前言
第一篇 数据科学基础理论及其在社会科学中的应用
第1章 数据科学的知识体系与方法工具
1.1 数据科学研究的进展
1.2 科学研究的第四范式
1.3 数据科学的知识体系
1.4 面向社会科学的社会计算
第2章 数据科学对社会科学量化研究的影响
2.1 社会科学量化研究的三个解决方案
2.2 社会科学量化研究的层次
2.3 数据科学与社会科学量化研究方法
2.4 数据科学对社会科学量化研究影响展望
第3章 数据科学驱动的社会科学转型
3.1 社会科学研究的四种范式
3.2 第四研究范式正在重构社会科学研究
3.3 第四研究范式驱动的社会科学研究需注意的问题
第4章 数据科学在公共治理研究中的应用
4.1 数据科学与政府形态变革
4.2 数据驱动的公共物品供给创新
第一篇参考文献
第二篇 社会科学转型的现实环境与突出问题
概述
第5章 核心概念与分析框架：社会科学研究环境的构成因素与相互关系
5.1 核心概念
5.2 理论基础
5.3 分析框架
6.1 数字化与数字空间的兴起
第6章 研究对象性因素：数字文明时代的“数据人”假设与数字化生存
6.2 数字文明时代的到来
6.3 数字文明时代研究对象的变化
6.4 “数据人”假设
第7章 研究方法性因素：知识生产模式的变化与方法工具体系
7.1 知识生产模式的转换
7.2 社会科学研究范式演化特征
7.3 大数据驱动的科学研究第四范式
7.4 数据科学提供的方法工具体系
第8章 研究的社会建制性因素：从基础设施到基础素养
8.1 社会科学研究的基础设施
8.2 研究人员的数据素养
第9章 不足与反思：传统社会科学研究的局限性
9.1 传统社会科学研究局限性分析
9.2 社会科学研究应该拥抱数据科学
第10章 预见与机遇：社会科学研究的发展趋势
10.1 推进社会科学的全数据研究
10.2 面向eSS的研究环境建设
10.3 面向Comp-X的人才数据素养教育
第二篇参考文献
第三篇 大数据改变社会科学认知方式
概述
第11章 数据驱动的社会科学转型的哲学视域
11.1 大数据哲学
11.2 大数据对社会科学认知方式的影响
11.3 数据驱动下的相关性与因果性
第12章 数据科学驱动的社会科学认知体系重构
12.1 社会科学共同体重构
12.2 社会科学认知体系的重构
12.3 社会科学数据分析技术的演进
12.4 从大数据到社会科学认知的过程实践
第13章 数据科学驱动的社会科学研究组织方式的转变
13.1 社会科学研究支持性基础设施的发展变化
13.2 社会科学研究组织方式的变化
第14章 大数据对社会科学研究影响的哲学反思
14.1 数据代表性、偏差与社会科学研究的有效性
14.2 大数据对社会科学研究的结构性影响
14.3 保持研究方法论的多元化
14.4 新经验主义和数据驱动科学的区别
14.5 社会大数据应用的伦理问题
第三篇参考文献
第四篇 大数据与社会科学研究范式变革
第15章 传统社会科学研究范式与大数据研究范式的联系
15.1 传统社会科学研究范式
15.2 数据科学驱动下的大数据研究范式
15.3 社会科学研究范式之间的演进关系
第16章 数据科学作用下社会科学研究特征
16.1 基本特征
16.2 方法特征
16.3 结构特征
16.4 特征之间的联系
第17章 数据科学作用下社会科学研究存在的挑战
17.1 数据科学背景下社会科学应用数据的挑战
17.2 数据科学背景下应用方法的挑战
17.3 数据科学背景下对社会科学关系机制探寻的挑战
17.4 数据科学背景下大数据应用社会科学研究的实践挑战
第18章 大数据研究现状与问题
18.1 大数据研究范式现状分析：以公共政策为例
18.2 大数据研究范式发展存在的问题
第19章 数据科学作用下社会科学转型路径
19.1 由经验发现转变为数据发现
19.2 由小数据验证逻辑向大数据发现逻辑转变
19.3 由基于单一事件研究向基于知识库研究转变
第四篇参考文献
第五篇 大数据背景下社会科学转型的条件与保障
第20章 社会科学发展的阶段演化
20.1 社会科学的内涵
20.2 社会科学的发展阶段
第21章 数据驱动的社会科学转型的急迫性与必然性
21.1 社会科学发展的阻力
21.2 社会科学面临的大数据挑战
21.3 大数据对社会科学研究的推动作用
21.4 数据驱动对社会科学的冲击与转型的必然性
第22章 数据思维在社会科学转型过程中的优势
22.1 数据思维的内涵
22.2 数据思维在社会科学转型中的作用
22.3 数据思维在社会科学中的应用前景
第23章 大数据在社会科学转型中的技术保障
23.1 大数据技术的基本架构及特点
23.2 基于大数据技术的社会科学研究方
展开
