072X/ac60b1
实现可持续发展的目标，隐含着对最弱势群体的保护，然而在一个充满了非线性相互作用和耦合的经济社会系统中，预测何种干预措施能够更有效地帮助弱势群体，需要复杂科学提供的跨学科的、超越AI的深度理解。
随着新的数字数据集允许观察复杂拓扑结构的大规模网络，识别和理解不平等现象的复杂科学研究包括优先连接（preferential attachment）模型中出现的“富者越富”现象[1] ，识别富人俱乐部（rich club）现象的尝试[2]，以及预测网络中有影响力节点[3]。
另一些研究人员关注将少数群体置于不利地位的机制（例如将同质性纳入优先连接模型）[4] ，以及低收入地区的社会动力学ーー从农村-城市移民趋势[5]到社会经济分层[6]和隔离[7] ，以及城市中的移民社区融合[8]ーー同时质疑这些数据集在发展中国家的代表性[9]。
与此同时，复杂科学结合机器学习，从事计算社会科学的研究人员估计不同类型的贫困[10] ，如经济贫困[11] ，食品贫困[12] ，失业[13]或教育不平等[14]，这些研究更强调模型的可解释性。复杂系统理论的解释力，因为它允许基于证据和可解释的框架来研究干预生效的根本原因，为政策制定带来了不同的价值，典型的例子包括通过经济复杂性框架理解和量化经济潜力[15] ，以及理解未来工作和工作场所技能两极分化的努力[16]。
图1：(a) 近20年间，联合国关于可持续发展的文档中，提到复杂系统的文档个数的个数显著增加。(b, c) 针对可持续发展的13个子目标中，气候变化、生物多样性、工业与基础设施创新相关文档中提到复杂系统最多，指出实现这些目标需要复杂科学。
近年来，人们通过社交网络的自组织行为，可以随时随地表达自己的观点，传播信息，不过这有时却未必促进社会变得更包容和平等。如何考察社交网络和代议制民主的关系，复杂科学可通过分析信息传播的动力学，并考察注意力的转变机制加以回答，例如：复杂性和网络科学家几十年来一直在开发社会影响和传染的理论模型。目前通行的模型分为三种，一类是伊辛范式来模拟舆论动力学[17]。第二类是阈值模型，这些模型中一个人只要其邻居采用新想法或行为的数量或比例超过给定阈值，他就会采取这一行动。第三类类似流行病的模型中，“感染”的个体以给定的概率向每个易受感染的邻居传播一个想法、观点、行为或信息。
这些研究已证实，社交网络中最有效的传播者不是那些连接数量最多或网络中心性最高的传播者，而是那些位于网络核心内的传播者 [通过K-核分解（k-shell decomposition analysis）得出]。互联网平台的出现和随之而来的新数据，允许研究人员在网络互动的经验数据上测试关于迷因有效传播理论，例如聚焦性别平等的“Me too”[18]运动。此外一个跨学科学者小组提出了一个复杂的科学方法，以更好地理解民主制度不稳定的动力学，提供政策建议以帮助重新稳定目前的代议制民主制度，如增加多样性[19]。
复杂系统的研究者已经帮助阐明了几个决定传染病在人群中传播的基本机制，包括个体经由空间运动产生的局部相互作用，种群水平上的接触网络，以及更大尺度上地理位置之间的人员流动。这些多尺度的框架用于评估可能的情景、治疗和控制策略，以减轻流行病暴发。
流行病由于其社会和行为决定因素而具有的复杂性，超出了它们的生物组成部分，例如2014-2016年间西非爆发的埃博拉病毒，受到不同社会和环境因素（森林砍伐，土地变化，城市化，贫困和不平等，气候变化驱动宿主物种的迁移模式）的共同作用，需要使用复杂的系统样方法加以研究。此外，新冠大流行期间，复杂系统科学家已经解决了理解疾病动力学和社会行为之间相互作用的重要问题。例如，错误信息和虚假信息的传播以及随后的行为变化如何影响流行轨迹（参看《信息流行病综述：虚假信息的易感性、传播和免疫》）。事实上，疫苗的犹豫不决、错误信息的传播、对公共卫生和科学的信任，都是需要跨学科方法来妥善解决的挑战。
在这一更广泛的背景下，复杂性科学可以提供工具，解决卫生紧急情况期间弱势群体的需求。例如研究显示了社会经济不平等如何在智利社区中不均匀地分配流行病的负担[20] ，同样，流行病传播的详细模型表明，大规模失业和随之而来的驱逐可能导致美国新冠病例的急剧增加[21]。
由于缺少数据共享的范式，加上对弱势群体的数据的采样偏差，导致致力于帮助弱势群体的研究给出的政策建议，在弱势群体上缺少可重复性和场景迁移能力。这些问题都妨碍了针对弱势群体的复杂科学研究。
对大约20000份提到“复杂系统”的政策文件的分析突出表明，复杂科学在所有可持续发展目标中的相关性越来越大。因此，这是一个及时的机会，促进学术界、政府、企业、国际组织和非营利组织的开展跨部门合作。这将允许在公认的社会问题（例如全球变暖）上解锁私人持有的数据。于此同时，需要培训新一代复杂系统科学家和数据科学家，他们的动力来自与社会相关的任务。这些“多语言”科学家可以成为所有领域复杂科学的大使，降低未来合作和数据共享的障碍。
[1] Barabási A L and Albert R 1999 Science 286 509–12
[2] Vaquero L M and Cebrian M 2013 Sci. Rep.
[3] Ghosh R and Lerman K 2010 arXiv
[4] Karimi F, Génois M, Wagner C, Singer P and Strohmaier M 2018 Sci. Rep.
[5] Wesolowski A and Eagle N 2010 2010 AAAI Spring Symp. Series
[6] Leo Y, Fleury E, Alvarez-Hamelin J I, Sarraute C and Karsai M 2016 J. R. Soc. Interface 13 20160598
[7] Montes F, Jimenez R C and Onnela J P 2018 J. Complex Netw. 6 693–705
[8] Lamanna F, Lenormand M, Salas-Olmedo M H, Romanillos G, Gonçalves B and Ramasco J J 2018 PLoS One 13 e0191612
[9] Blumenstock J and Eagle N 2010 Proc. 4th ACM/IEEE Int. Conf. on Information and Communication Technologies and Development 1–10
[10] Eagle N, Macy M and Claxton R 2010 Science 328 1029–31
[11] Blumenstock J, Cadamuro G and On R 2015 Science 350 1073–6
[12] Martini G, Bracci A, Jaiswal S, Corea M, Riches L, Rivers J and Omodei E 2021 medRxiv Preprint
[13] Llorente A, Garcia-Herranz M, Cebrian M and Moro E 2015 PLoS One 10 e0128692
[14] Mital P, Moore R and Llewellyn D 2014 Proc. Comput. Sci. 28 370–9
[15] Hidalgo C A and Hausmann R 2009 Proc. Natl Acad. Sci. USA 106 10570–5
[16] Alabdulkareem A, Frank M R, Sun L, AlShebli B, Hidalgo C and Rahwan I 2018 Sci. Adv. 4 eaao6030
[17] Castellano C, Fortunato S and Loreto V 2009 Rev. Mod. Phys. 81 591
[18] Wu H H et al. 2021 arXiv: 2106.10281
[19] Eliassi-Rad T, Farrell H, Garcia D, Lewandowsky S, Palacios P, Ross D, Sornette D, Thébault K and Wiesner K 2020 Humanit. Soc. Sci. Commun. 7 30
[20] Gozzi N, Tizzoni M, Chinazzi M, Ferres L, Vespignani A and Perra N 2021 Nat. Commun. 12 2429
[21] Nande A et al. 2021 Nat. Commun. 12 2274
In a rapidly changing world, facing an increasing number of socioeconomic, health and environmental crises, complexity science can help us to assess and quantify vulnerabilities, and to monitor and achieve the UN sustainable development goals. In this perspective, we provide three exemplary use cases where complexity science has shown its potential: poverty and socioeconomic inequalities, collective action for representative democracy, and computational epidemic modeling. We then review the challenges and limitations related to data, methods, capacity building, and, as a result, research operationalization. We finally conclude with some suggestions for future directions, urging the complex systems community to engage in applied and methodological research addressing the needs of the most vulnerable.
计算社会科学作为一个新兴交叉领域，越来越多地在应对新冠疫情、舆论传播、社会治理、城市发展、组织管理等社会问题和社科议题中发挥作用，大大丰富了我们对社会经济复杂系统的理解。相比于传统社会科学研究，计算社会科学广泛采用了计算范式和复杂系统视角，因而与计算机仿真、大数据、人工智能、统计物理等领域的前沿方法密切结合。为了进一步梳理计算社会科学中的各类模型方法，推动研究创新，集智俱乐部发起了计算社会科学系列读书会。
新一季【计算社会科学读书会】由清华大学罗家德教授领衔，卡内基梅隆大学、密歇根大学、清华大学、匹兹堡大学的多位博士生联合发起，自2022年6月18日开始，持续10-12周。本季读书将聚焦讨论Graph、Embedding、NLP、Modeling、Data collection等方法及其与社会科学问题的结合，并针对性讨论预测性与解释性、新冠疫情研究等课题。读书会详情及参与方式见文末，欢迎从事相关研究或对计算社会科学感兴趣的朋友参与。
详情请见：
数据与计算前沿方法整合：计算社会科学读书会第二季启动
