DISCOVER: 一个基于数据驱动的交互式系统，用于全面观察、可视化和探索人类行为
内容提要
本文探讨了计算社会科学在理解和利用消费者数据中的应用，强调机器学习和数据分析技术的进步。这些新工具和方法能够有效处理复杂数据，提升对人类行为的可视化和分析能力，推动社会科学的发展。
延伸解读
计算社会科学的数据挑战与工具需求
数字革命使人类行为数字化，产生了众筹、众包等新数据源，但数据庞杂且复杂。文章指出，开发计算方法（特别是机器学习）是管理消费者行为大数据的关键，这为营销研究带来机会，也要求提升数据解析和处理能力。
行为模拟：从ABMS到SBS的演进
文章归纳了科学范式演变，将模拟技术分为三个阶段，并提出行为模拟（BS）和复杂行为模拟（SBS）概念。BS和SBS旨在应对超出传统基于Agent的建模模拟（ABMS）容量的复杂人类系统挑战，可能成为科学的下一个范式。
Providence工具：可视化编程降低行为搜索门槛
Providence是一个基于可视化编程的工具，旨在解决多模态场景搜索中的效率和客观性问题。它允许专家结合多种机器学习算法捕捉人类行为提示而无需编写代码，研究验证了其可用性、输出质量和可定制性，并展示了专家与AI团队在高度人类环境中的优势。
机器学习行为挖掘的局限与协同推理
文章探讨了词嵌入技术在行为挖掘中的应用，并警示相似性度量在单独层面一致，但在聚合层面可能产生不同结果。为此，提出基于协同语义推理（CSI）的框架，通过人机视觉交互揭示深度学习模型的推理过程，使用户能理解和控制部分推理，文档摘要系统的案例研究证明了其可行性。
Q&A
计算社会科学如何利用消费者数据？
计算社会科学通过新的数据来源和分析技术，应用机器学习和数据分析来理解和利用消费者数据。
数字革命对人类行为的影响是什么？
数字革命导致人类行为的数字化，创造了众筹和众包等新机会，同时也带来了数据复杂性挑战。
什么是行为模拟（BS）和复杂行为模拟（SBS）？
行为模拟（BS）和复杂行为模拟（SBS）是用于模拟复杂社会系统中人类策略和行为的概念。
Providence工具的主要功能是什么？
Providence工具是一个基于可视化编程的工具，旨在提高多模态场景搜索的效率和客观性，允许专家无需编写代码即可捕捉人类行为提示。
机器学习在行为挖掘中的应用有哪些？
机器学习在行为挖掘中用于提取行为代码和概念，并通过词嵌入技术学习低维表示模式。
如何解决数据复杂性带来的挑战？
通过开发计算方法和机器学习技术，可以有效管理与消费者行为相关的“大数据”，提升数据解析和处理能力。
