顧佳峰

北京大學中國社會科學調查中心，北京 100871

摘要：大數據已經成為這個時代的顯著特征，大數據的發展為入戶調查數據帶來了極大的沖擊和挑戰。在這種情況下，社會調查需要有新的基于中國古老智慧的管理理論，并且把大數據和云計算等都納入社會調查系統，使其成為社會調查運作系統的有機構成部分。利用大數據分析技術，對社會調查過程中的行為數據進行分析和利用，可以大大提高社會調查的精準度，有效實施社會關系的精準管理。最后，對于大數據和調查數據的未來發展提出了幾點看法。

關鍵詞：大數據；社會調查；大智慧；行為數據

中圖分類號：C 915???? ?文獻標識碼：A

doi: 10.11959/j.issn.2096-0271.2016016

Social science research in China social surveys under the big data revolution

GU Jiafeng

Institute of Social Sciences Survey, Peking University, Beijing 100871, China

Abstract: Big data has become a significant feature of this age. The development of big data brings great impact and challenge to social surveys. To face the challenge, a new management theory based on China’s traditional wisdom of social surveys is needed. Big data and cloud computing should become the constituent parts of total survey management system. The big data analytics can give insights of paradata, which can improve the accuracy of social surveys significantly and implementation of precise management of social relations. Finally, some views on the future development of big data and survey data were proposed.

Key words: big data, social survey, big wisdom, paradata

1? 大數據時代的基本特點

1.1 ?大數據的基本特點

大數據和傳統意義上的數據有何區別？這是所有關心大數據的人必須回答的問題。關于大數據的定義，有兩種說法：其一，大數據就是數據；其二，大數據不是一般的數據。這種界定，有點辯證哲學的味道。事實上，上述說法都對，但不解決問題。大數據具有典型的特征，可以體現在“4V”之上。大數據具有體量上的特征，就是數據量大（volume），大到連“海量”、“巨量”都無法來形容。大數據一般都不是靜止不動的，而是時時刻刻都在變化的，而且變化速度很快（velocity）。比如互聯網上的數據以及人體生物信息，時時刻刻、分分秒秒都在變化，這么高速變化的數據要求新的分析方法。大數據的變化性更大（variety），要在動態變化的情境下捕捉到大數據背后的規律，傳統的數據分析方法就會顯得力不從心了。大數據中的內容是與真實世界中的發生息息相關的（veracity），因此，對于大數據的分析，本質上就是要透過數據迷霧，看到現實世界的客觀發展規律和本質。唯有如此，大數據分析才有意義。

1.2? 大數據時代的挑戰

大數據的興起，對傳統意義上的“小數據”形成了很大的沖擊。過去，社會問題的診斷和公共決策大多依賴于通過調查收集上來的數據和信息。由于受到調查樣本量的限制，這類調查數據的量是有限的。大數據興起后，這類調查數據首當其沖，受到了很大的沖擊。2015年秋季，Meyer B D等人在《經濟展望雜志》上發表了一篇《危機中的入戶調查》，引起了社會調查界的高度關注^[1]。在這篇論文中，提出了一個很重要的觀點，就是通過入戶調查來收集數據的方式已經遭遇到了前所未有的挑戰，入戶調查的無響應率（nonresponse rate）甚至高達30％~40%。在這種情況下，入戶調查的成本會顯著上升，使得入戶調查越來越成為一種不經濟的數據收集方法。于是，調查機構紛紛通過創新和轉型來獲得在大數據時代下的生存權。在這種趨勢下，調查數據和大數據相結合的混合數據收集模式應運而生，成為了一股新的力量。

?

2? 大數據時代的社會變革與研究

2.1 ?社會變遷的數據測量

大數據時代的到來，從深層次影響著社會的發展與轉型。中國人越來越離不開智能手機、互聯網等，幾乎生活的每個環節都與大數據或“小數據”有關聯。這種社會變革和轉型，對社會科學的研究提出了更高的要求，也提供了絕好的研究機會。美國科學院院士、普林斯頓大學著名的社會學國際權威謝宇教授，曾為筆者的專著《調查機構管理：理論與實踐》一書作序，他寫道：中國正在經歷一場急劇、大規模且不可逆轉的社會變革，這場變革給社會科學研究提供了前所未有的良好機遇^[2]。北京大學召集了包括社會學、人口學、經濟學、公共衛生學等近20個社會學科的海內外專家，在2006年成立了北京大學中國社會科學調查中心（Institute of Social Science Survey，ISSS），通過實施全國性的中國家庭追蹤調查（China family panel studies，CFPS），系統性地收集旨在刻畫中國社會變遷的微觀數據，為政府決策和社會科學研究提供重要的數據支撐^[3]。這個中心剛成立時，只有兩位創始者，而筆者很榮幸就是其中之一，參與了這個中心籌建、發展、壯大的全過程，也見證了中國第一個家庭入戶跟蹤調查項目的醞釀、設計、測試、實施和發展壯大的過程。目前，該數據已全部免費向社會開放，數據使用者通過ISSS官方網站（www.isss.edu.cn）注冊后，就可以申請獲得數據。調查中心還通過微信公眾號（中國民生觀察）及時發布數據信息。

2.2? 測不準定律與社會調查研究

物理學上有一個測不準定律，不管用人或再怎么精良的儀器測東西，一定會有誤差。在CFPS設計過程中，在控制測量誤差上下足了功夫。調查設計、抽樣、問卷設計、執行、質量監控、數據清理等所有環節，都盡可能減少誤差，提高調查數據的精準度。在社會調查理論上，西方有所謂的調查總誤差（total survey error）理論。這個理論在傳統的非大數據時代中比較適用。但是，當中國同時經歷大數據的洗禮和劇烈的社會變革與轉型時，繼續沿用西方的調查總誤差理論，通過社會調查去測量社會變遷就會出現較大的誤差。因為大數據時代的到來，令社會信息和社會數據傳播方式發生了重大改變。大數據時代的社會測量，需要有對應的調查方法。

大數據有時候會被誤解，認為只要數據的量大，就稱之為大數據。其實不然。大數據的“大”，主要指的是數據所包含的信息意義重大。所以，有些數據量并不大的“小數據”，其實也是名副其實的大數據。中國古時候有個成語——“微言大義”，說的就是這個意思。數據量很小，但是內涵和意義卻非常豐富。這類數據，也是大數據。所以，中西方對于大數據的理解，其實是有細微差別的。西方的大數據，主要從量上來講，因為數據存儲技術的不斷升級換代，使得存儲和分析海量數據成為可能。中國的大數據，更多地強調數據所蘊含的信息。《韓非子·說林上》云：“圣人見微以知萌，見端以知末，故見象箸而怖，知天下不足也。”這說明，即便是“小數據”，智者也能見微知著，看到微小的苗頭，知道其中的規律，預測出可能會發生的顯著變化。

其實，今日的大數據思想，早在《易經》中就有體現：“仰觀天文，俯察地理，近取諸身，遠取諸物，乃作八卦”意思是說，由天文、地理和人文大數據信息匯集在一起，才形成了八卦。所以，對于這類包羅萬象的大數據的分析和挖掘，要上觀天文，俯觀地理，中看人文，這就是古代的大數據挖掘技術。在《黃帝內經》中，已經提出“大數”的概念。當然，中國古代樸素的“大數”與現代的“大數據”在技術和分析方法上是不同的。但是，在基本思想上是相通的，都是試圖通過對現象和數據的分析來把握事物發展的客觀規律。在這種大數據思想的指導下，筆者根據社會調查的實踐，提出了全面調查管理（total survey management，TSM）理論，以期通過社會調查的有效管理，盡可能減少社會調查的測量誤差，提高社會監測的精準度。這個社會調查理論把整個社會測量實踐分成陰、陽兩個層面，如圖1所示。陽的層面是調查管理的5種核心主題：使命愿景、公共關系、督導關系、訪員關系和訪問關系。陰的層面是調查管理的5種核心力量：戰略力、組織力、凝聚力、執行力和控制力。調查機構通過對陰陽消息的平衡把握，實施社會調查和社會監測項目與活動，確保實現測量誤差最小化。

圖1 ?全面調查管理的基本結構^[2]

3 ?大數據技術在社會調查中的應用

3.1 ?行為大數據及其應用

根據TSM理論，任何數據都包含陰陽消息。因此，在社會調查的設計和執行過程中，要同時對兩方面的數據進行管理。社會調查的問卷數據是陽層面上的數據，也是社會調查所需要收集的目標數據。但是，要降低這些數據收集的誤差，就需要同時收集另一部分數據，就是行為數據（paradata）。調查過程中的行為數據一般都是隱秘不公開的，僅僅作為內部管理和質量監控之用，所以可以歸于陰層面上的數據^[4]。在CFPS項目的執行過程中，采用的是計算機輔助面訪（computer assisted personal interviewing，CAPI）系統。當訪員入戶打開調查專用的筆記本電腦進行調查時，收集行為數據的軟件就開始啟動。訪員在用筆記本進行調查的每個動作數據，都被同步紀錄了下來。圖2為調查數據和行為數據的同步收集系統。

圖 2 ? 調查數據和行為數據的同步收集系統

根據圖2的架構，整個社會調查的數據流都是整合在一起的，在信息系統中進行及時傳輸和共享。調查數據和行為數據經過傳輸后，進入不同的數據庫進行存儲，并用于不同的用途。調查數據收集上來后，就是層層數據質量的查核。行為數據收集上來后，主要用于訪問管理。社會調查過程的行為數據，包括了方方面面的信息，比如訪員的地理位置信息以及移動的空間路線、訪員敲擊筆記本電腦鍵盤的信息、每道題所問的時間長短信息、中間停頓時間信息等^[5]。所有這些行為數據都客觀如實地記錄了身處在調查現場的訪員的一舉一動，讓訪員的行為可控，進而確保把訪問誤差控制到最低程度。

3.2 ?云計算與訪員行為管理

一旦行為數據采集進來，基于云計算的大數據分析就自動啟動和運轉。例如，當每個訪員的鍵盤行為數據采集起來后，系統的云計算就可以通過分析每個訪員的敲擊鍵盤的特征，識別出每個訪員的用指習慣，從而自動識別出是否為指定訪員在通過筆記本進行入戶調查。因為每個人用手指敲打鍵盤的方式是不同的，體現在鍵盤上，就可以清晰發現在鍵盤敲打的力度、持續的時間等方面，每個人都會有一種獨特的模式。基于云計算的大數據分析，能夠通過鍵盤敲打的行為數據，從中找出個性化的用指模式，進而可以精準識別出是給定的訪員在用筆記本做調查，還是冒充訪員的人在用筆記本做調查。由于這些行為信息的采集是在訪員并不覺察的情況下進行的，因此，這些行為數據的可靠性極強。即便訪員意識到有鍵盤使用行為采集系統在收集信息，想要刻意去制造噪音，以混淆鍵盤使用信息，但是實際上這很難做到。因為每個人的用指習慣是很難改變的。

圖3顯示的是基于云計算的數據鏈管理系統。這是一套實時聯動的無縫大數據系統。比如，當在調查現場的訪員使用鍵盤時，基于云計算的數據分析系統發現該訪員的鍵盤使用與過去一貫的模式不同，大數據分析系統就會給出警示，建議督導及時查核這名訪員，確定使用該筆記本進行入戶調查的人的真實身份，避免他人冒充訪員進行調查的情形出現。這套大數據系統不僅能夠識別筆記本電腦的訪員身份，而且還能精準測量訪員的調查訪問狀態。訪員的個人情緒，往往會影響調查訪問的數據質量。為了提高調查數據的精確度，減少訪問過程中的人為誤差，都需要訪員按照規定的調查行為標準開展入戶調查，盡可能減少訪員的個人因素的干預和影響。例如，在訪問過程中，訪員的情緒大幅度波動，往往會影響調查數據的質量。因此，一般都要求訪員在訪問過程中保持情緒平穩，心平氣和地完成調查。基于云計算的鍵盤使用模式分析系統能夠對所有訪員的鍵盤使用大數據進行分析，提煉出若干典型的情緒模式，比如激動、憤怒、壓力、害怕等^[6]。一旦某個訪員在鍵盤使用上出現這些負面情緒特征，相關的督導就需要予以注意，及時和該訪員進行電話溝通，第一時間安撫訪員的情緒，并鼓勵其繼續按照預定計劃完成調查目標^[7]。

圖 3 ? 基于云計算的數據鏈系統

3.3? 大數據與社會跟蹤調查

社會調查分成兩種類型：截面調查和跟蹤調查。前者就是在特定時間和地點進行抽樣調查，每次重復調查時，都需要進行再次抽樣。后者是在調查之前確定樣本后，就跟蹤這些樣本進行反復調查，因此，基礎樣本基本上是不變的。跟蹤調查的優點是能積累信息豐富的面板數據（panel data），具有歷時效應，能夠觀察特定樣本隨著時間的發展演變趨勢，便于更好地預測未來^[8]。CFPS就是典型的跟蹤調查，基礎樣本是16 000戶，每兩年做一次跟蹤調查。但是，跟蹤調查有個劣勢，就是樣本跟蹤難度大、成本高。尤其在中國，當前正值城市化不斷深入、社會急劇轉型的階段，人口遷徙范圍廣、變動大。在這種環境下，CFPS樣本中不少家庭在第二次進行入戶跟蹤調查時，就已經遷移到別的地方，有的已經找不到聯系方式。若無法找到這些遷徙樣本，那么CFPS樣本就會出現嚴重流失。樣本一旦出現誤差，缺乏代表性，通過入戶所收集上來的數據質量就會出現嚴重問題。所以，所有遷徙的樣本都必須確認其新地址，并且獲得其聯系方式，繼續進行跟蹤調查。

為了做到更精準地識別和確定遷徙樣本的新地址，大數據挖掘技術發揮了強大的威力。2010年，CFPS做完基線調查之后，2012年開始做跟蹤調查。在這輪跟蹤調查做好后，遷徙樣本家庭就出現了。通過互聯網大數據挖掘技術，結合線下的人員打探，基本上能夠再次聯系上這些遷徙樣本^[9]。在這個過程中，采用大數據和大地圖相結合的分析方法，在地圖上精準畫出每個遷徙樣本的遷徙空間路線。根據這些遷徙空間制圖的數據，再加上大數據建模和挖掘技術，就能模擬出樣本家庭空間遷徙的情況，預測出2014年樣本家庭遷徙的路線和區域，提前予以核實信息和聯絡，確保遷徙家庭主動提供遷徙后的新聯系方式。同樣的道理，在2012年和2014年數據的基礎上，可以刻意預測2016年的遷徙情況。如此循環，大數據加上地圖的分析，讓很困難的樣本追蹤成為了相對比較容易的事情。

?

4 ?大數據與精準關系管理

4.1? 大數據需要大智慧

從哲學上講，數據無論多大，都是客體，是被認知的對象。要從數據中找出對于指導人們行為有用的信息，就需要發揮主體的主觀能動性。如此，大數據才能轉化為大智慧。但是，人類社會世事無常，一切都在變化著。如何用大數據來刻畫轉瞬即逝的社會關系，就成為大數據時代普遍的挑戰。谷歌公司的流感預測這兩年失靈，對于原因的剖析，可謂是仁者見仁、智者見智。哈佛大學政治學金加里（Gary King）教授等人認為，造成谷歌流感趨勢預測結果偏差的重要原因是大數據傲慢（big data hubris）和算法變化（algorithm dynamics）^[10]。2015年5月份，筆者專門到金加里教授的辦公室和他討論這個問題。筆者的觀點是由于大數據模型無法捕捉住瞬息變化著的社會關系，導致預測失效的后果，其失效的原理如同中國古代成語“刻舟求劍”所揭示的那樣，當環境發生變化了，依然沿用過去的模型去挖掘規律，往往是失效的。中國古代智慧強調的是“陰陽消息，五行轉移”，強調的是用動態大數據去分析動態的社會變遷，方能在變化無常的社會關系中把握住發展的規律。調查機構在進行數據收集的過程中，會遇到方方面面的關系，需要協調和處理這些時刻都在變化著的關系。于是，在長期的調查實踐摸索與總結的基礎上，基于大數據的精準關系管理就產生了。

通過大數據來把握復雜多變的社會關系，從而能夠精準地協調和處理好方方面面的關系，需要從內部和外部兩個方面同時進行大數據收集和分析，就是內部修煉和外部整合。筆者與管理大師、《第五項修煉》的作者彼得·圣吉曾經專門討論過大數據和組織修煉之間的關系，認為在大數據時代，組織修煉能力包括了大數據收集、分享、提煉等能力。除了內部修煉之外，大數據驅動的組織還需要能夠整合外部數據和信息，具有強有力的外部大數據吸附、消化能力。在大數據時代，有了這兩項基本能力，調查機構就可以對變化多端的社會關系進行精準分析和把握，使得大數據上升為大智慧，通過實施精準公關來協調好內外部關系，進而成功實施社會調查項目。基于大數據的精準公關管理如圖4所示。

圖 4? 基于大數據的精準公關管理^[11]

4.2? 文本數據挖掘與精準關系管理

當訪員入戶開展調查活動時，調查現場各種情況都可能發生。訪員要成功實施入戶調查，就需要第一時間協調好相關的關系，獲得當地社區和受訪戶的支持。在CFPS開始以來，通過OA系統收集所有訪員在現場遭遇情況的文本信息。任何一個訪員在現場遇到任何情況，都鼓勵其通過OA系統記錄下來。如此，隨著CFPS實施的推進，逐漸積累起越來越多的關于現場突發情況和遭遇問題的文本信息。通過文本數據挖掘技術，根據廣大訪員的經驗，對現場的情況加入分門別類的問題識別，并予以最優化應對^[12]。在具體技術上，采用了文本特征提取技術^[13]、文本檢索技術、文本自動分類技術、文本自動聚類技術、話題檢測跟蹤技術、文本過濾技術、關聯分析技術以及智能問答技術等。有了這套系統，訪員到調查現場遇到任何問題，可以通過文本輸入的方式描述問題的情況，可以第一時間獲得解決問題的對策和協助，幫助訪員協調好現場關系，順利完成每一個入戶調查。這是文本大數據挖掘在精準關系管理上的應用之一，效果顯著。

?

5? 未來發展的若干思考

5.1 生物社會調查（biosocial survey ）的深化

人的行為不僅僅受到社會的影響，還與其生理、心理等因素有關。筆者曾經與美國科學院院士、美國人文與科學院院士、麻省理工學院資深教授哈維·羅德士（Harvey Lodish）深入探討過這個問題，認為非常有必要同時調查人的生理指標^[14]。隨著可穿戴技術的迅速發展，已經可以突破社會調查在時間和空間上的限制，實現時時刻刻的數據收集工作。所以，未來的社會調查，問卷調查技術勢必會結合可穿戴技術，整合共同收集樣本的社會特征和生理指標數據，實現對樣本的立體調查和監測，找出個體社會行為與其生理特征之間的關聯關系。目前，已經有一些社會調查項目開始抽取血樣等，為下一步開展DNA等生化因素與社會行為關系研究提供基礎性數據。

5.2 大數據的精準化

數據不是越大越好，而是能推斷出精準的信息便于更好地解決問題才好。當前的硬件存儲技術以及數據收集能力都大為提高，收集大量的數據根本不是問題。問題在于，收集到如此海量的數據之后，能獲得哪些有用的信息？這就要強調數據挖掘的精細化和精準性。如同沙里淘金，不是沙子越多越好，而是最后能掏出多少金子才是關鍵的核心所在。無論是大數據，還是圖4基于大數據的精準公關管理^[11]“小數據”，數據本身都不是問題，而是數據能提供的信息是否能幫助人們解決其所面臨的問題，這才是關鍵。所以，問題的核心不在于量，而在于精^[15]。

5.3 ?數據挖掘思想的拓展

在《莊子·秋水》中記錄過一個故事。莊子和惠子一道在濠水的橋上游玩，莊子說：“儵魚出游從容，是魚之樂也。”惠子曰：“子非魚，安知魚之樂？”再來看當今的大數據專家，動不動就搬出大數據來說事，指點江山，預測未來。惠子式的質疑就出現了：你不是大數據，怎么知道大數據的規律呢？這是一個普遍性的問題，就是主體如何去認知客體^[16]。當人們從大數據中推演出所謂的趨勢、規律時，一定要謹慎，因為這些規律很可能是表象。這就要求大數據專家在數據挖掘上，要反復推敲和檢驗，而且不能就數據論數據，需要在分析方法上突破數據的限制和束縛，陰陽消息，五行轉移，從綜合和動態的角度把握大數據背后的真正規律。

?

6 ?結束語

當人們討論大數據時，很容易把大數據與小數據對立起來。這種先入為主的判斷，不利于真正認識大數據的本來面目。大數據興起之后，的確對包括社會調查數據在內的所謂小數據產生了強大的沖擊。不少市場調查公司也紛紛調整經營方向，從通過市場調查獲得數據轉向通過大數據技術來獲得數據。但是，大數據和小數據之間并非是天然對立的，而是對立統一的，是可以互為補充的。本文以北京大學中國社會科學調查中心的中國家庭追蹤調查為例，闡述了在大數據環境下的微觀入戶調查如何整合大數據技術而獲得發展，進而收集到精準的數據。大數據的興起引起了社會治理方式的變化。在這種背景下，中國家庭追蹤調查通過無縫整合大數據技術來精準獲得關于中國社會變遷測量的微觀數據，進而為社會治理提供基礎性決策支持數據，提供社會決策和社會治理的能力與效率。事實上，中國家庭追蹤調查所獲得的數據已經為政府的重大決策提供了關鍵性決策依據，比如政府開放單獨二胎政策，就是以這套數據的模擬結果作為決策依據的。因此，在大數據盛行的今日，大數據與小數據互相融合與互相補充而形成的決策信息，將會是社會治理的重要決策依據。

參考文獻：

[1] MEYER B D, MOK C, SULLIVAN J X. Household surveys in crisis[J]. Journal of Economic Perspectives, 2015, 29(4): 199-226.

[2] 顧佳峰. 調查機構管理: 理論與實踐[M]. 北京: 人民出版社, 2013.

GU J F. Survey Organization Management: Theory and Practice[M]. Beijing: People’s Publishing House, 2013.

[3] XIE Y, LU P. The sampling design of the China family panel studies (CFPS) [J]. Chinese Journal of Sociology, 2015, 1(4): 471-484.

[4] STIEGER S, REIPS U. What are participants doing while filling in an online questionnaire: a paradata collection tool and an empirical study[J]. Computers in Human Behavior, 2010, 26(6): 1488-1495.

[5] KREUTER F. Improving Surveys with Paradata: Analytic Uses of Process Information[M]. New York: John Wiley & Sons, 2013.

[6] MAEHR W. eMotion: estimation of user's emotional state by mouse motions[J]. Elsevier, 2008, 15(3): 15-17.

[7] GALESIC M, TOURANGEAU R, COUPER M P, et al. Eye-tracking data: new insights on response order effects and other cognitive shortcuts in survey responding[J]. Public Opinion Quarterly, 2008, 72(5): 892-913.

[8] TACH L, CORNWELL B. Social networks and social capital: new directions for a household panel survey[J]. Journal of Economic and Social Measurement, 2015, 40(1-4): 249-281.

[9] PAKIZE S, GANDOMI A. Comparative study of classification algorithms based on MapReduce model[J]. International Journal of Innovative Research in Advanced Engineering, 2014, 1(7): 251-254.

[10] LAZER D, KENNEDY R, KING G, et al. The parable of Google flu: traps in big data analysis[J]. Science, 2014, 343(6176): 1203-1205.

[11] 顧佳峰. 調查機構公共關系經營與管理[M]. 北京: 經濟日報出版社, 2014.

GU J F. Public Relations Management for Survey Institute[M]. Beijing: The Publishing House of the Economic Daily, 2014.

[12] WILLIAMS T, GONG J. Predicting construction cost overruns using text mining, numerical data and ensemble classifiers[J]. Journal of Automation in Construction, 2014, 43(7): 23-29.

[13] HEARST M. TextTiling: segmenting text into multi-paragraph subtopic passages[J]. Computational Linguistics, 1997, 23(1): 33-64.

[14] CHAWLA N V, DAVIS D A. Bringing big data to personalized healthcare: a patient-centered framework[J]. Journal of General Internal Medicine, 2013, 28(3): 660-665.

[15] COLLINS F S, VARMUS H. A new initiative on precision medicine[J]. The New England Journal of Medicine, 2015, 372(9): 1-3.

[16] DANAH B, KATE C. Critical questions for big data: provocations for a cultural, technological, and scholarly phenomenon[J]. Information, Communication & Society, 2012, 15(5): 662-679.

顧佳峰（1975-），男，博士，北京大學中國社會科學調查中心研究發展部主任，北京大學創新研究院副院長，美國加州伯克利大學、哈佛大學高級訪問學者，OECD組織“產業監管調查項目”中國地區項目首席科學家。

總結

以上是生活随笔為你收集整理的【2016年第2期】大数据时代下中国社会调查的科学新观的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。