未来十年社会科学与行为科学方法论的走向：研讨会简报（2025）

研讨会旨在探讨未来五到十年社会科学与行为科学方法论的创新方向，汇集了来自不同学科的专家，讨论了七个主题：新的数据来源、新的研究设计、因果推断、空间分析的新方向、人工智能与数据分析、传感器、应用程序和其他技术，以及数据保护和传播。

生成式人工智能：在社会科学研究中的应用，如自动化文本分析、合成调查和实验，但需解决偏见、可重复性、伦理问题和高计算成本等挑战。
空间社交网络：跨越人和地理的空间，以了解物理空间如何影响社会关系，需发展SSN结构假设的零假设，并设计评估网络中心性和局部连接性的高效工具。
人工智能在社会科学研究中的基本理念：人工智能算法不是数据库，不应简单地用来重复事实；人工智能在处理异构输入并大规模地输出关于地点、人物或其他实体的合理描述方面的能力是全新的；人工智能生成数据在分析复杂潜在结构方面具有特别的潜力。

短信在调查中的应用：提高数据收集效率、降低成本并减少回答偏差，但需解决法律和技术限制问题。
多模态传感和建模技术：利用日常生活中每一刻的数据（来自可穿戴设备、短信、视频等）开发疾病标志物、预测指标等信息，但需解决数据收集、建模、反馈循环和部署所面临的挑战。
视频面试：面对面和视频访谈的质量通常高于在线回答，但比在线回答产生了更大的社会期望偏差，需在混合模式中使用。

新的数据来源：探索遥感技术与传统数据整合的方法，以及由机器学习生成的历史记录在揭示长时空间效应中的应用。
新的研究设计：探索在线自愿非概率调查样本中提高准确性与降低成本之间的平衡，以及开发使用生成式AI、行政数据和基于概率的样本的高级验证技术。
因果推断：追求在敏感性分析方面的有前景的进步，以及通过实验了解空间动态并开发工具以解决地理数据中的不确定性。
人工智能：探索人工智能和机器学习如何辅助进行二次分析，以及评估生成式AI在社会科学研究中的利益及成本。
传感器、应用和其他技术：探索多模态感知和建模技术在医疗保健和其他行为领域的应用，以及理解来自混合模式、混合数据来源调查的数据错误特性。
数据保护和传播：探索统计机构和数据用户在避免披露方面分担责任的方法，以及开发符合官方统计数据现实情况的正式隐私披露避免方法。
研究基础设施：培养丰富研究的效用性，包括跨不同领域和方法的公共语言；数据质量标准；混合模式与混合来源研究设计的错误框架；用户友好、开源的数据收集和分析工具及文档；在不同情境下什么有效、什么无效的信息；合并研究以确定新方法的成本和效益；新方法伦理使用指南；以及跨学科的定期会议。