S2E04｜当我们在谈论“社会科学”时，我们在谈论什么？

本期节目中,唯理对谈邀请到了核心课程的四位讲师,对社会科学方法论进行了简单的介绍,并讨论了社会科学领域中定性与定量研究方法的交叉与边界,以及对因果关系的探讨。由于原节目在clubhouse上进行,因此在节目结尾有参会者提问环节。 嘉宾简介: 曹起瞳:斯坦福大学商学院政治经济学博士生 白云鹏:耶鲁大学政治学博士生 陆子奇:哈佛大学经济学博士生 计时雨:康奈尔大学社会学博士生 03:05 嘉宾自我介绍 06:00 各学校本科核心课程介绍:因果推断为主,定量方法为基础,定性分析为辅的课程设置 因为意大利而讨厌了原本喜欢的交响乐?半夜两天爬起来和同伴看星星? 讨厌的画画课帮助我在毕业后对构图恍然大悟?用烤派做定量分析? 15:50 为什么社会科学方法论很重要? 从让人无所适从的新闻标题到基本信息推断方法 面对纷杂的信息,形成自己对世界的approach 20:30以案例为主的社科方法 21:05 知乎上的讨论合理吗? 24:45非裔美国人犯罪率高所以该被歧视?女棋手天生不如男棋手? 隐藏在因果链后的社会结构因素 27:20 谈谈设计这门课程的核心思路 自然科学家的疑惑:社会科学如何控制变量? 30:00 我们的平时的假设在何种情况下可以被justify? 31:40 实验在社科中的应用 实验组和控制组中改变候选人的种族身份会对其支持率有何影响? 如何研究扶贫政策在群体上的效果? 34:30 实验的优势与问题 36:00 需要预判会影响社科实验的变量 提前建构一些有效的应对方法; 37:45 实验结果的可应用性、外部有效性、可操作性及伦理性 39:55 natural experiment:如何用observational data 建立因果关系? 41:25 实验的反复试错性; 43:25 实验的发表 pre-register是什么?为什么实验需要pre-register? 45:45 刊登得到null result的文章有意义吗? 47:20 社科研究实验的解释性和预测性:实验的可靠性是如何保证的? 51:40 实验噪音 53:00 实验结果、数据、直觉与公众反馈 58:05 用数据去做因果但与现实不符的话,也可以吗? 1:00:00 社科可以怎样借鉴机器学习的因果研究? 1:02:00 社科需要讲清楚更多因果研究背后的逻辑 1:07:45对问题以精确语言描述以推动学术边界,细分大理论并由数据填充 1:08:30 定性研究与定量研究的比较 定性较为deductive而定量是statistical inductive;定量研究的causal steps较少 1:11:00 定量研究最大的优势是解决selection bias 1:13:20 做定性研究时的insight是可以被重视因果推断的定量研究支持的;可以告诉我们数据是否在历史进程中这么work的; 1:21:31 因果推断与市场和政策的关系 1:24:58 研究的不同价值与种类 1:29:30 许多研究不一定是政策导向型 1:30:00一些Q&A