马费成：大数据、人工智能如何与人文社会科学研究深度融合｜光明讲坛216讲( 二 ) 马费成1947年出生

再比如，取之不尽的数据来源：物联网。物联网技术是在互联网基础上实现“物物互联” 。这里的“物”能够为认识社会经济现象提供好的研究基础和平台。对于人文社会科学研究而言，取之不尽的数据是科学新发现的源泉，物联网所带来的研究魅力在于数据的获取空前方便。物联网可以获取海量的实时数据，而这些数据是运用传统工具和手段所不能获取的。
还有就是即时可用的计算环境：云计算。云计算的概念从2006年的搜索引擎大会上提出，到现在已经10多年。它主要是指一种计算资源的共享，带来数据分布式存储和计算，这种分布式存储和计算使得研究人员不再担心传统数据存储和处理的局限。传统统计学的目标是用尽可能少的数据来发掘出尽可能重大的发现，长此以往，研究人员就形成了减少数据收集的习惯，这种缩减实际上是一种人为的限制。而云计算意味着更大的临时存储空间和计算环境，因此给了研究人员一个信心：面对复杂的研究对象，不需要做过多的精减。
值得重视的移动泛在的信息行为：智能手机和终端。人人持有的智能手机和终端形成了信息获取和信息生产的泛在环境。用户不仅可以无时无刻、随时随地生产数据，还可以获取数据、传递数据。现在，很多数据通过移动手机和终端不断产生、不断传递，使得信息传递模式、人类信息行为表现都呈现出新的特征，而且移动信息服务又与生活经济发展密切相关。这样的变化不仅为研究信息传播、用户行为提供了支持，而且也丰富了人文社会科学的研究途径。
文章插图
无孔不入的时空分析：GIS技术。地理信息系统（GIS）技术与人文社会科学研究特别相关， GIS是上世纪60年代研究地理的学者提出来的，主要是为了获取、存储、检索、分析、显示空间的定位数据，随着技术的发展和成熟，其发挥的作用也愈发显著。人文社会科学研究之所以要重视GIS技术，因为其研究对象不仅有时间属性，还有空间属性。人文社会科学中很多现象并不能像自然科学研究中用数学、物理、化学的方法来测量，但是GIS技术为直接或间接研究人文社会科学空间提供了可能。
数字与现实世界融合：VR/AR技术。虚拟现实/增强现实（VR/AR）技术借助3D模型、感知交互、渲染处理、网络传输等技术，将仿真和现实物理空间融为一体，建造第二自然（也可以称为拟象），实现对物理空间的原型事物的模拟和构建，以及对无原型事物的生成和创造。这类技术可以充分模拟现实世界可能发生的现象、发展的状态，未来可能会成为人文社会科学研究的实验室或者试验场。
·不同数据来源提供研究保障
计算机技术的发展极大地改变和丰富了人文社会科学研究的数据来源。依据不同的标准，可以将人文社会科学研究的数据细分为不同的类别，针对性地应对不同研究。
依据数据产生的方式，人文社会科学研究数据可以分为被动产生的数据、主动产生的数据和自动产生的数据。被动产生的数据，表示被人和机器共同控制。主要来源于一些业务运营管理系统，伴随移动的运营活动产生并记录在数据库中，如超市、医院、研究机构、交通部门的管理系统中产生的数据。主动产生的数据，表示人的主动权（控制权）较大。这类数据是用户在不同的移动手机和终端，为了交流、交易而产生的数据。自动产生的数据，表示数据的主动权完全归于机器。这类数据主要为机器和传感器数据，如射频识别（RFID）信息、GPS等定位系统数据等。
依据数据的来源，人文社会科学研究数据可以分为电子踪迹、用户生成内容（UGC）、数字化文本和空间位置数据。电子踪迹数据指用户在使用互联网以后留下来的踪迹，主要包括点击流和搜索日志，如用户点击网络情况、浏览情况以及IP地址等等都属于电子踪迹范围。用户生成内容（UGC）数据，包括社交媒体数据，以及采用群体智慧机制的互联网百科数据等等。数字化文本是电子化处理后形成的文本数据，包括各类数字化图书馆网络数据库存储的文本数据等。空间位置数据是利用GPS等定位系统获取的定位数据。
依据数据的实时性，人文社会科学研究数据可以分为热数据和冷数据。人文社会科学的研究问题与数据实时性具有一定的关系。有些研究是利用实时性数据研究现实性问题，有些研究是利用档案性数据研究传统性问题。这就反映出研究中数据的热度。据此，可以将反映实时动态的实时性数据称为热数据，将保留多年的档案性成熟数据称为冷数据。