大语言模型在社会科学中的四种角色:从研究对象到审核者

Image: "Street crowd reflecting in the polyhedral mirrors of the station Tokyu" by Basile Morin (CC BY-SA 4.0) via Wikimedia Commons, recoloured.
大语言模型正在如何改变社会科学研究?*Nature Human Behaviour* 新近发表的一篇综述将其用途归纳为四种角色:模拟的研究对象、分析助手、假设生成的合作者以及质量评估者。综述认为这些用途确实加快了研究进程,但也指出因果推断、伦理问题以及对社会复杂性的再现能力仍有待解决。
研究对象、助手、合作者、评估者
关于生成式人工智能在社会科学中应用的方法论讨论,大多仍把它视为单一事物:一个要么可信、要么不可信的聊天机器人。由 Fengli Xu(清华大学)和 James A. Evans(芝加哥大学、圣塔菲研究所)领衔,并有来自清华大学、香港科技大学和微软亚洲研究院的合作者参与的一篇综述认为,这种框架过于粗糙。这篇发表于 *Nature Human Behaviour* 的文章梳理了社会学、政治学、心理学、人类学、经济学及相关领域的近期研究,并按照模型在研究过程中承担的任务加以归类。
根据 Xu、Evans 及其同事(*Nature Human Behaviour*,2026)的观点,大语言模型如今承担着四种不同的研究角色。作为研究对象,它们模拟人类行为,替代受访者或参与者。作为助手,它们自动化分析工作,例如对大量文本进行编码和分类。作为合作者,它们帮助生成假设。作为评估者,它们审核并提升研究本身的质量。作者认为,这些用途合在一起不只是加快现有工作,而是在催生新的方法论范式。
这篇综述还提出了一个概念性观点,对研究市场、组织或消费者的学者尤为重要。作者指出,由于社会日益被人工智能智能体所渗透,大语言模型既是研究工具,也是真实的研究对象。一个模拟问卷受访者的模型是一种方法;而一个在现实经济中进行谈判、推荐或说服的模型,则是现象本身的一部分。同一个系统可能同时处在一项研究的两端,作者将此描述为该领域面临的一种递归性挑战。
综述对局限性的表述十分明确。作者指出,大语言模型在因果推断方面存在困难,引发了有关隐私和虚假信息的紧迫伦理担忧,而且其再现社会复杂性的能力仍然参差不齐、尚未得到证实。综述最后提出了若干研究方向,以便在发挥模型潜力的同时应对这些局限。需要说明的是,这是一篇对现有研究的综合,而非新的实证检验,因此其价值在于所描绘的全景图,而不在于新的效应量。
为何重要: 四种角色的框架为研究者提供了一种实用方法,用来判断某一具体的大语言模型用途需要多大程度的验证。用模型作为助手对开放式回答进行预编码,与用它作为研究对象替代人类参与者,所涉及的风险不同;而这两者又不同于让模型提出假设或评审稿件。在方法部分明确说明模型所承担的角色,并据此匹配相应的验证方式(对模拟研究对象使用人类基准数据,对自动编码进行一致性检验,对人工智能生成的假设进行独立评审),是让编辑和审稿人更容易评估借助大语言模型开展的社会科学研究的直接途径。
来源:Xu, F., Shao, C., Chen, L., Zeng, Q., Chen, Z., Sukiennik, N., Wang, J., Gao, C., Wang, H., Lian, J., Meng, Q., Xie, X., Li, Y. & Evans, J. A. (2026). Large language models for computational social science. *Nature Human Behaviour*, 10(11). 阅读原文。第三方研究的独立编辑摘要。





留言