圆桌论坛：计算社会科学的分析与建模方法 | 周四直播·计算社会科学读书会

导语

本次圆桌论坛邀请到张子柯、殷裔安、黄俊铭、靳擎四位嘉宾，通过分享四个计算社会科学的前沿研究，讲解计算分析与建模方法在计算社会科学研究中的应用。四位嘉宾会在现场问答环节与大家交流。希望此次圆桌论坛能够帮助大家了解计算社会科学研究中使用的方法和和研究的前沿。圆桌论坛时间为：9月15日（周四）上午09:00 – 11:00，直播报名入口见后文。

圆桌背景

人类的许多行为和现象，比如信息在人群中的传播，对彼此行为的模仿和学习，都不是静态独立的，其背后往往有复杂的动力学机制。计算社会科学的研究者通过建模和仿真的方法（simulation），提出了多种不同的计算模型来解释产生这些现象的机制和可能的影响因素。这类研究的关注重点是现象的成因，形成过程，并且通过提出的模型和机制对未来现象的发展给出预测，同时给出可能的干预方案。

流程&简介

开场介绍（方宏波）
主题分享

报告一：基于高阶演化网络的学科发展研究（张子柯）
报告二：量化科学、创业、安全中的失败动力学（殷裔安）
报告三：学术界性别不平等的历史比较（黄俊铭）
报告四：复杂演替系统的增长动力学研究（靳擎）

经典问题问答讨论环节（曹立坤）
现场问答交流环节
总结

（温馨提示：本次圆桌讨论全程线上进行，参与方式见文末）

报告一：基于高阶演化网络的学科发展研究

学科发展一直是计算社会科学的重要研究方向。本次报告将从中国和国际相关学科数据出发，以高阶演化网络为工具和方法，理解学科发展过程中的人才培养困境和对策问题。

主题二：量化科学、创业、安全中的失败动力学

人类的成就大多始于屡次的失败，但当前鲜少有研究挖掘失败动力学背后的机制。本文通过建立一个简洁的单变量模型，试图理解过去的尝试如何孕育未来的成功。这一模型的解析解证明了人类失败的动力过程被一个相变分割为“进取”和“停滞”两种不同的相态。该模型预测了在相变点附近，特征和学习策略相似的个体可能在屡次失败后通向截然不同的结局。我们从三个不同的领域——科学、创业、安全——的大规模数据中发现了一致的实证支持，从而系统性地验证了模型做出的每个预测。总而言之，这些发现揭示了从未知的早期信号来识别通向最终成功或失败的失败动力学机制。鉴于失败几乎无处不在，而当下缺乏量化方法理解它们，本文标志着深入研究失败背后复杂动力学的开创性一步。

主题三：学术界性别不平等的历史比较

我们使用论文数据库分析了学术界中女性科研人员的学术表现及其背后的原因。数据包含150万名科研人员的完整职业生涯，覆盖13个主流学科、83个国家和1300万篇论文。我们观察到女性论文发表数量和被引量均比男性少，在不同的国家、不同的学科、不同档次的大学甚至是不同的年代中普遍存在。通过匹配分析，我们发现女性科研人员过高的退出率是造成学术界性别不平等现象的主要原因。

主题四：复杂演替系统的增长动力学研究

大量的扩散现象来源于事物的更迭与演替。尽管“演替现象”非常普遍，科学界过去对于它的认知非常有限，主要原因是我们缺乏相关的大规模数据。这些数据采集的壁垒在近十年被逐渐打破。在这里，我们采集了四种大规模的高精度数据集，1）近四百万人的手机使用数据，2）全北美的汽车销售数据，3）近千种智能手机应用的下载数据，以及4）科学家对研究学科的甄选数据，我们发现了演替系统中的早期增长曲线满足特殊的“幂律增长”模式。经过更加精细的数据挖掘，我们发现这种“幂律增长”的底层有三种基本演替规则。这些规则帮助我们提出了更精准的“演替模型”。它不仅精确、定量地刻画了演替系统中的增长曲线，也重新构建了我们对于演替与更迭的基本认知。

圆桌嘉宾

张子柯，2011年获瑞士弗里堡大学物理学博士，目前为浙江大学传媒与国际文化学院教授，浙江省杰出青年基金获得者。主要研究兴趣为基于交叉科学视角理解和解决以数据和模型融合驱动的社会、传播、经济等领域问题。已正式发表论文百余篇，其中SCI/SSCI论文70余篇，单篇最高影响因子为30.6，引用4700余次，H指数33，8篇论文入选ESI-Top1%高被引论文，授权国家发明专利9项。主持国家自然科学基金2项，欧盟第七科技框架项目1项，省部级项目7项。荣获中国计算机协会自然科学二等奖，杭州市优秀学术成果一等奖，近年来入选浙江省优秀教师，浙江省师德先进个人，浙江省中青年学科带头人，杭州市优秀教师，浙江省钱江人才计划（C类）。连续三年指导本科生获全国大学生电子商务’创新、创意、创业’挑战赛特等奖，兼任复杂性科学研究会秘书长，中国新闻史学会计算传播专委会常任理事、中国工业与应用数学学会复杂网络与复杂系统专业委员会委员、中国人工智能学会社会计算与社会智能专业委员会委员。

殷裔安，美国康奈尔大学信息科学系的新任助理教授。其主要研究方向是计算社会科学，重点关注如何应用计算工具以理解影响科技进步和创新成果的个体，社会和环境过程。其研究发表于Science、Nature和 Nature Human Behaviour 等国际顶级期刊，并被《福布斯》、《科学美国人》、《华盛顿邮报》、《大西洋》、《哈佛商业评论》和《麻省理工科技评论》等各大媒体报道。殷裔安于2022年在美国西北大学获得工业工程与管理科学博士学位。

个人主页：https://www.yianyin.net/

黄俊铭，普林斯顿大学Research Scientist，研究方向为计算社会科学、科学计量学、社交网络分析、文本分析等。博士毕业于中国科学院计算技术研究所。在PNAS, SIGIR, WWW等国际期刊和会议发表论文。

靳擎，美国东北大学物理学博士。现在在美国西北大学凯洛格商学院和西北复杂系统研究所（NICO）任博士后研究员。靳擎的研究重点是使用网络科学、统计物理学和计算社会科学的工具量化，理解和预测复杂系统中的增长动力学。其工作发表于 Nature Human Behaviour，Nature Communications 等国际期刊。

主持人

方宏波，卡内基梅隆大学计算社会科学博士，主要研究方向是人与人之间的沟通、合作和在社交媒体上的行为模式。对社交网络，社区及社群的群体行为，科学学等都有广泛的兴趣。

曹立坤，毕业于清华大学社会学系，目前博士就读于芝加哥大学社会学系，knowledge lab成员，曾于Santa Fe Institute访学。研究方向为科学与技术创新、计算社会科学。研究成果于Management and Organization Review，江苏社会科学等国内外主流学术期刊上发表，并有译作《社会网络分析：方法与应用》（社科文献出版社）。

参考文献

Feng Hu, Lin Ma, Xiuxiu Zhan, Yinzuo Zhou, Chuang Liu, Haixing Zhao, Zi-Ke Zhang. The Aging Effect in Evolving Scientific Citation Networks. Scientometrics. 126 (2021) 4297–4309..
Feng Hu, Hai-Xing Zhao, Jia-Bei He, Fa-Xu Li, Shu-Ling Li, Zi-Ke Zhang. An evolving model for hypergraph-structure-based scientific collaboration networks. Acta Physica Sinica, 62(19)(2013)198901.
Chuang Liu, Chi Ho Yueng, Zi-Ke Zhang.Self-Organization in Social Tagging Systems. Physical Review E 83(2011) 066104
Zi-Ke Zhang, Chuang Liu. A hypergraph model of social tagging networks. Journal of Statistical Mechanics(2010) P10005.
Yin, Yian, et al. “Quantifying the dynamics of failure across science, startups and security.” Nature 575.7781 (2019): 190-194.
Huang, Junming, et al. “Historical comparison of gender inequality in scientific careers across countries and disciplines.” Proceedings of the National Academy of Sciences 117.9 (2020): 4609-4616.
Jin, Ching, et al. “Emergence of scaling in complex substitutive systems.” Nature human behaviour 3.8 (2019): 837-846.

直播信息

直播时间：

2022年9月15日（周四）上午9:00 – 11:00

参与方式：

集智俱乐部 B 站账号免费直播，扫码可预约：

扫码预约本次直播

若需要观看视频回放，文末扫码付费参加计算社会科学读书会第二季可加入腾讯会议，可提问交流、加入群聊、获取视频回放及更多学习资料，成为计算社会科学社区种子用户，与450余名计算社会科学的一线科研工作者沟通交流，共同推动计算社会科学社区的发展。

计算社会科学读书会第二季招募中

计算社会科学读书会第二季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。