計算社会学

過去 40 年間、計算社会学が導入され、人気が高まっています。これは主に社会プロセスのモデル化や説明の構築に使用され、単純な活動から複雑な行動が出現することに依存しています。^{[ 8 ]} 出現の背後にある考え方は、より大きなシステムの特性は、そのシステムを構成するコンポーネントの特性である必要はないということです。^{[ 9 ]} 古典的な出現論者であるアレクサンダー、モーガン、ブロードは、20 世紀初頭に出現の概念を導入しました。この方法の目的は、還元主義的唯物論と二元論という 2 つの異なる極端な存在論の間で十分な妥協点を見つけることでした。^{[ 8 ]}

創発は計算社会学の基礎において貴重かつ重要な役割を果たしてきたが、必ずしも同意しない人々もいる。この分野の主要なリーダーの一人であるエプスタインは、説明できない側面があるため、その使用に疑問を呈した。エプスタインは創発主義に対して、「全体を説明するのはまさに部分の生成的な十分性である」という主張を展開した。^{[ 8 ]}

エージェントベースモデルは、計算社会学に歴史的に影響を与えてきました。これらのモデルは1960年代に初めて登場し、組織や都市などの制御およびフィードバックプロセスをシミュレートするために使用されました。1970年代には、分析の主要単位として個人を使用するアプリケーションが導入され、行動をモデル化するためにボトムアップ戦略が使用されました。最後の波は1980年代に起こりました。このとき、モデルは依然としてボトムアップでしたが、唯一の違いは、エージェントが相互依存的に相互作用することです。^{[ 8 ]}

戦後、ヴァネヴァー・ブッシュの微分解析器、ジョン・フォン・ノイマンのセルオートマトン、ノーバート・ウィーナーのサイバネティクス、クロード・シャノンの情報理論は、技術システムの複雑性をモデル化し理解するための影響力のあるパラダイムとなった。これに対し、物理学、生物学、電子工学、経済学などの分野の科学者たちは、すべての自然現象と物理現象は共通のパターンと特性を持つシステム内の相互に関連する要素の現れであるという、システムの一般理論を明確にし始めた。エミール・デュルケームの「独自の複雑な現代社会を分析せよ」という呼びかけに続き、^{[ 10 ]}タルコット・パーソンズなどの戦後の構造機能主義社会学者は、構成要素間の体系的かつ階層的な相互作用に関するこれらの理論を利用して、 AGILパラダイムのような壮大な統一社会学理論を生み出そうとした。^{[ 11 ]}ジョージ・ホーマンズなどの社会学者は、社会学理論は命題の階層構造と正確な用語に形式化されるべきであり、そこから他の命題や仮説を導き出し、実証研究に操作化できると主張した。^{[ 12 ]} 1956年にはすでに、4色定理などの数学的定理をテストおよび検証するためにコンピュータアルゴリズムとプログラムが使用されていたため、^{[ 13 ]}一部の学者は、同様の計算アプローチによって、社会構造とダイナミクスの同様に形式化された問題と定理を「解決」および「証明」できると予想した。

1960年代後半から1970年代初頭にかけて、社会科学者は、組織、産業、都市、および世界人口における制御およびフィードバックプロセスのマクロシミュレーションを実行するために、ますます利用可能になったコンピューティング技術を使用しました。これらのモデルは、在庫管理、都市交通、移住、疾病伝播などの他の体系的要因の全体的な関数として人口分布を予測するために微分方程式を使用しました。^{[ 14 ] [ 15 ]}社会システムのシミュレーションは、指数関数的な経済成長を促進する政策が最終的に地球規模の環境災害をもたらすと予測する報告書をローマクラブが発表した後、1970年代半ばに大きな注目を集めましたが、 ^{[ 16 ]}都合の悪い結論により、多くの著者がモデルの信用を失墜させようとし、研究者自身を非科学的に見せようとしました。^{[ 2 ] [ 17 ]}同じ運命を回避したいと願って、多くの社会科学者は、人口レベルでの分布の変化ではなく、個人レベルのエンティティの状態の集計変化をモデル化することによって予測を行い、政策効果を研究するために、ミクロシミュレーションモデルに注目しました。^{[ 18 ]}しかし、これらのマイクロシミュレーションモデルでは、個体が相互作用したり適応したりすることはできず、基礎的な理論研究を目的としたものでもなかった。^{[ 1 ]}

1970年代と1980年代は、物理学者や数学者が、原子などの単純な構成要素が、低温、磁性材料、乱流における複雑な物質特性などの全体的な特性を生み出す仕組みをモデル化して分析しようと試みた時代でもありました。^{[ 19 ]}セルオートマトンを用いることで、科学者たちは、各セルがいくつかの有限の状態のみを占め、状態間の変化がすぐ隣のセルの状態のみによって制御されるセルのグリッドからなるシステムを指定することができました。人工知能とマイクロコンピュータの処理能力の進歩とともに、これらの手法は「カオス理論」と「複雑性理論」の発展に貢献し、それがまた、学問分野の境界を越えて複雑な物理システムや社会システムを理解することへの関心を再び高めることにつながりました。^{[ 2 ]}複雑系の学際的研究に特化した研究組織もこの時代に設立されました。サンタフェ研究所はロスアラモス国立研究所の科学者によって1984年に設立され、ミシガン大学のBACHグループも同様に1980年代半ばに発足しました。

このセルオートマトンパラダイムは、エージェントベースモデリングを重視する社会シミュレーションの第三の波を生み出した。マイクロシミュレーションと同様に、これらのモデルはボトムアップ設計を重視したが、自律性、相互依存性、単純なルール、適応行動という、マイクロシミュレーションとは異なる4つの重要な仮定を採用した。^{[ 1 ]}エージェントベースモデルは予測精度にはあまり関心がなく、代わりに理論的な発展を重視している。^{[ 20 ]} 1981年、数学者で政治学者のロバート・アクセルロッドと進化生物学者のWD・ハミルトンは、サイエンス誌に「協力の進化」と題する重要な論文を発表し、エージェントベースモデリングのアプローチを用いて、エージェントが単純な自己利益のルールに従う囚人のジレンマゲームにおいて、互恵性に基づく社会協力がどのように確立され、安定化されるかを示した。^{[ 21 ]}アクセルロッドとハミルトンは、(1)最初のターンで協力し、(2)その後はパートナーの以前の行動を模倣するという単純なルールセットに従う個々のエージェントが、協力の前提条件または媒介となる人口統計、価値観、宗教、文化などの標準的な社会学的構成物がない状況でも、協力と制裁の「規範」を発達させることができることを実証した。^{[ 4 ]} 1990年代を通じて、ウィリアム・シムズ・ベインブリッジ、キャスリーン・カーリー、マイケル・メイシー、ジョン・スクヴォレッツなどの学者は、一般化された互恵性、偏見、社会的影響、組織的情報処理（心理学）のマルチエージェントベースのモデルを開発した。1999年、ナイジェル・ギルバートは、社会シミュレーションに関する最初の教科書である『社会科学者のためのシミュレーション』を出版し、その最も重要なジャーナルである『人工社会と社会シミュレーションのジャーナル』を創刊した。

社会システムの計算モデルの発展とは別に、社会ネットワーク分析は、グラフ理論、統計学、社会構造の研究の進歩から、1970年代と1980年代に独自の分析方法として出現し、James S. Coleman、Harrison White、Linton Freeman、J. Clyde Mitchell、Mark Granovetter、Ronald Burt、Barry Wellmanなどの社会学者によって明確にされ、使用されました。^{[ 22 ]} 1980年代と1990年代を通じてコン​​ピューティングと電気通信技術の普及が進むにつれて、ますます複雑で大規模なデータセットに対応できるネットワーク分析やマルチレベルモデリングなどの分析手法が求められるようになりました。計算社会学の最新の波は、シミュレーションを使用する代わりに、ネットワーク分析と高度な統計的手法を使用して、行動データの電子プロキシの大規模なコンピュータデータベースを分析します。電子メールやインスタントメッセージの記録、ワールドワイドウェブ上のハイパーリンク、携帯電話の使用状況、Usenetでの議論などの電子記録により、社会科学者は、インタビュー、参加観察、調査ツールなどの従来の実証的方法の制約を受けることなく、複数の時点および複数の分析レベルで社会行動を直接観察および分析することができます。^{[ 23 ]}同様に、機械学習アルゴリズムの継続的な改善により、社会科学者や起業家は、新しい技術を使用して、大規模な電子データセット内の潜在的で意味のある社会的相互作用と進化のパターンを特定できるようになりました。^{[ 24 ] [ 25 ]}

テキストコーパスの自動解析により、アクターとその関係ネットワークを大規模に抽出することが可能になり、テキストデータがネットワークデータに変換されました。結果として得られるネットワークは、数千のノードを含む可能性があり、ネットワーク理論のツールを使用して分析され、主要なアクター、主要なコミュニティまたはパーティ、ネットワーク全体の堅牢性や構造的安定性、特定のノードの中心性などの一般的な特性が特定されます。^{[ 27 ]}これは、定量的物語分析によって導入されたアプローチを自動化するものであり、^{[ 28 ]}主語-動詞-目的語のトリプレットが、アクションによってリンクされたアクターのペア、またはアクター-オブジェクトによって形成されるペアと識別されます。^{[ 26 ]}

コンテンツ分析は、長い間、社会科学やメディア研究の伝統的な分野でした。コンテンツ分析の自動化により、この分野で「ビッグデータ」革命が起こり、数百万のニュース記事を含むソーシャルメディアや新聞コンテンツの研究が行われました。数百万の文書に対するテキストマイニング手法に基づいて、ジェンダーバイアス、可読性、コンテンツの類似性、読者の好み、さらには気分までが分析されました。 ^{[ 29 ] [ 30 ] [ 31 ] [ 32 ] [ 33 ]}可読性、ジェンダーバイアス、トピックバイアスの分析は、Flaounas ら^{[ 34 ]}によって実証され、異なるトピックがジェンダーバイアスと可読性のレベルが異なることが示されました。また、Twitter コンテンツを分析することで、膨大な人口の気分の変化を検出できる可能性も実証されました。^{[ 35 ]}

膨大な量の歴史的な新聞コンテンツの分析は、Dzogang らによって先駆的に行われ、^{[ 36 ]}歴史的な新聞から周期的な構造を自動的に発見する方法が示されました。同様の分析がソーシャルメディアでも行われ、ここでも強い周期的な構造が明らかになりました。^{[ 37 ]}

形成される社会はそれぞれ、いずれかのレベルに属する傾向があり、これらのレベル間およびレベルをまたいだ相互作用の傾向が存在する。レベルは、ミクロレベルまたはマクロレベルだけである必要はない。社会が存在する中間レベル、例えばグループ、ネットワーク、コミュニティなどが存在する可能性がある。^{[ 38 ]}

しかし、これらのレベルをどのように特定し、どのようにして出現するのかという疑問が生じる。そして、いったん出現すると、それらは内部で、また他のレベルとどのように相互作用するのか？

エンティティ（エージェント）をノード、それらの間の接続をエッジと見なすと、ネットワークの形成がわかります。これらのネットワークの接続は、エンティティ間の客観的な関係のみに基づいて発生するのではなく、参加するエンティティによって選択された要因によって決定されます。^{[ 39 ]}このプロセスの課題は、エンティティのセットがネットワークを形成するタイミングを特定するのが難しいことです。これらのネットワークは、信頼ネットワーク、協力ネットワーク、依存ネットワークなどである可能性があります。異質なエンティティのセットが、互いに強力で意味のあるネットワークを形成することが示されているケースがあります。^{[ 40 ] [ 41 ]}

前述のように、社会はいくつかのレベルに分かれており、そのうちの1つのレベルである個人レベルでは、ミクロマクロリンク^{[ 42 ]}は、より高次のレベルを作り出す相互作用を指します。これらのミクロマクロリンクに関して、答えなければならない一連の疑問があります。それらはどのように形成されるのか？いつ収束するのか？下位レベルに押し出されるフィードバックは何であり、どのように押し出されるのか？

この分野におけるもう一つの大きな課題は、情報の妥当性と情報源の信頼性に関するものです。近年、情報収集と処理は飛躍的に進歩しましたが、社会間での誤った情報の拡散についてはほとんど注意が払われてきませんでした。そのような情報の出所をたどり、所有者を特定することは困難です。

社会におけるネットワークと階層の進化は文化的多様性をもたらします。^{[ 43 ]}しかし、人々が交流し、他の文化や信念を受け入れるようになると、なぜ多様性が依然として存続するのか、なぜ収束しないのか、という疑問が生じます。大きな課題は、これらの多様性をどのようにモデル化するかです。マスメディアや社会の地域性など、文化的多様性の進化や存続に影響を与える外部要因はあるのでしょうか。

実験と組み合わせたあらゆる研究やモデリングは、提起された疑問に答えることができなければなりません。計算社会科学は大規模なデータを扱うため、規模が大きくなるにつれて課題はより顕著になります。大規模なシミュレーションをどのように設計すればよいのでしょうか？また、大規模なシミュレーションが提案されたとしても、その評価はどのように行うべきなのでしょうか？

もう一つの課題は、データに最も適したモデルと、これらのモデルの複雑さを特定することです。これらのモデルは、社会が時間の経過とともにどのように進化するかを予測し、物事がどのように機能するかについての可能な説明を提供するのに役立ちます。^{[ 44 ]}

計算社会学の研究を効果的に進めるためには、価値あるイノベーションが不可欠である。こうしたイノベーションは、新しいデータ分析ツール、より優れたモデルやアルゴリズムといった形で実現できるだろう。このようなイノベーションの出現は、科学界全体にとって大きな恩恵となるはずだ。

計算社会学における主要な課題の一つは、社会過程のモデリングである。様々な法律制定者や政策立案者は、新たなガイドラインを策定するための効率的かつ効果的な方法を見出すことができ、一般の人々は提示された選択肢を評価し、公平な理解を得ることで、開かれたバランスの取れた意思決定プロセスを実現できるだろう。

• 複雑系研究ジャーナル一覧（イリノイ大学アーバナ・シャンペーン校、イリノイ州）
• 関連研究グループ（イリノイ大学アーバナ・シャンペーン校、イリノイ州）

• 北米計算社会・組織科学協会
• ESSA：欧州社会シミュレーション協会

• ブリストル大学の「Mediapatterns」プロジェクト（2012年12月1日にWayback Machineにアーカイブ済み）
• カーネギーメロン大学（2014年9月2日にWayback Machineにアーカイブ済み） 、計算、組織、社会（COS）博士課程
• シカゴ大学
  • 計算社会科学の修了証および修士号
• ジョージ・メイソン大学
  • 計算社会科学（CSS）博士課程
  • 学際研究修士課程（CSS重点）
• ポートランド州立大学、システム科学博士課程
• ポートランド州立大学、システム科学修士課程
• ユニバーシティ・カレッジ・ダブリン
  • 複雑系および計算社会科学の博士課程
  • 社会データ分析修士課程
  • 計算社会科学学士
• UCLA、人間複雑系副専攻
• カリフォルニア大学ロサンゼルス校（UCLA）、計算生物学・システム生物学専攻（行動科学を含む）
• ミシガン大学、複雑系副専攻
• ポートランド州立大学のシステム科学プログラム一覧。その他の世界各地の関連プログラム一覧。