课程介绍

课程简介

“智能化时代的来临使得人们的认知和思维方式发生转变,基于大数据的人类行为计算科学正在兴起,有助于把数学算法用以预测事件”,教育部“长江学者”特聘教授陈振明教授在谈到公共管理学科的转型与重构时,指出公共管理需要关注科学发展前沿,尤其是数据科学等,强化自身的科学基础(陈振明, 2017)。陈振明教授的思考指出了我国公共管理学未来的重要发展趋势。但是,在利用计算科学、复杂性科学等学科的理论和方法上,我国公共管理学科的教学离发达国家尚有差距。以芝加哥大学哈里斯公共政策学院为例,该学院有专门聚焦数据科学与公共政策的计算分析与公共政策硕士学位项目(Master of Science in Computational Analysis and Public Policy,http://harris.uchicago.edu/academics/degrees/ms-computational-analysis-public-policy-mscapp);斯坦福大学人文科学和科学学院在其公共政策硕士学位项目中也有专门开设了计算公共政策的课程模块(Computational Public Policy, https://publicpolicy.stanford.edu/graduateconcentrations/computational-public-policy)。

本课程“计算公共政策”试图响应陈振明教授对公共管理学未来的思考。主讲教师同期将会开设一门面向全校本科生的“计算社会科学基础”校选课程。与之相比,本课程“计算公共政策”将侧重于公共政策研究,聚焦我国公共管理学科相关成果。

本课程将围绕当今社会快速发展中遇到的各类社会经济环境问题,结合社会科学、计算机科学和复杂性科学的理论和方法,系统地介绍计算社会科学的相关理论、主要研究方法和主流分析工具。课程将分“基础知识和基础理论”、“知识进阶:数据挖掘与分析”、“知识进阶:模拟、预测及结果呈现”、“拓展思考”四个模块介绍课程核心内容。内容将涵盖系统动力学、复杂性理论、自动信息提取、社会网络分析、地理空间分析、社会仿真模型、机器学习与人工智能、数据可视化等内容。

学完本课程后,学生将对计算公共政策有一个较为全景的认识,对计算公共政策和计算社会科学的基础理论、主要研究方法和主流分析工具有较为全面的了解,并能够根据自身兴趣对计算公共政策和计算社会科学各领域进一步深入学习和研究,在学生感兴趣的研究领域内探索和应用计算公共政策和计算社会科学的理论、研究方法和分析工具。