| 课程号 |
18730004 |
学分 |
3 |
| 英文名称 |
Computational Social Science: Theory and Practice |
| 先修课程 |
无 |
| 中文简介 |
大数据、人工智能等先进计算技术与人文社会科学的深度融合推动了新兴交叉学科“计算社会科学”的蓬勃发展。计算社会科学为人文社会科学研究提供了前所未有的工具、视角和研究范式，也为计算科学研究拓展了新路径。
本课程面向人文社会科学专业学生开设，将带来以下收获：
1.通过课堂理论教学，提升人文社科专业学生在大数据和人工智能应用领域的前沿知识水平，拓宽其运用这些技术开展多学科交叉研究的视野。
2. 借助案例实践、产业前沿报告等多元化的教学形式，增强人文社科专业学生熟练运用先进的人工智能、大模型等技术进行人文社科研究实践的能力。
|
| 英文简介 |
he deep integration of advanced computational technologies such as big data and artificial intelligence with the humanities and social sciences has driven the rapid development of the emerging interdisciplinary field of Computational Social Science. This field provides unprecedented tools, perspectives, and research paradigms for humanities and social science research, while also opening up new pathways for advances in computational science.
This course is designed for students majoring in the humanities and social sciences and aims to deliver the following outcomes:
Through theoretical instruction, students will enhance their understanding of cutting-edge developments in big data and artificial intelligence, and broaden their vision for applying these technologies in interdisciplinary research.
Through diverse teaching formats—including case-based practice and industry frontier reports—students will strengthen their ability to effectively apply advanced technologies such as artificial intelligence and large models in humanities and social science research. |
| 开课院系 |
中国社会科学调查中心 |
| 成绩记载方式 |
百分制 |
| 通识课所属系列 |
|
| 授课语言 |
中文 |
| 教材 |
|
| 参考书 |
|
| 教学大纲 |
本课程面向人文社科专业开设，融合计算社会科学的理论教学与实践训练，以计算社会科学的基础概念、研究方法与典型案例为核心内容，系统讲解计算思维、数据分析与建模方法及相关理论基础，并重点介绍其在社交网络、经济分析、政府治理等领域的应用与发展前景。在理论学习的基础上，课程进一步引入数据采集、数据处理、挖掘分析与结果可视化等完整研究流程，通过真实项目驱动的实践教学，使学生全面理解并掌握计算社会科学的研究范式与技术路径。
课程面向人文社会科学背景学生，旨在构建其计算思维与跨学科研究能力，培养具备创新意识的复合型研究人才。通过系统的理论学习与丰富的实践操作相结合，学生不仅能够掌握计算社会科学前沿分析技术，还能提升将人工智能、大数据等技术应用于人文社科问题研究的能力。同时，课程注重创新思维训练与团队协作能力培养，为学生未来从事社会科学研究或相关领域工作奠定坚实基础，并推动计算技术在人文社科领域的深入应用，助力开拓前沿交叉学科发展方向。
课次 课程主题 课程类型/形式
第1次 基础篇：计算社会科学导论 理论讲授 + 案例引入
第2次 前沿篇：计算与社会科学的融合创新 理论讲授 + 前沿案例讨论
第3次 方法篇：大模型与社会科学研究方法概论 理论讲授 + 方法演示
第4次 方法篇：数据分析基础 基础语法 + Vibecoding实操
第5次 方法篇：数据采集与处理实操 实操 + 小组任务
第6次 方法篇：机器学习与深度学习方法概论 理论讲授 + 案例学习
第7次 方法篇：大模型社会科学应用方法 理论讲授 + 案例学习
第8次 方法篇：大模型应用与分析实操 案例讲授+实操训练
第9次 实践篇：跨学科项目研究设计 小组项目设计与实践
第10次 实践篇：期末项目汇报与总结 小组汇报 + 课程总结
课程采用“理论讲授 + 项目驱动 + 实践训练 + 汇报评估”的组织模式：
理论模块：由教师系统讲授计算社会科学的核心概念、方法与应用场景
实践模块：围绕真实或模拟研究问题开展项目实践，贯穿整个课程
团队协作：学生以小组形式完成项目，强化协同研究能力
阶段汇报：设置开题、中期、结题等多轮汇报与反馈机制
课程采用“讲授—实践—反馈—优化”的循环式教学模式，实现理论与实践的深度融合。
本课程成绩采用过程性评价与成果评价相结合的方式，具体包括以下几个方面：
平时作业与任务完成（30%）
学生需按时完成每次实践课布置的数据分析任务、小组作业及课堂练习，考察学生的学习态度、动手能力与问题解决能力。
中期考核（20%）
在课程中期进行小组项目进展汇报和阶段性答辩，考察学生对所选研究问题的理解、方法掌握程度及团队协作能力。
项目提交与期末答辩（50%）
学生需完成最终小组研究设计报告，包括数据采集、分析建模、可视化呈现及结论解释，并进行期末答辩展示，重点评价创新性、技术应用能力、跨学科整合能力和成果表达质量。
成绩按以上权重综合计算，体现学生在理论理解、实践操作与研究能力等方面的全面表现。
|
| 教学评估 |
|