扩展学习|大数据，新的认识论和范式转变

文献来源：[1] Kitchin R .Big Data, New Epistemologies and Paradigm Shift[J].Big Data & Society, 2014, 1(1):1-12.DOI:10.1177/2053951714528481.

下载链接：https://pan.baidu.com/s/1RdnIo5VeL-CERk2sxyILiQ
提取码：0ih2

一、科学研究的范式转变

    正如库恩(1962)所提出的那样，范式构成了一种被接受的方式，即在任何时候，对一个学科中相当大比例的研究人员来说，它是一种询问世界和综合知识的方式。库恩认为，定期会出现一种新的思维方式，挑战公认的理论和方法。例如，达尔文的进化论从根本上改变了生物科学的概念思想，也挑战了宗教的神创论教义。Jim Gray(详见Hey et al, 2009)通过四种广泛的范式描绘了科学的演变(见表1)。与库恩的主张不同，范式转变的发生是因为科学的主导模式不能解释特定现象或回答关键问题，因此需要制定新的想法，**Gray的转变是建立在数据形式的进步和新分析方法的发展之上的**。因此，他提出，基于大数据和新分析的日益普及，科学正在进入第四种范式。

    库恩的论点受到了很多批评，尤**其是因为在一些学术领域，几乎没有证据表明范式在起作用，特别是在一些社会科学领域**，这些领域采用了不同的哲学方法(例如人文地理学、社会学)，尽管在其他领域，如科学，关于如何使用明确定义的科学方法进行科学研究，在认识论上有更多的统一，以假设检验为基础来验证或证伪理论的。此外，**范式叙述产生了学科如何演变的过度净化和线性的故事，平滑了科学在实践中展开的混乱、有争议和多元的方式**。然而，虽然范式的概念是有问题的，但它在构建当前关于大数据发展及其后果的辩论中是有用的，因为许多关于知识生产的主张认为，一种根本不同的认识论正在被创造出来;向新范式的过渡正在进行中。然而，这种新认识论的形式是有争议的。本文的其余部分批判性地考察了科学中新兴的第四范式及其形式的发展，并探讨了数据革命在多大程度上导致了人文科学和社会科学的替代认识论，并改变了研究实践。

二、关于第四种范式的一些思考

    毫无疑问，大数据和新数据分析的发展为重新构建科学、社会科学和人文科学的认识论提供了可能性，而这种重新构建已经在各个学科中积极进行。**大数据和新的数据分析使数据生成和分析的新方法得以实施，使以新的方式提出和回答问题成为可能。**大数据不是寻求从受范围、时间性和大小限制的数据集中提取见解，而是提供了处理和分析巨大的、动态的和不同的数据集的反问题。解决方案是开发新的数据管理和分析技术形式，这些技术依赖于机器学习和新的可视化模式。

    就科学而言，**大数据的使用和新的研究实践已经导致一些人宣称第四种新范式的出现，这种范式植根于数据密集型探索**，挑战了既定的科学演绎方法。目前，虽然大数据显然是一种颠覆性创新，呈现出一种新的科学方法的可能性，但这种方法的形式尚未确定，有**两种潜在的认识论路径被提出**，它们具有不同的认识论——**经验主义**，其中数据可以在没有理论的情况下为自己说话，以及数据驱动的科学，通过混合溯因，归纳和演绎的方面从根本上修改现有的科学方法。考虑到经验主义论点的弱点，数据驱动的方法似乎最终会胜出，随着时间的推移，随着大数据变得越来越普遍，新的数据分析也越来越先进，将对现有的**知识驱动的科学方法**提出强有力的挑战。为了伴随这种转变，数据驱动科学的哲学基础，就其认识论原则、原则和方法论而言，需要通过研究和辩论，为新范式提供一个强大的理论框架。

    考虑到人文和社会科学的哲学基础的多样性，它们的情况有些复杂，**大数据和新分析不太可能导致新的学科范式的建立**。相反，大数据将增强可用于分析的数据套件，并启用新的方法和技术，但不会完全取代传统的小数据研究。这部分是由于哲学立场，但也因为不太可能产生合适的大数据，可以用来回答特定的问题，因此需要更有针对性的研究。尽管如此，正如Kitchin(2013)和Ruppert(2013)所说，大数据为社会科学家和人文学者提供了许多机会，其中**最重要的是大量非常丰富的社会、文化、经济、政治和历史数据**。它也带来了许多挑战，包括分析和理解这些数据的技能不足，以及创造一种认识论方法，使后实证主义形式的计算社会科学成为可能。一个潜在的前进道路是认识论，它从关键的地理信息系统和激进的统计学中汲取灵感，在这种认识论中，定量方法和模型在一个框架内被采用，这个框架是反思性的，承认正在进行的社会科学的情境性、位置性和政治，而不是立即拒绝这种方法。这种认识论在科学中也有潜在的效用，可以识别和解释溯因的使用，并创造一种更具反身性的数据驱动科学。正如这一尝试性的讨论所表明的那样，迫切需要对大数据和数据分析的认识论含义进行更广泛的批判性反思，尽管数据环境的变化速度很快，但这项任务才刚刚开始。