nem:為什么說社會科學進入了“黃金時代”？_HIV

作者

AnastasiaBuyalskaya,MarcosGallo,ColinF.Camerer

靳明瑜

范式轉移正推動社會科學走進黃金時代。跨學科人才合作、數據科學等新研究方法以及日益增長的科研數據集都使得今日社會科學呈現出嶄新面貌。加州理工學院人文與社會學系學者2021年2月在PNAS雜志Perspective欄目發表綜述文章中，梳理了數據科學革命背景下社會科學的發展態勢與未來挑戰，并分析了社交網絡和行為經濟學兩個具體領域。

論文標題：

Thegoldenageofsocialscience

論文地址：https://www.pnas.org/content/118/5/e2002923118一、對通用語言的需求

二、從案例中學習

三、社交網絡

四、行為經濟學

五、具體研究中的重點

六、結論和挑戰

社會科學正在進入黃金時代。這一時代最好的標志就是高速增長的跨學科團隊的數量。團隊一起工作，利用爆炸性增長的可用數據和計算能力去解決充滿挑戰的社會壓力。每一個趨勢被單獨的書寫——大數據變革在這幾年變革了社會科學，不同團隊的優勢被快速認清和量化。我們認為，正是數據的融合，團隊的多樣化以及艱巨的挑戰，才使社會科學家迎來了一個獨特而激動人心的時代。在這個時代，社會科學家要解決重要的研究問題。當然，在過去的幾十年中，大量的團隊已經做出了很多努力，但是最近合作研究的頻率和廣度卻有所增加。

投資機構也認識到需要支持跨學科團隊。圖1提供了由NSF資助的多研究者資助的證據，證明了跨學科研究如何在社會科學中崛起。由于定義跨學科工作具有難度，聯邦機構選擇用提供給多元化項目的贈款數量作為代替。這些數據印證了我們關于跨學科交流在黃金時代意義的想法：在這個黃金時代，跨學科性是指受過不同培訓的科學家之間的積極合作，而不是一位研究人員被動地借用其他領域的想法。

圖1.1987年至2018年，美國國家科學基金會的單個研究者獎項和多個研究者獎項。請注意有一個以上的PI的獎項的趨勢，NSF認為這是目前最好的對跨學科的代替數據。

我們希望我們的分析觀點可以鼓勵科學家發揮新型數據集的優勢，建立多樣化的合作方式，來回答這些充滿挑戰的問題。特別地，我們將這些觀點提供給投資機構和學術機構，以說服它們為這一類型的工作提供更多的資金。最終，我們希望看到解決挑戰的工作在加速。例如，COVID-19的大流行證明了只有不同科學家相互合作，貢獻自己最了解的知識，才能解決大規模問題。

對通用語言的需求

學科界限的開放類似于不同領域的方法、語言、知識的之間的貿易。就像人與國家之間的貿易一樣，這種貿易建立的前提是：不同的科學學科有不同才能和相對優勢。定義社會科學學科之間的差異是困難的，但是即使是一個概要也可以闡明相對優勢和貿易價值。希望讀者可以理解我們過度強調它們的差異，我們對它們有如下定義人類學試圖通過人種學來了解人類社會中的文化差異，挖掘人類發展的物理細節，并探索文化與基因共同進化的數學模型。經濟學使用大量數學方法來理解優化商品和服務貿易中稀缺資源分配的系統結果。它的主要方法包括根植于偏好、信念、約束的理論和對田野調查數據的分析。學研究政府、投票、陪審團和法律的正式制度，這些內容影響人們在不同制度中集體做出相應決定的方式。意識形態學是一個中心結構，民意測驗是基礎方法，盡管它越來越多地使用媒體和金融貢獻的數據。心理學尋求人們思維方式和行為方式的規律性，重點是記憶、注意力和情感等機制和結構，主要方法是實驗室實驗和心理或生理上的測量。最后，社會學調查了社會世界是如何創建的，并影響了人們在正式和非正式聚合的不同層次上在社會群體中的行為。關于社會結構功能的一般性思想是中心思想，但是沒有像經濟學那樣數學化。

讀者可能會認為前文對自己領域的簡化描述過于簡單，同時可能認為其他領域的描述卻還不錯。這個觀點恰恰證明了為什么在跨學科研究中交流是一項挑戰。

復雜的貿易呈現出這樣一個事實，許多詞，比如說理性、信任、歧視、階層、顯著和權利在社會科學中通過不同的方式不斷被運用。它們的本土意義被“母語者”所理解，但是經常困擾來自其他科學領地的交易者。跨學科需要跨越不同學科的通用貿易語言，即“通用語言”。在一個通用的學科語言中，所有的學科都會采用最好的語言，用這個語言，不同科學可以以最優的效率描述一個觀點。為了團隊里的研究者更有效率地解決復雜的研究問題，他們需要一起建立一個通用字典，來提升他們交易和合作的效率。

起源于單獨學科的通用語言的例子包括人類學中對文化的理解、經濟學中理性選擇理論、學中的意識形態理論、心理學中的實驗室實驗方法和社會學中的社交網絡理論。除了這些中心理論，源自心理學的強大的準實驗因果推論工具于1990年代開始通過在經濟學中更復雜地使用工具變量得到發展，后來在學中又有所運用，并在1995年左右在計算機科學和統計學中并行發展——已經發展成為一種跨社會科學的方法學通用語言。

一個有用的通用語言，將會有一個統一的架構，它需要突破每個領域起源的技術性專業術語，以便于使用者更好地接受和使用。花費時間建立這樣一個通用語言可能會讓不同的團隊去解決多維的問題，并且在更好的健康、財富和福祉上面有更好的創造性。上癮、肥胖、可持續性和氣候變化、社會話語中技術驅動的變化、虛假新聞和人工智能如何改變我們的世界。任何一個單獨的學科無法研究清楚這些問題。相反，想要在這些挑戰中取得進展，需要制度激勵、文化慣例、認知機制和社交網絡，這些都創造并支撐著這些問題。跨學科工作已經在貧困、流行病和精神健康方面取得進展。

從案例中學習

在下一個部分，我們將介紹兩個成功的跨學科的案例：社交網絡科學和行為經濟學。在這兩個案例中，都是跨學科研究引導建立了新的跨學科領域，這些領域建立在貢獻領域的比較優勢之上，激發了共同的通用語言，產生了關于人性的見解，并改善了社會成果。不過因為這些是幾十年前的案例，所以它們并沒有論證我們對黃金時代所定義的三個特征。雖然最初的研究并沒有在大量不同的數據庫或者是一個想要解決全球問題的愿望的基礎上特別的向前推進，但最近的研究卻朝著這些方向發展。

社交網絡

社交網絡是我們第一個成功的跨學科成就的案例研究。網絡分析運用了來自物理、計算機科學和應用數學中的方法，分析了社會學家、人類學家和心理學家經常研究的問題。這些問題涉及如何形成人際關系以及如何在連接的個人之間傳播行為、信念和情感。網絡分析的一個顯著特點就是學者的多樣化，這些學者從一開始就活躍在這一領域的研究上，并且一直在知識發展上做貢獻。來自不同領域、傳統和國家的人共同討論相關的研究問題。新型數據集以及越來越多的“連接”設備提供的數據極大地支持了網絡分析。

LeverFi宣布從Unicorn Web3獲得500萬美元戰略融資:據官方消息，LeverFi表示，我們很高興的宣布從Unicorn Web3獲得了500萬美元的戰略融資，通過這項融資，我們擴大了與Unicorn-Verse的深度合作，這筆投資將用于LeverFi的全新升級，幫助LeverFi生態落地，以實現廣大的增長目標。九月，將是LeverFi全新未來的開始。[2023/9/7 13:24:46]

小世界網絡模型的發現者鄧肯·瓦茨和斯蒂文·斯茨加茨是網絡分析領域的突出貢獻者，他們指明了幾個重要的網絡特性，包括現實世界的網絡既不是完全有序的，也不是完全隨機的。他們的工作使統計物理學界認識到他們的技術可能應用到社會環境，從而催化了跨學科的轉折點。值得注意的是，隨后的研究并不一定直接源于此原始論文。

網絡科學的一個吸引人的特征是，簡單的數學模型可以捕獲復雜網絡的核心特征，從而可以研究各種現象下的網絡動力學。演員、電網輸電線路、秀麗隱桿線蟲的神經網絡這三者之間看似不相關的聯系可以通過“小世界”網絡模型來計算，該模型是一個數學化圖表，在這個圖表中，一個節點相對于其他節點都不相鄰，但是可以通過少數步數達到其他節點。

例子1:再探影響和信息交換

集體行為通常是在一個靜態時間點進行研究的，其中暗含的假設是所有個體同時獨立地做決定。但是，在決策之前，信息積累和整合的異構過程表明，許多決策實際上是按順序進行的，信念可以從一個人“傳播”到另一個人。實際上，從個體到群體，從吸煙到離婚再到就業，有多少種行為具有“傳染性”，這種傳染的動態變化對社會科學家來說非常重要。幾十年來，文化進化領域一直對信息傳播進行建模，他們的方法中使用了信息流行病學模型和社交網絡模型。

廣義上講，社會傳染模型可以模擬個人接收信息的速度以及過去的互動如何影響他們的未來行為。這些模型著眼于少數關鍵參數，這些關鍵參數可分為1）度中心性，2）特征向量中心性，3）擴散中心性和4）介數中心性。盡管人們可能不希望成為HIV傳染網絡的中心，但在大多數社交網絡中，中心地位被視為一種優勢，并且與經濟上的成功和幸福感相關。度中心性計算“人氣”，一個人可能擁有的大量連接的數量以及這些人可以輕松地一次將信息傳輸給廣泛的群體的速度。特征向量中心性計算人與人之間有多少緊密相連的人，它已經被用于研究社會地位和替罪羊理論。擴散中心性是對“影響范圍”的一種度量，它表明個人在傳播和了解信息方面的處境如何。最后，介數中心性，計算的是“社會變色龍”，這些人將不同群體聯系在一起。有趣的是，這些角色是相互關聯的：如果一個個體是一個網絡中的中心，那他們可能是另一個網絡的中心，并以此類推。

這四個中心性度量都有不同的學科起源。度中心性的觀點始于社會學家和哲學家GeorgSimmel。特征向量中心性是圖論的概念，數學家EdmundLandau于1895年在關于象棋比賽的論文中首次使用它。擴散中心性在經濟學家研究信息傳播速度的論文中被廣泛使用。介數中心性來源來自社會學文獻，這些文獻分析了社會資本的產生和維持。換句話說，從一開始，這些社會傳染模型的建立本身就是一個跨學科的事業。

自網絡分析被創造后，研究者就可以運用新的工具，同時來回顧有關社會影響的舊問題。例如，研究者調查了在網絡中受人歡迎的人，這些人可以在多樣化傳播信息中更有影響力。計算模型的方法已經被用于展示更快地鞏固多數意見和并在更大社會影響的人群中更成功地傳播最初不受歡迎的信念。

基于標準經濟博弈的其他研究工作發現，人們向社交距離更遠的人付出的錢更少。當同質性在社交網絡中發揮作用時，這具有重要意義，例如，許多學校因種族而嚴重隔離。鑒于許多國家基于種族的經濟差異，這一分析告訴我們，不同背景的人們之間的資本轉移和交換的增加，必定伴隨著使他們社交網絡聯系更緊密所付出的努力。

例子2:傳染性疾病的傳播

社會學家一直是指導網絡模型發展的重要組成部分，因為他們幫助解釋了從疾病到創新的所有事情的傳播。比如，大部分流行性疾病通過人們的接觸中傳播，這使得對傳染病的研究成為一個自然場所去應用網絡分析。1927年，Kermack和McKendrink提出了最早、使用最久的疾病傳播模型之一，即SIR模型。這個簡單的模型假設了在目標人群中有三種類型的人：易感染者,感染者和康復者。這個模型有許多必要的簡化假設，當人們移動到R組之前，人們僅可以被感染一次，之后他們可以被認為永久的免疫這一類疾病。并且在同一個時間點可以只有兩個人可以相互接觸。

最近，在去往烏干達的旅途中，Kretzchmar和Morris討論了人們描述疾病是如何“實際傳播”的，并建立了更好的模擬HIV的傳播模型。具體來說，他們的新模型可以一次處理多個人際關系——這比幾個社會的例外情況更接近規范。這個模型證明了并發性微小差異可以對人們的艾滋病易感性產生巨大影響。Morris的隊伍繼續跨學科和跨地域合作，以改善感染傳播的模型并將其應用于新的更好的數據集。

流行病學模型是最近的新冠肺炎流行病的科學中心，并且已經有了許多版本。一個跨學科團隊建立了一個“風險源”模型，該模型使用疾病中心的人口流量來預測其他地區的感染情況，從而控制國內生產總值和人口規模。利用中國的手機地理定位的數據，他們發現，隨著時間的推移，SARSCoV2的傳播方式可能與武漢的人口外流方式有關。該模型在很早的階段就通過每日風險評分來識別高傳播區域。最近，另一個跨學科團隊比較了三個流行病模型來擬合時間序列政府數據。他們發現，SIR模型最適合進入疾病高峰期的數據，并且這三個模型都顯示出，加大社交距離對降低疫情的大流行起到了重要作用。

總結

如果沒有來自不同學科的科學家借用觀點，用一個共用的語言討論構架和方法，網絡科學可能不會那么成功。廣泛分布的研究人員關系網絡為網絡科學帶來了創新，他們共享一個通用語言，傳遞高保真度的信息，并帶來不同觀點。

網絡及其屬性從根本上是有趣的，因為他們支撐了這些廣泛的現象。與行為經濟學不同，這些網絡的研究很少有沖突，因為網絡的概念自一開始就是明顯具有吸引力并且有用的。此外，雖然社會學家首先研究了網絡，但是當人們缺乏社會帶寬并可以選擇網絡連接時，究竟會出現什么網絡這一難題卻被經濟學家所破解。另外，此外，捕獲個人之間的聯系的大型新穎的數據集的可用性日益提高，這確實對網絡科學產生了極大的推動力。

行為經濟學

經濟學在黃金時代發生的最明顯的轉變就是引文的模式。經濟學研究對其他社會科學的引用越來越多，并且也被其他社會科學領域更多引用，特別是自1970到1990年被學和社會學所引用，自2000年被心理學所引用。典型案例研究起源于行為經濟學，它使用其他社會科學的證據和方法來分析人類計算、意志力和自利的自身限制。這些分析為田野數據提供了新的預測，在有關市場工作機制和政策效果方面提供了新穎的建議。分析這一類自身限制是很有意義的，因為傳統的理性選擇理論假設主觀價值和貝葉斯信息的最大化，并且正確地考慮了風險。

Trader Joe已支持無需許可的流動性池創建:金色財經報道，DEX Trader Joe已支持在Avalanche、Arbitrum和BNB Chain上無需許可地創建流動性池。目前僅支持1%的交易費用，未來將支持0.25%和0.5%交易費用的選項。[2023/4/12 13:57:59]

但是，過去幾十年的研究表明，事實上，人們經常表現得不理性。當然，理性選擇理論總是被看作是有用的，而不是現實的。行為經濟學旨在發展更現實和更有用的理論。首先，起初，人們對行為方法存在很大的敵意，主要是因為尚不清楚僅使用偏好，信念和約束的模型如何整合心理學。Thaler和其他人用了一種“內部人員”的方法。他們將理性選擇理論作為一個簡單的基準，確定了該基準無法合理地解釋的重要經驗“異常”，并謹慎地添加了額外的成分來解釋異常并做出新的預測。第一步是從高度受控的實驗室實驗證據開始，從而說服懷疑者并建立合理的替代理論。然后這些研究者解釋并預測田野數據。帶有少量附加參數的替代理論得到發展，以便可以比較理性預測和行為預測。

例子1:損失厭惡

傳統的經濟學分析典型的依賴于期望效用理論，這個模型假設人們會通過概率來衡量每個風險的預期后果所帶來的主觀效應，從而來選擇風險，他們會選擇具有最大期望效應的風險。在有影響力的“前景理論”中，Kahneman和Tversky提出了一個更合理的心理選擇：結局是由相對于參考點的得失主觀地評估的。除了參照因變量，前景理論融合了這樣一個觀點，潛在損失的權重可能比收益的權重更大。這種損失厭惡用一個參數λ來衡量，該參數是收益效用與損失效用之比，約為1.9。損失厭惡已被用來解釋不同的現象。包括：1）在實驗室試驗中承擔財務風險；2）為什么歷史上股票的收益比債券高得多；3）為什么有高價意愿去賣商品和更低價格去買同樣的商品之間有有差距，即捐贈效應。心理學家還發現了情緒，認知序列和注意力在捐贈效應上的作用。

認知神經科學家發現了神經回路損失平均的證據，包括神經回路評估得失的價值與杏仁核損傷患者對損失的不正常容忍度之間的關聯。經濟學家利用損失厭惡來理解談判讓步、選舉和貿易政策。圖3說明了使用大型數據集和跨學科視角的損失厭惡的估計。

即使行為經濟學家對損失厭惡之類現象的進化和文化淵源不感興趣，但依然有證據顯示，在猴子和類人猿中就已經有損失厭惡和稟賦效應——盡管只對食物，而不對其他有價值的商品。有人則發現在坦桑尼亞的與市場隔絕的哈扎村民中，稟賦效應異常缺失。這些數據意味著損失厭惡或者它的行為意義并不是普遍的，同時也表明為什么需要更大范圍的數據作支撐。

損失厭惡會導致“現狀偏差”，一個夸張的趨勢是選擇建議的違約或堅持現狀偏差。這種觀點影響了公共政策。在默認要器官捐贈的國家，人們必須“選擇退出”的捐贈率要高于選擇性捐贈的國家的捐贈率。違約偏好的第一個有影響力的應用是“明天儲蓄更多”計劃。在這個計劃中公司將工人自動注冊到稅收優惠的401計劃中，并且公司將他們下一次加薪的一小部分投入到這個計劃中。這些計劃大大節省了開支。SMART計劃成為了許多“輕推”類型的代言人，其設計選擇可以幫助某些人以較低的成本做出更好的決定，而其他人則可以自己選擇罰款

例子2:社會偏好

人類是所有動物中最親社會的物種，通常會以自負盈虧的方式幫助與遺傳無關的個體。自20世紀60年代起，關于自我和他人的比較的理論就開始興起，為在其他學科中研究社會表現的播下了種子。此后行為經濟學貢獻了新的數學函數和數據。

博弈論就是一種通用語言，它提供了經典的戰略互動，這些互動可以被用于分析親社會性的元素。比如，在“最終通牒博弈”中，提議人提供了一個已知的一定份額的資源給回應者，比如10美元。如果回應者接受了這個報價，他們得到他們的錢，提議者留下剩下的錢。但是如果回應者拒絕了這個報價，每個人都不會得到任何錢。拒絕一個報價表現出消極的互惠——犧牲資源去傷害一個不公平的人。消極的互惠也可以是集體的：在一項研究中，警察在工資仲裁敗訴后解決了更少的刑事案件。

在社會領域關注最后通牒游戲的同時，其他博弈也快速跟進，凸顯了不同的心理動機：1)獨裁者分配，回應者必須接受這個報價；2）信任游戲，第一個移動者投資的錢是增多的，冒著使雙方都受益的社會風險，賭第二個移動者會分享所有的收益;3）多人禮物交換勞動市場，公司會預付工資，并且希望工作者努力，這對工作者是昂貴的，但是會使公司受益。

這些博弈現已在社會科學中廣泛使用。一個跨學科的團隊，大部分是人類學家，運用經濟博弈來研究在小范圍社會中跨文化的社會性。他們了解到，更嚴格的分享規范和社會合作和市場交易的范圍是有聯系的。

對這些博弈的興趣日益增長的同時，“規范”的社會語言通用性得到了廣泛的應用。規范是非正式的社會規則，它預計會被遵守，并且通常會通過非正式的方式對社會背離行為進行自我懲罰。比如，在獨裁者分配的游戲中，人們對于公平分享的東西有不同的主觀規范。他們的分享與他們認為的規范緊密相關，這反映的是“好的禮儀”而不是利他主義。

認知神經學家還利用這幾個博弈來識別實現親社會的神經回路，并將腦損傷與異常的社會偏好相關聯。對社會偏好的更多了解并不能立即為解決“小問題”所帶來的規模的社會問題做出貢獻。但是，實驗表明，社會力量可以提升親社會性。比如，讓人們去懲罰其他具有反社會行為的人似乎會提升合作，盡管結果因文化而異。新的證據也激發了人們對慈善捐贈的理解。在未來，診斷工具可能來自對社會型更好的理解，其應用范圍包括精神病學。發展同理心的方法，也可能分析人們對工作的匹配。

總結

在行為經濟學發展之前，通常有人會說，擺脫理性最優化會導致一個不可證偽的理論，在這個理論中，什么都會發生。但是，心理學表明，發生的事情是由心理學原理捕獲的；某些特定的東西會發生。損失厭惡起源于感知心理學，早期親社會理論起源于知覺心理學。實驗經濟學增加了更通用的數學和博弈論結構。通常，行為經濟學家通過咒語“贏得一場爭論的最容易的方法就是開展另一個實驗或者運行另一個統計學回歸模型“拉攏了懷疑論者。在行為經濟學和金融學的領域，大型數據集發揮了重要的作用，包括最近的多站點實驗室和田野實驗。大量的實驗數據來自各行各業的政府“行為觀察小組”實施了一些微不足道的試驗和其他想法，這為市民和消費者創造了更好的結果。

將行為經濟學方法和偏好、規范、認知限制的生理和文化起源融合，想要超越西方受過教育、工業化、富裕和民主的社會(這個社會不代表所有的人類活動)，需要做更多的事情。

谷歌云將成為Tezos網絡的驗證節點:金色財經報道，谷歌云將成為Tezos網絡的驗證節點，谷歌云的企業客戶將能夠部署Tezos節點以及在Tezos上開發Web3應用。[2023/2/22 12:22:34]

具體研究中的重點

本節重點介紹過去12年來的研究，這些研究代表了社會科學的黃金時代。我們從一項走私的研究開始說起。表格1展示的另外九個研究也是很好的例子。每一篇文章都有如下特征：1）不同學科的研究者之間合作積極；2）運用新型數據；3）回答了重要和困難的問題。表格1的文章主題從運動習慣到社會不公，他們運用了來自遺傳學、腦顯像學、瀏覽記錄等各種新數據集。

結論和挑戰

我們希望本文可以鼓勵學者從事更多跨學科的項目。但是，這種類型的研究也會展現出新的挑戰。以下障礙不成比例地促使團隊關注跨學科問題，我們會逐一審查并提供最佳實踐建議。

對于習慣于為傳統上不同學科做出貢獻的團隊而言，期刊之間的孤島問題或在何處以及如何積累信息可能是一個特殊的挑戰。許多期刊僅針對一些專特定學科或學科子領域的讀者，作者主要引用志趣相投的期刊的論文。即使交叉引用在不斷增加，這也不能保證跨學科工作將在不同的領域會有相同的貢獻，這也可能缺失與某一領域相關的寶貴見識。我們鼓勵更多的期刊認真考慮并發表高質量的跨學科研究，即使這些研究超出了他們的傳統工作范圍。同時，我們鼓勵學者去考慮，一個跨學科的項目可能會發表多篇論文，在這種情況下，所有對這個研究有貢獻的學科都會從這個項目的知識積累中受益。

職業激勵與作者身份。學者通常會被鼓勵要持續的在他們的代表領域中做貢獻，這意味著和其他相同分支的學者一起工作和在專業的期刊上發表論文。此外，跨學科之間的作者關系規范存在差異，這會使一個年輕的研究者不愿意加入規模更大的團隊。如果跨學科工作持續蓬勃發展，則需要調整招聘和激勵的方法，吸引多樣的期刊受眾。在訓練和聘用新的博士的時候，我們鼓勵部門和機構考慮讓受訓者更廣泛的接觸社會科學，開發出評估跨學科研究的更好的道路。

跨學科性對“開放科學”提出了獨特的挑戰，即共享程序，數據和代碼，這可以讓研究更廣泛的被接觸，因為不同的社會科學經常會有不同的工具和規范。就如Stodden等人強調的那樣，“現行的報告方法總是不平坦的，不完善的和仍然在發展的”。但是，這個挑戰現在被廣泛認識到，在實踐中改善開放科學的努力也在繼續。我們鼓勵研究者，特別是新的博士，將其視為定義最佳做法的機會，以了解如何實現數據和代碼的相關共享。

另一個挑戰是創建一個用于解釋跨學科行為的一體化框架。更好的理論將通過為假設設置適當的先驗條件，來限制可能從大數據中得出的解釋的數量。除非有一個通用語言或更好的真正的一體化框架，否則僅僅擴大方法論不會增加科學知識。社會科學將會從不斷進化中的合理理論中受益，這些理論提供了基本的解釋和最接近的解釋。我們鼓勵有交易頭腦的學者能夠以更加謙遜和開放的姿態向其他社會科學家學習，畢竟，他們在對這一領域的概念與方法有長期的積累。

這些障礙不容小覷，但是我們有理由保持樂觀：在我們的時代，聯系日益緊密，這意味著我們可以更容易獲得其他學科的知識。為此，可以通過以下一些方法來衡量未來幾年的成功：越來越多受到尊重的期刊會尋找和發表那些運用獨特數據庫的多樣化團隊的作品，越來越多年輕的科學家參與到跨學科研究中，越來越多著名的科學家將會參與到跨學科工作。更重要的是，學者越來越關注困難的問題——這些在歷史上可能被忽略，因為它們的復雜性使得不可能由一個單獨的學科來解決——社會科學將比任何一個獨立的子學科的總和更具影響力。

參考文獻：

1M.J.Salganik,BitbyBit:SocialResearchintheDigitalAge(PrincetonUniversityPress,2018).

2S.E.Page,TheDiversityBonus:HowGreatTeamsPayoffintheKnowledgeEconomy(PrincetonUniversityPress,2017).3P.Smaldino,C.O’Connor,Interdisciplinaritycanaidthespreadofbettermethodsbetweenscientificcommunities.https://osf.io/cm5v3,doi:10.31222/osf.io/cm5v3.Accessed10November2020.4R.Costanzaetal.,Thevalueoftheworld’secosystemservicesandnaturalcapital.Nature387,253–260(1997).5NationalScienceBoard,ReporttoCongressoninterdisciplinaryresearchattheNationalScienceFoundation.https://www.nsf.gov/nsb/publications/2018/nsb201915.pdf.Accessed1July2020.6NationalAcademyofSciences,NationalAcademyofEngineering,andInstituteofMedicine,FacilitatingInterdisciplinaryResearch(NationalAcademiesPress,2005),vol.11153.7NationalScienceFoundation,NationalScienceFoundation’smeritreviewprocessfiscalyear2018digest.https://www.nsf.gov/nsb/publications/2020/nsb202013.pdf.Accessed1July2020.8T.D.Cook,D.T.Campbell,Quasi-Experimentation:Design&AnalysisIssuesforFieldSettings(HoughtonMifflin,1979).9J.D.Angrist,A.B.Krueger,Instrumentalvariablesandthesearchforidentification:Fromsupplyanddemandtonaturalexperiments.J.Econ.Perspect.15,69–85(2001).10A.J.Sovey,D.P.Green,Instrumentalvariablesestimationinpoliticalscience:Areaders’guide.Am.J.Pol.Sci.55,188–200(2011).11J.Pearl,Causaldiagramsforempiricalresearch.Biometrika82,669–688(1995).12D.J.Watts,Shouldsocialsciencebemoresolution-oriented?Nat.Hum.Behav.1,0015(2017).13D.J.Watts,P.S.Dodds,Influentials,networks,andpublicopinionformation.J.Consum.Res.34,441–458(2007).14L.C.Freeman,TheDevelopmentofSocialNetworkAnalysis:AStudyintheSociologyofScience(EmpiricalPress,2004).15S.Aral,C.Nicolaides,Exercisecontagioninaglobalsocialnetwork.Nat.Commun.8,14753(2017).16D.J.Watts,S.H.Strogatz,Collectivedynamicsof‘small-world’networks.Nature393,440–442(1998).17N.A.Christakis,J.H.Fowler,Connected:TheSurprisingPowerofOurSocialNetworksandHowTheyShapeOurLives(Little,Brown,2011).18M.O.Jackson,TheHumanNetwork:HowYourSocialPositionDeterminesYourPower,Beliefs,andBehaviors(PantheonBooks,2019).19D.J.Watts,The“new”scienceofnetworks.Annu.Rev.Sociol.30,243–270(2004).20C.Thiemann,F.Theis,D.Grady,R.Brune,D.Brockmann,Thestructureofbordersinasmallworld.PLoSOne5,e15422(2010).21F.Schweitzeretal.,Economicnetworks:Thenewchallenges.Science325,422–425(2009).22M.Morris,S.Goodreau,J.Moody,“Sexualnetworks,concurrency,andSTD/HIV”inSexuallyTransmittedDiseases,K.K.Holmes,Ed.(McGraw-HillMedical,2008),pp.109–125.23S.T.E.Bakeretal.,Developmentalchangesinbrainnetworkhubconnectivityinlateadolescence.J.Neurosci.35,9078–9087(2015).24P.J.Richerson,R.Boyd,Theroleofevolvedpredispositionsinculturalevolution.Ethol.Sociobiol.10,195–219(1989).25R.S.Burt,D.Ronchi,Teachingexecutivestoseesocialcapital:Resultsfromafieldexperiment.Soc.Sci.Res.36,1156–1183(2007).26S.A.Morelli,D.C.Ong,R.Makati,M.O.Jackson,J.Zaki,Empathyandwell-beingcorrelatewithcentralityindifferentsocialnetworks.Proc.Natl.Acad.Sci.U.S.A.114,9843–9847(2017).27M.E.Weaverdyck,C.Parkinson,Theneuralrepresentationofsocialnetworks.Curr.Opin.Psychol.24,58–66(2018).28G.Simmel,O.Rammstedt,G.Simmel,Soziologie:UntersuchungenuberdieFormenderVergesellschaftung(Suhrkamp,1992).29I.J.Schoenberg,“PublicationsofEdmundLandau”inNumberTheoryandAnalysis,P.Turan,Ed.(Springer,1969),pp.335–355.30M.O.Jackson,SocialandEconomicNetworks(PrincetonUniversityPress,2008).31L.C.Freeman,Asetofmeasuresofcentralitybasedonbetweenness.Sociometry40,35–41(1977).32M.Muthukrishna,M.Schaller,Arecollectivisticculturesmorepronetorapidtransformation?Computationalmodelsofcross-culturaldifferences,socialnetworkstructure,dynamicsocialinfluence,andculturalchange.Pers.Soc.Psychol.Rev.24,103–120(2019).33N.Candelo,C.Eckel,C.Johnson,Socialdistancemattersindictatorgames:Evidencefrom11Mexicanvillages.Games(Basel)9,77(2018).34S.Currarini,M.O.Jackson,P.Pin,Identifyingtherolesofrace-basedchoiceandchanceinhighschoolfriendshipnetworkformation.Proc.Natl.Acad.Sci.U.S.A.107,4857–4861(2010).35G.F.Davis,H.R.Greve,Corporateelitenetworksandgovernancechangesinthe1980s.Am.J.Sociol.103,1–37(1997).36W.O.Kermack,A.G.McKendrick,Acontributiontothemathematicaltheoryofepidemics.Proc.R.Soc.Lond.A115,700–721(1927).37M.Kretzschmar,M.Morris,Measuresofconcurrencyinnetworksandthespreadofinfectiousdisease.Math.Biosci.133,165–195(1996).38M.Morris,M.Kretzschmar,ConcurrentpartnershipsandthespreadofHIV.AIDS11,641–648(1997).39J.S.Jiaetal.,Populationflowdrivesspatio-temporaldistributionofCOVID-19inChina.Nature582,389–394(2020).40A.L.Bertozzi,E.Franco,G.Mohler,M.B.Short,D.Sledge,ThechallengesofmodelingandforecastingthespreadofCOVID-19.Proc.Natl.Acad.Sci.U.S.A.117,16732–16738(2020).41M.O.Jackson,A.Wolinsky,Astrategicmodelofsocialandeconomicnetworks.J.Econ.Theory71,44–74(1996).42J.Angrist,P.Azoulay,G.Ellison,R.Hill,S.F.Lu,Insidejobordeepimpact?Extramuralcitationsandtheinfluenceofeconomicscholarship.J.Econ.Lit.58,3–52(2020).43R.H.Thaler,Fromcashewstonudges:Theevolutionofbehavioraleconomics.Am.Econ.Rev.108,1265–1287(2018).44Part2:TheBehavioralFoundationsofEconomicTheory.J.Bus.59,no.4(1986).45R.H.Thaler,Misbehaving:TheMakingofBehaviouralEconomics(W.W.Norton&Company,2016).46G.Lowenstein,C.Camerer,M.Rabin,Eds.,AdvancesinBehavioralEconomics(PrincetonUniversityPress,2004).47N.Geiger,Theriseofbehavioraleconomics:Aquantitativeassessment.Soc.Sci.Hist.41,555–583(2017).48S.DellaVigna,“Structuralbehavioraleconomics”inHandbookofBehavioralEconomics:ApplicationsandFoundations1,D.Bernheim,D.Laibson,S.DellaVigna,Eds.(Elsevier,2018),vol.1,pp.613–723.49D.Kahneman,A.Tversky,Prospecttheory:Ananalysisofdecisionsunderrisk.Econometrica47,263–291(1979).50U.Gneezy,J.Potters,Anexperimentonrisktakingandevaluationperiods.Q.J.Econ.112,631–645(1997).51S.Benartzi,R.H.Thaler,Myopiclossaversionandtheequitypremiumpuzzle.Q.J.Econ.110,73–92(1995).52D.Kahneman,J.L.Knetsch,R.H.Thaler,Experimentaltestsoftheendowmenteffectandthecoasetheorem.J.Polit.Econ.98,1325–1348(1990).53J.S.Lerner,D.A.Small,G.Loewenstein,Heartstringsandpursestrings:Carryovereffectsofemotionsoneconomicdecisions.Psychol.Sci.15,337–341(2004).54E.J.Johnson,G.Haubl,A.Keinan,Aspectsofendowment:Aquerytheoryofvalueconstruction.J.Exp.Psychol.Learn.Mem.Cogn.33,461–474(2007).55S.Bhatia,R.Golman,Attentionandreferencedependence.Decision(Wash.D.C.)6,145–170(2019).56S.M.Tom,C.R.Fox,C.Trepel,R.A.Poldrack,Theneuralbasisoflossaversionindecision-makingunderrisk.Science315,515–518(2007).57J.Yacubianetal.,Dissociablesystemsforgain-andloss-relatedvaluepredictionsanderrorsofpredictioninthehumanbrain.J.Neurosci.26,9530–9537(2006).58B.DeMartino,C.F.Camerer,R.Adolphs,Amygdaladamageeliminatesmonetarylossaversion.Proc.Natl.Acad.Sci.U.S.A.107,3788–3792(2010).59R.McDermott,Prospecttheoryinpoliticalscience:Gainsandlossesfromthefirstdecade.Polit.Psychol.25,289–312(2004).60A.Alesina,F.Passarelli,Lossaversioninpolitics.Am.J.Polit.Sci.63,936–947(2019).61P.Tovar,Theeffectsoflossaversionontradepolicy:Theoryandevidence.J.Int.Econ.78,154–167(2009).62O.D.Jones,“Whybehavioraleconomicsisn’tbetter,andhowitcouldbe”inResearchHandbookonBehavioralLawandEconomics,J.C.Teitelbaum,K.Zeiler,Eds.(EdwardElgarPublishing,2018).63V.Lakshminaryanan,M.K.Chen,L.R.Santos,Endowmenteffectincapuchinmonkeys.Philos.Trans.R.Soc.Lond.BBiol.Sci.363,3837–3844(2008).64P.Kanngiesser,L.R.Santos,B.M.Hood,J.Call,Thelimitsofendowmenteffectsingreatapes(Panpaniscus,Pantroglodytes,Gorillagorilla,Pongopygmaeus).J.Comp.Psychol.125,436–445(2011).65C.L.Apicella,E.M.Azevedo,N.A.Christakis,J.H.Fowler,Evolutionaryoriginsoftheendowmenteffect:Evidencefromhunter-gatherers.Am.Econ.Rev.104,1793–1805(2014).66A.Baillon,H.Bleichrodt,V.Spinu,Searchingforthereferencepoint.https://aurelienbaillon.com/research/papers/pdf/reference_point.pdf.Accessed12February2020.67E.J.Allen,P.M.Dechow,D.G.Pope,G.Wu,Reference-dependentpreferences:Evidencefrommarathonrunners.Manage.Sci.63,1657–1672(2017).68A.L.Brown,Z.E.Chua,C.F.Camerer,Learningandvisceraltemptationindynamicsavingexperiments.Q.J.Econ.124,197–231(2009).69C.B.Jaeger,S.F.Brosnan,D.T.Levin,O.D.Jones,Predictingvariationinendowmenteffectmagnitudes.Evol.Hum.Behav.41,253–259(2020).70W.Samuelson,R.Zeckhauser,Statusquobiasindecisionmaking.J.RiskUncertain.1,7–59(1988).71E.J.Johnson,D.Goldstein,Medicine.Dodefaultssavelives?Science302,1338–1339(2003).72R.H.Thaler,S.Benartzi,Savemoretomorrow:Usingbehavioraleconomicstoincreaseemployeesaving.J.Polit.Econ.112,S164–S187(2004).73R.Chetty,J.N.Friedman,S.Leth-Petersen,T.H.Nielsen,T.Olsen,Activevs.Passivedecisionsandcrowd-outinretirementsavingsaccounts:EvidencefromDenmark.Q.J.Econ.129,1141–1219(2014).74C.Camerer,S.Issacharoff,G.Loewenstein,T.O’Donoghue,M.Rabin,Regulationforconservatives:Behavioraleconomicsandthecasefor‘asymmetricpaternalism’.Univ.Pa.LawRev.151,1211(2003).75R.H.Thaler,C.R.Sunstein,Nudge:ImprovingDecisionsaboutHealth,Wealth,andHappiness(PenguinBooks,2009).76D.M.Messick,C.G.McClintock,Motivationalbasesofchoiceinexperimentalgames.J.Exp.Soc.Psychol.4,1–25(1968).77W.Guth,R.Schmittberger,B.Schwarze,Anexperimentalanalysisofultimatumbargaining.J.Econ.Behav.Organ.3,367–388(1982).78A.Mas,Pay,referencepoints,andpoliceperformance.Q.J.Econ.121,783–821(2006).79G.F.Loewenstein,L.Thompson,M.H.Bazerman,Socialutilityanddecisionmakingininterpersonalcontexts.J.Pers.Soc.Psychol.57,426–441(1989).80C.Camerer,E.Fehr,“Measuringsocialnormsandpreferencesusingexperimentalgames:Aguideforsocialscientists”inFoundationsofHumanSociality,J.Henrichetal.,Eds.(OxfordUniversityPress,2004),pp.55–95.81J.Berg,J.Dickhaut,K.McCabe,Trust,reciprocity,andsocialhistory.GamesEcon.Behav.10,122–142(1995).82C.Camerer,K.Weigelt,Experimentaltestsofasequentialequilibriumreputationmodel.Econometrica56,1–36(1988).83E.Fehr,G.Kirchsteiger,A.Riedl,Doesfairnesspreventmarketclearing?Anexperimentalinvestigation.Q.J.Econ.108,437–459(1993).84J.Henrichetal.,“Economicman”incross-culturalperspective:Behavioralexperimentsin15small-scalesocieties.Behav.BrainSci.28,795–815,discussion815–855(2005).85E.Krupka,R.A.Weber,Thefocusingandinformationaleffectsofnormsonpro-socialbehavior.J.Econ.Psychol.30,307–320(2009).86C.Camerer,R.H.Thaler,Anomalies:Ultimatums,dictatorsandmanners.J.Econ.Perspect.9,209–219(1995).87E.Tricomi,A.Rangel,C.F.Camerer,J.P.O’Doherty,Neuralevidenceforinequality-aversesocialpreferences.Nature463,1089–1091(2010).88I.Krajbich,R.Adolphs,D.Tranel,N.L.Denburg,C.F.Camerer,Economicgamesquantifydiminishedsenseofguiltinpatientswithdamagetotheprefrontalcortex.J.Neurosci.29,2188–2192(2009).89T.Yamagishi,Theprovisionofasanctioningsystemasapublicgood.J.Pers.Soc.Psychol.51,110–116(1986).90B.Herrmann,C.Thoni,S.Gachter,Antisocialpunishmentacrosssocieties.Science319,1362–1367(2008).91S.DellaVigna,J.A.List,U.Malmendier,Testingforaltruismandsocialpressureincharitablegiving.Q.J.Econ.127,1–56(2012).92A.Cohn,M.A.Marechal,D.Tannenbaum,C.L.Zund,Civichonestyaroundtheglobe.Science365,70–73(2019).93OECD,Behaviouralinsights.https://www.oecd.org/gov/regulatory-policy/behavioural-insights.htm.Accessed15January2020.94S.Bowles,S.Polana-Reyes,Economicincentivesandsocialpreferences:Substitutesorcomplements?J.Econ.Lit.50,368–425(2012).95N.R.Maglioccaetal.,Modelingcocainetraffickersandcounterdruginterdictionforcesasacomplexadaptivesystem.Proc.Natl.Acad.Sci.U.S.A.116,7784–7792(2019).96C.Camerer,T.H.Ho,Experience-weightedattractionlearninginnormalformgames.Econometrica67,827–874(1999).97P.Bordalo,N.Gennaioli,A.Shleifer,Saliencetheoryofchoiceunderrisk.Q.J.Econ.127,1243–1285(2012).98M.BorgerhoffMulderetal.,Intergenerationalwealthtransmissionandthedynamicsofinequalityinsmall-scalesocieties.Science326,682–688(2009).99J.Henrich,M.Bauer,A.Cassar,J.Chytilova,B.G.Purzycki,Warincreasesreligiosity.Nat.Hum.Behav.3,129–135(2019).100J.E.Blumenstock,M.Fafchamps,N.Eagle,“Riskandreciprocityoverthemobilephonenetwork:EvidencefromRwanda”(NETInstituteWorkingPaperNo.11-25,2011).101W.-Y.Ahnetal.,Nonpoliticalimagesevokeneuralpredictorsofpoliticalideology.Curr.Biol.24,2693–2699(2014).102D.J.Benjaminetal.,Thegeneticarchitectureofeconomicandpoliticalpreferences.Proc.Natl.Acad.Sci.U.S.A.109,8026–8031(2012).103G.Naveetal.,Musicalpreferencespredictpersonality:Evidencefromactivelisteningandfacebooklikes.Psychol.Sci.29,1145–1158(2018).104R.Philpot,L.S.Liebst,M.Levine,W.Bernasco,M.R.Lindegaard,WouldIbehelped?Cross-nationalCCTVfootageshowsthatinterventionisthenorminpublicconflicts.Am.Psychol.75,66–75(2019).105B.Uzzi,S.Mukherjee,M.Stringer,B.Jones,Atypicalcombinationsandscientificimpact.Science342,468–472(2013).106V.Stoddenetal.,Enhancingreproducibilityforcomputationalmethods.Science354,1240–1241(2016).

加密貨幣總市值為8888.37億美元:金色財經報道，據CoinGecko數據顯示，當前加密貨幣市值為8888.37億美元，24小時交易量為355.09億美元，當前比特幣市值占比為36.7%，以太坊市值占比為17%。[2022/12/4 21:21:30]

FTX以太坊鏈上錢包內已無BTMX，僅剩KNC和ETH兩種代幣:金色財經報道，據Dune Analytics數據顯示，FTX以太坊鏈上錢包內的大部分代幣已被拋售，當前僅剩下KNC和ETH兩種代幣，其中包括 7,899,446 枚 KNC，約合 4,859,850 美元，以及 52 枚 ETH，約合 64,061 美元，總價值約為 4,871,133 美元。[2022/11/17 13:15:55]

Tags：FoundationHIVnemFoundation幣是什么幣HIV幣HIV價格nem幣是什么幣

比特幣最新價格