Measuring society

读书会简介：

兹定于六月在北京举办“技术与社会”读书会。地点为中国技术交易大厦腾讯研究院。时间预计为七天（暂定6月15-21），每天晚上8:00-9:00。读书会的思考将会比较密集，之后可能不定期有酒吧，夜宵等活动。读书会要求严格。要求所有成员事先注册，并且在读书会周开始前就阅读完毕七篇核心论文或书。

本读书会预计7-10人。三十岁以下者优先录取，尤其欢迎互联网创业者。本页面实时更新参与者人员名单。欢迎关注。

本读书会不对外开放，但主要内容将有录像，剪辑后在网上公布。7月1-10 在南京大学新闻与传播学院（计算传播研究中心）将会有同主题暑期课“人不是机器是什么”，对所有感兴趣的人开放，人数不设限制。

暂定成员名单：

林倬（主持人，芝加哥大学社会学系博士）
吴令飞（主讲人，芝加哥大学社会学系博后）
明霞（腾讯研究院院长助理）
袁行远（彩云科技 CEO）
曹旭东（Momenta CEO）
王小川（搜狗 CEO）

本读书会暂时确定七大讨论主题：Connection，Intelligence，Innovation，Time，Paradigm，Role，Influence。每个主题核心文献（下文灰底蓝字标示，附带原文链接）一篇，相关文献若干。

一：Connection

Granovetter

主要问题：知识经纪人（拥有更多弱链接的人）是如何在局域性分布知识的全局流动中出现的？
Main question: How do knowledge brokers (owners of many weak ties) emerge from the global flow of locally distributed knowledge ?

Granovetter, M. S. (1977). The strength of weak ties. In Social networks (pp. 347-367).

1. Travers, J., & Milgram, S. (1967). The small world problem. Phychology Today, 1(1), 61-67.
2. Burt, R. S. (2004). Structural holes and good ideas. American journal of sociology, 110(2), 349-399.
   3.McPherson, J. M., & Ranger-Moore, J. R. (1991). Evolution on a dancing landscape: organizations and networks in dynamic Blau space. Social Forces, 70(1), 19-42.

Qs for discussion:

1. Blau Space: "What Blau leaves implicit in his theory is that the long run of history - the transition from hunting and gathering to industrial modes of production - is the transition from strong correlations in a limited number of dimensions to weaker and weaker correlations among an increasing number of these dimensions".

2. 不是风动，不是幡动，是心里的结构洞：知识经纪人/创业者要承担颠覆性感受来维持弱链接 (structural holes and mental holes: the disruptive psychological consequences of being a knowledge broker/startup Entrepreneur)

二：Intelligence

Spearman

主要问题：对于人类个体，团队，以及混合了机器和人的团队，是否存在通用智能（在所有任务上表现更出色）？如何测量？这三种智能测量相互联系吗？
Main question: Does general intelligence exist in individuals, groups, and groups mixing human and machine players ? How to measure it ? Are different general intelligence related ?

Spearman, C. (1904). " General Intelligence," objectively determined and measured. The American Journal of Psychology, 15(2), 201-292.

1. Pentland, A. (2007). On the collective nature of human intelligence. Adaptive Behavior, 15(2), 189-198.
2. Woolley, A. W., Chabris, C. F., Pentland, A., Hashmi, N., & Malone, T. W. (2010). Evidence for a collective intelligence factor in the performance of human groups. science, 330(6004), 686-688.
3. Shirado, H., & Christakis, N. A. (2017). Locally noisy autonomous agents improve global human coordination in network experiments. Nature, 545(7654), 370.

三：Innovation

Christensen

主要问题：如何测量创新（基于产品影响力的间接测量和基于产品内容的直接测量）及其计算复杂度（人和机器搜索解空间需要的内存和时间成本）？是否有可能形成一个关于创新的计算理论？
Main question: How to measure innovation (indirected and structural, directed and combinatorial) and its algorithm complexity (memory and time cost for human and machines to search for solution)? Is it possible to have a computational theory of innovation?

Christensen, C. (1997). The innovator's dilemma: when new technologies cause great firms to fail. Harvard Business Review Press.

1. Uzzi, B., Mukherjee, S., Stringer, M., & Jones, B. (2013). Atypical combinations and scientific impact. Science, 342(6157), 468-472.
2. Funk, R. J., & Owen-Smith, J. (2016). A dynamic network measure of technological change. Management Science, 63(3), 791-817.
3. Wu, L., Wang, D., & Evans, J. A. (2017). Large Teams Have Developed Science and Technology; Small Teams Have Disrupted It.
4. Mason, W., & Watts, D. J. (2012). Collaborative learning in networks. Proceedings of the National Academy of Sciences, 109(3), 764-769.

四：Time

Ryder

主要问题：个人与组织创造力的生命周期如何？受哪些因素影响？为何同辈效应（人们总是活在他们熟悉的特定年代里）在互联网社区中也广泛存在？
Main question: What is the life cycle of creativity at individual level and organization level, why ? Why the cohort effects (people live in the past world they grow up with) exists widely across online communities ?

Norman B. Ryder (1965), The Cohort as a Concept in the Study of Social Change

1. Jones, B. F. (2010). Age and great invention. The Review of Economics and Statistics, 92(1), 1-14.
2. Jones, B. F., & Weinberg, B. A. (2011). Age dynamics in scientific creativity. Proceedings of the National Academy of Sciences, 108(47), 18910-18914.
3. Packalen, M., & Bhattacharya, J. (2015). Age and the trying out of new ideas (No. w20920). National Bureau of Economic Research.
4. Danescu-Niculescu-Mizil, C., West, R., Jurafsky, D., Leskovec, J., & Potts, C. (2013, May). No country for old members: User lifecycle and linguistic change in online communities. In Proceedings of the 22nd international conference on World Wide Web (pp. 307-318). ACM.
5. Christopher Winship, Time and Scheduling, In Hedström, P., & Bearman, P. (Eds.). (2009). The Oxford handbook of analytical sociology. Oxford University Press..

Qs for discussion:

1. The exploitation of exploration. 每一代人都希望寻找，定义自己的unique identity，探索新的科学方向，追捧新的流行偶像，但是distinct and available的选择却是很少的。大多数人以为自己独特的选择，最终会收敛成一个流行而平庸的选择，成为不断累积的科学知识和文化的一部分。

五：Paradigm

Miller

主要问题：人类大脑的信息处理能力存在极限吗，这些极限如何影响语言结构以及科学技术进步？
Main question: Are there limits on our capacity for processing information? How are these limits shape the structure of language and constrain the advances of science and technology ?

Miller, G. A. (1956). The magical number seven, plus or minus two: Some limits on our capacity for processing information. Psychological review, 63(2), 81.

Thomas Kuhn, The Structure of Scientific Revolutions (1970)

Qs for discussion:

1. 机器学习（智能增强）会如何打破这个极限？

六：Roles

Milgram

主要问题：社会角色（阶层）及相互关系是如何出现和再生产的？
Main question: How does social roles emerge and reproduce ?

Milgram, S. (1963). Behavioral study of obedience. The Journal of abnormal and social psychology, 67(4), 371.

1. Danescu-Niculescu-Mizil, C., Lee, L., Pang, B., & Kleinberg, J. (2012, April). Echoes of power: Language effects and power differences in social interaction. In Proceedings of the 21st international conference on World Wide Web (pp. 699-708). ACM.
2. Franco, Z. E., Blau, K., & Zimbardo, P. G. (2011). Heroism: A conceptual analysis and differentiation between heroic action and altruism. Review of General Psychology, 15(2), 99.
3. Wu, L., Tang, Jie., Wang, D., & Evans, J. A. (2017). Only Diamond can cut Diamond in Science, In IC2S2 2018
4. Chen, Z., Wu, L., Chao, N., Wang, C., The Poor Read for Entertainment and the Rich Read for Education, In IC2S2 2018
5. Coser, L. A. (1974). Greedy institutions; patterns of undivided commitment. Free Press.
6. Shi, Y., Dokshin, F. A., Genkin, M., & Brashears, M. E. (2017). A Member Saved Is a Member Earned? The Recruitment-Retention Trade-Off and Organizational Strategies for Membership Growth. American Sociological Review, 82(2), 407-434.

Qs for discussion:

1. Social class, Culture omnivore, greedy institution and routine, distinction (Pierre bourdieu)

七：Influence

Lazarsfeld.jpg

主要问题：群体如何决策？为何从传统媒体到互联网世界，意见领袖都如此重要？
Main question: How does group make collective decisions and why opinion leaders are always important across mass media and Internet?

Lazarsfeld, P. F., Berelson, B., & Gaudet, H. (1965). The people's choice: how the voter makes up his mind in a presidential campaign, by Paul F. Lazarsfeld [et al.]. Columbia Univ. Press.

McCombs, M. E., & Shaw, D. L. (1972). The agenda-setting function of mass media. Public opinion quarterly, 36(2), 176-187.
Latané, B. (1981). The psychology of social impact. American psychologist, 36(4), 343.

Qs for discussion:

1. Two kinds of contagion: 1) Simple contagion for information, rumor, disease; 2) complex contagion for behavior, norm, technology adoption, social movement.

致谢

以下诸位朋友，对本读书会的议题和文献亦有贡献，在此一并致谢：

施永仁（耶鲁大学网络科学中心博士后）
靳擎（西北大学复杂系统中心博士后）

附：集智第谷小组成立序言：技术变革时代的社会科学

社会科学关注什么问题？在我看来就是

理解人的行动，关注人的命运。

为了实现这个目的，我们发展了各种理论来解释组织和制度的形成，政策的后果、国家的兴衰。

讲故事的人

社会科学家，尤其是社会学家，常常提到一个概念：“story telling”。讲故事的人。有些人觉得“讲故事”比较主观，听起来不像是科学家干的事。实际上自然科学家也讲故事。宇宙大爆炸和进化论，都只是一个故事版本，还可能存在其他版本。讲故事是为了寻找真相。科学的进化，就是新取代旧故事。能不能找到真相？我们希望，但不保证。那么什么样的故事值得讲？这就涉及另一个概念，sociological imagination 。社会学的想象力，就是跳出自己的个人得失和命运，理解波澜壮阔的历史局面的能力。换言之，我们感兴趣的故事，可以见微知著，但最终一定是一个比较大的故事，关系到许多人的命运。“技术与社会七讲”，就是希望和历史上最sharp的一些社会学家对话，在讨论中和诸位一起形成这种思考大故事的能力。

好故事需要好数据

其实比起社会科学家，说书人有着更强大的“社会学的想象力”。 但和说书人不同，社会科学家使用数据讲故事。越大的故事，越惊人的假设，需要用越严密的数据来证实。数据量要大，变量要多，时间跨度要长。因为要讲出一个经得起质疑的故事，需要排除所有明显的confounding variables，也就是尽量排除所有其他版本的故事。只有高质量的好数据才能做到这一点。最近一些年，“大数据”这个词使用泛滥，机器学习+大数据，产出了许多短平快的文章。但许多看似规模很大的数据，其实并不一定能支持高质量研究。

快变量与慢变量：为什么社会科学家不宜盲目追求互联网大数据

万事万物都在变化。当我们谈论因果时，不是说一个不变的东西导致另外一个东西变化。其实我们往往说的是慢变量对快变量的影响。力是慢变量，加速度是快变量。教育是慢变量，收入是快变量。

社会学科学家需要研究社会系统内的慢变量，但是目前大部分的互联网数据虽然规模大，却都是快变量。

计算机科学家要处理的问题与社会科学家不同。一天内某个网站一百万用户精确到毫秒的商品浏览记录，十万个人三天内精确到基站的移动记录。这些数据好不好？好，但不够好。计算机科学家可以讨论推荐算法，社会学家可以做什么？很有限。数据的迅速变化对计算科学不是问题，新的推荐算法可以每天上线一次，甚至可以online learning，实时演化。医疗、教育和科技政策却不能。制定政策是一个很难的事情，因为它试图用快变量改变慢变量。从这个角度，我们提倡政策制定者关心数据，了解数据，因为盲目制定政策后果严重：一旦慢变量被改变，很难迅速恢复。虽然现在是“大数据”时代了，真正的长时间，大人群尺度的数据，还很少。比较好的一个例子是Web of Science数据。长达一百年，一百万科学家在一万多个杂志上发表五千万篇论文。研究这个数据，可以知道人类科学研究在过去一个世纪里的发展。另外一个例子是美国专利数据，从1976-2016， 四十年，可以研究出技术的变化，企业的兴衰和substitution。 还有更多更好的数据可以被分享，需要被公开，需要更多人的努力。

小结来说，大数据和机器学习，社会学家需要掌握，但如果研究者问不出好的问题，讲不出好的故事，机器学习模型不会替你讲一个好故事。同时，比起数字，人更容易理解故事，被故事打动，然后记住故事。所以故事是比数字更好的总结、传递复杂知识的方法。然而，为了精确地讲重要的故事，需要高质量，大时间跨度的数据。

通过集智俱乐部第谷小组来分享数据和故事

好的，高品质的数据，流通起来困难。不仅是因为它的价值高，信息敏感而难以开源，更重要的是，开源这样大规模高质量数据，无论是API还是提供稳定的下载源，都需要大量的技术和人力资源。比如arXiv全文数据，虽然号称免费，还是外包给了Amazon处理，下载需要付流量费。

激进地要求开源所有高品质的数据，无论是政府还是公司持有的，短期内都是不现实的。我们建议通过一个俱乐部的形式，会员定期接触，介绍自己从事的研究和对数据的思考。通过逐步建立的互相信任以及合作关系推进数据的流通。这就是为什么我们倡议并发起集智俱乐部第谷小组这个民间组织。现阶段我们的活动还是以在共同讨论中培养大家的信任和问题意识为主，长期目标是寻找，共同开发高质量的数据来讲值得传播的故事，帮助媒体，投资人，以及大众理解社会，帮助决策制定者制定更好的决策。