范老师首先为大家介绍了大数据与计算社会科学的紧密关系。从概念角度出发，大数据并非简单地以规模论“大”，真正的关键在于其实现数据的“从无到有”。与传统社会科学研究数据相比，大数据的类型和结构更为复 杂，其数据生产过程成为形塑社会科学研究的重要环节。然而，大数据本身也存在着一些缺陷，例如缺乏代表性、漂移、算法干扰、数据“噪音”、数据敏感等，这都给计算社会科学家带来了全新挑战。大数据背景下，以新一代数字技术为底色的科技革命对人类社会生活的冲击不断“发酵”，数字社会已经到来。数字化给社会科学研究带来了革命性转变，使社会科学研究拥有了精确化、多维化、动态化、“反身性”等新特征。
随后，范老师讨论了社会科学研究的基础问题。Lazer等美国学者将计算社会科学定义为对复杂的、通常是大规模人类行为数据计算方法的开发和应用。具体来看，相较于传统社会科学研究，计算社会科学的研究对象由人类社会拓展至人工社会，由微观行为拓展至宏观结果，由个体态度拓展至群体情绪。在研究范式层面，不同学者提出了自己的新见解。主要包括罗家德等学者提出理论引导的大数据分析范式，陈云松等学者则提出社会预测范式，吕鹏等提出干预的计算社会科学范式，以及Hofman等提出的解释-预测整合范式。在研究设计层面，计算社会科学更强调各类资料的融合，包括不同类型的数据融合和不同来源的数据融合，同时强调分析融合和场景融合。在资料分析方法层面，计算社会科学综合运用机器学习、深度学习、文本分析、社会网络分析和仿真等多种方法。
介绍完学科背景和理论基础，范老师从计算社会科学议题切入，主要结合近年来发表于Nature, Science, PNAS等国际顶级期刊的学术论文，展示计算社会科学的丰富应用场景。第一，社会网络演化。Park等学者通过对5600万Twitter用户和5800万移动电话用户的网络分析，发现长距连带的强度会随着连带长度的增加而增强。第二，信息传播与舆论。Bail等学者运用网络调查加线上实验的方法，探究社交媒体上的对立观点是否会加剧政治两极分化。第三，社会计算。Markus等人将空间分析技术与线性回归结合，分析伦敦大都会区5万多居民的生活状况，发现人格特质及空间区位与生活满意度显著相关。第四，文化生产。吴令飞等学者在分析多来源大数据后，发现研究团队越大则越倾向于保守，反而是小团队更可能带来“颠覆”性创新。第五，公共政策。Magliocca等学者通过ABM分析发现，毒品贩运的空间扩散和弹性并非禁毒无效的结果，而是禁毒动态本身的一部分和自然结果，从而为相应公共政策的制定提供了方向和依据。
最后，范老师归纳了计算社会科学当前面临的挑战和未来可能的走向。第一，知识生产要有洞见。虽然对于社会科学而言，论证常识非常重要，但计算社会科学更需要超越常识，摆脱“重技术轻理论”、“大数据小问题”、“有解释无预测”的瓶颈。第二，组织区隔亟待打破，这既包括企业与学术机构的边界，也涉及学科与学科的边界。第三，需要加深多维融合，包括多元数据整合、多元方法整合、范式融合等。第四，计算社会科学研究伦理正面临挑战，因此研究者必须充分了解学术的伦理影响，并对数据和数据挖掘方法的应用采取负责任态度。
课程内容结束后，线下和线上的学员展开了热烈讨论，并积极与范老师展开提问和对话。至此，本次课程取得圆满成功。
当日晚上七点，召开主题为“困境与挑战：数字社会的定量研究方法教学”的研讨会，由中山大学社会学与人类学学院教授梁玉成主持，中央民族大学民族学与社会学学院教授陈心想、清华大学政治学系长聘副教授孟天广、中国社会科学院国情调研与大数据研究中心特约研究员周旅军、浙江大学“百人计划”研究员范晓光、武汉大学社会学院副教授龚为纲、西安交通大学社会学系副教授贺力、华中科技大学社会学院讲师刘河庆等老师参加会谈，线下师资班学员参与讨论。
研讨会伊始，与谈老师以社会资本概念的测量为例，指出传统定量研究方法的优势在于操作化带来的可比较性。随后有老师提出，传统定量研究方法的一大优势在于研究体系比较成熟，学者之间的交流与对话相对容易。但是，在当前新文科建设背景下，我们同样应该关注质性研究方法在此过程中的重要意义。一位与谈老师结合自己在不同阶段从事定量研究与质性研究的经验，指出问题的关键并不是明确二者的边界，而是在具体研究中相互补充、共同发挥作用。与会老师从计算社会科学课程的选修必修设置、课程内容安排、课程难度设计、统计软件选择等多个角度切入，讨论了如何帮助学生走入计算社会科学的大门，以及如何指导学生将所学知识技术运用到实际研究中。与会老师纷纷表示要进一步将高质量的计算社会科学课程引入学生培养体系，并期盼“后浪”们能够以更快速度、更高质量超过“前浪”。本场持续两个小时的研讨会在老师与学员的热烈讨论中圆满结束。