社会学的“因果推断”为何需要超越相关，借助自然实验与工具变量来识别效应？
Why must sociological causal inference go beyond correlation, using natural experiments and instrumental variables to identify effects?
观察数据常因混杂与选择偏差使相关不等于因果；自然实验利用外生政策冲击、工具变量借随机变异隔离因果通道。这些方法把社会学解释从联想推向机制验证。
Observational data confound cause with selection, so correlation is not causation; natural experiments exploit exogenous shocks and instruments isolate causal channels via random variation. These methods move sociology from association to mechanism testing.
难度 专业 · 适合 高中(15-18)
CC BY 4.0 · 来源待核验 · Source pending review
来源 · Source
出处备注：著录含书名，但缺版次 / 出版社 / 年份中的一部分，需编辑补全后才能做独立比对。
乔舒亚·安格里斯特与约恩-斯特芬·皮施克《可信性革命：计量经济学的经验方法》(2010) ; 另见: Joshua D. Angrist and Jörn-Steffen Pischke, Mostly Harmless Econometrics (2009) / The Credibility Revolution (2010)
Joshua D. Angrist and Jörn-Steffen Pischke, Mostly Harmless Econometrics (2009) / The Credibility Revolution (2010) ; see also: 乔舒亚·安格里斯特与约恩-斯特芬·皮施克《可信性革命：计量经济学的经验方法》(2010)
#因果推断 #自然实验 #工具变量 #混杂
社会调查中“抽样”为何要从概率抽样入手以保证代表性？非概率抽样在什么情形下仍可接受？
Why should social surveys start with probability sampling for representativeness, and when is non-probability sampling still acceptable?
概率抽样使每个总体单元有已知非零入选概率，从而可用统计推断到总体并量化误差。在探索性研究或难以框定总体时，方便或滚雪球抽样可作为补充，但结论不能外推。
Probability sampling gives each population unit a known nonzero chance, enabling statistical inference and error quantification. In exploratory work or when no sampling frame exists, convenience or snowball sampling is acceptable but cannot generalize.
难度 进阶 · 适合 高中(15-18)
CC BY 4.0 · 已核验 · Verified 2026-11-03
来源 · Source
埃莉诺·辛格与约翰·M·G·范德卢（编）《调查研究方法学》(2009) 及莎伦·L·洛尔《抽样：设计与分析》(1999) ; 另见: Eleanor Singer and John M. G. van der Loo (eds.) survey methodology; Sharon L. Lohr, Sampling: Design and Analysis (1999)
Eleanor Singer and John M. G. van der Loo (eds.) survey methodology; Sharon L. Lohr, Sampling: Design and Analysis (1999) ; see also: 埃莉诺·辛格与约翰·M·G·范德卢（编）《调查研究方法学》(2009) 及莎伦·L·洛尔《抽样：设计与分析》(1999)
独立核验依据 · Independent verification: 核验依据 1 ARCHIVE 标识 samplingdesignan0000lohr_x9c7：Sampling : desi
#抽样 #代表性 #概率抽样 #调查
“大数据”社会学在利用数字痕迹时面临哪些方法论陷阱，如选择性、情境缺失与算法偏见？
What methodological traps—such as selection, context loss, and algorithmic bias—does 'big data' sociology face when using digital traces?
数字痕迹并非随机样本，偏向特定平台与活跃用户；脱离访谈情境易误读行为；平台算法又塑造可见数据。研究者须把大数据与传统方法三角验证，避免把相关性当普遍规律。
Digital traces are not random samples and skew toward certain platforms and active users; stripped of interview context they mislead; platform algorithms shape what is visible. Researchers should triangulate big data with traditional methods rather than treat patterns as universal law.
难度 进阶 · 适合 高中(15-18)
CC BY 4.0 · 来源待核验 · Source pending review
来源 · Source
出处备注：著录含书名，但缺版次 / 出版社 / 年份中的一部分，需编辑补全后才能做独立比对。
马修·萨尔甘尼克《计算社会学：数据科学在社会科学中的应用》(2018)
Matthew J. Salganik, Bit by Bit: Social Research in the Digital Age (2018)
#大数据 #数字痕迹 #算法偏见 #三角验证
民族志为何强调长期参与观察与“异文化”式的陌生化视角？它和问卷调查的互补价值在哪？
Why does ethnography emphasize long-term participant observation and a defamiliarizing 'stranger' perspective, and how does it complement surveys?
民族志通过沉浸式观察捕捉行动者自身的意义与日常实践，能发现问卷预设之外的机制。它与大规模量化互为补充：一个提供深度机制，一个提供广度代表性。
Ethnography captures actors' meanings and everyday practice through immersion, surfacing mechanisms surveys miss. It complements large-scale quantification: one supplies depth of mechanism, the other breadth of representativeness.
难度 进阶 · 适合 初中(12-15)
CC BY 4.0 · 已核验 · Verified 2026-11-03
来源 · Source
汤姆·博尔斯托夫等《民族志与虚拟世界》(2012) 及克利福德·格尔茨深描传统
Tom Boellstorff et al., Ethnography and Virtual Worlds (2012); Clifford Geertz thick-description tradition
独立核验依据 · Independent verification: 核验依据 1 OPENLIBRARY 标识 /works/OL21530699W：Ethnography and Virtua
#民族志 #参与观察 #陌生化 #混合方法