聚焦 | 第十届中山大学人工社会与计算社会科学讲习班圆满举行
在数字社会加速向智能社会转型的时代背景下，生成式人工智能与智能体技术正深刻改变着社会科学的研究方式。为持续培育计算社会科学领域的研究人才，促进跨学科、跨院校的学术交流与合作，携手构建该领域的学术共同体，中山大学社会科学学部、中山大学社会学与人类学学院与中山大学国家治理研究院于2026年7月27日至8月2日联合举办大社科人才培养项目第4期暨第十届中山大学人工社会与计算社会科学讲习班。
本次讲习班邀请了国内计算社会科学领域的青年学者团队主讲，围绕人工智能如何走进社会科学研究这一主线，内容涵盖AI Agent、AI驱动的社会科学研究、文本分析、机器学习、多模态数据、社会网络、社会模拟、云计算等8个专题。
本次讲习班自启动报名以来，反响热烈，共收到900余人的报名申请。为保证课程的质量及学员间的充分交流，经过严格筛选，最终确定了350余名学员。这些学员分别来自中山大学、北京大学、中国人民大学、复旦大学、西安交通大学、香港大学、香港中文大学等百余所院校及企事业单位。
开班仪式于7月27日上午在中山大学南校园第三教学楼讲学厅举行，由中山大学社会学与人类学学院梁玉成教授主持，讲习班全体学员参加了开班仪式。
随后，梁玉成教授讲授了计算社会科学讲习班导言，正式为讲习班拉开序幕。梁教授详细介绍了课程内容和学习目标，从计算社会科学的三大核心范式出发，包括基于多主体建模（ABM）的演绎范式、基于大数据的归纳范式，以及基于大语言模型的生成范式，结合丰富的经典案例与自身的研究经历，梳理了计算社会科学从演绎、归纳到生成的完整方法脉络。
AI Agent板块由中山大学社会学与人类学学院博士生马昱堃、马玉楚和赖小乔主讲。马昱堃博士生介绍了人工智能从早期神经网络到大语言模型的技术演进脉络，梳理了当代大模型的核心架构与训练范式。他进一步沿着“提示工程-情境工程-驭智工程”呈现了AI系统设计层次的演进，并对大模型对齐与AI安全等前沿议题进行了讨论。马玉楚博士生示范了如何将工作智能体嵌入社会科学研究的完整流程，提出研究者与AI之间的“双循环”工作模式。借助“思维树”的比喻，明确了研究者判断力在AI工作流中的枢纽位置，同时探讨了数据安全、AI幻觉与学术诚信等AI深度介入研究后的边界议题。赖小乔博士生介绍了编程智能体在大规模文本编码、数据处理与批量分析中的具体应用。以“学术思想源流分析”为案例，现场演示了编程智能体的完整工作流程，呈现了编程智能体在社会科学计算研究中辅助生成分析代码的完整路径。
AI驱动的社会科学研究板块由华中科技大学社会学院教授刘河庆主讲。刘河庆教授探讨了人工智能作为研究工具与研究对象的双重角色。他结合自身在大模型社会互动、生成式AI与数字平台知识生产等方向的前沿研究进行了深入分析，展示了计算方法在揭示人机互动模式与数字知识生产变迁方面的具体应用，并指出人工智能从研究工具向塑造社会符号系统“准社会主体”的转变。
文本分析模块由中国社会科学院社会学研究所助理研究员政光景主讲。政光景老师从社会科学定量研究的科学哲学基础谈起，系统梳理了实证主义研究范式的思想脉络与语言作为认识对象的哲学根基。政老师围绕中文文本分析的完整流程，结合从预处理到主题模型的代码演示，强调技术方法与人文社科理论的紧密联系，共同推动着社会科学研究方法的革新。
机器学习板块由暨南大学人文学院讲师贾小双主讲。贾小双老师围绕预测、解释与因果推断三大核心任务，系统介绍机器学习在社会科学研究中的应用图景。贾老师详细讲解了有监督与无监督学习的经典算法，以及潜在结果框架下机器学习因果推断方法的完整脉络，并结合聚类分析、收入预测、Lasso变量筛选等演示案例，呈现AI智能体协作下的完整分析工作流程。
多模态数据模块由华中科技大学社会学院讲师张咏雪主讲。张咏雪老师从图像、视频、音频等多模态数据的数字化表示入手，系统介绍了多模态数据分析的完整技术脉络。通过面部表情识别、语音情感分析、视频互动分析等演示案例，呈现基本读取与预处理、预训练模型嵌入、跨模态对齐及多模态大模型调用的关键环节，并展示多模态方法在情感计算与社会互动研究中的应用。
社会网络板块由江西财经大学人文学院讲师何蛟龙主讲。何蛟龙老师从社会网络分析的核心洞察出发，指出理解社会不能只看个体属性，还必须关注人与人之间的关系结构。他系统梳理了社会网络分析的理论基础与方法脉络，并结合经典研究案例演示了从网络描述到指数随机图模型（ERGM）等统计建模的完整分析流程，强调网络分析不仅是一种方法，更是一种理解社会结构的分析视角。
社会模拟板块由云南大学民族学与社会学学院副研究员周文和中山大学社会学与人类学学院博士生贾梦真主讲。周文老师介绍了ABM（Agent-Based Modeling，多主体模型）的发展脉络与基本范式。通过多个仿真模型，周老师展示了NetLogo建模软件的操作过程，并阐释了主体设定、环境构造、互动规则与实验校准等完整建模流程，进一步演示了如何借助AI智能体实现ABM的自动化建模，突出ABM在微观个体行为与宏观社会现象之间搭建解释桥梁的独特作用。贾梦真博士生介绍了大语言模型智能体在社会模拟中的应用潜力，涵盖从“硅基样本”复刻社会实验到多智能体互动的生成式ABM（GABM）等前沿方向。她辨析工程领域与社会科学领域在多智能体研究上的定位差异，围绕硅基样本、算法保真度、GABM方法论光谱等核心议题，呈现了大模型智能体在个体模拟与群体模拟中的完整技术图景，并对硅基样本的偏差与对齐风险作了讨论。
云计算赋能社会科学板块由中山大学社会学与人类学学院博士生殷佳主讲。殷佳博士生围绕“看见云、云需求、使用云”三个层面，介绍云计算的技术原理及其在数据规模、算力供给与工作模式上为社会科学研究打开的新空间。她结合云平台演示公开数据接入、清洗建模、可视化发布与复现归档的完整社科研究工作流，并对研究者使用云计算过程中的研究伦理与成本安全作出双重底线的提醒。
8月2日上午全部课程内容结束后，梁玉成教授在梁銶琚堂主持了本届讲习班的结业仪式。
尾声
随着讲习班的圆满落幕，我们收到了较多学员的学习心得体会，挑选部分展示如下。期待学员们能将这次共同学习的收获转化为前行的动力，继续在计算社会科学的广阔天地中翱翔。
在本次讲习班中各位老师所讲的东西为我提供了新的研究视角与方向，每一天的课程都在刷新我的认知，从刚开始完全不懂的AI小白到结束时能够掌握一些基本技能就是我最大的收获，也让我明白在当代的社会科学研究中需要这些工具提高我们的研究效率，更让我在反思AI时代的我们该何去何从，最后我想感谢中山大学给我的这次机会，感谢每一位老师和助教的辛勤付出。
——中南民族大学-饶学员
这几天学习到了很多社会科学研究范式、研究模型、AI提示词，将这些知识运用到自己的研究能够很大程度上提高效率，收获颇丰，感谢所有组织培训工作的老师和助教，希望明年还能再次参加。
——贵州财经大学-雷学员
真诚感谢梁老师团队所有老师的无私分享，真的收获良多～AI时代来得太快了，作为做质性研究的我而言，来之前仅仅停留在DeepSeek等问答页面的人机互动之中，来讲习班了解了很多可供研究使用的多Agent智能体，真的是开阔了我的眼界。我开始的时候有点儿恐慌，害怕自身或人类的研究价值被替代，但随着课程的推进，我似乎找回了为数不多的研究信心。问题意识是人类的宝贵财富，善于发问是需要锻炼的核心能力，不仅是指对社会问题的发问，更是对组织运用大模型的发问。感谢梁老师团队对计算社会科学在社科领域运用系列成果的介绍，已经在思考怎么将这几天的成果运用到自己的研究之中了，这样的知识关联和迁移是最宝贵的体验。另外，中山大学的校园太美丽了，广州的饭太好吃了，我在雨中散步的时候，感受到生命如此美好，感谢！
——上海大学-陈学员
这样高质量的公益培训坚持了十年，我非常震撼，只能用“伟大”来形容这支团队！我是带着ABM仿真工匠精神培育的任务来参加培训的，全程学下来有很多意外的惊喜，科尔曼之舟、阈值模型、AI应用最新进展这些都是意料之外的收获，极大地开拓了视野，也深深地感受到了文化传承的力量。整个培训知识密度很高，需要我用一年来消化。期待明年能继续参加这个培训班，也希望届时我已经比较好地解决了目前的研究问题。
——广州职业技术大学-宋学员
本届讲习班恰如其分地兼顾了理论讲解和实践演示，内容紧凑、氛围很好，促使我们更加深入了解计算社会科学前沿成果和技术。在未来，我相信本届讲习班传授的内容会进一步赋能我的研究和学习！谢谢组织讲习班的老师和师兄师姐们~
——中山大学-钟学员
在AI的帮助下，技能与软件的学习退居其次了，以后可能还是需要回归基本的理论和原理，同时保持对实践问题的敏感度。
——广西民族大学-杨学员
比较系统地接受了基于大模型的计算社会科学研究方法启蒙，为后续深入学习和熟练掌握相关方法奠定了基础。同时也拓展了自身关于社会科学研究方法的认知边界，为今后科研教学革新提供了基础。
——湖北省社会科学院-李学员
来源 | 中山大学社会科学学部
初审 | 朱明明
审核 | 余成普
审定发布 | 陈险峰