Page 80 - 《党政研究》2026年第3期

研究的数据证据要完全达到这样七个标准，非做艰苦卓绝的努力不可。为此，应当多路
径、多方向、多方式地采集多源数据，规避单一路径采集数据的缺陷和风险。
社会科学研究中常用的数据采集方法，可简化为表 １ 所列的 ７ 种方法。具体包括文献
收集法，现场观察法，深度访谈法，焦点小组访谈法，结构性访谈即常用的问卷调查、民
调，实验方法，以及计算机和数字技术的辅助方法。这些方法各有其特点，有其适宜的场
景，也各有其优缺点。比如，文献收集法难以避免 “幸存者偏差”难题，也有数据资料
辨真的难题；观察法、深度访谈与焦点小组访谈的操作成本均过高，多应用于小样本研
究，所采集的数据量偏小；标准化问卷调查虽能取得大样本数据，有助于基本趋势和相关
关系的分析，但难以揭示因果关系及其作用机制；实验法尽力模拟实验环境，但社会政治
生活尤其是作为高级动物的人类之所思所想和行动极为复杂，能否控制诸影响变量，始终
是值得警惕的问题；计算机—数字技术能采集海量数据，尽管优势多多，但因其母体样本
不清，且多来自网络使用者，难以实现必要的推论。
表 １ 社会科学研究中常用的数据采集方法比较
序号 方法 适宜场景 优点 缺点与风险

１ 文献收集 历史研究，理论建构 成本低，适合纵向研究 数据可能过时，幸存者偏
差
２ 观察法 自然行为研究 直接真实 伦理问题，编码复杂

３ 深度访谈 探索性研究，复杂问 深度挖掘，灵活性强，细 耗时耗力，主观性强，信
题研究 节丰富 度弱

４ 焦点小组访谈 探索性研究，群体观 直接真实，结果共识度 技术门槛高，易受从众效
念和行为模式洞察 高，低成本高效率 应或强势参与者主导

５ 结构性访谈 大样本态度—行为研 标准化高，可量化分析 成本高，依赖样本质量，
究 资源—技术依赖

６ 实验 验证因果关系 控制变量，因果推断强， 技术门槛高，成本高，伦
结果客观 理限制多

数字技术与人 大数据、网络行为研 高效实时，可处理海量数 虚构和污染数据，隐私和
７
工智能 究 据，模拟仿真数据 伦理风险大
除了上表所列的适宜场景与优缺点外，数据采集还要面临一些条件的约束与挑战。归

纳起来，大体有五个方面的条件约束。一是环境约束，即可欲可求性限制；二是议题约
束，即历史性或当下议题的可行性或敏感性程度；三是技术约束，即所需要的方法与技术
存在门槛；四是资源约束，如人财物等方面资源的要求；五是伦理约束，如样本的选择及
其调查是否会影响对象本身，是否会产生不良的溢出效果。面临这些约束性条件，各种数
据采集方法均有着不同的优势与困难，因而，它们不应是替代关系，而应是互补关系。
我们再转换视角来比较智能技术与田野调查方法之间的优缺点。其一，同在场的田野
调查相比较，数字技术与人工智能是一种强大的信息识别、测量与数字采集、分析技术，
能高效采集大数据，还能仿真模拟真实数据。对其数据采集功能，学界的共识度较高；对
其仿真模拟真实数据功能，人们的争论较大。有研究者认为，高超的仿真和模拟技术易于
虚构、幻化乃至污染数据。如近期 《科学》杂志的文章认为，复杂的 ＡＩ 代理可以通过故
意犯错、装作无知以及使用类人鼠标轨迹等方式，躲避检测策略，“欺诈性地完成网络和
实验室调查”，进而污染数据。笔者也深以为然，认为对数字技术和人工智能的数据功能
应做必要而合理的界分和评估，它虽能高效采集和分析数据，但不应由其自动生成数据。
也就是说，“识别和发现”数据应是合适的，而 “虚拟和建构”数据却应谨慎。其二，经
由不同来源和技术而采集的数据，在样本的代表性和信效度方面应各有其特点。如田野调
查能采集质化或量化数据，具有 “既见树木又见森林”的优势；数字技术与人工智能所
采集的数据尽管是海量的，但往往是标准化的数字而非 “活生生的人”。其三，数据采集
７ ９ · ·