特别策划（一）| 许晓东 张立鑫：人文社会科学的智能范式转型

编者按

第十三届中国社会科学前沿论坛引发了学术界对数智技术创新及其对哲学社会科学高质量发展的影响的深入关注。应广大读者期待，本报特推出第二期“数智技术赋能哲学社会科学高质量发展”特别策划，邀请更多与会专家分享洞见，以飨读者。

人文社会科学先后经历经验范式、理论范式、计算范式、数据范式四次范式跃迁。传统范式以学者个体或小型团队为核心主体，依托纸质文献、田野资料等实体资源，以思辨分析、小样本实证为核心方法，依托纸本载体与圈层化学术传播完成知识产出，遵循“资料采集—研究论证—成果表达”的线性逻辑。数智技术的深度嵌入，推动人文社科向第五范式——智能范式转型，这一范式呈现出“数据—算法—表达”三维结构。

人文社科智能范式的三维结构

首先，数据是知识生产的资源基础。多模态数据资产突破了传统资料的物理边界，数字行为、视听语料、舆论情绪等新型数据经数字化转译被纳入研究范畴，极大地拓展了人文社科研究视域。但数据并非中性资源，它承载着文化价值，关联数据安全与权力，具有鲜明的主权属性，既是研究资源，也是治理对象，其基础性与治理性并存。

其次，算法是知识生产的运行枢纽，决定知识生产的路径与成效。在流程层面，算法自动完成文献梳理、资料编码等重复性繁重事务；在方法层面，它催生出计算人文、智能仿真等新型研究路径，使海量文本与复杂关系成为可计算对象，推动研究逻辑从“假设—验证”向“数据—发现—解释”拓展；在组织层面，算法支撑人机协同研究模式，重组学术分工结构。从属性来看，算法暗含价值内嵌性，训练语料与设计逻辑均承载特定认知偏向，因此算法本身必须成为被审视与反思的关键环节。

最后，表达是价值传导与反馈载体，是衔接学术生产与社会效应的核心环节。一方面，智能范式的知识表达从单一文本向多模态、交互化形态拓展，降低了知识理解门槛，增强了理论传播感染力。另一方面，表达形态蕴含特定的价值与意识形态属性，传播沉淀的反馈数据又会反向校准数据与算法，呈现出价值性与反馈性特征。

人文社科智能范式的运行机制

数智时代的知识生产体系是多主体、多要素持续互动的开放系统。要素耦合机制、人机协同机制与审计反馈机制共同作用，使人文社科智能范式兼具创新活力与规范边界。

第一，数据、算法与表达双向耦合互动，构成范式运转的底层支柱。数据与算法构成知识生产的工具层：数据质量框定算法的认知上限，算法激活静默数据并赋予知识意义与结构。算法与表达构成意义层：算法驱动表达的叙事方式，决定哪些成果优先进入公共视野；表达引发的传播效果为算法优化指明方向。数据与表达构成资源层，多模态数据奠定了表达形态；数智化表达及其传播本身又会持续生成新的数据资源，回流到知识生产系统之中。

第二，人机协同是人文社科核心知识生产机制，构成了范式运转的认知框架。智能范式的特征之一即是知识生产主体从单一的人类学者扩展为“人类—算法”协同结构。从认知科学视角来看，算法擅长高维关联计算与重复性信息处理，人类学者则擅长价值判断、语境理解与批判反思。二者的协同形成了循环互构的“人—机—人”回路。人文社科的诠释学传统决定了意义理解与价值反思不能完全交付于算法，因此必须坚持“人主机辅”原则，守护人在知识生产中的主体性。

第三，审计反馈是知识生产的质量保障与价值纠偏机制。算法的黑箱性意味着训练数据中的偏见与算法逻辑中的价值预设可能隐形植入研究结论。审计反馈通过强制记录数据来源、模型版本与人工修改痕迹，使算法输出从不可追问的“黑箱”转变为可追溯、可质疑的“灰箱”。通过对生成内容进行事实核验、逻辑一致性检查与价值偏向评估，将偏离学术规范的结论予以修正或剔除。由此，审计反馈机制锚定人类学者的认知责任，确保算法介入的知识生产始终置于学术规范性与人文价值约束之下。

人文社科智能范式的建设路径

当前，人文社科智能范式正逐步建立起来，但制约范式升级的问题仍然存在。为此，需从数据、算法、表达、制度四个关键环节协同发力，构建四位一体的建设路径。

一是数据筑基。分级分类建设国家级人文社科专题数据库与语料库，建立“开放共享+安全合规”的数据治理机制，制定分级分类标准，在保障数据主权与学术伦理的前提下打破数据壁垒；同时，明确数据采集与使用边界，防范文化价值流失与安全风险，实现数据资源利用与治理的平衡。

二是算法提质。要深耕哲学社会科学垂直领域大模型研发，将本土学术规范与人文价值内嵌算法底层，建立算法偏见动态修正与风险评估机制。尤其要坚守人机协同中的人类主体性，明确“人主机辅”原则，学者主导研究设计、结论判断与价值取向，算法产出须经批判性检验，防止以技术效率替代学术思辨，确保算法服务于思想创新。

三是表达赋能。建设本土化学术传播与成果发布平台，构建以思想原创性为核心的多元学术评价体系，提升中国学术话语的公共传播力与国际影响力。同时，警惕流量逻辑对学术评价的异化，将传播反馈有序纳入知识生产优化回路，使表达真正成为价值传导与知识迭代的良性环节。

四是制度保障。健全复合型人才培养机制，推动数智交叉学科建制化发展，完善智能科研伦理规范。重点将审计反馈机制制度化，建立数据输入、算法运行与表达输出的全过程审计标准，并将审计结论纳入学术诚信与成果评价体系。由此推动学术伦理与合规体系落地，为哲学社会科学自主知识体系建设提供坚实制度屏障。

作者系华中科技大学原副校长、公共管理学院教授；华中科技大学公共管理学院博士研究生

来源：中国社会科学报

责任编辑：问严锴

新媒体编辑：宗敏

如需交流可联系我们