计算社会科学
学习因果推断、模拟、贝叶斯建模、机器学习、模型解释与新形式的社会数据。
优先编写
课程 3 · 12 个学习单元 · 每单元约两小时学习
开始之前
先修要求:已学过回归分析并具备 R 操作能力,或具备同等知识。
学习单元安排
选择下方学习单元。规划中的单元仅展示课程目标、先修要求与实践任务,尚无课程正文。
| 学习单元 | 主题 | 学习目标 | 状态 |
|---|---|---|---|
| 1 | 因果推断 | 区分因果目标量、识别假设与回归相关关系。 | 规划中 |
| 2 | 模拟与蒙特卡洛方法 | 使用重复模拟考察抽样变异与估计量表现。 | 规划中 |
| 3 | 基于主体的建模 | 联系主体规则、互动与涌现的社会模式。 | 规划中 |
| 4 | 贝叶斯建模 | 联系先验、似然、后验计算与模型检验。 | 规划中 |
| 5 | 机器学习 | 区分模型训练、调参和留出数据评估。 | 规划中 |
| 6 | 双重机器学习 | 解释借助辅助模型、正交得分与交叉拟合进行因果效应估计。 | 规划中 |
| 7 | SHAP 分析 | 解释特征对预测的贡献,并区分预测解释与因果效应。 | 规划中 |
| 8 | 作为社会数据的文本 | 解释预处理与表示方式如何影响基于文本的测量。 | 规划中 |
| 9 | 作为社会数据的图像 | 评估从图像提取的社会测量指标及其效度与局限。 | 规划中 |
| 10 | 空间分析 | 联系坐标、地理单元、空间模式与社会问题。 | 规划中 |
| 11 | 社会网络分析 | 区分关系、节点属性、网络结构与网络汇总指标。 | 规划中 |
| 12 | 计算社会科学项目 | 为社会研究问题匹配计算方法与验证策略。 | 规划中 |