计算社会科学的发展理路(2)

在这一领域，许多研究使用在线数据、自动文本分析、实验和基于主体的建模来研究政治极化和说服。2017年，布蒂琳和威勒（Boutyline&Willer）基于网络的研究表明，两极分化源于保守派和极端主义者之间的同质性。
3.知识社会学。计算社会科学已经成为知识社会学的中心部分。这一领域的研究主要利用引文数据来研究科学内部共识的形成。文本分析的进步帮助学者绘制和建模整个科学领域的成长过程，也使学者们能够阐明学科之间的异同。比如，2007年，伍奇（Wuchty）等人的研究发现，在社会科学领域，团队合作的倾向在过去50年里增加了一倍多。2018年，麦克马汉和埃文斯（McMahan & Evans）开发了一种方法来捕捉科学文章中语言的模糊性，以区分自然学科以及人文学科的差异。还有一些研究考察了学术工作如何获得影响和声望。2013年，乌齐（Uzzi）的研究表明，高影响力的出版物建立在先前卓著的工作基础上，同时又具有不同寻常和新颖的组合。计算方法也揭示了科学发现如何被单个科学家的选择及其组织背景驱动。2015年，热采斯基（Rzhetsky）等人确定了生物医学科学家在选择要研究的分子之间的关系时所遵循的策略。
这一领域的另一系列研究是利用计算技术来研究科学的公众形象以及科学如何与工业相结合。2015年，什维德（Shwed）展示了烟草业阻碍科学探究的尝试反而使科学家发现了吸烟危害的悖论。最后，计算技术更普遍地揭示了科学和在线知识表征中的性别不对称和不平等。2013年，怀特（West）等人追溯了自1545年以来，自然科学、社会科学和人文学科学术作者中的性别不平等现象。
4.文化社会学、社会心理学和情感学。计算社会科学也出现在文化社会学、社会心理学和情感学的研究中。在文化社会学中，部分研究考察了文化变迁的广泛过程。2015年，贝尔展示了自动文本分析如何被用来检验话语场的转变以发展一个系统的共鸣理论。以文本为基础的数据的增长也开启了关于文化信息如何表达的研究新领域。2011年，戈德和梅西（Golder&Macy）利用数以百万计的推特公开信息数据，确定了全球不同文化中个体层面上的昼夜和季节性情绪节奏。除了文本分析，学者们还率先使用虚拟现实来进一步研究社会心理学的核心问题。2018年，范·隆（Van Loon）等人让被试者执行合作任务，但将其中一半人随机分配到一种治疗条件中，使用虚拟现实技术获取其他研究参与者的观点。