当前，学术界普遍认识到，传统的单一学科的研究方法已经难以满足当下的研究需求，而随着信息技术的不断发展和应用，大数据为科学研究提供了许多新工具和新方法。作为一种代表性的传统研究方法，实证研究以可观察的经验或数据为基础，再将经验归纳为理论。大数据分析则进一步为其扩大了研究规模，降低了人力成本，提高了研究精准性。围绕传统实证研究的局限与大数据的助益及不足，本报记者采访了英国华威大学社会学系奥古斯特·孔德讲席教授史蒂夫·富勒（SteveFuller）。
实证社会研究跟随时代发展
布拉格查理大学社会科学学院教授海内克·耶扎贝克（Hynek）在《国际社会与行为科学百科全书》（InternationalEncyclopediaoftheSocial&BehavioralSciences）中提到，实证社会研究利用实证数据解释社会现象，在社会理论的基础之上验证社会事实和数据、丰富社会理论。从历史上看，实证社会研究的发展分为三个阶段。第一阶段以1895—1929年芝加哥社会学派推动科学程序变革为代表。第二阶段始于20世纪20年代末期，当时社会单位（个人和家庭）的标准化数据被用于市场营销和民意调查，从30年代后期开始，这方面被应用于社会学领域。第三阶段是在分析研究模式中使用相同的海量数据，以检验选定变量之间的因果关系。实证社会研究是指以社会理论为基础，丰富社会理论的实证研究活动。
富勒在接受本报记者采访时谈到了自己对实证社会研究的理解。他表示，人类是社会的一员，所以在生活中能获得对“人”的理解。而实证社会研究可以通过日常生活经验以外的手段收集关于人的信息。例如，通过定量和定性的研究方法，获取基本信息之外的内容。研究人员通过定量方法衡量、计算人类的各种特征，得出统计数据，或通过定性方法向人们提问。富勒表示，大多数实证社会研究尤其是大规模的研究，大都由国家委托进行，其目的在于更好地了解人们的想法，从而进一步提高治理水平。
富勒补充到，值得一提的是，“为了进行有效的统治，国家应了解人民的想法”的观点在18世纪晚期才开始在欧洲流行。这也体现了统治者与人民之间观点的差异是一个必须克服的问题，因为人民不再会将这种差异视为统治者更加优越的标志。简而言之，实证社会研究的兴起在历史上与广泛的民主意识有关。也正是在这一时期，学术界开始与政府展开更紧密的合作，提供并解读与社会有关的新数据。
大数据弥补传统方法缺陷
除此之外，大多数调查问题都围绕对某些话题的看法展开。研究对象对于这些话题或许思考过，或许完全没有考虑过，不知道研究人员为什么会提出这些问题，也不知道这些问题对应的“好”和“正确”的答案是什么。然而，研究人员会事先了解研究对象各种可能的回答，并预判这些回答对研究的意义。富勒认为，这样就构成了知识上的“不对称”。这种不对称在20世纪逐渐被打破，因为人们对实证社会研究的存在逐渐习惯并熟悉，同时开始理解研究人员为什么要从他们那里获取信息。如今，人们可能会出于不信任之类的原因拒绝回答问题，或应付了事直接说出研究人员想听到的答案；即便不存在这些问题，人们在阐述自己想法时依然可能会出现无意识的偏差。简而言之，研究对象的表述和他们的实际行为可能有差异，这些都有可能影响数据的准确性，进而干扰研究结果。
另一个难题在于研究人员需要判断收集到的信息的相对重要性。例如，研究人员多次捕捉到一个事件，如何判断该事件属于个别事件还是普遍事件，如何判断其之于其他事件的重要性。除此之外，如何判断这些反复出现的内容是真实有效还是道听途说，如何判断其属于一手信息还是二手信息。
以开放心态看待
和发展大数据方法
富勒认为，大数据是实证社会研究的未来，如果研究人员能够更好地生成、解释和使用大数据，每个人都会从中受益、生活得到改善，这也在诸多不同层面提出了治理要求。数据生命周期的每个阶段都存在潜在风险，飞速发展的大数据技术在带来新机遇的同时也为监管提出了新要求。欧盟于2016年通过了《一般数据保护条例》，该条例于2018年正式生效，旨在保护个人数据隐私。中国在大数据隐私保护方面也已经开启了立法工作，包括2016年通过、2017年施行的《网络安全法》、2021年通过并施行的《数据安全法》和《个人信息保护法》。2023年的《数字中国建设整体布局规划》指出，建设数字中国是数字时代推进中国式现代化的重要引擎，是构筑国家竞争新优势的有力支撑。在数字中国建设中，保护数据权益、规范数据使用、维护数据安全都离不开数据立法的保障。中国的数字治理生态正在走向更加公平规范的未来。