反常识实验，测量不可量化之事
60多年前，拉扎斯菲尔德的同事塞缪尔·斯托弗（Samuel Stouffer）指出，社会学家应对这个问题的一个方法是，尽量少依赖常识，多培养反常识10。但在社会学中，真正想摆脱常识推理可没这么简单。难点主要在于，在社会科学发展史上的大部分时间，我们根本不能像衡量物理和生物现象中的要素那样衡量社会现象中的各个元素。我们前面也提到，社会现象由大量相互作用、相互影响的人组成，同时，人们还与他们构成的组织和政府有着联系，而这些都很难直接观察到，更不用说放入实验室研究了。11
但是，随着社会的发展，一些社会科学的历史局限性可能因此会得以突破。目前，诸如电子邮件、手机、即时通信等通信技术可以暗中追踪数十亿人之间的社交网络以及信息流动。像Facebook、Twitter、维基百科、《魔兽世界》这样的在线社区通过开创新型社交活动并加以记录，促进了人们之间的互动。像亚马逊土耳其机器人这样的众包网站被广泛地用作“虚拟实验室”，研究人员可以在此进行心理和行为实验12。此外，网络搜索、在线媒体和电子商务也在不断加深我们对世界各地人们的想法和行为的理解。现今的技术可以让我们观察到数亿人的行为和互动，这也引发了关于个人权利和隐私的严重问题，因此我们必须谨慎行事。13与此同时，这些技术也显示出巨大的科学潜力，使我们第一次能真实可靠地观察到大型群体，乃至整个社会的即时行为。
例如，第2章讨论的“音乐实验室”实验涉及近三万名参与者，该实验揭示出了社会影响对成功的决定性作用。50年前，当社会心理学家第一次针对影响和群体决策进行开创性的实验研究时，他们也可以想到这种实验，但直到最近，此类实验才得以实施，原因仅仅是之前实验室中无法放下这么多人。同样，第3章讨论的“影响者”的研究是为了回答一个遗留多年的问题——特殊个体是否会引发信息传播。为了回答这个问题，我们需要在两个月期间跟踪整个Twitter上超过7 000万个URL的传播；而在像Twitter、Facebook这样的社交网络服务出现之前，如此大规模、高精度的研究根本不可能实现。14
之前讨论过的其他实验，比如第3章的小世界实验，在互联网时代之前是完全有可能实施的，但实验规模却无法达到现在的水平。例如，米尔格拉姆的原始实验使用的是信件，并且只通过300个人传递给在波士顿的一个目标对象；而我和同事在2002年进行的实验则是基于电子邮件，我们让6万多人将信息发送给分布在13个国家中的18个目标。在传递过程中，信息链经过了160多个国家。因此，尽管有种种局限，这个实验仍然是对小世界假说的一个世界级规模的简单实验。同样，在第7章中提到的戴维·赖利等人进行的关于广告有效性的现场实验，在设计上也与之前进行的实验非常相似，但它涉及了160万参与者，实验规模较之前大了很多倍。这个实验能成功就足以令人瞩目，而且它在科学研究上也具有重要意义——因为广告的真实效果可能非常小，这种情况下，就需要大量样本来将这种效果从“噪声”中提取出来。15
物不以类聚，人不以群分
还有一种直到最近才得以开展的研究，涉及社会生活中处处可见的一种模式，它在社会学中被称为同质性原则（homophily principle），即所谓的“物以类聚，人以群分”。几十年来，社会学家发现，朋友、配偶、同事、熟人之间在很多特征上都比陌生人之间更为相似，比如种族、年龄、性别、收入、受教育程度，甚至是对某些事物的态度。但这些相似之处从何而来呢？乍一看，答案似乎很明显：人们更可能与相似之人建立联系，因为无论对错，他们更愿意与“同道中人”共度时光。但是，这种常识性解释忽略的是，人们只能从他们实际遇到的人中选择朋友，而他们实际遇到的人在很大程度上取决于一起工作或同属一个组织的人，或经熟人介绍认识的人。社会学家的研究表明，许多小范围的社会环境组成成员在种族、性别、年龄和受教育程度方面都是高度相似的。因此，我们看到的相似之处很可能与我们的心理偏好没有多大关系，而只是世界给我们带来的有限机会所致。16
此类问题的解决非常重要，它会影响我们处理一些有争议问题的方式，比如种族隔离问题、平权运动问题等。但是，用数据来处理问题又非常困难，若想厘清各种因果关系，就需要长期追踪和观察个体、网络和群体的变化17，纵观历史，人们一直无法获取此类数据，但电子邮件等通信技术的出现可能会改变这一切。在大多数情况下，电子邮件往来代表了真实的关系，因此，我们可以将其作为观察潜在的社会网络的一种方式。此外，由于电子邮件服务器可以轻松记录数千人，甚至上百万人长时间的邮件往来，所以我们可以详尽地重现大型关系网络的演化过程。利用这些信息，再加上公司、大学和其他组织定期采集的成员信息，我们就可以将完整的图景大致勾勒出来。
我和一位研究生古奥吉·科斯涅茨（Gueorgi Kossinets）就用这种方法研究了一所大学里的学生、教师和行政人员之间发生同质化的原因。和之前的研究一样，我们发现熟人，也就是定期互发邮件的人，在年龄、性别、学术专业等一系列方面的相似性比陌生人高得多。我们还发现，比起没有任何相似之处的陌生人来说，那些相似的陌生人在未来更有可能建立联系，这与我们的常识观点一致。但是我们还发现，那些关系已经很亲近的人，无论是因为有着共同的朋友还是同属一个群体，他们都比关系没那么亲近的朋友更相似，而且一旦我们考虑到关系亲近的影响时，相似个体之间的大多数连接倾向就会消失不见。我们得出的结论是，尽管社团中的个体确实表现出了与相似之人建立联系的偏好，但这种偏好相对较弱，它会随着时间的推移，通过连续多轮的选择不断增强，从而形成我们观察到的网络中较强的连接偏好。18
互联网有助于解决的另一个同质性问题是，无论是选择还是环境所致，人们都越来越倾向于和志趣相投的邻居和熟人联系。这也是长期困扰政治学家和社会学家的问题。如果确实如此，那这种趋势其实是有问题的，因为同质的社会圈子会导致社会分裂的问题变得越来越严重。在这样的社会中，意见分歧可能会引发政治冲突，而不是平等的意见交流。但这种趋势真的存在吗？政治学家普遍认为，现今，美国国会的两极化程度达到了历史顶峰，媒体两极分化也很严重。但在对普通人两极分化的研究中，我们却得出了相互矛盾的结论：一些研究发现，普通人的两极分化程度显著提高；而另一些研究则指出，几十年来，普通人之间同质化的水平变化并不大。19出现这些矛盾的结果可能是因为，人们认为他们和朋友的相似程度远远大于他们的实际相似度。因此，大多数两极分化可能只是人们的感觉，而非真实存在。虽然在理论上检验这个假设很简单，但实际操作起来非常困难。比如，为了检验朋友之间是否像他们自己认为的那样一致，我们需要就每一个兴趣点询问每一对朋友（假设为A和B），A是如何看待这个问题的，B又如何看，A觉得B会作何想法等。这种针对大量兴趣问题和多对朋友的调查极为耗时耗力，特别是还要让每个受访者列出朋友的名字，然后进行追踪调查。20
在Facebook上，这项工作相对来说就简单多了。因为每个人的朋友都是公开的，我们甚至可以通过计算共同好友的数量来区分不同朋友之间的亲密程度。21 2007年，Facebook推出了第三方开发者平台，该平台允许第三方在Facebook底层网络上运行自己开发的应用程序。2008年年初，我在雅虎的同事沙拉德·戈尔（Sharad Goel）和温特·梅森花了几个星期的时间开发出了一款名叫“朋友印象”（Friend Sense）的应用程序。这款应用程序可以就一系列社会和经济问题采集人们的看法，以及他们认为自己的朋友对这些问题的看法。按照Facebook的标准，“朋友印象”只是一个小小的成功——注册用户约有1 500人，产生了近10万条回复。但按照网络调查的标准来看，这个规模就相当大了。要是使用传统的调查方法，这种规模的研究至少要花上几年时间来计划、筹款与实行，成本将近几十万美元（主要支付给调查员）。在Facebook上，我们只花了几千美元打广告，在几周内就得到了数据。
我们发现，正如同质性原则预测的那样，朋友之间确实比陌生人之间的相似性更高，而且那些联系紧密和自称可以一起讨论政治问题的朋友比普通熟人更相似。但无论亲密与否，朋友之间的实际相似程度并没有他们认为的那么高。特别是，我们的受访者很少会猜到自己的朋友，甚至是可以讨论政治问题的亲密朋友，在某个问题上与自己的观点相悖。我们从“朋友印象”的用户那里收集到的一系列报告也证明了这些结论。这些用户常因自己的朋友和至亲对自己抱有的看法感到失望：“他们怎么能认为我是那么想的呢？”还有不少受访者反映说，他们在被问及他们自认为很了解的人的问题时，却发现自己根本不知道答案，即便这个问题应该是那种受过教育、积极参与政治的朋友之间应该讨论的话题。22
如果以政治问题为话题，只能稍微提高一点儿我们检测自己何时与朋友意见不同的能力，那我们该以讨论什么问题为标准来衡量和朋友之间的相似性呢？更确切地说，如果不知道朋友对某个问题的真实看法，那么我们应该如何去猜测？通过一系列补充和分析，我们总结出，当我们不确定朋友的想法时（虽然我们通常不愿承认自己不知道朋友会怎么想），在一定程度上，我们会根据之前对朋友的简单印象来猜测其观点，比如，“我的朋友们大多是左翼自由派的，所以他们很可能会支持左翼自由主义的观点”，有时我们还会将自己的观点“映射”到他们身上23。后一发现非常重要，因为自拉扎斯菲尔德起，社会学家和营销专家一直认为，政治观点的改变更多地取决于人们口头讨论的影响，而不是受人们在大众媒体上看到或听到的内容影响。但如果事实证明，当人们考虑朋友的观点时，他们看到的其实只是自身观点在朋友身上的反映，那我们将不得不考虑，人们究竟会受到多大的影响呢？遗憾的是，“朋友印象”的设计初衷并不是用来回答与社会影响相关的问题的，但是，已经有其他研究人员开始在Facebook上进行影响力方面的实验研究，所以，我们不久之后就可能会得到更好的答案。24
用网络数据来代替“真实”社会关系也存在着各种问题，无论这些数据来源于电子邮件，还是Facebook。比如，我们如何判断Facebook上的联系意味着何种关系类型，或者两个人之间的交流有多少是通过电子邮件进行的？我可能在一天内会给同事发很多封电子邮件，而给我妈妈却一周只发一两封，但这一观察结果并不能说明这些关系的性质和重要程度。可能我会用电子邮件进行一些互动，但其他交流我更喜欢通过短信、Facebook或直接见面来实现。即使我们与不同的人交流时用了相同的方式，这些交流也可能有着不同的意义。所以，仅从交流频率来看，我们只能推断出存在某种特定关系，却无法得知应该首先关注哪些关系。比如，如果想了解团队的工作效率，我们最需要关注的是同事之间的关系；而对于其他目的来说，比如想要了解宗教或政治信仰，工作关系可能就不太相关了。想要知道某个谣言是如何快速传播的，我们需要重点关注最近几天联系的人，而对于那些只能通过信任网络传播的信息，重点可能就是那些持续数年的关系了。25
类似这样尚未解决的问题还有很多，这些问题使我们无法从网络数据（无论我们能获得多少数据）中得出更多有意义的社会学推论。单凭数据量大可解决不了一切。但是，随着人们对观测数据获取能力的突飞猛进和可进行实验规模的空前发展，社会学家可以期待这样一个社会学世界的出现：在这个世界里，人们可以衡量、理解甚至预测一些形式的群体行为，就像其他领域的科学家早已习惯的那样。