隨著互聯網、大數據、人工智能等數字技術的發展和應用，推動社會經濟以更細顆粒度的數據形式呈現，數據在軟科學研究中發揮的作用也越來越大，為數據挖掘等提供了海量的樣本數據，這使得建立基于數據驅動的研究范式成為可能，促使軟科學研究范式由以往依靠專家驅動為主向數據驅動轉變，更加強調運用數字技術揭示海量數據背后的規律和模式，提升決策的質量與效率。
專家驅動是軟科學的傳統研究范式，強調通過文獻調研、理論分析等路徑提出領域研究問題，并在理論框架下進行邏輯推演，繼而提出研究假設、構建研究模型、實施數據采集，最終利用所得數據驗證理論假設并形成研究結論。數據驅動是以數據為核心的研究范式，通過運用大數據分析理論與技術方法對海量數據進行系統解析，揭示數據背后的關聯與內在邏輯。
目前，實現從專家驅動向數據驅動的范式轉型仍面臨多重制約。一方面，專家驅動的研究慣性可能造成路徑依賴，阻礙形成向數據驅動轉型的共識；另一方面，數據驅動范式轉型作為系統性工程，需要數據方法模型、數字人才儲備和數據資源三大關鍵要素的協同支撐，當前各要素間的適配性不足提高了轉型難度。
基于近年來實踐案例以及范式轉型制約因素，需從轉型認知、頂層設計、數據資源、研究隊伍、方法模型五方面解析向數據驅動轉型的路徑。
深化范式轉型認知，明確轉型方向。研究范式的轉型路徑并非替代關系，單一依賴定性分析易缺乏科學嚴謹性，而過度偏向定量研究則可能喪失問題導向性，需建立以數據與專家智慧為主的雙輪驅動模式。一方面，充分發揮人機協同效應，依托專家的專業知識與經驗明確擬解決問題、研究思路以及確定問題最終的解決方案，在此基礎上利用大數據分析方法增強研究的科學性和前瞻性。另一方面，引入專家經驗與智慧內嵌到算法程序中，持續加強算法模型對各種數據進行分析、處理的能力，實現定性經驗知識與定量算法模型之間的優勢互補。
轉變頂層設計理念，形成數據驅動共識。通過多渠道、多層次的舉措，構建起數據驅動的共識生態。從戰略層面看，將數據思維納入組織戰略規劃，明確數據資源作為軟科學研究核心要素的定位，突破以專家驅動為代表的經驗式研究范式，形成經驗支撐數據的新思維。從理念層面看，營造數據驅動的文化氛圍，將數據驅動理念融入組織核心價值觀，定期發布數據驅動相關研究成果與動態，充分發揮先進典型的示范引領作用，營造“數據說話”“數據分析”和“數據結論”的大數據應用局面。
加強研究隊伍建設，激發范式轉型動力。一方面，加大對人才的數據能力培養力度，不僅從技術層面培養人才對海量復雜數據進行分析、管理與治理的能力，還應注重培養其將大數據技術在軟科學領域的應用能力，將人才打造成具備熟悉大數據技術、掌握大數據方法和開展大數據精準分析的專門大數據人才。另一方面，完善復合型人才引進機制，暢通具備計算機、人工智能等數據科學領域與社會科學、管理科學等軟科學領域復合背景的高水平人才引進渠道，集聚一批兼具理論基礎與數字技術的人才隊伍，更好滿足數據驅動型研究對復合型人才的需求。
強化數字資源管理，夯實數據驅動根基。要以數據資源為支撐，探索建立數據管理機制，形成數據有效管理、開放共享的模式。加強數字資源體系建設，根據自身條件、需求和能力自主建設以自身特色研究領域為核心的數據庫，并通過與外部組織建立合作關系引入外部數據，整合形成多個跨領域的主題數據庫，形成自有數據庫與外部數據庫相結合的數據庫體系。同時，推動數據開放共享，通過建立跨機構的規范化數據標準，在數據資源上形成合力，有效支持研究人員對數據采用新方法、新視角等開展研究，不僅避免資源的浪費，同時也能夠進一步檢驗研究成果，提高研究成果的科學性。
推動方法模型創新，筑牢研究基礎。一方面，加快算法模型開發，推動研究過程智能化轉型。通過整合跨學科、跨團隊的資源，開發數據挖掘算法和智能分析模型，尤其是針對特定軟科學問題的算法與模型研發，將機器學習、深度學習、知識圖譜等人工智能技術深度嵌入研究流程，實現從依賴專家經驗的定性研判向定量分析與質性研究融合的范式躍遷。另一方面，推動跨學科方法融合，加快多樣化、多學科方法和工具的開發與運用，突破學科邊界限制，讓數據從信息科學、行為科學、管理科學及社會科學等不同角度“說話”，形成與大數據時代相適應的研究方法體系。
聯系地址：陜西省西安市北關正街35號方興大廈8樓
