根据2024年最新公布的《研究生教育学科专业简介及其学位基本要求》，计算政治学是政治学的二级学科之一。计算政治学基于唯物辩证法的方法论，综合运用量化、质性和规范研究方法，运用大数据挖掘与分析技术、更贴近复杂现实世界的仿真模拟与实验方法，来研究政治活动及其发展规律。计算政治学主要包括计算政治学方法论、大数据政治学、仿真模拟和计算实验等分支领域。

　　回顾历史可知，从计算的角度研究政治学并不是21世纪的新发明。随着现代科学的发展，人们一直希望能够运用像数学、物理那样的自然科学的范式来研究社会问题。配第在《政治算术》（Political Arithmetick）中希望通过数学算式规则来更好实现人的幸福，强调在政治学中引入数学计算，用数学工具来揭示治国方略的规律。配第所创立的“政治算术”是“政治经济学作为一门独立科学分离出来的最初形式”。19世纪末20世纪初，实证主义、科学主义思潮极大地影响了政治学的发展。特别是20世纪初，美国兴起以“科学主义”为指导的“新政治学运动”，到“二战”后形成行为主义政治学的研究范式，定量研究方法不断发展。

　　1987年，Richard Ennals提出“计算政治”（Computational Politics）的概念，主张采用并行计算、并行逻辑程序设计语言等方式来解决并行与复杂协同问题。2004年，麻省理工学院计算机科学与人工智能实验室的Patrick H. Winston和 Mark A. Finlayson再次提出“计算政治”的概念，强调利用计算机来分析日益增长的信息流。但是这一阶段“计算政治”的概念主要由计算机系的教授提出，他们并没有认真细致地分析政治运行过程和机制，而是简单地将政治学视为计算科学的应用场景，因此这一阶段的计算政治学缺乏政治学理论和社会科学理论的指导，整体发展较为缓慢。

　　2009年，大卫·拉泽尔等十余位来自哈佛大学、麻省理工学院等多所世界知名高校和研究机构的学者在《科学》杂志发表了题为《计算社会科学》（Computational Social Science）的文章，把用大数据研究社会科学的方法定义为计算社会科学。2010年，“计算政治学”（Computational Political Science）一词出现在宾夕法尼亚州立大学的一篇硕士论文中。在该篇论文中，作者引用马萨诸塞大学阿默斯特分校政治学系对计算政治学的定义——计算政治学不但包含了对互联网、传感器、通信、电子媒体或数据库等计算机产生数据的分析，而且包含使用计算形式编程语言对典型政治现象的描述和分析。计算政治学最早出现在中文文献中是在2017年，国内学者杨阳、林鸿飞、杨亮等在《大数据时代的计算政治学研究》一文中沿用了上述概念界定，对计算政治学的主要研究问题、机遇与挑战进行了概述。

　　从学科发展历程的角度而言，计算政治学的出现与定量政治科学存在深厚的渊源。在新的技术条件下，算力得到提升，数据采集技术得到新的发展，海量的大数据更容易被政治学者使用和分析，推动定量分析的方法演变成大数据的计算分析，为计算政治学的出现奠定了坚实的方法论与技术基础。

　　伴随着计算机获取数据能力的提升、算法的逐步优化、算力的日益增强和用户界面的友好化，计算政治学的研究范式不断发展，形成了大数据分析、仿真模拟和计算实验等研究方法。

　　从数据体量看，大数据分析的研究样本不再局限于抽样产生的“小”数据，而是希望研究直接从总体出发，不进行传统的抽样。同时，希望通过大数据分析方法，以强大的算力对全样本数据进行采集和分析，由此全面地分析公民的政治行为数据。从数据类型看，大数据具有类型多样、多源异构的特征，大数据政治学利用最新的技术分析图像、视频、文本信息，例如，直接分析司法裁判文书、带有位置信息的微博数据、街景地图等。从数据收集来说，大数据的收集过程更加便捷，而且可以实时动态地采集多个地区、多个时段的数据。从数据密度看，大数据的体量较大但数据密度较低，其中的有用信息需要进行大量的分析才能获得。但是数据密度低并不意味着数据价值低，一旦掌握了正确的分析方法，就能得出传统研究方法无法得到的结论。从数据真实性来看，虽然大量数据来自于用户生成，真实性难以核查，但是从数据获取来说，大量数据不是出自研究者的“设计”，而是直接出自用户的自发行为，是真实政治活动中的痕迹数据，是一种“发现的数据”，更加接近现实政治实践。

　　仿真模拟是指通过构造客观世界的理论模型，并进行设定规则和参数来验证模型正确性的分析方法。仿真模拟方法分为微观模拟、系统动力学模拟、智能体仿真模拟。微观模拟基于对微观个体的数据进行模拟，但缺乏对主体间互动关系的分析。系统动力学模拟更侧重于观察系统中的互动关系，但是对系统中主体的异质性关注不足，也忽视了不同主体的适应性和多样性。智能体仿真模拟能够关注人类的社会特征如主动性、有限理性、交互性和学习特征，可以真正分析复杂性环境和智能主体的互动关系。在现实政治中，许多政治行为都受到政治环境、社会环境等复杂系统的影响，非常适合使用智能体仿真模拟的方式来研究。伴随着计算机编程技术和计算能力迅速发展，智能体仿真模拟能够更加方便地运行、停止并重新进行参数调整，以智能体仿真模拟为主要代表的仿真模拟方法已经成为计算政治学的重要研究路径之一。

　　伴随着技术革命的发展，计算方法、计算平台越来越多地影响政治行为的运行规则，为政治学进行实验研究提供了新的场域。计算实验平台成为大数据时代实验研究的重要平台，廉价的、可编程的计算机技术的发展促进了实验研究的迅速增加。计算实验平台可以更方便、更贴近现实地进行实验设计，同时也能够进一步提高实验研究的设计多样化和科学化水平。例如，通过文字、图像、视频、网络关系等复杂多元非结构化信息向被试者施加干预，其干预和显示都更加多元，从而使得实验结果的记录可以更为丰富，如保留文本信息、语音信息、视频信息等，能够有更多的方式进行随机化分配，大幅提高实验方法的适用性。

　　计算政治学还可以充分结合大数据分析、仿真模拟和计算实验等研究路径，不断提升政治学研究的多样化和科学化水平。首先，大数据分析一般被认为是相关关系而非因果关系，借助计算实验的分析方法，研究者可以更全面地探索大数据政治学背后的因果机制。其次，伴随着大数据政治学的发展，研究者可以更好地设定模型和调整参数，更好地分析主体如何根据其内部状态和环境因素进行互动，在数据驱动基础上更好地进行仿真模拟。最后，仿真模拟中得出的机制规律，也可以通过计算实验平台进行交叉验证，揭示因果机制的微观实现机制。

　　在未来学科发展中，必须重视政治学理论对计算政治学的指导。一旦缺乏政治学理论的指导，仅仅将重点放在“计算”上而忽视了“政治”，将政治问题视为计算方法的“跑马场”，计算政治学的存在将失去意义，也必然丧失进一步发展的空间。从人才培养来说，计算政治学使得政治学研究和人才培养具有新颖的科学性和专业性。计算政治学是人类社会进入数字时代的新兴交叉学科，是政治学在数字时代的新发展。计算政治学使得政治学研究具有新范式和方法基础上的科学性和专业性，并且有助于培养具有出色的大数据分析能力、仿真模拟能力、计算实验设计实施能力和深厚人文、社会和科学素养的杰出人才。

　　（作者系中共中央党校政治与法律教研部副教授）