【编者按】公共管理研究正遭遇新的 “方法论迷思”———我们拥有了前所未有的测量精度,却更需捍卫理论思考的深度。本期圆桌论坛的四位学人及其观点,是对这一时代命题的集体回应与学术自觉。李智超直指当前 “范式转型”的技术迷思。他认为,当研究者用舆情爬虫替代深度访谈却机械套用多源流框架,用POI密度衡量 “城市活力”却遗忘了雅各布斯强调的街道的社会交往本质,实质是陷入了 “工具升级而认知停滞”的内卷。他同时提出了理论锚定测量的三重逻辑———认知锚定划定概念边界,方法锚定规定变量性质与伦理约束,解释锚定赋予数据以意义穿透力。刘鹏的剖析,则将方法论焦虑推向本体论层面。当 AI不仅能分析数据,更能 “创造”数据时,传统社会科学赖以维系的 “社会事实”根基被动摇。更深刻的挑战在于主体性模糊:当 AI可自主设计研究框架,研究者身份是碳基生命的专利还是硅基算法的伪装? 那些云端虚拟互动数据,究竟是研究工具还是独立的研究对象? 这种 “本体论层面的失焦”倒逼我们直面知识稀缺性:经验型、默示型、地方型、团队型、多模态知识因难以被纳入训练语料而愈发珍贵。他认为,人机协同不应是 AI替代研究者,而应是 “人类成为机器生成知识的提升者与检验者”。韩啸认为,在追逐 “可测量性”这一近代科学第一原则时,切勿重蹈伽利略数学化倾向的覆辙,将鲜活的生活世界遗留在抽象符号之外。谷歌流感趋势 (GFT)因忽视搜索行为与真实感染人群的非对称性而系统性高估等现象指向一个朴素真理:数据不会自动说话,算法无法自我正名。他强调必须 “把生活世界的经验带回量化研究”,并非要回归前现代的主观叙事,而是主张承认测量局限,重视异常值蕴含的制度裂隙信号,让数据在理论显微镜下显影。甘甜提出的 “数据—理论—价值”共生框架的关键在于,将公共管理区别于一般社会科学的根本属性——— “公共性”———方法论化。传统测量困于理论霸权而简化现实,数据驱动又易陷入技术拜物教,而公共价值的引入构成双重校准机制:在数据采集端,通过对弱势群体样本加权弥补数字鸿沟,让 “谁的声音被听见”成为测量设计的优先原则;在理论解释端,借助 “效率—公平—参与—问责”价值光谱避免单一绩效指标的僭越。中层理论作为转译桥梁,将数据原生特征转化为可分析变量,既避免数据堆砌,又防止理论悬空。以上讨论看似各有侧重,实则构成严密对话:李智超确立理论锚定的优先性,刘鹏揭示技术越界的风险性,韩啸呼吁经验世界的本真性,甘甜构建价值校准的系统性,它们共同指向一个核心结论———数智时代的公共管理研究,必须警惕 “测量的僭越”,即以工具理性侵占价值理性,以数据可得性替代问题重要性。真正的范式转型,不是工具层面的迭代,而是研究者能否在数智洪流中保持理论自觉,能否在数据迷思中捍卫价值理性,能否在方法创新中不忘 “以人民为中心”的初心。
