序言：当技术开始重塑政治
政治学是系统研究人类社会中的政治现象，分析其发展规律及动态变化的学科，它以政治权力、政治制度、政治行为及其相互关系为具体的研究对象，其核心关切是如何组织与管理权力、制定和执行决策、解决社会矛盾和问题以及协调集体行动，以实现社会发展与秩序。从古典政治哲学对理想政体的探讨，到现代政治科学对政治行为、政策过程和治理秩序的实证分析，政治学的研究对象虽然不断演变，但始终围绕一个根本问题，即如何在复杂的社会环境和时代变化中获得和使用权力，以实现能保障公正和发展的秩序。
辩证唯物主义和历史唯物主义的世界观和方法论是马克思主义政治学研究的根本方法。它要求研究者从一定的历史条件出发，客观地认识和分析政治现象，从社会生活和时代变迁中去探究政治发展的动因，认识政治现象的规律。时代和社会发展是推动政治学学科发展的根本动力。今天，我们正进入一个前所未有的技术变革时代，这个时代给予政治学一个新的历史条件，那就是技术开始重塑政治，具体表现为以下三个方面
首先是政治行为主体及其行为模式的变化。信息技术和大数据既让政治行为变得更加透明和可追踪，同时信息传播路径和算法推荐也可能增加民众行为的情绪化程度和不确定性。不仅各种社交媒体和网络平台改变了人们的行为互动模式，这种新的行为互动模式所发生的网络虚拟空间本身也成为一个新的政治行为主体。
其次是国家和社会治理的数字化转型。大数据和信息技术的广泛应用使得政府在公共政策的制定和社会治理中可以更加依赖数据驱动的决策，提升政府治理和社会治理的精准性和便捷性。但同时，信息传播速度的提高增加了信息的不对称性，又为社会稳定和运行秩序增加了不确定性。政治学在面对智能治理数字政府这些新概念时，政府如何运用信息技术来提高决策效率，如何面对公众参与，就成为学术研究的新议题。
最后是理论范式的挑战。数据产权及算法权力挑战了政治学的权力理论。在信息技术为政治行动主体赋能的同时，技术不平等和信息服务的不均等也造成了技术化行动的弱势群体的出现，带来新的社会不平等和治理问题，也可能进一步挑战国家能力和社会发展的关系现状。数据获取的隐蔽性和隐私保护难题也使得技术治理的伦理问题成为政治学理论研究的新领域。
问题是时代的格言，是表现时代自己内心状态的最实际的呼声。 时代问题和如何更好地回答这一问题是推动政治学研究范式创新的动力。技术开始重塑政治也许是一个略显夸张的命题，但绝不是一个可以回避的命题。大数据和信息技术不仅为政治学提供了如数字公众、算法权力等新的研究对象，也推动了计算政治的方法革命，同时迫使理论回应技术重塑政治的根本性问题：在数字时代，权力如何被重新定义、分配与运用？这些新命题和新动力要求政治学突破传统分析框架的局限，以更精细、更动态的方式把握政治现象及其运行规律。同时，海量数据的可得性和计算能力的提升也为政治学研究提供了前所未有的机遇我们能够以更低的成本、更高的精度检验理论假设，甚至发现以往难以观测的政治行为模式，以及难以预测的政治运行规律。面对信息技术对政治学的介入，政治学不应该成为旁观者，而应积极介入技术领域，通过理论拓展、方法进化和新技术的运用等学科革新，回答一个立足当下又面向未来的问题：在一个技术决定论盛行的时代，政治学如何重新驾驭技术？
2024年1月，《研究生教育学科专业简介及其学位基本要求（试行版）》发布，计算政治学被设为新的政治学二级学科，这是对技术开始重塑政治的国家回应。2024年6月，计算政治学进入华中师范大学政治学的学科体系。华中师范大学政治学与国家治理研究院为政治学世界一流学科建设单位，我们回应时代命题和学科关切，与国家发展同频共振。2024年9月，华中师范大学政治学与国家治理研究院计算政治学研究团队开始着手学科发展规划和学科要素建设，其中，基层治理实验室和《计算政治学》教材是最主要的两大内容。在团队的倾力耕耘下，《计算政治学》教材始得付梓。
陈军亚教授负责本教材的总体设计。教材由三个部分组成：理论篇、方法篇和技术篇。
理论篇由张樯老师完成。新的研究方法和技术运用本身并不能带来政治学研究的进步。如果缺乏理论根基，先进的方法也可能沦为技术至上的内卷应用，甚至导致数据丰富而理论贫乏的困境。计算政治学作为一门学，我们认为，它首先需要基本理论框架的支撑，使得新的研究方法和分析技术能够植根于理论基础之上。理论篇系统阐释了计算政治学的发展历史与核心命题。第一章回顾了政治即计算的学科传统，定位计算政治学在整个计算社会科学体系中的位置，梳理了计算政治学的主流研究范式。第二章分析了数字社会转型带来的微粒化、平台化和虚拟化的现实影响，以及由此给国家带来的治理挑战，揭示计算政治学回应现实问题的理论自觉。第三章演示了政治学经典概念在数字时代的再概念化过程。新的研究方法和分析技术会带来观念层面的变化，计算政治学的发展过程也是政治学概念体系的重构过程。第四章以一种辩证的目光重新审视计算政治学的学科发展，在肯定其优势的同时，指出现有研究的局限性。第四章最后一部分的内容，结合计算政治学的发展现状，提出计算政治学的未来研究议程的初步设想。
方法篇由李立老师完成。依赖传统范式的研究方法已经无法完全解释信息技术和大数据带来的复杂的政治现象。面对日益多元的政治行为主体、复杂的政治过程以及动态的政治行为环境，政治学迫切需要新的研究方法，提升复杂的政治现象研究的科学性和严谨性。方法篇围绕政治学研究中的因果推断方法展开，介绍了多种方法及其应用。第五章介绍自然实验法。双重差分法、断点回归法、工具变量法等方法有助于因果关系的数据观察和识别，研究者能够更准确地理解政策效果和政治行为。第六章介绍反事实构造方法。合成控制法和倾向得分匹配法等通过模拟反事实情境，提供了更为精确的因果推断工具，能够有效地减少选择偏差和混杂变量的影响。第七章介绍贝叶斯方法。合成控制贝叶斯、贝叶斯网络与因果关系学习、贝叶斯分层模型等提供了一种灵活且强大的工具，来处理不确定性和复杂性，能够为政治现象研究提供更为深刻的洞察。第八章介绍高维数据因果推断与方法前沿。随着数据量的增大和维度的提升，高维数据的稀疏建模、因果森林、双重机器学习和深度学习等方法为因果推断研究提供了新的视角和工具，不仅提高了因果关系识别的准确性，还拓展了因果推断的应用范围。
技术篇也由李立老师完成。如何将复杂的政治现象和形态丰富的政治行为转变为可计算的数据，提升数据获取与处理的效率，为研究方法提供技术支撑，是技术篇所要解决的主要问题。技术篇以Python语言为开发工具，围绕网络数据采集与清洗、数据分析与可视化、机器学习与深度学习、模拟与决策四项核心技术，展开基础操作和实践演练的讲解。第九章介绍网络数据采集与清洗。通过拆解爬虫技术，以及该技术之下requests、Beautifulsoup等工具的使用，引入提升海量数据处理效率的多线程、协程以及异步技术，传授数据清洗的方法和技巧，以确保数据质量。第十章介绍数据分析与可视化。以政治学量化方法为线索，利用matplotlib、seaborn等工具绘制统计学图表，开展地图可视化和复杂数学建模实操，挖掘数据背后的因果价值。第十一章介绍机器学习与深度学习，通过展示基础的监督学习、无监督学习、神经网络和序列模型等技术在研究中的卓越表现，展现其强大的分析能力和应用潜力。第十二章是模拟与决策板块，介绍了基于行动者的建模（ABM）、蒙特卡罗方法、优化决策建模等社会模拟和决策建模，以及如何使用它们为政策制定提供科学依据。
本书的特点在于两个方面。首先，相对于已有的计算社会科学或计算政治学的教材，本教材特别强调理论基础的重要性，并将其置于首篇。我们相信，计算政治学的发展所带来的不仅是实证研究方法的技术深化，更重要的地方在于，数字技术的应用拓展了传统政治学的理论边界，催生了新的理论领域。其次，本教材系统整合机器学习、自然语言处理、网络分析等核心技术，以现实政治问题为导向，配备了大量代码示例和案例分析，为读者打开计算政治学研究的全景技术窗口，以帮助学习者和研究者更轻松地跨越技术的门槛，进入研究和应用的场景之中。
我们相信，计算政治学作为一门学，其未来在于理论驱动、方法精研和技术赋能的三位一体。我们本着这一认识和信念，启动和完成了教材的编写工作。但是我们也必须承认，我们这个团队的成员都没有集三位于一体的能力。本教材作为一种尝试和努力，只能表达我们在计算机信息技术蓬勃发展和大数据时代来临的当下，为政治学的学科发展和计算政治学的学科建设献出绵薄之力的真实意愿，它可能还称不上是一种真实贡献。
最后，特别感谢格致出版社的编辑团队。该团队不仅以深厚的专业素养和敏锐的学术眼光，对全书内容进行了细致入微的审校，提供了诸多宝贵意见，而且以高效务实的工作态度，最大程度地在略显紧张的出版周期中保障出版工作顺利进行。这些倾力支持，让我们深刻体会到优秀的编辑对于学术工作的重要价值。
愿本教材与新一代计算政治学人同步成长！
陈军亚
2025年4月
序
第一部分 理论篇
第一章 导论：政治即计算
第一节 计算、计算社会科学与计算政治学
第二节 计算政治学的学科脉络
第三节 计算政治学的研究范式
本章小结
第二章 数字时代与计算政治的问题意识
第一节 数字社会的到来
第二节 数字化与国家面临的挑战
第三节 计算政治学的问题意识
本章小结
第三章 计算政治研究的再概念化
第一节 数字化的个体与公众
第二节 数字政治与公共参与
第三节 数字浪潮下的公共部门与私人部门
本章小结
第四章 计算政治学的发展趋势与展望
第一节 计算政治学的优势
第二节 计算政治学研究的局限
第三节 计算政治学未来的研究议程
本章小结
第二部分 方法篇
第五章 自然实验和因果推断
第一节 因果推断基础与研究设计
第二节 双重差分法
第三节 扩展双重差分法
第四节 平行趋势假设及其检验方法
第五节 工具变量法
第六节 断点回归
本章小结
第六章 反事实构造与因果效应估计
第一节 合成控制法
第二节 合成双重差分法
第三节 加权匹配与倾向得分法
第四节 反事实生成对抗网络
本章小结
第七章 贝叶斯方法与因果推断
第一节 贝叶斯因果推断基础
第二节 基本贝叶斯模型
第三节 贝叶斯网络与因果关系学习
第四节 贝叶斯分层模型
本章小结
第八章 高维数据因果推断与方法前沿
第一节 高维数据的稀疏建模
第二节 因果森林
第三节 双重机器学习
第四节 深度学习与复杂数据处理
本章小结
第三部分 技术篇
第九章 网络数据采集与清洗
第一节 爬虫技术
第二节 复杂HTML解析
第三节 异步爬虫
第四节 数据清洗
本章小结
第十章 数据分析与可视化
第一节 图与图表
第二节 地图可视化
第三节 数学统计
第四节 高级建模
本章小结
第十一章 机器学习与深度学习
第一节 机器学习
第二节 深度学习
第三节 社会网络分析和图卷积神经网络
第四节 政治学中的文本分析
本章小结
第十二章 模拟与决策
第一节 基于行动者的建模与社会模拟
第二节 蒙特卡罗方法与不确定性分析
第三节 优化建模与决策建模
第四节 群体决策模拟
本章小结
新书资讯
