范式战争

ℹ️ 本章探讨社会科学方法论中最深层的分歧——实证主义、诠释主义与批判理论之间的"范式战争"。这场战争不仅关乎方法选择，更关乎"什么是知识"“什么是好的研究"的根本问题。混合方法作为"第三条路"的出现，是否真正解决了这场争论？

📝 社会科学中的"范式战争"不是学术圈内的空洞争吵，而是对"什么算作合法的知识、谁有权定义’科学’“这一根本问题的深层分歧。理解这场战争的逻辑，是理解社科方法论地图的关键。

Kuhn 的范式理论及其在社科中的应用

Thomas Kuhn（库恩）在《科学革命的结构》（1962）中提出的范式（paradigm）概念原本用于描述自然科学的发展动态——常规科学在统一范式下进行"解谜”，反常证据积累导致危机，危机催生科学革命和范式转换。

但 Kuhn 的框架被迅速引入社会科学，用来解释一个令人困惑的现象：为什么社科研究者之间的根本分歧远比自然科学研究者之间的大？

在自然科学中，大部分时间存在一个主导范式——科学家在共享框架内工作。社会科学则更像是永远处于"多范式"状态——实证主义、诠释主义、批判理论、后现代主义等多个范式同时竞争，没有一个获得普遍接受。

这种多范式共存引发了所谓的"范式战争”（paradigm wars）——不同阵营之间关于"什么是好的研究"的深层争论。

三大范式的核心分歧

实证主义阵营

核心主张：社会世界像自然世界一样存在客观的规律，可以用类似自然科学的方法来研究。目标是发现因果规律，方法是假设检验、统计分析和实验控制。价值中立是可能的也是必要的。

代表人物：Comte（方法论奠基者）、Durkheim（社会事实作为"物"来研究）、当代主流经济学和实验心理学。

核心论证：实证主义的力量在于其产出的知识具有可检验性和累积性。如果社会存在规律，那么只有通过系统的观察和测量才能发现它们——直觉和个人经验不够可靠。科学的历史表明，将主观判断替换为系统的经验方法，是知识进步的关键。

批评：诠释主义者认为实证主义将活生生的人简化为变量之间的统计关系，遗失了行为的意义维度。批判理论者认为"价值中立"是虚假的——不质疑现有秩序就是默认其合理性。

📝 案例：Durkheim 的《自杀论》——实证主义的示范。 Durkheim（1897）用跨国、跨宗教、跨时期的统计数据证明自杀率的社会规律性——这是实证主义方法的经典展示。但批评者指出：统计数据告诉人们"什么模式存在"，却没有告诉人们"为什么个体选择结束生命"。一个 25 岁的未婚新教男性的自杀，在 Durkheim 的统计表中只是"高风险类别"中的一个数据点——他的主观世界、他的绝望和挣扎被完全抹去了。实证主义的力量（大规模模式识别）恰恰也是它的盲点（个体意义的丧失）。

诠释主义阵营

核心主张：社会世界与自然世界有本质区别——它是由意义构成的。电子的运动不需要"理解"，但人类的行为必须被理解——理解行动者赋予其行为的主观意义，才能真正把握社会现实。

代表人物：Weber（理解社会学）、Schutz（现象学社会学）、Geertz（诠释人类学）、Berger & Luckmann（社会建构论）。

核心论证：社会现象不像自然现象那样可以被"从外部"观察和测量。“投票"这一行为在不同文化中的意义完全不同——在成熟民主国家它是权利的行使，在威权国家它可能是被迫的仪式，在新兴民主国家它可能是一种希望的表达。仅仅统计投票率而不理解投票对行动者的意义，是对社会现实的根本误解。

批评：实证主义者认为诠释主义的发现缺乏可推广性（几个深度访谈能代表什么？）和可验证性（对"意义"的解释如何验证？不同研究者可能得出不同解释）。

批判理论阵营

核心主张：社会科学不应满足于"描述"或"理解"社会——它应该揭露不公正、推动解放。所有知识都是在特定权力关系中生产的，“价值中立"本身就是一种维护现状的意识形态立场。

代表人物：Horkheimer、Adorno、Habermas（法兰克福学派）、Freire（解放教育学）、女性主义方法论者、后殖民理论者。

核心论证：实证主义和诠释主义都回避了一个根本问题：研究为谁服务？ 如果社会研究只是描述不平等而不质疑不平等的结构性根源，它就在客观上维护了现状。Horkheimer 指出：传统理论声称的"价值中立"实际上默认了现有社会秩序的合理性——不质疑就是默认认可。

批评：实证主义者认为批判理论混淆了科学与政治——预设了结论（社会不公正）再寻找证据，违反了科学方法的基本原则。诠释主义者可能同情批判理论的目标，但质疑其将研究与政治行动过度捆绑。

不可通约性问题

范式战争最根本的困难在于 Kuhn 所说的不可通约性（incommensurability）：不同范式之间没有共同的评判标准。

对于实证主义者来说，好的研究需要可复现的量化数据、统计显著性和因果推断。对于诠释主义者来说，好的研究需要深度理解、意义的忠实呈现和文化敏感性。对于批判理论者来说，好的研究需要揭露权力结构、为被压迫者发声和推动社会变革。

这些标准之间不只是"偏好"的不同，而是"什么算作证据"“什么算作解释"“什么算作好的研究"的根本分歧。 用实证主义的标准评判诠释主义研究（“样本太小，无法推广”），或用诠释主义的标准评判实证主义研究（“把人简化成了数字”），都是将一个范式的标准强加于另一个范式——这种评判本身就是范式偏见的表现。

📝 案例：理解"不可通约性"的比喻。 想象两个人在争论一幅画的好坏。一个人用"技术精确度"来评价（透视是否正确、比例是否准确），另一个人用"情感表达力"来评价（画是否触动人心、是否传达了深刻的人类经验）。他们不是在用不同的方法评价同一个标准——他们对"好画"的定义就不同。范式之间的分歧也是如此：不是在用不同方法回答同一个问题，而是在问不同的问题。

混合方法作为"第三条路”

面对范式战争的僵局，混合方法研究（mixed methods research）在 1990 年代以来被提出作为"第三条路”——在同一项研究中结合定量和质性方法，借助两者的互补优势。

实用主义的辩护

混合方法最常见的哲学辩护来自实用主义（pragmatism，代表人物 Dewey, Rorty, 方法论上 Tashakkori & Teddlie）。实用主义主张：放弃本体论和认识论的抽象争论，以研究问题为导向，选择最能回答问题的方法——“什么有效就用什么”。

实用主义的核心论点是：认识论立场与方法选择之间的关系不是逻辑必然的。实证主义者也可以使用访谈，诠释主义者也可以使用统计——方法是工具，不是教条。范式战争是哲学家的游戏，实际的研究者需要务实地选择工具。

批判实在论的辩护

批判实在论（critical realism，Bhaskar）提供了另一种更具哲学深度的整合框架。批判实在论认为：

1. 存在独立于认知的客观现实（与实证主义共识）
2. 但现实是分层的——事件（events）、机制（mechanisms）、结构（structures）三个层次
3. 对现实的认识总是理论中介的和可错的（与诠释主义共识）
4. 知识生产不可能价值中立（与批判理论共识）

在批判实在论框架下，定量方法适合研究表面层次的事件模式（如相关性和统计规律），质性方法适合揭示深层的因果机制（如行动者的意义建构和决策过程），批判分析适合揭露塑造这些机制的结构性权力关系。三者不是互相排斥而是分别对应不同的现实层次。

对混合方法的批评

并非所有人都接受混合方法作为解决范式战争的方案。批评者指出：

认识论不一致：如果定量方法预设客观现实的存在（实在论本体论），而质性方法预设现实由意义建构（建构论本体论），那么在同一研究中"混合"它们在逻辑上是否自洽？实用主义的回答（“别管哲学，看什么有效”）是否回避了真正的问题？

不对等的"混合”：在实践中，混合方法研究常常以一种方法为主、另一种为辅——在定量为主的学科（如经济学），质性方法往往只被用来"补充"或"解释"统计发现，而不是作为同等的知识来源。这种不对等是否反映了范式之间的权力关系？

“方法论折中主义"的风险：没有清晰的哲学基础，“混合"可能退化为"什么方便用什么”——失去了方法论的自觉性和批判性。

📝 案例：混合方法研究的实际运作。 教育研究者 Sandra Mathison 曾描述一个混合方法研究的困境：一项关于学校午餐计划效果的研究中，定量数据（统计分析）显示学生的营养摄入有统计显著的改善，但质性数据（对学生的访谈和观察）显示许多学生将"健康食物"扔进垃圾桶并在校外购买零食。两种数据讲述了相反的故事——如何"混合"它们？简单地说"两者都有价值"是不够的，研究者需要解释为什么两种方法产生了不同结果，以及哪种更接近"真实”——而这个判断本身就依赖于某种认识论立场。

超越范式战争？

当代社科方法论的趋势是承认范式多元性，同时寻找建设性的对话和整合。

认识论多元主义接受不同范式各有适用范围——有些问题确实更适合定量方法（如大规模模式识别），有些更适合质性方法（如意义理解），有些更适合批判方法（如权力分析）。多元不是缺陷而是丰富——正如生物多样性有利于生态系统的健康，方法论多样性有利于知识生态的健康。

然而，“超越"范式战争是否真正可能仍然是一个开放的问题。只要研究者对"什么是知识"“什么是好的研究"持有不同的根本信念，范式之间的张力就不会消失。也许真正的问题不是"哪个范式是对的”，而是"在面对特定问题时，哪个范式（或哪些范式的组合）最有可能产生有价值的知识”。

新战线：可信性革命与计算社会科学

范式战争的经典阵线——实证主义、诠释主义、批判理论——形成于 1970 至 1990 年代。1990 年代之后，社会科学内部出现了两条新的分歧线，它们并不沿着旧阵线展开：一条区分"设计导向"与"模型导向"的证据观，另一条区分"为研究而生产的数据"与"因其他目的而积累的数据”。这两条线切割了原有的阵营——两位同样自认实证主义的研究者，可能在这两条线上完全对立。

可信性革命：从模型设定到识别策略

Edward Leamer（1983）的《让计量经济学远离骗局》（Let’s Take the Con Out of Econometrics）是这场转变的起点。Leamer 指出，实证研究的结论对模型设定极为敏感——同一份数据在不同的控制变量组合下可以支持相反的政策结论——而论文只报告最终那一个设定，读者无从判断结论的稳健性。他的建议是系统报告设定的敏感性区间。

真正改变实践的是另一条路径。Joshua Angrist 与 Jörn-Steffen Pischke（2010）把 1990 年代以来的变化概括为可信性革命（credibility revolution）：论证的重心从"模型设定得是否恰当"转向"处理变异的来源是否可信地外生"。一项研究的核心论证不再是回归方程，而是识别策略（identification strategy）——处理为何可以被视为准随机分配。四类工具由此成为标准装备（其经济学脉络详见本站 经济学 第 01 章，其技术细节见 研究设计）：

🔍 这一转向的方法论含义常被低估：它重新定义了什么叫"论证"。在模型导向的传统中，说服力来自统计控制的完备性；在设计导向的传统中，说服力来自制度细节的叙述——某项规则在哪一年因何种偶然原因生效、为什么当事人无法预知或规避。经济史、法律文本与行政档案因此重新进入定量研究的核心，而这些恰恰是质性研究的传统材料。

🌍 可信性革命已扩散到多数经验社会科学。政治学中，Thad Dunning 系统整理了自然实验的类型与检验；公共卫生与教育学把断点回归用于评估资格门槛政策；社会学的接受则更为审慎。

⚠️ 批评来自两个方向。其一是外部效度：Angus Deaton 与 Nancy Cartwright（2018）论证，随机化并不自动赋予认识论优越性——随机化只在期望上平衡协变量，单次试验完全可能失衡；更关键的是，“在此地此时有效"到"在彼地彼时有效"的推论需要关于机制的理论，而这恰恰是设计导向研究倾向于回避的。其二是选题偏斜：识别优先的标准会使研究者涌向恰好存在干净变异的问题，而制度变迁、意识形态、长期结构等无法被随机化的对象则被边缘化——批评者称之为"路灯问题”，即在有光的地方而非在丢失钥匙的地方寻找。Robert Sampson 对邻里效应研究的评论提出了相近的忧虑：把选择性迁移当作需要消除的干扰，等于把社会过程中最重要的一部分从研究对象中剔除。当前学界的倾向是：设计导向已成为因果主张的默认门槛，但对机制解释与可迁移性（transportability）的要求同步提高，纯粹的"局部效应"报告已不再足够。

计算社会科学的方法论边界

第二条新战线由数据来源划分。Matthew Salganik 在《Bit by Bit》（2018）中提出的核心区分是现成数据（readymade data，因行政或商业目的而积累，研究者事后借用）与定制数据（custommade data，为回答特定研究问题而设计生产）。

数字痕迹数据具有三项传统数据难以企及的优点——规模巨大、始终在线（因而可捕捉突发事件前后的对照）、非反应性（不因被观察而改变）。但它同时带有一组系统性缺陷：

🔍 算法混淆是其中最具方法论新意的一项。Facebook 用户的好友数分布曾出现一个异常的局部峰值，若按社会网络理论解释，会得出关于社交容量的实质性结论；实际原因是平台的好友推荐功能在特定数值区间改变了行为。研究者面对的不是社会过程留下的痕迹，而是社会过程与平台设计相互作用后的产物，且平台设计的变更既不公开也不可知。

🌍 Google Flu Trends 提供了完整的失败案例。该系统曾以搜索词频率预测流感就诊率，在 2009 年前表现优异，2013 年却高估实际值一倍以上。Lazer 等（2014, Science）把原因归结为两点：大数据的傲慢——认为规模可以替代而非补充传统测量；以及算法动态——搜索引擎自身的自动补全与推荐功能改变了用户的搜索行为，使模型赖以建立的相关性持续漂移。结论并非大数据无用，而是它必须与为研究设计的小数据校准配合使用。

⚠️ 数据可及性使方法论问题具备了政治性质。哪种范式能够积累证据，部分取决于哪种数据可以被获得；而平台数据的获取由企业裁量，且常以隐私保护为由收紧。这造成了一种双重困境：企业内部研究者拥有数据但不受外部审查，外部研究者受审查却无数据。这一格局意味着，关于数字平台的社会科学知识在多大程度上可信，已不再是纯粹的方法论问题。

新战线的形态因此与旧范式战争不同。分歧不再是"社会世界是否由意义构成"，而是"何种证据配得上因果主张"“何种数据配得上描述主张”。定量与定性的旧边界在这两个问题上都不再是有用的分类。

💭 延伸思考

• 范式选择是"理性的"还是"非理性的"？一个人倾向于实证主义还是诠释主义，在多大程度上受到学科训练、个人气质和政治立场的影响？
• 如果社会科学永远无法像自然科学那样达到"范式统一"，这是一种缺陷还是一种优势？多元视角是否比单一范式更适合理解复杂的社会现实？
• 大数据和机器学习是否正在催生一种新的范式——“计算社会科学”（computational social science）？它与三大传统范式的关系是什么？
• 可信性革命把"是否存在干净的外生变异"抬升为选题的隐性标准。若最重要的社会问题恰恰是那些无法被随机化的——制度变迁、意识形态转向、长期结构——学科在提高证据标准的同时是否正在缩小自己的问题域？
• 平台数据的获取权由企业裁量，企业内部研究者有数据而无外部审查，外部研究者受审查而无数据。这种格局对"什么算作关于数字社会的可靠知识"造成了什么影响？在缺乏数据获取权的条件下，批判理论传统是否反而获得了相对优势？

📚 参考文献

1. Kuhn, T. S. (1962). The Structure of Scientific Revolutions (《科学革命的结构》). University of Chicago Press. 范式理论的原始文献。
2. Guba, E. G., & Lincoln, Y. S. (1994). “Competing Paradigms in Qualitative Research.” In N. K. Denzin & Y. S. Lincoln (Eds.), Handbook of Qualitative Research. Sage. 范式比较的经典框架文章。
3. Tashakkori, A., & Teddlie, C. (2010). SAGE Handbook of Mixed Methods in Social & Behavioral Research (2nd ed.). Sage. 混合方法研究的综合手册。
4. Bhaskar, R. (1975). A Realist Theory of Science. Verso. 批判实在论的奠基著作。
5. Howe, K. R. (1988). “Against the Quantitative-Qualitative Incompatibility Thesis.” Educational Researcher, 17(8). 反对范式不可通约性的经典论文。
6. Angrist, J. D., & Pischke, J.-S. (2010). “The Credibility Revolution in Empirical Economics.” Journal of Economic Perspectives, 24(2), 3-30. 可信性革命的纲领性总结。
7. Deaton, A., & Cartwright, N. (2018). “Understanding and Misunderstanding Randomized Controlled Trials.” Social Science & Medicine, 210, 2-21. 对随机化认识论地位的系统批评。
8. Salganik, M. J. (2018). Bit by Bit: Social Research in the Digital Age. Princeton University Press. 现成数据与定制数据的区分及十项特征。
9. Lazer, D., Kennedy, R., King, G., & Vespignani, A. (2014). “The Parable of Google Flu: Traps in Big Data Analysis.” Science, 343(6176), 1203-1205. 算法动态与大数据傲慢的经典案例分析。