Simulating Public Administration Crisis: A Novel Generative Agent-Based Simulation System to Lower Technology Barriers in Social Science Research
本文提出一种基于GPT-3.5的生成式智能体仿真系统,用于模拟乡镇水污染事件中虚拟政府的应对,通过控制变量实验验证记忆对决策和社交网络的影响,以降低社会科学仿真门槛并提升可解释性。
2023-11-12 cs.CY
Computational and informatics advances for reproducible data analysis in neuroimaging
科学研究的可重复性已成为一个关键问题。我们认为,开放性和透明度是至关重要的可重复性,我们概述了一个生态系统的开放和透明的科学已经出现在人类神经影像学界。我们讨论了一系列开放的数据共享资源,已开发的神经影像数据,和数据标准的作用(特别是脑成像数据结构),使自动化共享,处理和重用大型神经影像数据集。我们概述了开源Python语言如何为数据科学平台提供基础,从而实现可重现的数据分析和可视化。我们还讨论了软件工程的新进展,如容器化,提供了更大的数据分析再现性的基础。这种新生态系统的出现为目前正在努力解决可重复性问题的许多科学领域提供了一个例子。
2018-09-24 cs.CY q-bio.NC stat.ML
Big Data and Social/Medical Sciences: State of the Art and Future Trends
互联网上的数据爆炸是社交媒体平台的直接必然结果。随着最终用户生成PB级数据,研究人员可以访问前所未有的数据量(大数据)。这些数据提供了对用户精神状态的洞察,因此可以用于产生临床证据。这个崇高的目标不仅需要彻底了解心理健康问题,还需要了解大数据背后的技术趋势以及如何有效地利用它们。该文件着眼于各种这样的概念,提供了一个概述,并列举了在这一领域所做的工作。此外,我们还为未来的工作提供了指导方针,这将有助于简化社会/医学科学中大数据的使用。
2019-02-02 cs.CY
Towards the social media studies of science: social media metrics, present and future
在本文中,我们的目的是提供一个一般性的思考,现在和未来的社会媒体指标(或altmetrics),以及他们如何能够演变成一个新的学科,专注于研究科学和社会媒体之间的关系和相互作用,在什么可以被视为社会媒体研究的科学。
2018-01-13 cs.CY cs.DL
AI for social science and social science of AI: A Survey
University of Chinese Academy of Sciences(中国科学院大学);Institute of Software, Chinese Academy of Sciences(中国科学院软件研究所)
本文综述AI与社会科学的交叉研究,将其划分为AI赋能社会科学和AI的社会科学两大方向,并提供统一框架与仿真平台梳理。
2024-01-22 cs.CL cs.CY
Reproducibility in Research: Systems, Infrastructure, Culture
研究成果的复制和推广已成为许多科学学科的主要问题。在计算机科学和相关的计算学科(如系统生物学)中,挑战紧密围绕着实现(和利用)新算法和模型的能力。从文献中采取新的方法并将其应用于新的代码库通常需要本地知识,这些知识在已发表的手稿和临时项目网站中缺失。除了这个问题之外,基准以及缺乏公开、透明和公平的基准集也是核查和验证声称的结果的另一个障碍。在本文中,我们概述了几个建议,以解决这些问题,从一系列科学领域的具体例子驱动。基于这些建议,我们提出了一个高层次的原型开放式自动化平台的科学软件开发,有效地抽象出特定的依赖关系,从个人的研究人员和他们的工作站,允许轻松共享和复制的结果。这种新的可复制的计算科学电子基础设施提供了激励文化变革和推动采用新技术以提高科学探索的质量和效率以及可复制性的潜力。
2017-07-28 cs.CE cs.CY cs.SE
Intelligent Computing Social Modeling and Methodological Innovations in Political Science in the Era of Large Language Models
Shanghai Academy of Social Sciences(上海社会科学院);Nanjing University(南京大学);Shanghai Jiao Tong University(上海交通大学);Shanghai Institutes for International Studies(上海国际问题研究院)
本文提出智能计算社会建模(ICSM)方法,利用大语言模型的综合与模拟能力,通过模拟社会建构和验证推动政治学方法论创新,并以美国总统选举模拟实证展示其兼顾可解释性与预测能力的优势。
2025-11-05 cs.AI cs.CY
Yourfeed: Towards open science and interoperable systems for social media
现有的社交媒体平台(SMP)使得研究人员很难对社交媒体进行研究,这反过来又在学术界和工业界之间造成了关于平台设计对用户行为影响的知识差距。为了缩小差距,我们引入了Yourfeed,这是一种用于进行生态有效的社交媒体研究的研究工具。我们介绍了平台架构,以及关键的机会,如评估内容曝光对下游的信念和态度的影响,通过停留时间测量注意力曝光,并评估异构的新闻推送算法。我们讨论了社交媒体互操作性的基本理念和平台的未来发展。
2022-07-15 cs.CY cs.HC
Theory In, Theory Out: The uses of social theory in machine learning for social science
Network Science Institute(网络科学研究所);Northeastern University(东北大学);University at Buffalo(布法罗大学)
机器学习和社会科学交叉的研究为社会行为提供了重要的新见解。与此同时,各种各样的批评已经提出,从使用的数据和构建的功能,有问题的假设内置到模型,其有限的可解释性,以及它们的偏见和不平等的贡献的技术问题。我们认为,出现这样的问题,主要是因为缺乏社会理论在模型的建立和分析的各个阶段。在本文的前半部分,我们将走查如何使用社会理论来回答在机器学习流程的每个阶段出现的基本方法和解释问题。在后半部分,我们将展示如何使用理论来评估和比较不同的社会学习模型的质量,包括解释,概括和评估模型的公平性。我们相信这篇论文可以作为计算机和社会科学家的指南,指导他们如何将机器学习工具应用于社会数据。
2020-01-15 cs.CY cs.LG
The Story is Not the Science: Execution-Grounded Evaluation of Mechanistic Interpretability Research
University of Chicago(芝加哥大学);Carnegie Mellon University(卡内基梅隆大学)
本文提出基于执行的评估框架,通过代码和数据验证机制可解释性研究的严谨性,发现大量方法学问题,展示AI在研究评估中的潜力。
2026-02-05 cs.AI cs.CL cs.CY
Validating LLMs in social science: Epistemic threats and emerging norms
School of Information, University of Michigan(信息学院,密歇根大学);Center for the Study of Complex Systems, University of Michigan(复杂系统研究中心,密歇根大学)
研究探讨大语言模型对社会科学方法论的重塑,通过分析八本旗舰期刊论文语料库,发现其生成测量在实证分析中核心作用凸显,但验证实践存问题,进而概述补充策略以完善大语言模型在社会科学应用的规范标准。
2026-07-10 cs.CL cs.CY
A High-Scale Assessment of Social Media and Mainstream Media in Scientific Communication
Mendoza College of Business, University of Notre Dame(圣母门多萨商学院,圣母大学);New York University Shanghai(纽约大学上海分校);New York University(纽约大学);Kellogg School of Management, Northwestern University(西北大学凯洛格管理学院);National Bureau of Economic Research(美国国家经济研究局)
本研究通过分析2090万篇科学出版物,比较社交媒体与主流媒体的科学传播差异,发现社交媒体能扩大科学报道规模、覆盖更多元研究且聚焦高影响力成果,可丰富公众科学接触渠道。
2025-11-11 cs.CY physics.soc-ph
Generative AI has lowered the barriers to computational social sciences
生成式AI通过自动化代码处理、提示工程和代码教学辅助,降低了计算社会科学的门槛,显著提升了缺乏编程专长学者的生产力与复杂数据分析能力。
2025-04-28 cs.CY cs.HC
Is Machine Learning Unsafe and Irresponsible in Social Sciences? Paradoxes and Reconsidering from Recidivism Prediction Tasks
University of Macau(澳门大学)
本文针对社会科学高风险预测中反对机器学习的流行观点提出质疑,并以累犯预测任务为例,倡导计算方法与传统社会科学方法融合的新范式。
2023-11-11 cs.AI cs.CY stat.AP
AgentSociety 2: An Integrated Research Environment for Executable Social Science
Tsinghua University(清华大学)
针对社会科学研究对象的独特性及现有系统缺陷,AgentSociety 2集成研究环境结合大语言模型代理的两个角色,支持端到端工作流程,通过多领域研究展示其能力,为计算社会科学提供可控基础设施。
2026-07-16 cs.CY cs.MA
Artificially intelligent agents in the social and behavioral sciences: A history and outlook
Department of Computer Science, Aalto University(阿尔托大学计算机科学系);Center for Computational Social Science, Kobe University(大阪大学计算社会科学中心);Department of Methodology, London School of Economics and Political Science(伦敦政治经济学院方法论系)
回顾人工智能代理在社会与行为科学中的历史发展与当前趋势,涵盖从可编程计算机到社会模拟、大语言模型实验等,强调其在科学过程中的作用及带来的变化,如社会系统科学兴起等,凸显与相关技术紧密相连。
2026-07-21 cs.AI cs.CY
GeoAI in Social Science
本文综述了GeoAI在社会科学中的应用进展,强调其填补数据与知识空白的作用,并指出需打破数据孤岛、促进方法融合及拓展其超越地理空间的效益。
2023-12-19 cs.AI cs.CY
The Opening Scholarly Communication in Social Sciences project OSCOSS
将概述的OSCOSS项目(开放社会科学学术交流)旨在为学术交流过程的所有步骤提供综合支持。含合作撰写科学论文,收集与现有出版物相关的数据,解释并在论文中纳入数据,提交论文供同行评审,审查论文,发表文章,最后,促进读者消费。OSCOSS项目将支持这一过程,特别考虑到以下用例描述中详细介绍的三个主要参与者的观点:读者,作者和评审员。
2017-10-17 cs.CY cs.DL
Climate Change and Social Sciences: a bibliometric analysis
气候变化等新出现的邪恶问题的复杂性最终导致我们重新思考社会,并动员来自不同学科的科学家寻求解决方案和问题的观点。从认识论的角度来看,必须评估如何在学术领域内发展这些主题,但要做到这一点,有必要对最近大量的学术出版物进行复杂的分析。在这项工作中,我们讨论了社会科学在实践中如何解决气候变化问题。我们能否通过气候变化辩论的出现来观察新认识论的发展?在社会科学领域的学术期刊上是否有关于气候变化的文章?这些是什么日记?作者是谁?为了回答这些问题,我们开发了一种创新的方法,结合不同的工具来搜索,过滤和分析最相关期刊中与气候变化相关的学术成果对社会科学的影响。
2020-08-04 cs.CY cs.DL
Citizen Science practices for Computational Social Sciences research: The conceptualization of Pop-Up Experiments
在公民科学的名义下,志愿者与科学家合作提出并回答现实世界问题的许多创新实践正在全球范围内迅速增长。公民科学可以提供现成的解决方案与公民的积极作用。然而,这个框架还远远没有建立起来,成为计算社会科学研究的标准工具。我们提出了我们在连接计算社会科学与公民科学哲学方面的经验,在我们的案例中,这种经验采取了我们所说的弹出式实验的形式:非永久性的,高度参与性的集体实验,将大数据方法和行为实验协议开发的功能与公民科学的理想相结合。这类规划实验中需要考虑的主要问题分为三类:公众参与、轻型基础设施和知识回归公民。我们解释了实施的解决方案,提供了基于我们自己在城市环境中的经验(西班牙巴塞罗那)的实际例子。我们希望这项工作能够为愿意采用和扩展这种\emph{in-vivo}实践的团体提供指导,并开启关于公民科学框架可以提供研究社会现象的可能性(但也有局限性)的辩论。
2015-09-22 cs.CY physics.data-an physics.soc-ph
Arti-"fickle" Intelligence: Using LLMs as a Tool for Inference in the Political and Social Sciences
本文主张政治与社会科学研究者应以科学推断为目标使用大语言模型,通过模型输出验证提出判定任务成败的准则,以促进相关共享科学知识的积累。
2025-04-04 cs.AI cs.CY
Doing Things Twice (Or Differently): Strategies to Identify Studies for Targeted Validation
“可再现性危机”一直是科学争议和争论的一个非常明显的来源。在这里,我提出并审查了几种途径,以确定和优先考虑的研究,目的是有针对性的验证。在讨论的各种建议中,我认为科学数据科学是一种值得那些对可重复性感兴趣的人更多关注的战略。我认为,科学数据科学在发现高价值研究方面的巨大潜力是向完全开放获取出版模式过渡的一个重要且很少讨论的好处。
2018-04-21 cs.CY cs.DL physics.soc-ph
A Datalake for Data-driven Social Science Research
Ashoka University(阿肖卡大学);IIT Delhi(德里印度理工学院)
本文提出一个专为社会科学研究设计的数据湖平台,通过整合多种数据类型和提供可视化工具,简化研究流程并提升透明度,旨在普及高级数据科学实践。
2025-12-02 cs.CY cs.DB
Reproducible Research Can Still Be Wrong: Adopting a Prevention Approach
重复性,即重新计算结果的能力,以及可复制性,即其他实验者获得一致结果的机会,是成功科学研究的两个基本特征。来自独立调查者的一致发现是科学证据积累支持或反对一个假设的主要手段。然而,最近在研究人员中出现了一场信任危机,他们担心研究的可重复性或可复制性。为了保持科学研究的完整性和保持公众对科学的信任,科学界必须采取更加预防性的方法,大大扩大数据分析教育,并经常使用软件工具,以确保可重复性和可复制性。
2015-02-11 cs.CY stat.AP
Knowing Your Uncertainty -- On the application of LLM in social sciences
本文提出一个统一框架,用于评估LLM在社会科学任务中的不确定性,通过任务类型和验证类型两个维度,为研究者提供方法学保障和实践指导。
2026-09-09 cs.AI cs.CY cs.HC
CoBRA: Programming Cognitive Bias in Social Agents Using Classic Social Science Experiments
University of California San Diego(加州大学圣地亚哥分校);Independent Researcher(独立研究者)
CoBRA通过经典社会科学实验设计,为社会代理提供了一种可编程的认知偏差控制方法,实现一致的行为模拟与可重用的AI训练环境。
2026-01-26 cs.AI cs.CE cs.CY
Training future teachers in natural sciences and mathematics by means of computer simulation: a social constructivist approach
该专着定义了未来教师在自然科学和数学的培训条件,通过计算机模拟,开发了一个结构功能模型的培训,选择社会建构主义的组织形式,方法和学习工具的计算机建模的未来教师的自然和数学学科。
2019-07-23 cs.CY math.HO physics.ed-ph
Data Science for Social Good
University of Notre Dame(圣母大学);University of Cincinnati(辛辛那提大学);Bentley University(本特利大学)
针对数据科学研究中社会福祉关注度下降的问题,提出“面向社会福祉的数据科学”(DSSG)框架,实证分析文献揭示该领域研究匮乏及障碍,并介绍特刊文章以推动未来研究。
2023-11-02 cs.AI cs.CY cs.SI
Rethinking LLM Bias Probing Using Lessons from the Social Sciences
Harvard University(哈佛大学);John A. Paulson School of Engineering and Applied Sciences, Harvard University(哈佛大学约翰·A·保尔森工程与应用科学学院)
针对LLM偏见探测缺乏选择标准、冲突协调系统和泛化推理框架的挑战,本文借鉴社会科学见解系统化偏见探测,并提出EcoLevels框架以确定探测方法、协调冲突发现并预测偏见泛化。
2025-02-28 cs.AI cs.CL cs.CY
Open access institutional and news media tweet dataset for COVID-19 social science research
随着COVID-19迅速成为最受关注的全球危机之一,学术研究对数据的需求也在增加。目前,有几个开放获取的Twitter数据集,但没有一个是专门针对机构和新闻媒体的Twitter数据汇集,为了填补这一空白,我们检索了69个机构/新闻媒体Twitter账户的数据,其中17个与政府和国际组织有关,其中52个是北美,欧洲和亚洲的新闻媒体。我们相信我们的开放获取数据可以为研究人员提供更多的可用性来进行社会科学研究。
2020-04-03 cs.CY cs.DL cs.SI
In-class Data Analysis Replications: Teaching Students while Testing Science
Stanford University(斯坦福大学);Microsoft Research(微软研究院)
本研究在EPFL的《应用数据分析》课程中引入数据分析复现项目,基于354名学生的调查证明学生能够复现已发表论文,并分析了教育者成本与科学界收益,表明课堂复现可同时提升科学可复现性与学生批判性思维。
2024-07-30 cs.AI cs.CY cs.LG
Leveraging LLM-based agents for social science research: insights from citation network simulations
Gaoling School of Artificial Intelligence(北京中国人民大学人工智能学院);School of Public Administration and Policy(公共行政与政策学院);Alibaba Group(阿里巴巴集团)
针对大语言模型社会模拟能力边界不明确的问题,提出CiteAgent框架实现高保真引用网络模拟,构建两种LLM社会科学研究范式,验证了LLM助力科学学研究的潜力。
2025-11-18 cs.AI cs.CY cs.MA
EthicAlly: a Prototype for AI-Powered Research Ethics Support for the Social Sciences and Humanities
Ludwig Boltzmann Gesellschaft(路德维希·玻尔兹曼协会)
本文提出EthicAlly,一个基于宪法AI的伦理支持原型,为社会科学和人文学科研究者提供结构化伦理评估,弥补REC资源不足,并减轻机构负担而不取代人类监督。
2025-07-15 cs.AI cs.CY cs.HC
Cognitive network science for understanding online social cognitions: A brief review
University of Exeter(埃克塞特大学)
社交媒体正在将大量用户在时间线和情感内容方面的认知数字化。这些大数据为研究感知、个性和信息扩散等认知现象提供了前所未有的机会,但需要合适的可解释框架。由于社交媒体数据来自用户的头脑,因此这一挑战的有价值的候选者是认知网络,即为心理概念联想提供结构的认知模型。这项工作概述了认知网络科学如何通过在线媒体为理解认知开辟新的定量方法,例如:(i)重建用户如何使用机器学习无法获得的上下文知识在语义和情感上构建事件,(ii)通过社会话语中的知识结构研究概念突显/突出;(iii)通过帖子中的语言研究用户的个性特征,如开放性、好奇心和创造力;(iv)通过比较影响者和追随者的心态的多层网络,将认知/情感内容和社会动态联系起来。这些进步结合了认知、网络和计算机科学,以理解数字和现实世界环境中的认知机制,但在代表性、个体差异性和数据整合方面存在局限性。这些方面的讨论沿着操纵社会认知数据的伦理影响。在未来,通过网络和社交媒体阅读认知可以暴露被在线平台放大的认知偏见,并为政策制定、教育和市场提供有关大规模复杂认知趋势的相关信息。
2021-02-25 cs.CL cs.CY cs.SI