点击右上角
微信好友
朋友圈

点击浏览器下方“
”分享微信好友Safari浏览器请点击“
”按钮

作者:李卫东(华中科技大学教育部大数据与国家传播战略实验室执行主任、教授)
党的十八大以来,中国哲学社会科学在扎根中国大地、回应时代课题的过程中不断拓展学科交叉融合的广度与深度。习近平总书记在哲学社会科学工作座谈会上强调,“要加快发展具有重要现实意义的新兴学科和交叉学科,使这些学科研究成为我国哲学社会科学的重要突破点”。《教育强国建设规划纲要(2024—2035年)》对新文科建设和学科交叉融合作出部署。2026年5月17日,习近平总书记就推动哲学社会科学高质量发展作出重要指示,强调“加快构建中国哲学社会科学自主知识体系”。推进哲学社会科学学科交叉融合,是促进知识创新、理论创新和方法创新的重要途径,也是增强哲学社会科学解释中国实践、回应时代变革能力的必然要求。
1.学科交叉融合的认知转型
现代学科体系依托专业分工发展,促进了知识积累,也形成了相对固化的学科边界。然而,随着时代发展与科技进步,学科边界越来越不明显,关联度则越来越高。现实社会中的技术、行为与制度相互交织,复杂问题难以由单一学科充分解释,特别是人工智能深度嵌入经济社会运行,哲学社会科学亟须以重大现实问题牵引知识重组与理论创新,推动学科交叉从相互借鉴走向深度融合,探索与时代发展相适应的知识生产新范式。
单一学科的力量难以解决重大理论和实践问题,打破学科壁垒,推动学科交叉融合,正在成为世界范围内学术发展的新常态。学科交叉融合的认知转型,意味着在解决重大现实问题的过程中能够突破学科边界,使不同知识相互重构,形成新的解释体系。这一转型的起点,是从“学科中心”走向“问题域中心”。哲学社会科学研究不应先问某个现象属于哪个学科,而应从国家重大战略需求、新兴市场现实需求和未来科技前沿需求中识别具有基础性、全局性和长期性的重要问题。更深层次的转型,是从“成果拼接”走向“知识共创”。重大现实问题如同“知识熔炉”,不同学科围绕共同问题重新界定概念、提出假设、组织证据,在相互质疑与检验中建立理论联系,最终形成单一学科难以独立提出的原创模型。例如,在人工智能治理领域,围绕深度伪造等问题,不能仅停留于技术检测、信息传播、用户认知与平台责任的分头研究。围绕“深度伪造内容的真实性如何被建构、感知并影响传播行为”这一问题,需要贯通视听生成机制、真实性线索、认知判断与治理规则,揭示技术与社会互动中的内容传播机制。面对这类动态复杂问题,研究既要识别局部因素,更要解释主体互动、网络反馈如何生成整体性后果。由此,学科融合才能从研究组织方式的调整,转化为认识复杂现实的能力提升。
2.学科交叉融合新范式的理论内涵
哲学社会科学学科交叉融合新范式,是以中国式现代化重大理论和实践问题为问题域牵引,以探索原创性理论体系为目标,以人工智能驱动的模型、数据、工具深度融通为知识生产方法,以构建中国哲学社会科学自主知识体系为价值内核,致力于形成具有共同问题领域、共享方法体系、共通话语体系的知识生产与学科治理形态。这一新范式在认识论、本体论、方法论和价值论层面具有相互联系的内在规定性,分别回答知识从何出发、研究对象如何理解、知识如何生成以及创新为了什么。
认识论层面的根本转变,在于确立中国实践在知识生产中的基础地位,以中国式现代化重大理论和实践问题为共同问题域,突破既有学科的认知边界。推进中国式现代化是一个涉及经济、政治、文化、社会与技术变革的复杂进程,其中涌现的新问题和新现象,难以被传统学科框架完整解释。哲学社会科学工作者应以中国实际为研究起点,从纷繁复杂的现实问题中识别具有内在关联的问题群,进一步凝练具有解释价值的关键科学问题,推动理论认识在回应实践、检验实践中不断深化。以中国实践为认识起点,也意味着重新理解知识生产的主体关系。多主体知识共创不仅要求学科之间相互借鉴,更要求研究者重视实践主体的经验与判断,使学术知识与实践知识在持续对话中相互启发、相互校正。不同学科围绕共同问题开展概念对话、证据互证与解释互校,才能突破单一知识视角的局限,形成对复杂社会现实更加全面、深入的认识。这种认识论转型的实质,是推动知识生产从既有理论框架下的经验解释,转向以现实问题为牵引的共同探索,由此为原创性理论体系的形成奠定认识论基础。
本体论层面首先要回答,哲学社会科学面对的研究对象究竟以何种方式存在。智能时代的许多重大问题并非独立要素的简单相加,而是由人、技术、组织与制度共同构成的开放系统。系统中的主体会感知环境、调整行动,并不断改变其他主体的决策前提和行为条件;微观互动通过网络连接和反馈机制,可能形成任何单一主体都不具有的宏观特征。这种整体涌现和动态演化,是理解复杂社会现实的重要切入点。新的社会关系与运行机制,可能使既有概念无法充分界定研究对象,也使原有理论难以解释新的整体性现象。因而需要在中国实践中总结提炼标识性概念,围绕概念之间的关系形成新的理论命题,将不同层次的命题组织为具有内在一致性和解释能力的理论体系。
方法论层面的核心,是以人工智能驱动模型、数据、工具深度融通,形成面向复杂问题的知识生产能力。数据为研究提供多层次、动态化的观察基础,模型将现实中的主体、关系与机制转化为可讨论和可检验的解释结构,工具则支持对证据的处理、对模型的分析以及对推演结果的检验。三者不能各自孤立运行,而应围绕关键科学问题形成从资料获取、机制识别、模型建构到反复验证的研究链条。人工智能可为这一过程提供新的技术条件。借助机器大模型,可以从规模庞大、形态多样的材料中识别潜在模式,辅助组织文本、图像和行为数据;结合复杂网络分析、多主体模拟与动态建模,可以考察局部行为如何通过网络结构及多轮反馈影响整体结果。但人工智能输出的模式并不自动等同于因果解释,模拟结果也不能替代现实证据。应将技术分析与社会科学的理论假设、情境知识和证据标准相结合,运用人工智能进一步拓展复杂系统研究的手段,使方法创新真正推动原创性理论形成。
价值论层面回答学科交叉融合为了什么、最终服务于什么。新范式追求的共同问题领域、共享方法体系与共通话语体系,最终都应服务于中国哲学社会科学高质量发展。哲学社会科学工作者要将中国式现代化的重大理论和实践问题转化为知识创新的源头活水,把提出具有解释力的中国概念、中国理论和中国话语作为目标追求。这不仅意味着研究选题要回应国家重大战略需求,更意味着要在理论立场、问题意识和价值判断上保持学术主体性。技术进步可以扩展研究能力,却无法自行回答知识创新应当服务谁、遵循何种原则。面对人工智能带来的效率提升与社会风险,哲学社会科学工作者要坚持“两个结合”,推动中华优秀传统文化创造性转化、创新性发展,让中国经验与中国思想共同参与理论建构,使研究成果既能阐释技术与社会互动的规律,又能辨析公共利益、社会公平与人的全面发展等价值问题,推动工具理性与价值理性相统一。
3.构建学科交叉融合新范式的现实路径
新范式能否落地,取决于能否将共同问题导向转化为稳定的知识生产机制。因此,应积极推动多元主体协同、人才培养和评价制度的配套改革。
构建学科交叉融合的多元主体协同机制。跨学科合作应围绕重大问题域建立长期协作平台,使不同学科从问题界定、概念建构、模型设计到成果解释共同参与。高校与科研机构承担理论创新和证据检验工作,政府部门提供公共治理问题和制度实践场景,企业与技术机构提供符合规范的技术、数据和应用条件,社会组织及公众则帮助呈现现实需求和社会影响。多元主体协同,不仅有助于拓展知识来源,而且能促进研究发现与实践问题间的双向反馈。协同机制还需有明确的共同规则,包括概念与证据标准、数据共享与安全、科研伦理、成果署名及知识产权安排,既减少跨组织合作的协调成本,又维护学术独立性。
构建学科交叉融合的人才培养体系。交叉融合需要既有扎实专业根基、又能理解不同学科理论和方法的研究者。各学科赖以形成和发展的根理论,是跨学科研究的知识基础,缺少这一基础,融合容易退化为术语和工具的拼接。人才培养既要重视理论训练,又应强化问题意识、系统思维、模型思维与人工智能素养,使研究者能够从现实中提炼科学问题,把多主体关系和动态机制转化为可检验的解释框架,并保持价值判断能力。高校应通过跨学科课程、联合指导和重大问题研究,让学生在真实任务中体验问题界定、理论建构、数据分析和模型检验的完整过程。衡量人才培养的成效,不应只看掌握多少工具或修读多少跨学科课程,更应看能否以本学科知识为基础,与其他学科共同提出原创问题、形成有效解释。
构建以原创性理论贡献和实践贡献为尺度的评价制度。评价制度应打破以学科归属、成果数量或工具新颖程度衡量交叉创新的惯性,重点考察研究是否提炼出标识性概念、原创性理论命题与可检验模型,能否增进对复杂社会问题的解释。同时关注研究对政策制定、社会治理和技术发展的实际贡献,避免理论研究与实践应用脱节。实行分类评价,基础研究突出概念创新、理论解释力和长期知识价值,应用研究重视问题解决成效;对于周期较长、参与主体多元的跨学科成果,应完善同行评议、贡献认定和稳定支持机制,容纳数据集、模型与制度方案等多样成果形态。以“发现了什么问题、形成了什么理论、解决了什么实际问题”为评价导向,引导研究者持续深耕根问题、发展原创性理论。
《光明日报》(2026年11月18日 06版)
