计算模型与社会极化：一场关于因果推论的学术辩论

在计算科学时代，如何避免过度简化的科学叙事？

2025年，Thurner、Hofer和Korbel（以下简称THK）在《美国国家科学院院刊》（PNAS）发表研究，提出一个大胆的因果命题：西方社会政治极化的上升，源自人们社会连接度的增加。该研究融合计算模型与跨国调查数据，声称发现一个规律——当个体社交网络中的'强连接'数量超过某个临界值时，群体意见会自发形成高度极化的结构。

然而，Völker等学者针对THK研究的计算模型与实证结论提出了质疑，认为其核心推断建立在缺乏支撑的前提之上，因此结论存在过度外推的风险。这场学术辩论不仅关乎'谁对谁错'，更在于它揭示了一个普遍问题：科学证据是如何一步步被转化为社会结论的。

一、一个看似合理的理论为何需要被质疑？

THK研究之所以引发关注，原因有二：首先，它发表于综合性科学顶级期刊，似乎获得了权威背书；其次，其结论高度契合当下流行的'回音室''过滤泡'等文化批评概念。许多媒体在报道时，采用了'科学证实：社交互动导致极化'的简化标题，进一步放大了其社会影响力。

然而，一个'看似合理'的理论并不等同于一个'已被证实'的理论。Völker等人的核心关切在于：THK的模型或许逻辑自洽，但其将模型结果直接应用于现实世界时，实验的前提是否站得住脚？

二、五步拆解THK的因果论证

第一步：追溯前提假设的数据来源

THK研究的核心证据来自其论文中的图1E，展示了美国、德国、挪威和荷兰自上世纪80年代以来'亲密朋友数量'的变化曲线，从而推断社会连接度上升趋势。但费尔克等人指出，这一发现与过去数十年社会网络研究的认知存在矛盾。社会学中关于'核心讨论网络'的大量文献从未支持社会连接度显著上升的观点。

这引发了一个根本性的质疑：THK的'上升'趋势是否真实，还是受到了测量方式的影响？

第二步：检视国家样本的选择偏误

Völker等人发现，THK选择的国家样本并不具代表性。研究仅纳入美国和三个西北欧国家，却试图得出对'西方社会'整体趋势的普遍性结论。更为关键的是，当研究者考察其他国家的可比数据后，发现结论并不一致。例如，匈牙利1997至2015年的数据显示，'核心讨论网络'没有显著增长。这意味着，THK的结论可能高度依赖于其选取的特定样本，而非普遍现实。

第三步：揭示关键变量测量的不可比性

Völker等人指出，THK用于推断'社会连接度变化'的数据来源于不同国家、不同年份的多种调查项目，采用的测量方法差异很大，这可能导致观察到的'上升'趋势其实是一个人为构建的统计假象。

具体而言，THK使用了两种截然不同的测量方式：

• 名称生成法：要求受访者列出在特定时间窗内（如6个月）讨论过'重要个人事务'的人名，这更接近实际的强连接网络。

• 直接计数法：询问受访者'可以讨论重要事务的人'有多少个，不限定互动时间或实际交流。这种方法容易受到主观认知和问卷提示的影响。

问题在于，这两种方法测量的并非同一概念，当它们被拼接成趋势图时，所得出的'上升'可能并不真实。

第四步：追查关键数据源的透明度问题

Völker等人进一步指出，即使抛开测量方式的不一致问题，THK所依赖的核心数据也缺乏透明度。例如，他们声称使用了美国GSS（综合社会调查）数据来显示2008年和2020年的'社会连接度'，但GSS实际上只在1985、1987、2004和2010年有相关测量，且报告的是下降趋势。2008年和2020年的数据来源不明，且引用的文献仅到2017年，无法解释2020年数据的具体来源。

更令人质疑的是，THK在图1E中将某些国家的早期数据点标记为'GSS'或'SSND'，但这两个调查项目从未在德国或挪威进行过。这些细节暴露了其在数据处理上的严重问题。

第五步：提供替代证据进行证伪

最终，Völker等人使用了美国和荷兰的两套可比数据，以一致的名称生成法测量核心讨论网络，发现这两国的数据并没有支持THK所称的'显著上升'趋势。反而，数据显示出微弱增长，且名称生成法的测量结果始终低于直接计数法，这说明THK的结论可能站不住脚。

三、一个流行理论的证据链为何断裂？

Völker等人研究得出一个清晰而有力的结论：THK的因果链条断裂于其经验前提——'社会连接度显著上升'这一趋势未得到可靠数据支持。对此，可从三个层面理解：

在数据层面，THK所谓的'上升趋势'，很可能是由不一致的测量方式拼凑而成的人为假象。当使用相同方法进行测量时，美国和荷兰的核心网络规模并未出现显著增长。

在逻辑层面，THK的因果论证具有条件性特征。他们通过计算模型证明了'在特定条件下，社会连接度增加可能导致极化'，但他们的结论依赖于'社会连接度确实增加'这一前提。如今，这个前提已被质疑，因此模型结论也难以推广应用。

在理论层面，Völker等人强调，这不是说'社会互动与极化无关'，而是我们目前缺乏可靠的证据来评估两者之间的因果关系和强度。正如他们所言："友谊和连接度可能确实发生了变化，但我们缺乏关于这些变化规模和方向的可靠证据。"

四、这场学术辩论意味着什么？

这项研究的意义远超学术范畴。它为我们提供了一面镜子，照见科学知识的生产与传播过程。

1. 计算模型不等于社会现实

如今，许多研究者倾向于用计算模型来解释社会问题。然而，Völker等人的批评提醒我们：模型可以自洽，但其对现实的解释力完全依赖于假设与实际数据的对应程度。THK的贡献在于指出'特定条件下'极化可能的机制，但问题在于他们将'可能'当成了'已经发生'。

2. 测量一致性是社会科学的生命线

Völker等人对测量方式的严格分析，向社会科学界发出重要警示：追踪社会变迁时，不同测量方法的数据不能简单拼接。在公共讨论中，媒体常忽略这一点，而这篇论文则为数据处理的严谨性设立了新标准。

3. 公众需警惕'合乎直觉'的过度简化叙事

'社会互动增加导致极化'这一理论之所以广受欢迎，是因为它符合大众的直觉和当下的文化批评语境。但Völker等人的研究揭示，真正的科学结论需要经过严格证据检验，而非仅仅符合直观推断。

4. 开放的辩论是科学进步的保障

这篇PNAS通信的价值不仅在于其研究结论，更在于它展现了科学共同体自我纠错的机制。在科学领域，一篇论文发表后，其他学者有权且有责任进行检验和质疑。这种开放的文化，正是科学区别于教条主义或宣传的关键特质。公众更应理解，科学事实从来不是由一篇论文确定，而是在不断批评、修正和验证中趋近真实。

结语

面对复杂的社会现象，简单归因常常显得诱人。'社交互动增加造成极化'这种单因解释，已成为许多媒体报道的惯用手法。然而，社会科学历史多次证明，社会变迁的因果链条往往比我们想象的更为错综复杂。

极化可能是经济结构变化、媒体环境转型、政治精英策略和国际格局演变等多重力量交织的结果。社会互动在其中可能扮演了更复杂、更间接的角色。将所有责任归因于'社交互动太多'，可能不仅误判了问题的根源，也掩盖了真正有效的干预方向。

在信息快速传播的时代，我们需要的不是更多简化的答案，而是对'证据链'的审视能力。Völker等人的研究，为我们提供了一套审视框架：从理论前提开始，逐步检验数据来源、测量一致性与逻辑推导，最终揭示看似完美的论证中可能存在的缺陷。这种严谨的态度，或许才是这篇研究留给公众最宝贵的遗产。

参考文献：

Thurner, S., Hofer, M., & Korbel, J. (2025). Why more social interactions lead to more polarization in societies. Proceedings of the National Academy of Sciences, 122(44), e2517530122. https://doi.org/10.1073/pnas.2517530122.

Völker, B., Corten, R., & Mollenhorst, G. (2026). More social interactions, more polarization? The evidence is not there. Proceedings of the National Academy of Sciences, 123(7), e2533120123. https://doi.org/10.1073/pnas.2533120123.