主题：数据与洞察：从“常识社会学”到“能解决问题的社会学”
注：本次讨论会，是为2016年7月22-23在清华召开的两个研讨会，“Frontiers in AI and Applications” （22号）以及“AI and Public Policy”做预热。
时间暂定：
2017-04-05 （周五）
芝加哥上午9点，北京晚上10点，哥廷根下午4点
主要内容：
社会学为什么搞不好：因为其实很难
社会学家能提供些什么？这是人们常常问的一个问题。许多人觉得社会学门槛低，比较简单。一句英文谚语叫做“this is not rocket science”（这并不是火箭科学）。但事实是，人类对火箭的理解和控制，比起对种族隔离、政治极化、财富不均等社会问题的理解和控制，要有效的多。上世纪90年代以来，随着网络的流行、数据的普及，越来越多的物理学家和计算机科学家（其中也许甚至有火箭科学家）也开始研究社会学问题，例如信息的传播、团队的形成、性别的不平等这些议题。然而，我们在一些棘手的社会问题上的认识，并没有由此深入多少，我们最近十年的政策制定，也不见得比二十年前高明多少。可见，社会学是难的。比火箭科学还要难。
那么，是什么让社会学如此之难呢？又是什么让人们觉得社会学如此简单？物理学家和社会学家Duncan Watts在2011年的《Everything is obvious once you know the answer》一书中，引用了社会学家拉扎斯菲尔德的著名例子。拉扎斯菲尔德在二战后，曾经对政府搜集的60万个美国士兵的调查问卷进行数据分析，并举例子来说明“常识”（common sense）是如何愚弄我们，令我们觉得社会学研究的问题很简单的：
拉扎斯菲尔德声称：“来自乡村的士兵比来自城市的士兵战斗能力更强”。
这时候，读者会说，这是显而易见的常识，因为二战前的乡村，条件落后，环境艰苦，这种接近野战的环境对人是有益的锻炼。这种结论，拍脑袋就能想到，何必耗费昂贵的人力物力去调查？
可是拉扎斯菲尔德接着就说，之前的结论实际上是他伪造的，真相恰恰相反：“来自城市的士兵战斗能力更强”。
这时读者又可以说，这也是显而易见的常识，因为城市的士兵更熟悉纪律和层级制度，对制服和作战命令等秩序更有适应能力。
这个例子清晰展示出，常识愚弄了我们。不管多么惊人的社会学发现，人们都可以通过事后诠释的方法进行合理化，然后觉得毫不吃惊。这就解释了我们是如何误以为社会学很简单的。
社会学为什么搞不好？因为社会学家思维模式可能有问题。
可是，社会学存在的问题，仅仅是人们低估其难度的问题吗？社会学家们研究人类行为和社会系统的主要方法和思路，本身又是否存在更多问题呢？
在2014年的文章Common Sense and Sociological Explanations中Duncan进一步阐释了社会学与自然科学不同的三大难题，并且指出社会学家在社会学研究中，许多时候和未经训练的普通人一样，常常受“常识”所欺骗（这就是为什么许多聪明人和其他学科的科学家觉得社会学训练并不重要）。在发展一个理论时，号称追求因果律（causality），但在检验一个理论时，却并不用因果律和实证数据，而是用“听起来有没有道理（interpretability）”这个标准。这就造成吸引眼球的理论大行其道，社会学变成了讲故事比赛，人们看论文的时候有一种顿悟的感觉，但看完之后才发现，这些精彩的故事常常不可复现，我们对真实社会系统的预测能力并没有丝毫增加。
社会学怎么样才能搞好？
这种被“常识”愚弄下产生的双重标准做法，是社会学停滞不前，任何一个社会学（经济学）问题总能找到意见相反的两本书（the bookself problem）的原因。在2017年的Should Social Science be More Solution-oriented?一文中，Duncan号召大家使用大规模数据和实验来在因果规律层面上检验社会学理论和发展具有预测能力的社会学理论。
本次讲座将围绕上述问题，回归Duncan Watts与这个话题有关的书和论文并鼓励大家就自己的研究经验展开讨论。
时间安排：2个小时。前30分钟由主讲人介绍参考文献内容，推荐讨论议题，后一个半小时自由讨论。
人员（暂定）：
吴令飞（主持人，芝加哥大学社会学系博士后）
李林倬（芝加哥大学社会学系博士）
贾士麟（芝加哥大学社会学系博士）
王成军（南京大学新闻与传播学院助理研究员）
唐乾元（南京大学物理系博士）
史冬波（上海交通大学国际与公共事务学院助理教授）
戴良灏 （哥廷根大学社会学心理学系博士）
地点：多贝在线教室或者Skype（待定）
讨论内容：
Other research relevant to common sense:
American Solder (xii preface)
Organ donator (p31)
The riot Model (67)
The third option (p41)
Duncan Watts research:
1.Financial incentive (p49)
- Music Lab (p77)
- six degree email (88)
- Ordinary influencer on tweeter (p96, 99 portfolio approach p103)
Best sellers could be wrong:
1.Freakonomics (p35)
2.Tipping point p91
3.black swan p151
