计算实验是近年来发展起来的具有重大方法论创新意义的社会科学研究新方法（刘小峰和杜建国，2013）。基于情景建模的计算实验方法是以综合集成方法论为指导，融合计算技术、复杂系统理论和演化理论等，通过计算机再现管理系统的基本情景，并在此基础上分析各种管理现象、行为与演化规律的一种科学研究方法（丁翔等，2015）。它为社会科学领域的跨学科研究提供了新的视角与工具，是现代实验科学在社会科学研究领域的拓展与创新。

一般而言，社会科学研究最重要的任务就是认识、揭示社会现象背后“故事”中的复杂性，而研究方法的进步正是为了不断提高我们认识、揭示和驾驭这类复杂性的能力。然而，传统的定性研究方法主要侧重于用语言、文字来叙述、阐明社会现象“故事”的“质”，包括说明、解释“故事”，并从“故事”中归纳出普遍道理；而定量研究方法能够通过不断移植自然科学（数学）方法，借后者逻辑严谨、思路清晰之力，对社会现象“故事”中的一些复杂关系进行量化分析，或对“故事”深层次规律进行数理揭示。

虽然定量方法在很大程度上可以避免定性方法中语言、文字描述的主观性和随意性，因而提高了社会科学研究的客观性与精细度。但是，社会科学的定量研究方法一般需要建立数学模型并对模型进行性质分析或求解，而这必然要对实际的社会现象（情景）进行抽象、简化和形式化，否则数学模型过于复杂会导致研究者无法分析和求解，这就不可避免地会使原来社会“故事”中大量难以进行数学模型化的细节和情节（如人的心理偏好、情感、行为或文化特征等）丢失掉。而计算实验方法则是将定性描述与定量分析两种方法综合集成，并运用现代信息技术对其进行情景再现。

具体而言，社会现象“故事”中的“实际情景”在被研究者感知、认识后会形成一定的“概念情景”，“概念情景”是研究者对“实际情景”一定的抽象、简化与概括，一般会根据研究者的研究目的和思考角度不同，选择“实际情景”中某些部分“情景”和“情景”的主要发展趋势构成不同的“概念情景”。不难看出，“概念情景”除了较为完整地保留着原来“实际情景”中的可结构化部分，还有利于保留较多的半结构化甚至非结构化部分。进一步地，研究者把“概念情景”中那些结构化“情景”与那些在一定意义下“可计算”的半结构化甚至非结构化的“情景”，一起构成“可计算情景”，情景可计算过程不等同于把情景结构化为数学模型，它比结构化数学模型更广义。例如，一定的逻辑关系与一定的规则或法则均可认为是一种“可计算”过程。虽然，这时也会丢失一些（甚至不少）不能被“可计算”的“情景”，但这一过程可使研究者把不少“实际情景”抽象和符号化，从而使社会故事中的基本情景成为计算机能够“读懂”的结构化与逻辑关系明晰的“情景要素”。这一点很重要，因为只有这样，才能在计算机上重构社会故事的基本情景，并以此为基础在计算机上再现社会现象故事的过去、现在和未来，这就是社会科学计算实验的核心思想。

由此可见，社会科学计算实验是以社会现象“故事”的情景为核心，对反映社会现象本质特征的故事进行“情景空间”意义下的计算机重构。计算实验通过“一个”或“一些”现实社会故事或者通过预定义与假设，对“一类”具有相同本质特征和动力机制的社会故事在基本情景一致基础上的“情景空间嵌入”，并通过在计算机系统中“再现”“培育”和“生长”这类社会现象的基本情景，开展社会科学问题的分析、解释、预测、管理和控制研究。需要说明的是，在一些情况下，社会现象的“故事”所呈现的情景是丰富的，是足以反映系统本质特征和动力机制的，这时社会科学计算实验所要做的工作便是基于研究目的对社会系统“情景”进行“挖掘”，抽象或归纳出社会系统现象或社会系统规律；在另一些情况下，社会现象的“故事”所呈现的情景或情景样本是不充分的，是不足以反映其系统本质特征和动力机制的，这时社会科学实验研究者则需要根据研究目的对“情景”进行“耕耘”“培育”，以“生长”出研究者所需要的“情景”。因此，计算实验在一定意义上就是“情景挖掘”和“情景耕耘”方法，在实际中，计算实验对情景的“培育”与“生长”一般不可能“一蹴而就”，而是一个基于研究目的的迭代、逼近和收敛的过程。

计算实验与传统的有人参与的社会科学实验相比，有多方面的显著区别：传统的社会实验主体为实验的参与者（人），而计算实验的主体为计算机程序所构建的模拟社会现象中个体、组织、资源和功能等的人工代理；传统实验的思路主要是设计由真实人群参与的实验及其他辅助工具与系统，而计算实验更强调自下而上的多主体建模过程，重点是架设社会现象微观与宏观之间的桥梁，模拟社会现象宏观层面整体行为的涌现与发展演化趋势。

计算实验突破了传统社会科学实验的成本、法律、道德等方面的限制，也突破了个别研究者自身知识和经验的局限。实践证明，将它与定性分析、定量分析、案例分析、统计调查等方法集成在一起，能够更好地研究结构复杂、宏微观相互作用、动态与演化性强的社会现象，并能较好地体现社会科学研究“环境依赖”和“问题导向”的宗旨。

计算实验方法与传统的社会科学研究中的定性、定量及其他方法相结合，能形成当代更为完整的社会科学研究方法体系，这一体系可使对社会科学问题的研究在原来的基础上更清晰、更深刻、更丰富、更便捷。例如，对某项社会管理政策的研究，原则上可以先运用计算实验方法在计算机“实验室”里做一系列实验，通过各种实验结果分析不同政策的社会效果与可能出现的问题，并以此对政策设计进行优化，并做好各种应急与防范对策，以增加政策执行的有效性，提高社会群众对政策的认同度，增强社会的稳定性。

由上可以看出，计算实验方法让我们进一步突破了传统社会科学研究方法的不足，它能告诉我们关于社会现象“故事”的许多新知识、新原理、新趋势、新规律，丰富我们对社会现象的认识，提高我们的预见性与对复杂社会问题的驾驭能力。计算实验方法对社会科学研水平的提高有着重要的积极意义和作用。

目前，计算实验方法在环境治理、经济演化、社会管理、金融市场、产业集聚、技术创新、公共安全、社会舆论、供应链协调与管理、重大工程项目管理、传染病的传播机理与公共卫生管理、语言进化，甚至历史变迁等许多社会科学研究领域都有应用并取得不少创新性成果。

和其他科学研究新方法一样，计算实验也面临多方面需要解决和提高的问题。例如，如何在实验中表现社会个体的心理与思维状态，如何表现不同认知模式对群体涌现行为的影响，如何建立模型内部有效的交互机制并分析由此产生的社会关系，如何提高对复杂情景模拟的精度，如何与其他研究方法融合、集成进而产生更强的分析问题复杂性的能力，这些都需要认真研究和探索。 lLfFDQ6OXWdYyQOYd62K0N/CyMmGYjOd8oeRpAUpxy1bsFxKp/+Tl43qUor8T926