数字政治学

大数据政治学的技术驱动与分析模式[1]

佟德志 樊浩[2]

◎内容摘要

摘要：作为大数据时代政治学研究的回应性变革，大数据政治学具有显著的技术驱动特征，集中表现为数据驱动和计算驱动，即以大数据为材料、以大数据分析技术为方法。在技术驱动之下，大数据政治学产生了文本分析、时空分析和网络分析这三种类型化的分析模式，构成了大数据政治学研究范围、议题和方法不断扩展及聚类的轴心。基于文本大数据的政治学研究主要包括词语分析、主题分析和情感分析，可进一步细化为词频分析、词共现分析、主题类型分析、主题演化分析、情感极性分析和情感预测分析，从词语、主题和情感三重维度探究文本大数据中蕴藏的政治规律。基于时空大数据的政治学研究包括时空分布分析和时空演进分析，分别从静态和动态角度呈现政治现象的时空规律。而基于网络大数据的政治学研究主要包括关键节点分析和社区关系，分别从节点和关系维度展现政治信息及行动网络的规律。国内外学者利用上述模式，扩展了大数据政治学的研究范围和议题，运用于选举、政党、议会、政策、治理、舆情、国家安全、意识形态和政治文化等日益丰富的研究领域。技术驱动和分析模型构成了大数据政治学持续发展的动力，也为动态追踪大数据政治学提供了观察视角。

关键词摘要：大数据政治学；技术驱动；文本分析；时空分析；网络分析

◎结构摘要

◎观点摘要

1.大数据推动了政治实践模式和研究方式的转型，生成了一系列由数据驱动的政治现象，也产生了大数据驱动的政治学。

2.大数据政治学是大数据引发的政治学革命，即大数据时代的政治学，技术驱动构成了大数据政治学的核心特征。

3.大数据的技术驱动包括了大数据和大数据分析技术两个方面，即大数据政治学就是以大数据为材料、以计算为方法的政治学研究。

4.数据驱动使规模庞大、实时生成和多元类型的数据进入了政治学的研究视野，成为政治学研究的新型数据来源。

5.在计算社会科学发展的影响下，大数据政治学也形成了丰富的计算工具，形成了计算驱动模式。

6.数据驱动和计算驱动使国内外政治学学者利用大数据来研究政治问题，产生了文本分析、时空分析和网络分析这三类分析模式，并以这三类模式为轴心，推动了大数据政治学的研究议题和方法的发展和聚类，使大数据政治学日益体系化和系统化。

7.文本大数据是大数据的重要类型，计算文本大数据的方法也不断发展，传统文本分析方法也逐渐转向了机器自动计算和解读文本。国内外政治学者在利用文本大数据研究政治问题时，相关方法和议题集中于词语分析、主题分析和情感分析三个维度。

8.词语分析包括词频分析和词共现分析。词频分析常用于政党及候选人的纲领、宣言和口号等文本大数据，探究意识形态倾向或进行比较研究，也能够从关键词的频率变化角度呈现政治现象和问题的宏观演变趋势。词共现分析用于在新兴政治现象与政治概念之间建立初步的相关关系，为进一步的因果分析奠定基础。

9.主题分析包括主题类型分析和主题演化分析。主题类型分析能够识别政治论辩、公共政策和公共舆论的话语结构与主题格局。主题演化分析常用于探究政治论辩、公共舆论和学术研究的主题变化趋势。

10.基于文本大数据的情感分析包括情感极性分析和情感预测分析。情感极性分析常用于判断政治人物的意识形态倾向、意识形态的整体倾向、公民对政治人物和组织的情感态度、公共政策引发的公民情感态度以及公共舆论的情感倾向。情感预测分析常用于选举研究，公民对候选人或政党的情感变化、判断政治极化趋势。评估政策引发的情感变化以及监测舆情演变。

11.利用时空大数据来对政治现象的变化及其趋势展开探究，旨在揭示政治现象变化与时空分布和演进的内在关联，从时空大数据中挖掘出新的规律，包括静态的时空分布分析和动态的时空演进分析。

12.时空分布分析是从静态角度通过聚类或分类挖掘时空大数据要素的时空分布特征及其规律，常用于研究政治主体的行为时空分布特征，探究族群关系，评估政治风险分布以及从公共政策角度评估和反馈。

13.时空演变分析侧重于以时间和空间变换为基本视角，探究时空转变影响之下要素的演变和发展趋势，常用于评估政治风险和公共舆论的时空变化趋势。

14.政治学研究中利用大数据进行网络分析也是从节点和关系两个角度入手，探究复杂政治网络中的行动者及其关系逻辑，形成关键节点分析和社区关系分析两种导向。

15.关键节点分析是基于社交媒介大数据来度量和识别节点的影响力，常用于研究政治网络中意见领袖的产生、角色和作用。

16.基于社区挖掘的社区关系分析常用于探究政治传播和行动网络中社区结构关系及其逻辑，聚焦于话语联盟关系、情绪传染关系和社区在政治集体行动的作用三个具体的研究领域。

大数据（Big Data）推动了政治实践模式和研究方式的转型。进入21世纪，信息通信技术继续保持迅猛的发展趋势，以互联网、物联网、大数据和人工智能为代表的新技术不仅影响了政治实践，也推动了政治学研究方式发生重大变革。在这些技术当中，大数据对政治实践与研究的影响较为显著。大数据的运用生成了一系列由数据驱动的政治现象，例如数据驱动的竞选（Data-Driven Campaigns）、数据驱动的民主（Data-Driven Democracy）以及数据驱动的决策（Data-Driven Decision Making）等。同时，大数据也被广泛运用于政治学研究过程，研究者可以针对特定的政治现象，获取更具规模性、异质性和实时化的大数据，并且利用大数据分析技术加以探究，产生了大数据驱动的政治学（Big Data-Driven Politics），这不仅使新型数据素材进入了政治学研究领域，也产生了更加多元和科学的分析方法，将政治学研究带入了全新的发展阶段。

在技术驱动之下，大数据政治学领域逐渐产生了一系列相对成熟的分析模式。国内外学界通常将大数据作为研究政治问题时的材料和方法，不仅将一些新出现的政治现象纳入了政治学研究的范围，同时也推动了研究技术和方法的不断创新。在此背景下，大数据及其技术与政治学研究发生了逐渐深入的交叉融合，在民主政治、政府治理、政治文化、意识形态、政治安全、政治舆情和政治预测等领域产生了规模性的研究成果。在此过程中，大数据政治学生成了一系列运用广泛且日益成熟的分析模式，在利用这些分析模式进行研究的过程中，研究范围、议题和方法不断丰富发展，构成了大数据政治学研究领域的主干结构。

通过梳理和归纳大数据政治学领域的代表性成果，我们发现，在技术驱动之下，大数据政治学产生了文本分析、时空分析和网络分析三类分析模式，并以这三类模式为轴心，推动了大数据政治学的研究议题和方法的发展和聚类，使大数据政治学研究领域日益体系化和系统化。因此，本文将基于大数据政治学的技术驱动特征，全面梳理和总结国内外大数据政治学的主要成果和最新动态，以上述三种分析模式为中心，模块化地展现大数据政治学的议题与方法，为大数据政治学进一步发展提供借鉴。