大语言模型时代的智能计算社会建模与政治学方法论创新

以大型语言模型（LLM）为代表的新一轮人工智能浪潮，为政治学的方法论创新带来了机遇与挑战，引发了关于社会科学范式可能转变的讨论。然而，我们如何从技术与方法论相结合的综合视角来理解LLM对社会科学知识生产和范式转变的影响？LLM在政治学研究中的具体应用和代表性创新方法是什么？这些问题，特别是从实践方法论的角度来看，仍未得到充分探索。本文通过阐明LLM的关键机制，提出了“智能计算社会建模”（ICSM）方法来解决这些问题。ICSM利用LLM在思想综合和行动模拟方面的优势，通过“模拟社会建构”和“模拟验证”推进政治学的知识探索。通过模拟美国总统选举，本研究实证展示了ICSM的操作路径和方法论优势。通过整合传统社会科学范式，ICSM不仅增强了定量范式应用大数据评估因素影响的能力，还为定性范式在个体层面发现社会机制提供了证据，为社会科学研究提供了一种兼顾可解释性和预测性的强大工具。研究结果表明，LLM将通过整合和改进而非直接替代来推动政治学的方法论创新。