August 2026

智能时代的社会科学知识生产

——基于《费孝通全集》[1]山西研究的“语料库-AI-人工判断”实验[2]

（征求意见稿）

常向群

摘要: 智能时代正在改变社会科学知识生产。本文以世界社会科学罕见的一位学者跨越约八十年持续调查、研究与思考的20卷《费孝通全集》为研究对象，选择山西作为第一个省区实验，开展“语料库-AI-人工判断” Corpus–AI–Human Judgement 研究，旨在建立和检验一套可重复、可比较的研究程序，并为进一步开展省区、区域及全国尺度的比较研究建立分析基准。研究者此前没有去过山西，也不了解费孝通何时到访、访问何地、考察什么及形成何种认识，因而研究从开放式问题和可返回的文本证据出发。实验首先通过语料库计算建立可重复、可检验的证据基础，再由不同形态 AI 在限定证据和研究协议下参与分析与独立验证，并通过证据返回和人工判断不断检验和修正解释。研究重建出费孝通由晋城、阳泉的煤炭进入资源型地区发展问题，由乔家大院、晋商进入商业网络、社会机制和跨区域社会空间问题，又由大同、云冈进入历史文化与“人文资源”问题，呈现出一条由具体地点和地方经验出发，逐步形成区域发展与更一般社会思想问题的研究路径，并发现部分有效证据未获得相应 AI 解释权重的“证据显著性失衡” Evidence Salience Failure。山西实验表明，“语料库-AI-人工判断”不是将研究交给 AI 生产、再由人最终把关的线性程序，而是语料证据、不同形态 AI 与人工判断之间不断发现、返回、验证和修正的知识生产过程；AI 扩大大规模文本中的知识发现能力，而重要解释仍须返回证据，并由研究者承担最终学术责任。

关键词：智能时代；社会科学知识生产；语料库-AI-人工判断；过程透明；费孝通；山西研究；区域比较研究

一、问题的提出

（一）从现实田野到“文本田野”：一种开放的知识发现路径         

       《费孝通全集》共20卷、约1720万字，收录其自20世纪20年代至2004年间的著述，涵盖学术论文、调查报告、政策建议、演讲、书信、序言、随笔、诗文和译著等多种体裁。在世界社会科学史上，一位学者跨越近八十年持续调查、研究和思考，并留下如此大规模而多样的个人著述，也是十分罕见的。近八十年的时间跨度、文本类型的多样性，以及学术研究、社会调查与社会实践之间长期而连续的互动，使这套全集不仅保存了一位社会科学家的研究成果，也保存了其知识形成和学术实践的大量过程性痕迹。研究这样一套全集，因而不仅有助于重新认识费孝通，也为观察近一个世纪中国社会变迁以及社会科学知识如何在这一过程中形成提供了一个独特入口。

       如何从如此庞大而分散的文本中重新发现其研究实践、知识联系和思想线索，由此成为一个具有方法意义的问题。传统研究通常先从年谱、传记、篇目和既有研究中寻找线索，再返回相关文本，以了解费孝通何时到过山西、访问过哪些地方、进行了哪些考察、关注了哪些问题并形成了怎样的认识。这种路径具有充分的学术合理性，但不仅需要投入大量时间，也意味着研究往往从一个已经部分掌握答案的问题出发。

       当这一大规模个人著述被转化为可以整体检索和计算的文本以后，一个新的研究问题随之而来：能否以不同于传统阅读的方式重新进入费孝通的知识世界，从大规模文本本身出发发现问题、追踪线索并形成解释？本文以山西作为第一个实验案例。研究者此前没有去过山西，对费孝通何时到访、访问何地、考察什么以及形成了怎样的认识也没有预先了解。因此，研究开始时不预设费孝通的“山西研究”应当包括哪些内容，而是从《费孝通全集》留下的文本痕迹出发，反向追踪其进入山西、观察山西和思考山西的过程，并进一步考察这种路径能否扩展到其他省域，在共同的证据和方法基础上开展区域比较。

       这一研究位置使本文具有某种“文本田野”的性质。这里所谓“文本田野”，并不是把文本等同于现实田野，而是把大规模文本作为一个可以进入、追踪和反复返回的研究场域，在其中观察地点、时间、人物、事件和概念之间的联系，并通过返回原文、核验证据和调整判断逐步形成研究问题。民族志研究所强调的反思性reflexivity，[3] 要求研究者意识到已有知识、研究问题和分析框架如何参与资料的形成和解释（Hammersley and Atkinson, 2019）；“档案即田野” archive as field和“档案民族志” archival ethnography的相关讨论也提示，档案并非只是提取既定信息的资料库，也可以成为研究者进入、观察、追踪和反复返回的研究场域（Decker and McKinlay, 2021）。与此同时，进入一个研究者原本并不熟悉的研究场域，本身也是一个需要反思的方法过程；研究者如何进入并逐渐理解这一场域，会影响其后续的问题形成和研究路径（Chughtai and Myers, 2017）。本文所强调的因此不是研究者能够“无预设”地面对文本，而是在明确自身位置的同时保持问题发现的开放性。

        山西实验还形成了一种特殊的田野位置关系：费孝通曾实际进入山西并留下考察和思考，而研究者本人此前从未到过山西。费孝通从现实田野进入文本，研究者则首先从文本反向进入费孝通曾经进入的现实世界。这种不对称使文本分析不能被研究者已有的山西田野经验所预先规定，也使由文本形成的认识天然保留着进一步检验的可能。未来当研究者实际进入山西以后，现实田野可以重新提出问题、检验和修正文本研究形成的认识。由此，“文本田野”与现实田野不是相互替代的两种研究方式，而可以形成前后连接、相互提出问题和相互检验的研究过程。

        山西实验最终发现，费孝通的山西研究并非若干地方访问和专题观察的简单集合。在持续的访问、重访和比较中，煤炭、晋商、“闯口外”、云冈等原本分散的地方材料，逐渐连接到资源与发展、经济活动的社会基础、跨行政边界的社会空间以及历史文化资源等问题。本文因此不仅考察一种新的研究方法能否成立，也进一步追问：这些从地方经验中不断形成的问题，如何进入费孝通更具一般意义的区域发展和社会思想之中。

（二）从低频案例到证据显著性：一种统计与计算的方法检验

        山西的选择同时具有统计和案例选择上的方法考虑。在对《费孝通全集》中的中国34个省级行政单位名称进行统一词频统计、消歧和清理后，山西的最终分析频次为92次，仅列第26位。它在中华文明形成、延续及历史遗存中具有重要地位，却并不是费孝通著述中的高频地区。因此，本研究既没有采用随机抽样，也没有从频次最高、材料最丰富的地区中选择一个“优势样本”，而是有意识地从一个“文明意义突出—文本频次相对偏低”的案例开始。这样的选择使山西不仅具有实质性的研究意义，也构成对这套研究方法的一次有意检验：当一个具有重要研究意义的地区在大规模文本中的总体出现频次并不突出时，语料库能否从相对有限而分散的材料中发现具有意义的知识结构？AI能否超越简单的高频信息，识别不同类型的证据及其联系？人工判断human judgment又将在这一过程中发挥什么作用？

        山西案例实际发生的分析过程进一步显示了这种检验的必要性。中国有“地下文物看陕西，地上文物看山西”的说法，《费孝通全集》中有关煤炭、晋商、区域经济和社会发展的山西材料较为集中，而历史文化方面的材料数量较少且分散，未进入AI形成的主要解释。如果据此判断费孝通缺乏对山西历史文化的关注，就可能把AI解释中的缺失误认为原始文本中的缺失。人工判断由此提出一个新的可检验问题：这一维度究竟没有文本证据，还是已有证据没有获得足够的解释权重？重新返回语料后发现，相关历史文化材料实际上已经进入有效证据系统，只是没有在AI形成的主要知识图景中获得与其潜在社会科学意义相应的分析权重。本文将这种现象暂称为“证据显著性失衡 ”Evidence Salience Failure“。

       这一发现使山西的“偏低频”不再只是一个关于案例选择的统计事实，而直接进入方法实验本身。一个地区在全集中的总体频次较低，并不意味着它缺乏研究意义；同样，一个主题在某一区域语料中的频次较低，也不能直接等同于作者缺乏相关关注。语料频次、机器显著性和社会科学意义之间并不存在天然的一致关系。山西案例由此同时在两个层次上提出问题：在区域之间，如何避免高频地区天然获得更大的解释权重；在一个区域内部，又如何避免高频主题遮蔽低频但具有重要社会科学意义的证据。只有将同一程序进一步用于频次更高或更低的其他省区，才能检验这种现象究竟是山西个案的特殊结果，还是大规模文本—AI分析中具有更一般意义的方法问题。

       这一实验由此既要重新认识费孝通的山西考察及其思想成果，也要考察智能时代社会科学知识生产中研究者、语料库与AI各自发挥什么作用，以及它们之间如何形成分工与互动。研究者提出问题、确定研究边界和研究协议；语料库提供可计算、可返回的证据；不同形态的AI参与研究设计、执行、分析和验证；人工判断则贯穿全过程，对证据、解释边界及其社会科学意义作出判断。本文考察的不是简单地将研究任务交给AI，再由研究者对最终结果把关，而是人、语料证据与AI如何在一个可复查、可返回和可修正的过程中共同参与知识生产，并由研究者承担最终学术责任。

      这一实验同时显示了智能体式AI给语料库研究带来的技术变化和示范意义。一方面，研究不再必须依赖WordSmith Tools、AntConc等专门软件运行语料库分析，而可以将Markdown文本作为基础材料，由Codex等智能体式AI在限定语料和研究协议下调用本地程序完成词频、检索行、搭配、词簇和分布等计算，从而改变语料库分析的实现方式。另一方面，对于已经使用传统语料库工具、但尚未将AI纳入研究流程的研究者，这提供了一条向智能体式AI研究环境转入的路径；对于缺乏专门编程训练的社会科学研究者，也降低了进入大规模文本计算的技术门槛，使研究问题和方法要求可以进一步转化为可运行、可检查和可重复的计算过程。由一个省域知识图景的重建进一步走向具有共同证据基础的区域比较，也使这一实验具有超出山西个案的方法意义。

二、“语料库-AI-人工判断”研究范式

       以大语言模型为基础的生成式人工智能迅速发展，并从以自然语言交互为主的对话式AI进一步扩展到能够进入具体工作环境、连续执行多步骤任务的智能体式AI。AI由此日益进入资料处理、研究设计、分析、验证和写作等知识生产环节，人与AI之间的关系也从简单的工具使用转向不同程度的人机协作。本文所说的“智能时代”，正是在这一知识生产方式发生变化的意义上使用的。

（一）范式的提出及基本结构

       本文采用的“语料库-AI-人工判断” Corpus-AI-Human Judgement，是作者在长期使用语料库开展研究的基础上，近年来将生成式人工智能Generative Artificial Intelligence和大语言模型Large Language Models （LLMs）逐步引入研究实践而形成的一种人机协作人文社会科学研究[4]范式。[5] 这里所说的“范式”，主要指一套具有相对明确的研究对象、证据基础、分析程序、角色分工和判断规则的研究框架：语料库提供可追踪、可返回的证据；AI扩展大规模文本的计算、分析、比较和发现能力；人工判断贯穿研究设计、过程控制和最终学术判断。三者分别对应语料证据、机器分析和学术判断三个相互联系而又不能混同的层次，并在研究过程中形成相互返回、验证和制约的关系。本文试图通过《费孝通全集》的系列研究，对这一范式加以实践、检验和完善。

      这一范式首先建立在语料库研究形成的证据基础之上。词表WordList、关键词Keywords、检索行分析Concordance/KWIC、搭配Collocates、词簇Clusters、型式Patterns和分布图Plot等语料库分析方法，使研究者能够从整体语料出发，观察一个概念、地点、人物或关系在大规模文本中的频率、语境和分布，而不必完全依赖记忆、选择性阅读或少数代表性篇章形成认识（Sinclair, 1991; Biber, Conrad and Reppen, 1998; McEnery, Xiao and Tono, 2006; McEnery and Hardie, 2012）。对于《费孝通全集》这样规模巨大、时间跨度长且主题广泛的个人著述，语料库分析可以首先呈现词语及其关系在整体文本中的分布特征，再返回具体文章及其历史语境，为进一步分析思想内涵及其变化建立证据基础（Baker, 2006；钱毓芳，2010）。

       本文所说的AI主要指近年来广泛应用的生成式人工智能Generative Artificial Intelligence。大语言模型Large Language Models（LLMs）是当前生成式人工智能发展的重要技术基础。从研究者实际使用AI的方式来看，主要可以分为两种形态：一是以ChatGPT、DeepSeek、豆包等为代表的对话式AI （Conversational AI），二是以Codex、Claude Code等为代表的智能体式AI （Agentic AI）。 对话式AI主要通过自然语言交互参与提问、研究设计、分析和写作；智能体式AI则可以进一步进入具体工作环境，在研究者授权和研究协议research protocol的约束下读取指定材料、调用工具、运行程序并连续完成多步骤研究任务。前者主要体现为“人与AI对话”，后者进一步表现为“AI执行研究任务”。本文综合运用了上述不同形态的AI：以ChatGPT参与研究问题讨论、研究设计、研究指令形成、分析及写作，以Codex在限定语料和研究协议下执行语料处理、计算和多步骤研究任务，同时引入Claude Code进行独立分析和复核。AI由此从对话和研究辅助进一步进入研究设计、计算、分析和验证等知识形成过程，其作用和边界也成为本文实验需要考察的问题。

      人工判断Human Judgement构成这一范式的第三个组成部分，并贯穿研究全过程。研究者提出研究问题，确定语料、证据边界和研究协议，并结合原始文本、历史语境、专业知识和长期研究积累，对AI任务、证据使用、分析推进、结果验证和解释边界持续作出判断，最终形成学术结论并承担责任。人工判断因此不是研究完成后的最终把关，而是从问题提出、证据形成到分析和验证持续参与知识生产。其在人机协作中的具体作用及方法边界将在下文进一步讨论。

（二）人机关系、人机协作及其方法边界        

       生成式AI进入研究过程以后，人和AI的关系逐渐从工具使用扩展到知识生产中的多层次协作。当AI参与研究问题讨论、研究设计、计算、分析、验证和写作时，一个基本问题随之出现：研究过程中哪些工作由研究者完成，哪些由AI完成，二者如何分工，又由谁对最终成果的质量和学术责任负责？本文的实践并不以最终文本中哪些句子由人或AI生成来区分二者的贡献，而是考察整个研究过程中不同参与者承担什么任务、依据什么证据、接受什么约束以及如何进行验证。对话式AI可以参与研究问题讨论、研究设计、分析和写作；智能体式AI可以在限定材料和研究协议下执行多步骤研究任务；研究者则持续决定研究问题、证据边界、AI任务、验证方式和最终学术判断。

       这一实践进一步提出了一个重要的方法问题：当AI帮助研究者形成研究指令，再由另一个AI按照指令执行研究任务时，如何检验AI写给AI的指令？提示词prompt和研究协议research protocol本身可能遗漏必要的研究环节，也可能将某些预设带入后续分析。已有研究表明，大语言模型对prompt的措辞和结构具有不同程度的敏感性（Chatterjee et al., 2024; Zhuo et al., 2024）。因此，研究指令本身也必须成为检查和验证的对象。本文尽可能保存研究协议、输入边界、阶段性结果和重要修改，并通过不同AI的独立分析、交叉比较和返回语料，对重要发现进行复核。不同AI之间的一致和分歧可以成为进一步发现和验证问题的线索，但不同模型得出相近结果本身并不能证明解释成立，重要发现仍须返回语料和原始文本核验。

      人工参与AI过程及人与AI之间的任务分配，近年来也成为Human-in-the-Loop研究讨论的重要问题（Mosqueira-Rey et al., 2023; Natarajan et al., 2025）。本文进一步将人工判断区分为过程性人工判断procedural human judgement和实质性人工判断substantive human judgement。前者贯穿研究过程，包括提出和调整研究问题、确定语料和证据边界、审核研究协议、控制AI输入、判断分析可以推进到什么程度以及何时需要返回语料；后者则在语料库分析、AI分析和原文核验的基础上，判断证据能够支持什么解释、解释能够推进到什么程度及其具有怎样的社会科学意义。前者控制知识生产过程及其边界，后者形成最终学术判断。

       研究质量的控制由此贯穿人机协作的全过程：研究协议可以检查，AI输入可以限定，重要发现可以返回证据，不同AI可以独立复核，机器解释可以接受人工质疑和修正，人工判断本身也必须受到证据边界的约束，最终学术判断则由研究者作出并承担责任。这些相互联系的环节，共同构成“语料库-AI-人工判断”研究范式的方法边界。

三、语料库计算与证据基础

       语料库Corpus分析构成本文研究的第一阶段。以《费孝通全集》20卷Markdown格式文本为母语料，本研究没有直接使用WordSmith Tools、AntConc等现成语料库软件，而是在ChatGPT和Codex工作环境中，通过本地Python程序实现词表WordList、关键词Keywords、检索行分析Concordance/KWIC、搭配Collocates、词簇Clusters、型式Patterns和分布图Plot等语料库分析方法。相关统计结果均由程序对原始文本进行确定性处理产生，ChatGPT和Codex主要参与程序编写、运行及分析流程组织。这种做法改变了语料库工具的实现方式，但仍遵循传统语料库语言学的基本方法，并保留其以检索行、型式和分布等形式直接呈现语料关系的可视化特点，使研究者能够观察和比较计算结果，并根据需要返回原始文本进行核验（Stubbs, 2001; Hunston, 2002; McEnery, Xiao and Tono, 2006; McEnery and Hardie, 2012）。表1以实际计算结果展示本文研究环境中的检索行，图1进一步展示相关材料的分布，后者将在下文结合两轮语料库计算结果具体讨论。

 表1　“大同”的检索行Concordance/KWIC及原文定位示例

       表1以“大同”为节点词展示部分检索行。与WordSmith Tools的Concordance功能相似，节点词在检索行中居中排列，研究者可以通过上下浏览和左右比较，直接观察同一字符串在不同语境中的使用。例如，前两条“大同”指向山西大同及其旅游、煤炭生产等地方语境，第三、四条则属于“天下大同”等思想表达。第五条进一步显示了字符串检索可能产生的词界问题：“翻译我和云大同事……”中的“大同”实际跨越“云大”与“同事”两个语言单位，并非一个独立词项。对此类命中，研究进一步返回检索行和原始文本进行核验，并在针对具体地点、概念或事件的分析中重新作出语义判定，不将其作为相应研究对象的有效证据。这个例子也说明，第一轮形成的“有效命中”仍是特定检索和过滤规则下的证据状态，并不意味着每个字符串针对后续具体研究问题都已完成最终的语义判定。每条检索行均保留原始语料定位信息，可以由计算结果返回相应Markdown原文，扩大上下文进行核验。

       本阶段尤其注意语料库计算、结果核验与随后AI语义分析之间的区分。语料库计算完成后，基本结果首先以检索行、分布等可视化形式呈现，使研究者能够观察、比较并返回原始文本核验；同时，本文还将使用WordSmith Tools对部分相同节点词和计算结果进行对照，以检查可编程研究环境与传统语料库软件在基本检索和呈现结果上的一致与差异。语料库分析完成并冻结后，其结果才作为独立的语料证据进入下一阶段，由大语言模型开展语义分析；AI形成的重要解释还可以进一步返回语料库分析结果及原始文本进行核验。由此，语料库计算、传统工具对照、AI分析和后续人工判断前后衔接，同时保留各自的证据边界。

（一）第一轮实验：建立山西专题语料

        语料库计算以《费孝通全集》第1—17卷及第20卷为主语料，第18—19卷译著作为参照语料单独处理，不并入费孝通原创文本的实质统计，以避免将译著中的地名、概念和表达计入费孝通本人的研究材料。山西检索没有局限于“山西”一个省名，而是首先检索“山西”及其上下文，由语料本身提供扩展检索的线索。在此基础上，AI识别和整理语料中出现的城市、县域、具体地点及相关词项，形成候选检索词，再返回《费孝通全集》进行扩展检索和上下文核验。经过不断检索、扩展和核验，逐步建立山西专题语料库，为后续语料库计算和AI分析提供证据基础。

        在确定语料边界和检索词表后，使用Python编写并运行山西语料计算程序shanxi_corpus_analysis.py，进行词频Frequency、检索行Concordance/KWIC、搭配Collocation、词簇Clusters、离散度Dispersion和关键词性Keywords六项计算。

        第一轮检索共获得1,090个原始命中raw hits。原始命中只是字面检索得到的候选材料，不能直接进入山西专题语料库。研究逐条返回上下文进行地域和语义核验，最终保留321个有效命中valid hits，排除769个。“有效命中”是指按照第一轮检索和过滤规则进入山西专题语料库的材料，并不意味着针对以后每一个具体研究问题都已完成最终语义判定；随着研究问题进一步具体化，仍需返回具体语境核验。

        在321个有效命中的基础上，第一轮进一步进行了词频、检索行、搭配、词簇、离散度和关键词性分析。主要有效词项中，“山西”92次，“煤”35次，“大同”28次，“阳泉”22次，“晋商”20次，“理财文化”17次，“晋城”15次，“乔家大院”14次。这些结果使原本散布在全集不同卷次和文章中的山西材料呈现出可比较的频率、语境、关联和分布特征。

        第一轮计算完成后，研究将语料边界、检索词表、命中记录、过滤结果和计算参数进行版本冻结freeze，形成可以复查、复现和质疑的证据状态。冻结并不意味着这一版本成为不可修正的“真值”；以后发现遗漏、错误或新的方法问题，均通过审核记录、补充实验或新版本保留修正过程。

（二）第二轮实验：方法检查与补充计算

       第一轮结果冻结以后，研究者才有可能基于已经实际运行的计算结果，对所使用的方法和程序进行进一步检查。检查发现，作者以往使用WordSmith Tools进行语料分析时经常使用的型式Patterns和分布图Plot没有进入第一轮Python程序，而第一轮程序增加了作者过去较少使用的离散度Dispersion。这些并不是研究开始时预先设计好的第二轮任务，而是在第一轮实验完成以后暴露出来的新问题。第二轮实验由此需要回答两个问题：补入型式和分布图以后，能否发现第一轮计算没有显示的信息？已经使用的离散度又能否提供不同于词频和分布图的独立证据？

       第二轮实验在保持原始语料、检索词表和321个有效命中不变的条件下，将型式和分布图加入计算，同时重新检查离散度的实际作用。因此，这一轮没有重新进行山西检索，而是在第一轮已经冻结的山西专题语料库基础上，对语料库计算方法进行补充和检验。这样的处理既使新增方法能够与第一轮结果进行比较，也避免因重新改变语料范围而混淆方法变化与证据变化。

       在这一过程中，对第一轮程序的技术审核又发现了一个此前并未预见的问题：原有搭配搭配和词簇的节点词坐标定位存在偏移。研究重新建立原始Markdown文本坐标与token位置之间的对应关系，对321个有效命中逐一进行坐标验证，并重新计算搭配和词簇。321个有效命中全部通过原始Markdown坐标验证；这一技术问题不影响词频、检索行、分布图、离散度和关键词性等计算，也不改变1,090个原始命中、321个有效命中和769个排除命中的基本结构。

       第二轮实验由此包括两个相互联系而来源不同的部分：一是研究者根据第一轮结果发现方法缺项，补入型式和分布图，并检验离散度的作用；二是在进一步技术审核中发现并修正型式和分布图的坐标定位问题。整个过程均在第一轮冻结结果之外另行记录，没有覆盖或修改原有版本，从而保留第一轮与第二轮之间可以复查和比较的完整过程。

（三）两轮语料库计算的结果

       离散度和分布图显示了山西相关材料在《费孝通全集》中的不同分布特征。离散度和分布图显示了山西相关材料在将词项在不同卷次中的集中与分散程度转化为可以比较的数值，使频次相近而分布形态不同的词项能够进一步区分。分布图则将这种分布落实到具体位置。321个有效命中在不同卷次中的分布高度不均，第15卷和第16卷分别达到91和90个，形成两个突出的集中峰值，两卷合计181个，占全部有效命中的56.39%，其他各卷均未超过22个。

图1　《费孝通全集》山西相关有效命中的卷次分布

       图1显示了第15、16卷与其他卷次之间的明显差异。对卷内位置的进一步计算发现，第15、16卷的山西相关命中又集中于若干较窄的文本区段，第20卷的命中也较多集中于卷内后部。这说明卷次层面的集中之下，还存在更具体的文本内部集中，仅凭卷次频次尚不能完整呈现材料的实际分布。

       第二轮重新计算搭配和词簇后发现，第一轮的坐标偏移对这两项结果影响较大：旧搭配中只有41.84%的词项在修正后仍然出现，旧词簇中只有0.68%的型式仍然出现。因此，第一轮这两项派生结果被撤回，以修正后的计算结果取代。这一修正不改变1,090个原始命中、321个有效命中和769个排除命中的基本证据结构，而是修正建立在有效命中基础上的派生计算结果。

       经过两轮实验，最终形成词频、检索行、搭配、词簇、型式、分布图、离散度和关键词性八项语料库计算功能。第一轮与第二轮的关系由此不是简单增加计算项目，而是在冻结原有证据的基础上，通过补充、检查和修正逐步形成较为完整的计算体系。

（四）两轮语料库实验的方法发现

       两轮实验表明，专题语料库的建立和计算并非一次完成。已经进入专题语料库的有效命中，在面对更具体的地点、概念和事件时仍可能需要进一步语义核验；建立在有效命中之上的搭配、词簇等派生计算，也需要接受独立的技术检查。型式、分布图和离散度的补充与比较进一步表明，不同计算方法可以从语言型式、具体位置和分散程度等不同方面提供相互补充的形式证据。

       两轮实验也显示了版本冻结的作用。冻结不是阻止修正，而是使第一轮结果、后来发现的问题以及第二轮的补充和修正分别留下记录。原有错误不会因为后来得到纠正而从研究过程中消失，新增功能也不会被写成最初即已存在。研究中的发现、检查和修正由此成为可以追踪和复查的方法记录。

       两轮计算共同遵守同一条解释边界：频率不是理论，分布也不是理论。一个词出现35次，并不意味着它就是费孝通山西研究中最重要的理论问题；一个只出现数次的材料，也不能因此被认定为思想意义较低；某些材料集中于少数卷次或文本区段，也不能仅凭这种集中直接推导其思想意义。语料库计算首先回答“什么出现了、在哪里出现、怎样共同出现以及如何分布”。这些形式证据构成下一阶段AI分析与人工判断可以返回、检查和验证的证据基础。

四、AI分析及独立验证

       大语言模型进入社会科学文本分析以后，一个基本的方法问题是：当AI参与分析乃至知识形成时，其结果如何被检查和验证？已有研究开始将LLM用于归纳式和演绎式定性编码，并通过LLM与人工编码者、不同LLM之间的比较检验分析的一致性；与此同时，模型输出的不稳定性、算法过程的不透明以及研究者无法直接观察其内部推理过程，也使方法透明度、证据核验和研究者责任成为重要问题（Roberts, Baker and Andrew, 2024; Zhang et al., 2025; Jones, 2025; Misra et al., 2026）。近年来的盲法比较研究进一步表明，不同LLM在相同文本材料上可以形成具有一定一致性的分析结果，但归纳式分析仍存在明显的模型差异，模型输出本身不能代替证据核验和研究者判断。

       本文将AI分析置于一个可以检查和返回证据的研究程序之中：AI只读取已经冻结的语料库证据，重要判断必须能够返回具体文本；不同模型在输入隔离条件下独立分析同一证据，再比较其收敛、差异和遗漏；分析中出现的问题还可以反向返回语料库和原始文本核验。这里追求的不是不同AI给出完全相同的答案，而是通过证据冻结、输入隔离、分析记录、跨模型比较和人工判断，使AI参与知识形成的过程具有明确的证据边界、可审查性，并由研究者承担最终的学术判断和责任。

       上述研究程序涉及冻结证据、独立分析、跨模型比较和证据返回等相互连接的环节。为更直观地呈现不同AI在分析和验证中的关系，图2将其概括为‘同一冻结证据—结果隔离—独立分析—跨模型比较—证据返回’的基本流程。

图2　AI分析与独立验证的基本流程

        注：（1）AI分析A与独立AI分析B在相同的证据基础上独立运行，彼此不读取对方的结果。（2）跨模型比较关注收敛、差异与遗漏，而非直接得出结论。（3）比较结果不直接构成研究结论，而是进一步返回证据，以核验解释能够成立到什么程度。

      图2显示，冻结的语料库证据分别进入两套相互隔离的AI分析过程。跨模型比较既考察两套分析的收敛，也关注其差异、遗漏和共同沉默；比较结果并不直接构成研究结论，而是进一步返回语料库计算结果、检索行及必要的原始文本进行核验，并据此形成‘支持’‘不能确定’或‘需进一步核验’等证据状态。因此，本文所说的AI独立验证并不是‘以一个模型证明另一个模型’，而是利用不同模型在相同证据基础上的独立分析，增加问题发现和解释过程的可检查性，并检验AI解释能够成立到什么程度。

（一）第一轮AI分析及独立验证

1. AI分析

       第一阶段的语料库计算虽然已经在OpenAI的ChatGPT和Codex工作环境中完成，但大语言模型的语义解释功能在这一阶段被有意限制。语料库计算完成并冻结以后，研究才进入AI语义分析阶段。此时，ChatGPT和Codex的角色由辅助编写和运行语料计算程序，转向读取冻结的语料库证据，对其中的时间、地点、人物、活动及其可能形成的问题结构进行开放式分析。

       这种区分对于本文的方法设计十分重要。如果直接将20卷《费孝通全集》交给大语言模型，要求其总结“费孝通的山西研究”，研究者很难判断答案来自哪些文本，也难以检查模型是否遗漏低频材料、混淆译著与原创文本，或将语料之外的一般知识带入分析。本文采取相反的顺序：首先通过语料库计算建立可定位、可计数、可复查的证据基础，再由AI在限定的证据范围内寻找跨文本联系，使重要解释能够返回冻结语料接受检查。

       第一轮AI采取开放式分析。山西专题语料库的建立已经涉及煤炭、晋商等检索词，但AI分析阶段并不预设这些材料应当构成哪些研究主题，也不规定主题数量和解释框架，而是从冻结证据出发，观察地点、人物、经济活动和社会问题之间反复出现的联系。分析形成了两组较为明显的问题结构：一组以煤炭、阳泉、晋城等为中心，涉及资源开发、工业、市场、交通、资源型地区发展及后续产业；另一组以晋商、祁县、乔家大院、理财文化等为中心，涉及商业、金融、人口流动、信用和跨区域联系。此外，AI还识别出家庭副业、技术、开放和地方发展等相关问题。

      AI在这一阶段增加的不是更多的词频结果，而是对分散证据之间关系的识别和组织。例如，“煤—阳泉—晋城”等原本分布于不同文本中的材料，被进一步连接为资源条件、资源开发、产业发展与资源型地区转型之间的问题关系；“祁县—乔家大院—晋商—理财文化”等材料，则被连接到商业网络、金融信用、人口流动和传统商业文化。由此，研究单位开始从单个词项及其共现关系，转向由多个地点、事件和活动共同构成的社会科学问题。但是，这种转换只产生了需要进一步检验的解释，而不是已经成立的研究结论；AI建立的关系仍必须返回冻结语料和原始文本接受核验。

2. 独立验证

       为了检验第一轮AI分析是否过度依赖单一模型，本文进一步引入Anthropic的Claude Code进行独立验证。Claude Code读取与ChatGPT/Codex第一轮分析相同的冻结语料库证据，但在独立分析阶段不读取ChatGPT/Codex已经形成的分析结果，也不读取研究者随后形成的人工判断和现实田野信息。只有在Claude Code完成独立第二次阅读 Independent Second Reading并将结果冻结后，两套AI的分析结果才进入比较。整个过程保留输入隔离、结果隔离和结果冻结的实验记录。

       这里所说的“独立验证”，不是简单更换一个大语言模型重复同一问题，也不是由第二套模型评价第一套模型的答案，而是在保持证据基础相同的条件下，对既有分析结果进行隔离。第二套AI在不知道第一套AI已经形成何种结论的情况下独立分析同一证据，由此考察当模型和工作环境发生变化时，哪些问题结构能够再次出现，哪些只被其中一个模型识别，以及哪些可能被两个模型共同遗漏。

3. 跨模型比较

      跨模型比较显示，两套AI在两个主要问题结构上形成较为明显的收敛：一是“煤炭—阳泉／晋城—资源型地区发展”，二是“晋商—祁县—乔家大院—商业金融”。在相同冻结证据和既有分析结果相互隔离的条件下，两套AI独立形成相近的问题结构，显示这些联系具有一定的跨模型解释稳定性。与此同时，两套分析在具体材料的组织和解释重点上也表现出明显差异。表2将主要结果并列呈现。

表2　两套AI独立分析结果的跨模型比较

注：AI A = ChatGPT/Codex；AI B = Claude Code。

        表2显示，两套AI对资源型地区发展和晋商商业金融的共同识别，表明这些问题结构具有一定的跨模型解释稳定性，但这种收敛并不能证明解释成立，更不能代替具体证据核验。模型之间的差异和互补则表明，同一证据可能形成不同的材料组织和解释重点；共同沉默尤其值得注意，因为两个模型均未突出某项材料，并不能据此判断该材料不存在或不重要。因此，跨模型比较的意义不仅在于观察不同AI能否形成相近解释，更在于通过收敛、差异和共同沉默，确定哪些问题需要进一步返回语料核验和人工判断。         

4. 反向证据检查

       独立验证还产生了一个超出最初设计的作用，即反向检查第一阶段形成的语料证据。例如，Claude Code在核对部分数字时发现，不同结果文件中的“煤”数量表面上存在差异。返回原始命中、有效命中和参照译著语料后发现，这一差异来自统计范围不同，并非计算错误。对于“大同”，独立验证进一步提示了山西地名“大同”与“天下大同”等思想概念之间可能存在的同形冲突，需要重新返回语境核验。由此，独立验证不仅检验第一套AI形成的解释，也能够反向发现语料库计算、分类和语义过滤中需要进一步审核的问题。

       两个模型之间的一致同样需要保持明确的解释边界。两套AI共同识别某一问题结构，只能说明它在相同冻结证据、不同模型条件下具有一定的解释稳定性，并不意味着这一解释已经得到证明。同样，两个模型均未突出某项材料，不能据此判断该材料不存在或不重要；第二套模型提出第一套模型没有发现的问题，也不能自动成为新的研究结论。所有重要解释仍须返回语料库证据和原始文本核验，并最终接受研究者的人工判断。

       第一轮AI分析及独立验证由此形成了一条可返回的证据链：冻结的语料证据分别进入开放式AI分析和相互隔离的独立分析，跨模型比较形成的收敛、差异、遗漏和异常，再返回语料库及原始文本核验。AI由此既参与问题发现，也参与对既有证据和解释的反向检查，但其结果始终处于可检查、可质疑和可修正的研究过程中。

（二）第二轮AI分析及独立验证

       第一轮AI分析及独立验证表明，不同AI能够从相同的冻结语料证据中独立识别出若干相近的问题结构，同时在材料组织和解释重点上形成差异。这一结果说明，跨模型比较可以检验AI问题发现的相对稳定性，但尚不能回答一个更重要的问题：这些由AI形成的解释本身，究竟能够得到多大程度的语料证据支持？

       第二轮由此将验证重点从“模型之间是否形成相近发现”推进到“AI解释具有何种证据资格”。它建立在补充计算、技术审核和重新冻结的语料证据之上，不再重复检查型式、分布图、离散度、搭配和词簇等语料库功能，而是重新检验第一轮AI提出的时间、主题及其关系。例如，92个“山西”有效命中跨15卷分布，可以证明相关材料具有明显的跨卷分布，却不足以据此确认一条连续的思想发展轨迹。这表明，一个解释即使具有统计基础，并受到不同AI的共同注意，也仍须返回更具体的语料证据，才能确定其证据资格。

       两轮验证由此具有不同功能：第一轮主要检验不同AI能否从同一冻结证据中独立发现相近、互补或不同的问题；第二轮进一步检验这些发现和解释能够获得何种程度的证据支持。前者主要发生在不同AI分析之间，后者则发生在AI解释与语料证据之间。因此，跨模型收敛不是验证的终点，重要解释仍须返回计算结果、检索行乃至原始文本重新核验。

       这一过程也进一步明确了AI分析与人工判断的边界。AI可以发现关系、组织材料和提出解释，独立分析与跨模型比较也可以增加研究过程的可检查性，但模型之间的一致不能决定某一社会科学判断是否成立。特别是在证据不足的情况下，保留“现有语料证据无法确定”，比继续补足一个看似完整的解释更符合本文的研究要求。两轮AI验证的意义因此不在于“以机器验证机器”，而在于逐步确定AI解释的证据资格，并将仍待判断的问题交给下一阶段的人工判断。

（三）两轮AI分析及独立验证的结果与方法发现

       两轮AI分析及独立验证显示，不同AI在相同冻结证据和结果隔离条件下，可以独立识别出若干相近的问题结构，同时在材料组织、主题概括和解释重点上形成差异。煤炭与资源型地区发展、晋商与商业金融等方面出现了一定程度的跨模型收敛，说明这些问题结构具有一定的解释稳定性；而模型之间的差异、遗漏和共同沉默，则进一步暴露出需要返回语料核验的问题。因此，跨模型比较的价值既在于观察分析的稳定性，也在于通过不一致和缺失发现新的检查入口。

       第二轮验证进一步表明，跨模型收敛并不等同于证据成立。经过补充计算、技术审核和重新冻结以后，研究重新检验第一轮AI已经提出的重要解释及其证据资格。例如，92个“山西”有效命中跨15卷分布，可以证明相关材料具有明显的跨卷分布，却不足以据此确认一条连续的思想发展轨迹。一个解释即使具有统计基础，并受到不同AI的共同注意，也仍须返回更具体的语料证据，才能判断其能够成立到什么程度。由此，两轮验证形成了两个相互衔接但不能混同的层次：第一轮主要检验不同AI能否独立发现相近、互补或不同的问题，第二轮则检验这些发现和解释能够获得何种程度的证据支持。

       两轮验证由此形成了两个相互衔接但不能混同的层次。第一轮主要检验不同AI能否从同一冻结证据中独立发现相近、互补或不同的问题，第二轮则进一步检验这些发现和解释能够获得何种程度的证据支持。前者主要发生在不同AI分析之间，后者则发生在AI解释与语料证据之间。因此，跨模型收敛不是验证的终点，而只是进一步返回证据的起点；重要解释仍须返回计算结果、检索行乃至原始文本重新核验。AI独立验证由此从“模型与模型之间的比较”，进一步推进到“解释与证据之间的检验”。

       这一过程进一步明确了AI分析与人工判断的边界。AI可以发现关系、组织材料和提出解释，不同模型之间的独立分析和比较也可以增加研究过程的可检查性，但模型之间的一致本身不能决定某一社会科学判断是否成立。特别是在证据不足的情况下，保留“现有语料证据无法确定”，比由AI继续生成一个看似完整的解释更符合研究要求。因此，两轮AI分析及独立验证的意义并不在于“以机器验证机器”，而在于逐步确定AI解释的证据资格，并将仍待判断的问题交给下一阶段的人工判断。

五、人工判断及其知识发现功能

       第二轮AI分析及独立验证完成以后，研究进一步将需要人工判断的重要解释转化为具体问题，并建立相应的人工判断程序：由AI整理计算证据和语料返回结果，形成供研究者判断的Evidence Packet；在明确已有证据、证据缺口及需要进一步返回原文核验的问题后，再由研究者作出实质性学术判断。已经完成的测试表明，这一过程能够进一步揭示AI解释与语料证据之间的距离，使一些看似成立的解释重新回到“证据是否足够”的问题上。例如，关于山西材料能否支持一条连续的思想发展轨迹，现有证据虽然能够确认92个有效命中跨15卷分布，却不足以证明不同文本之间构成连续的思想发展过程，因此只能保留为“现有语料证据无法确定”。由于逐项人工判断还需要进一步返回篇目、历史语境乃至原始文本核验，而本文旨在展示“语料库-AI-人工判断”范式的整体研究过程，以下不再逐项展开，而主要讨论人工判断在社会科学判断、知识发现和知识生产中的功能。

（一）从文本证据到社会科学判断

       如果说语料库负责建立形式证据，AI负责发现大规模证据之间的潜在关系，那么第三阶段的人工判断首先面对的是一个转换问题：机器能够处理的是文本，而社会科学最终需要解释的是事件、行动、关系和思想，两者之间不能直接画等号。

       人工判断的第一项工作，是从文本命中重建历史事件。321个有效命中并不意味着321次活动，一个地点出现14次，也不意味着费孝通到访14次。同一次山西行程可能包括太原、祁县、乔家堡、大同等多个地点，又可能在当时文章、后来讲话和回忆文字中被反复提及。因此，需要把语料库中的“文本单位”重新转化为社会科学研究中的“事件单位”：区分本人到访与他人调查、计划前往与实际到达、途经与实质考察，并根据时间连续性、空间路线和活动背景，判断不同文本是否实际上记录了同一次行程。

图3 从文本命中到社会科学事件的分析单位转换

        说明：人工判断的核心作用，不是对AI结论作文字润色，而是改变研究对象的分析单位，将分散的文本命中转化为可解释的历史事件、空间路线与研究问题，从而进入社会科学的解释与知识发现过程。

      图3所呈现的转换实际上改变了研究对象本身。语料库的基本单位是命中及其分布，AI主要发现这些证据之间的潜在关系，而社会科学研究最终需要建立的单位可能是一次真实访问、一条连续路线或一个持续形成的问题。只有完成这种转换，才有可能严谨地回答费孝通何时进入山西、一次考察涉及哪些地方，以及不同地点是否属于同一考察过程。

     人工判断的第二项功能，是判断机器发现的“主题”能否进一步提升为“思想”。机器能够发现煤炭、晋商、理财文化等材料的聚集，但主题的集中出现并不自动构成思想贡献。以煤炭为例，真正具有社会科学意义的并不是“山西有煤”这一事实，而是费孝通如何从资源条件进一步讨论资源开发、产业延伸、市场、交通以及资源型地区后续发展等问题。研究者只有将这些分散材料放回相关文本及其历史语境中，才可能进一步提出“资源禀赋如何转化为发展能力”这样的分析性命题。同样，晋商的意义也不在于乔家大院本身，而在于相关材料是否能够进一步连接商业网络、信用、人的素质、伦理基础以及传统文化与现代经济的关系。

     但是，人工判断既负责推进解释，也必须限制解释。研究者不能把自己的概括倒写成费孝通的原话，不能因为一个概念集中出现在一篇文章中，就将其认定为费孝通长期稳定的理论，也不能把同行或地方研究者的材料自动归入费孝通本人的发现。人工判断因此不是赋予研究者无限的解释权，而是承担确定“现有证据最多允许我们说到哪里”的责任。研究者不仅要形成解释，也要判断哪些解释能够成立、哪些尚需补充证据，以及哪些问题在现有证据条件下必须保留为“无法确定”。

（二）人工判断的知识发现功能

        山西实验中更具方法意义的人工判断，来自研究者对机器所形成的整体知识图景的怀疑。两套AI已经较为清楚地形成“煤炭—资源型地区发展”和“晋商—商业金融”等解释结构，这些结构本身并无明显错误。但是，当研究者面对这一知识图景时，一个非常朴素的问题随之出现：山西具有丰富的历史文化遗存，为什么机器重建出来的“山西”几乎只有资源、经济和发展？

        这个疑问本身当然不是证据。研究者不能因为自己认为费孝通“应该看云冈”，就把云冈写入他的思想。人工判断真正的方法价值，在于将这种对既有解释的不满足转化为一个可以重新检验的问题：第一轮语料库究竟有没有检索到相关材料？

        重新返回冻结语料后发现，云冈材料并没有被语料库漏掉。相关文本已经通过“大同”“山西”等检索入口进入候选材料，并被判定为主语料库中的有效证据。问题因此发生了根本变化：这不是“没有检索到”，而是“已经检索到，却没有进入机器形成的主要解释”。

        本文将这种现象暂称为“证据显著性失衡” Evidence Salience Failure。所谓证据显著性失衡，是指一项材料已经进入有效证据系统，但在后续主题抽取、摘要或AI解释中，没有获得与其潜在社会科学意义相称的分析权重。它必须与“检索失败” retrieval failure 相区分：前者是“看见了，却没有充分认识其意义”，后者才是“根本没有看见”。

        这一发现改变了人工判断在整个研究链条中的位置。人工判断不再只是最后检查AI“有没有说错”，还必须追问AI“已经看见却没有告诉我们什么”。这实际上是对机器所形成的知识图景本身进行审核。高频、重复、关系密集或跨文本联系较强的材料可能更容易进入主要解释，而某些出现次数不高、却可能具有重要社会科学意义的材料，则可能被压低。人工判断由此需要进一步辨析：统计显著性、机器显著性与社会科学意义之间是否发生了错位。

        更重要的是，人工判断能够由此生成新的研究问题。山西的文明维度并不是研究开始时预设的主题，而是在机器已经形成一个看似相当完整的知识图景以后，由研究者意识到“这个山西似乎缺少了什么”，再返回语料重新核验而产生的。研究者的怀疑在这里不是证据，而是证据返回的触发机制。人工判断的知识发现功能因此不在于凭借研究者已有知识直接补充机器没有给出的答案，而在于识别机器知识图景中的异常、空白和失衡，将其转化为新的研究问题，再交还给语料证据检验。

（三）人工判断、作者性与知识生产方式

      上述过程使人工判断呈现出一种循环功能：机器形成知识图景 → 人工发现异常或空白 → 提出新的问题 → 返回冻结语料 → 重新核验 → 修正原有解释。

       这一循环表明，人工判断并不是“语料库-AI-人工判断”流程的最后一道人工审核，而是知识生产过程本身的一部分。研究问题也不再全部产生于研究开始之前：语料库建立可返回的证据基础，AI从大规模证据中发现关系并形成知识图景，研究者在判断这一图景的过程中又可能发现新的问题，并重新返回语料检验。知识发现由此可能产生于语料库、AI和人工判断之间的多次往返，而不是一次从材料到结论的单向过程。

       这也使智能时代的作者性获得了更具体的含义。AI可以参与检索、计算、关系发现、材料组织和独立验证，但作者的学术作用并没有因此消失。研究者仍然需要判断什么构成研究问题，什么可以作为证据，文本命中如何转化为历史事件，机器发现的主题能否进一步形成思想解释，哪些异常值得重新追问，以及现有证据允许结论推进到什么程度。作者性因而不只体现为最终文字由谁写出，更体现为谁提出和调整研究问题、确定证据边界、作出实质性解释和限制解释，以及由谁对最终形成的知识承担学术责任。

       与此同时，人工判断自身也必须接受证据约束。研究者拥有地方常识、学术史知识和理论经验，也同样可能产生确认偏误。背景知识如果直接进入答案，就可能成为主观补充；只有将其转化为可以检验的问题，并重新接受语料库证据和原始文本的核验，才可能成为知识发现的触发机制。因此，在本文的方法中，人工判断不是凌驾于机器之上的“最终权威”，而是一个既能够提出机器尚未提出的问题、自身又必须留下证据链并接受核验的研究环节。

六、费孝通山西研究的主要发现与思想贡献[6]

        如果说前述实验回答的是“怎样重新发现费孝通的山西研究”，本部分进一步回答“重新发现了什么”。山西材料所呈现的并不是一套预先形成的地方理论，而是一条由地点和地方事实不断进入资源、发展、社会空间与文化问题的思想线索。     

        前述语料计算和语义分析表明，费孝通关于山西的讨论并不是一个预先形成、集中展开的“山西研究”专题，而是散见于不同时期的访问记录、区域发展考察、晋商讨论以及晚年关于文化与人文资源的思考之中。正因为如此，仅以“山西”一词为中心进行检索，很难完整呈现其内在结构。将地点、人物、产业、历史活动和概念性表达结合起来之后，可以辨认出若干相互关联的研究线索。进一步回到《费孝通全集》逐项核对原文，这些线索大体可以归纳为以下八个方面。

（一）从地点到社会空间：山西研究的空间展开

1. 从访问地点到研究问题：山西如何成为研究对象

       费孝通对山西的认识并非一次考察形成，而是在多次访问中逐步展开的。第16卷的一段回顾提供了直接证据。他说，自己“第一次来山西是到大寨参观学习”，后来又到晋城、太原，参观乔家大院，随后到大同云冈石窟；在同一段文字中，他进一步将这些地点分别与山区建设、煤炭、晋商金融网络和民族文化联系起来。[7]

图4　费孝通山西研究涉及的主要地点及其问题关联

        这些地点并不仅仅构成一张访问清单。随着多次访问的展开，不同地点分别将费孝通带入不同的问题领域：大寨与山区发展，晋城、阳泉与煤炭及资源型地区发展，太原—祁县与晋商及商业金融，大同—云冈与历史文化和民族关系。地点由此逐渐成为进入山西社会结构、区域发展和历史文化问题的入口。

      其中，1994年前后的太原—祁县访问尤其具有转折意义。费孝通在《晋商的理财文化》中回忆，他原本是想“填补《行行重行行》的一个缺档”而访问山西，到太原后恰逢山西大学召开学术讨论会；此前一天，他参观了太原附近祁县的乔家大院。[2] 也就是说，一次原本具有区域考察性质的访问，因为现场经验而引出了新的研究问题。

        从这个意义上说，山西材料显示出费孝通区域研究的一种重要路径：不是先建立一套关于某一区域的完整理论，再寻找材料加以验证，而是在“行行重行行”的持续访问中，由地方事实引出问题，再将这些问题置于更大的区域关系和中国社会变迁中理解。

2. “闯口外”：山西研究越出了山西行政边界

       “闯口外”使费孝通关于山西的讨论进一步越出省级行政边界。在叙述乔氏创业史时，他写到祁县乔贵发离乡“闯口外”，到内蒙古萨拉齐一家当铺做伙计，后来与秦姓乡亲合伙，在包头开设“草料铺”。费孝通同时指出，萨拉齐本身就是山西人闯口外进入内蒙古以后形成的移民地区。[8]

       更重要的是，这段历史又唤起了费孝通1984年初访包头时的经验。他把包头旧城理解为农牧区交界处形成的内陆商埠，注意到当地居民和商贾中有大量山西移民，并进一步概括：“闯口外是当时山西农民利用农牧贸易找到的一条脱贫致富的生路。”[9] 由祁县到萨拉齐、再到包头，人口迁移与商业活动由此把山西同内蒙古的农牧交接地区连接起来。

       这意味着，人口移动、商品流通、农牧交换、乡土联系和商业网络共同构成了一个跨越山西—内蒙古行政边界的社会经济空间。理解费孝通的区域研究，因此不能简单将“区域”等同于省级行政单位；社会关系和经济网络可能跨越行政边界，形成实际运行的区域联系。

       既有研究已经注意到费孝通城乡社会研究中的历史地理学视野，以及他对地理环境、城乡联系和区域关系的持续关注（吴宏岐、郝红暖，2010）；山西材料则进一步显示，这种区域关系并不必然与行政边界重合，人口迁移、商业网络和乡土联系本身可以形成实际运行的社会空间。

       如果将费孝通关于山西、萨拉齐和包头的相关材料重新连接起来，可以看到一幅不同于行政地图的“社会空间图”：其基本连接不是行政隶属关系，而是人口迁移、贸易往来、乡土联系和商业网络。这里的“社会空间图”是本文依据相关材料形成的分析性概括，而不是费孝通本人使用的固定概念。

      这一发现与既有研究对费孝通区域发展思想的概括形成了直接对话。刘长喜、罗鑫、刘豪兴（2005）指出，费孝通的区域发展研究特别强调经济区域不能简单等同行政区域，市场和经济联系会突破行政区划形成实际运行的区域空间。本文的山西专题语料则从一个具体案例进一步显示了这种区域关系如何形成：祁县—萨拉齐—包头之间的人口迁移、农牧贸易、乡土联系和商业网络，使“山西”越出省级行政边界而进入一个由社会经济关系构成的跨区域空间。

       赵旭东（2010）对费孝通研究路径的讨论，也为理解这一空间扩展提供了一个参照。他通过对费孝通长期学术实践及乡村社会研究的梳理，讨论了其研究视野不断扩展的过程。本文的山西材料则进一步显示，这种研究空间的扩展如何具体发生：由一个个地点和持续的访问出发，通过人口流动、商业网络和区域关系，将具体地方连接到更大的社会空间。

（二）从地方资源到社会机制：发展何以发生

1. 煤炭与资源型地区：“煤挖完了怎么办”

      山西材料中最鲜明的一条问题线索，是煤炭资源与地方发展的关系。这一问题首先在晋城考察中提出，又在阳泉得到更加集中和系统的展开。

       《晋城乡亲奔小康》写于1997年7月25日。费孝通明确说明，自己听说晋城“小康村建设搞得好”，在重访郑州之后转赴晋城考察。晋城地处山西东南部，山区面积较大，自然条件和经济基础相对薄弱，而当地在20世纪90年代已经开始通过多种方式摆脱贫困。[10]

       真正把这一地方发展经验转化为资源型地区问题的，是山耳东村提出的那句话：“煤挖完了怎么办？”同年10月25日，费孝通直接以此为题写成《煤挖完了怎么办》。文章开篇即把晋城与阳泉连接起来：“我在《晋城乡亲奔小康》那篇文章里，提到山耳东村阎支书提出了‘煤挖完了怎么办’这个大问题。这次我到阳泉访问……”[11]

       在阳泉，这一问题进一步表现为资源依赖与产业结构之间的关系。费孝通注意到，阳泉矿藏丰富，经济长期以采掘业为主，产业结构相对单一；改革开放以后，依靠采掘业发展起来的乡镇企业使农民较快增加收入，但不可再生资源“越挖越少”的现实，也迫使当地思考这种发展方式能否持续。

       因此，他特别注意到阳泉提出的“三转三结合”：“地下转地上，地下地上相结合；采掘转加工，采掘加工相结合；低档转高档，低中高档相结合。”

       这一思路并非简单地停止煤炭开发，而是在既有资源条件基础上调整产业结构、延伸加工环节并提高产品的技术含量和附加值。锁簧镇从煤炭采掘转向煤炭深加工，并进一步发展高技术产品，就是费孝通现场记录的具体实例。

       由此来看，山西煤炭材料提出的核心问题已经不只是“有没有资源”，而是一个地区如何将资源条件转化为能够持续的发展能力。资源禀赋可以成为发展的起点，却不能自动保证长期发展。“煤挖完了怎么办”因此不仅是对资源耗竭的追问，也成为费孝通观察资源型地区如何寻找后续发展道路的一个高度凝练的问题意识。

       这一发现也可以放回费孝通长期的发展研究脉络中理解。彭南生、金东（2010）指出，费孝通的乡村工业化、小城镇和区域发展思想并非彼此割裂，而具有前后延伸的内在联系。本文的山西材料进一步显示，当这一发展视野进入晋城、阳泉这样的资源型地区以后，问题又获得了新的具体形态：地方发展不仅是如何发展工业，而且进一步成为如何面对资源耗竭、调整产业结构并形成持续发展能力的问题

2. 晋商与乔家大院：从历史建筑进入社会机制

       如果说晋城和阳泉使费孝通进入自然资源与现代发展的关系，那么祁县乔家大院则将他的注意力引向另一类历史资源——长期积累形成的商业制度、社会关系和伦理传统。

        值得注意的是，费孝通参观乔家大院以后，真正引起他兴趣的并不是建筑本身。他明确说，自己当时“心里被一个问题占住了”：一个仍具有农业地区小镇面貌的祁县，为什么在二百多年前能够产生如此多的豪商巨贾？晋商又为什么能够长期影响全国金融业？[12]

        乔家大院由此从一处历史建筑转化为社会科学问题的入口。费孝通进一步提出，任何经济制度都不是孤立存在的，而是“特定文化中的一部分”，有其具体的“天地人”条件，并具有相应的组织结构和伦理思想。[13] 他的关注因此从“晋商曾经如何兴盛”进一步进入“晋商何以形成和运行”的社会机制。

        这里需要特别区分材料来源与分析来源。费孝通明确交代，关于乔氏家族早期历史的一部分知识来自参观乔家大院时获得的《在中堂——乔家大院》一书，并说明该书经过乔家后人等核对。[14] 因此，乔贵发个人经历、乔氏创业史等具体历史事实属于费孝通援引和转述的材料；真正体现费孝通分析的，是他如何利用这些材料提出晋商形成条件、商业伦理和社会组织等问题。

        这一区分也有助于确定费孝通晋商研究的解释边界。他并不是在撰写一部晋商史，而是借助晋商这一历史经验追问：一种商业制度为什么能够产生和延续，它依赖怎样的社会关系、人的素质和伦理基础，又能够为现代市场经济提供什么启示。乔家大院的意义由此不只在于保存了一段商业历史，更在于它成为费孝通由历史遗存进入社会机制分析的一个具体入口。

3. “天地人”三才：历史机遇、地缘优势与人的素质

        在解释晋商何以兴起时，费孝通明确提出了一个分析框架。他将其概括为“天地人”三才，并用现代语言解释为“历史机遇（天时）、地缘优势（地利）和人的素质（人才）”。[15]

        这里需要特别注意费孝通本人的表述。与其将这一框架概括为通常所说的“天时、地利、人和”，不如保留其“天地人”三才的原有表述，因为第三项明确指向“人的素质（人才）”，而不是一般意义上的“人和”。这一差别不仅涉及用词，也关系到费孝通解释晋商形成时对行动者素质的强调。

        费孝通随后分别展开三个方面。所谓“天时”，是18世纪以来中国国内商业和金融发展的历史机遇；所谓“地利”，是山西隔黄河与内蒙古相连，处于农业和牧业两大经济区的交接地带；所谓“人”，则体现为闯口外者敢于冒险、善于合作等人的素质。他最后明确概括：“三才具备，正是晋商所以能驰骋九州方圆的根据。”[16]

        这一分析的意义在于，它既没有把晋商的兴起归结为单一的地理条件，也没有将其完全归因于某种抽象的文化性格，而是将历史机遇、空间区位与行动者素质置于同一解释框架之中。山西的区域特征由此不再只是静态的“地方特点”，而表现为历史、空间与人的行动相互作用的结果。

（三）从自然资源到人文资源：传统、文化与发展的扩展

1. 从煤炭到云冈：由自然资源进入人文资源

        大同和云冈材料使山西研究出现了又一次重要转换。费孝通在回顾山西访问经历时，将大同云冈石窟称为保存“我们民族文化精华”的地方，并由此指出山西在中华民族文化中的重要位置。[17]

        在第17卷关于人文资源的讨论中，这一认识进一步与地方发展问题连接起来。费孝通回忆访问大同时，正值煤炭市场不景气，当地希望发展旅游业，“来代替煤的生产”。他的回应并不是简单地以旅游业替代煤炭产业，而是强调首先必须把云冈自身的历史和艺术价值“搞清楚，讲出个道理来”。随后，他明确提出：“人文资源和自然资源一样，要有一个逐步认识的过程。”[18]

       这句话成为连接山西两类材料的一个重要节点。晋城、阳泉使费孝通面对煤炭这一不可再生的自然资源及资源型地区如何持续发展的问题；大同—云冈则使“资源”的认识进一步扩展到历史、艺术和文化积累。问题由此不再只是一个地区如何利用已有资源，而进一步成为如何认识不同性质的资源，以及如何将这种认识转化为面向未来的发展条件。

        云冈的意义因此不只在于增加了山西研究中的一个“文化地名”。煤炭市场变化使地方发展问题与云冈发生现实联系，而“人文资源”概念又使这种联系超出了以旅游替代煤炭的产业转换。山西的发展基础由此从地下的自然资源进一步扩展到历史过程中形成的文化积累，文化也由考察对象进入地方发展的分析视野。

2. 从乔家大院到云冈：传统不是静止的过去

        将乔家大院与云冈两组材料联系起来，可以进一步看到费孝通晚年如何理解传统与现代的关系。在晋商问题上，他并没有把传统商业伦理仅仅视为已经消失的历史遗存，而是追问传统文化中是否存在能够进入现代市场经济的因素。他明确提出：“儒家思想中有没有可以继承来发展我们社会主义市场经济的部分？”[19]

        在讨论晋商伦理时，他进一步注意到亲属和乡土关系，以及勤俭、信义、厚道等因素，并将这些传统伦理因素同商业活动和企业精神联系起来。这里真正值得注意的，不只是对晋商历史的回顾，而是他如何从历史经验进一步追问：传统中哪些因素可以在新的经济制度中继续发挥作用。

        云冈及人文资源材料则把这一问题从经济制度进一步推进到文化创造。费孝通将人文资源理解为人类在漫长文明过程中积累、延续和创造形成的文化、历史和艺术财富。它们的意义并不止于作为历史遗存得到保存，还在于能否在新的历史条件下被重新认识和利用，并参与新的文化创造。[20]

        从乔家大院到云冈，两组看似不同的材料由此指向一个共同问题：过去留下来的制度、伦理、艺术和文化遗产，对于今天意味着什么？在晋商材料中，问题表现为传统伦理与现代市场经济的关系；在人文资源材料中，则表现为历史文化遗产与新的文化创造之间的关系。传统在这里不是与现代相隔绝的静止过去，而是需要经过重新认识、选择和创造，才可能进入新的社会生活。

        这一判断也与既有研究对费孝通文化观的讨论形成一定呼应。李友梅（2010）从“文化主体性”的角度指出，费孝通关于文化与现代化关系的思考具有明显的历史阶段性，其关注并不是简单保存传统，而是在现代化进程中重新认识本土文化及其主体性。本文的山西材料进一步提供了一个具体区域层面的观察：晋商传统与云冈人文资源分别从经济伦理和历史文化两个方面显示，传统如何在新的社会条件下被重新提出和解释。

        需要说明的是，“从乔家大院到云冈：传统不是静止的过去”是本文将两组独立文本联系起来以后形成的综合判断，并非费孝通本人使用过的固定命题。构成这一判断的两端——晋商传统与现代市场经济、人文资源与新的文化创造——均有明确的原文依据。因此，这一综合判断的意义不在于为费孝通追加一个新的理论命题，而在于揭示两组分散材料之间可能存在的思想联系。

3. 从一种资源到多种资源：自然资源、社会历史资源与人文资源

        将前述几条线索联系起来，山西材料还呈现出一个更深层的结构：费孝通面对的并不是单一意义上的“资源”，而是不同类型的地方发展基础。

       第一类是自然资源。晋城、阳泉最典型的是煤炭及其他矿藏。它们能够形成产业和财富，但具有不可再生性，因此提出了资源耗竭、产业转型和持续发展的问题。“煤挖完了怎么办”正是这一问题最集中的表达。[21]

        第二类可以概括为社会历史资源。晋商留下来的不仅是乔家大院这样的建筑遗存，还包括跨区域商业网络、金融实践、组织形式、乡土联系和商业伦理。费孝通强调，经济制度具有相应的组织结构和伦理思想，并由此讨论晋商理财文化与现代市场经济的关系。[22] “社会历史资源”是本文为概括这组材料所使用的分析性概念，并非费孝通本人使用的固定术语。

       第三类是费孝通本人明确提出的“人文资源”。他指出，自然资源是天然形成的，而人文资源则是人类在漫长文明过程中积累、延续和创造形成的，包括文化、历史和艺术，其中同样有相当一部分具有不可再生性。[23] 因此，以“人文资源”概括这一维度，比此前使用“文明文化资源”更符合费孝通本人的概念表述。

图5　山西材料中地方资源认识的扩展

资料来源：根据《费孝通全集》第15卷、第16卷、第17卷相关材料，本文整理。注：图中“社会历史资源”是本文分析性概括；“自然资源”“人文资源”均为费孝通使用的概念。

        更重要的是，这三类资源并不是彼此孤立的类别。煤炭提出资源耗竭和产业转型的问题；晋商显示历史形成的社会组织、商业网络和伦理传统可以成为理解当代发展的历史积累；云冈则把资源认识进一步带入长期文明创造形成的历史、艺术和文化世界。自然条件、社会历史积累与人文创造由此共同进入地方发展的分析视野。         

        费孝通后来对这种认识变化有过明确反思。他回顾自己过去关注西部发展时，主要考虑经济发展和摆脱贫困，后来才逐渐意识到，一个地区不仅拥有自然资源，也拥有丰富的人文资源；经济发展本身又促进了人们重新认识这些人文资源的价值。[24]

        这一认识变化与周飞舟（2017）对费孝通晚年思想转向的研究形成呼应。周飞舟指出，费孝通由“志在富民”走向“文化自觉”，并非脱离经验研究转向抽象的文化思考，而是在持续的社会调查、区域发展研究和实践反思中，逐渐认识到经济社会发展背后的心态与文化问题。本文的山西材料则进一步显示，这一转向如何在具体地方经验中发生：从煤炭及资源型地区的发展问题，到晋商所承载的社会历史积累，再到云冈及“人文资源”的认识，发展问题本身不断将费孝通带向更深的历史与文化问题。

        由此来看，山西材料呈现出的不是一种单线的发展模式，而是一种不断扩展的资源认识：从地下矿产，到历史形成的社会关系、商业制度和伦理传统，再到长期文明创造所积累的人文世界。这里的“自然资源—社会历史资源—人文资源”并不是费孝通本人提出的“三种资源理论”，而是本文依据山西材料形成的分析性概括；它是否具有超出山西个案的解释力，还需要通过后续区域比较和全国比较进一步检验。

七、讨论

（一）从工具组合到循环验证：语料库、AI与人工判断

        本文从一个有意保持开放的问题出发：如果研究者事先不知道费孝通何时到过山西、去了哪里、做了什么以及形成了怎样的认识，仅从《费孝通全集》出发，能否重新建立他的山西研究？山西实验表明，这种重建是可能的，但它并不是语料库、AI和人工判断三种工具简单相加的结果，而是在计算、分析、验证、证据返回和重新判断不断往复的过程中形成的。这里真正值得讨论的，不是三者分别“做了什么”，而是它们如何共同改变社会科学知识形成的程序。

        语料库首先建立了一个可计算、可定位、可返回的证据空间，使研究不必从少数已知文本或预设理论概念出发；AI则扩大了研究者在大规模、跨文本证据之间发现关系的能力，将分散的地点、人物、产业和概念组织成可以进一步追问的问题结构。但是，形式关系和语义关系都不能自动转化为社会科学结论。跨模型比较可以显示某些解释具有相对稳定性，却不能证明其成立；统计分布可以显示某种材料存在，却不能仅凭频次和分布建立思想发展轨迹。AI由此扩大了问题发现和关系识别的能力，却不能替代对证据资格和解释边界的判断。

        山西实验进一步表明，验证也不能理解为“用另一个模型再做一次”。本文形成的验证实际上存在两个方向：一是不同AI在相同冻结证据和结果隔离条件下进行独立分析，以观察其收敛、差异和遗漏；二是将AI形成的重要解释重新返回语料库、检索行和原始文本，检验其证据资格。前者发生在模型之间，后者发生在解释与证据之间。验证的终点因此不是模型之间取得一致，而是确认一个判断能够返回什么证据，以及这些证据允许解释推进到什么程度。

        人工判断则使这一过程越出文本分析本身。语料库处理的是命中、频次、语境和分布，AI主要发现这些证据之间可能存在的关系，而社会科学最终需要解释的是事件、行动、区域联系和思想形成。因此，人工判断不仅需要将文本命中重新组织为访问事件、空间路线和研究问题，还要判断机器发现的关系能够在何种程度上形成社会科学解释。这里发生的不是对机器结果的最后审核，而是分析单位和解释层次的转换。

        更重要的是，人工判断还能够反向质疑机器已经形成的知识图景。云冈材料所揭示的“证据显著性失衡”表明，材料进入证据系统，并不意味着它一定能够进入机器形成的主要解释。统计显著性、机器显著性和社会科学意义之间并不存在天然一致。人工判断因此不仅检查AI“说错了什么”，还需要追问AI“已经看见却没有告诉我们什么”，并把这种疑问重新转化为可以返回语料检验的研究问题。

        由此，“语料库-AI-人工判断”不能被理解为一个线性程序，而应被理解为一种循环验证的知识生产机制：语料库建立并约束证据边界，AI扩大关系发现能力，人工判断重新确定分析单位、解释边界和问题意义；AI和人工判断形成的新问题、新解释，又重新返回语料和原始文本接受检验。山西实验由此形成本文第一个主要的方法发现：智能时代的人机协作并不是“机器生成—人工把关”，而是一种以证据返回为核心、不同参与者相互制约并可以反复修正的知识生产循环。

（二）从结果透明到过程透明：人机协作的知识生产

       上述循环进一步提出了一个比“AI能不能做研究”更重要的问题：当研究者与AI持续共同参与研究以后，知识究竟是怎样生产出来的？

       如果把人与AI的区别简单处理为在最终文本中逐句标明哪些内容是 human-generated、哪些是 AI-generated，并不能充分回答这一问题。AI参与的可能并不是最后某一句文字，而是程序编写、材料组织、关系发现、问题提出、比较、验证和表达等多个环节；研究者也不是在最后简单“批准”机器结果，而是持续参与问题选择、证据判断、异常发现、反问题提出、解释限制和最终学术判断。人机协作由此发生在知识形成的全过程，而不仅发生在文本生成的最后阶段。

       这一区别也意味着，AI参与知识生产不能仅仅成为一种“sausage machine”式的内容生产：利用已有 content，通过AI更快地重新组合、加工并生成更多文本。这样的应用虽然提高了生产效率，却未必带来新的知识发现。本文所经历的过程更接近“making bread”：最终的面包很难简单切分为哪一部分属于面粉、水或酵母，但其质量取决于原料、配比、发酵、加工和烘焙的全过程。同样，持续人机互动形成的研究成果，也很难仅通过逐句划分“人的文字”和“AI的文字”来完整说明知识是如何产生的。

       因此，比最终文本的内容归属更需要说明的，是知识生产过程本身：研究问题怎样产生，语料怎样建立，证据怎样形成和冻结，AI在哪些环节参与，哪些解释经过独立验证，研究者在哪里发现异常、提出反问题、限制解释并作出实质性判断，以及最终结论怎样返回原始证据接受核验。这些环节共同构成本文所谓的“过程透明”process transparency。它并不取代对AI使用的披露，而是在此基础上进一步要求知识形成过程具有可追踪性和可检查性。

       过程透明还涉及既有知识和既有研究在什么阶段进入分析。开放式研究并不要求研究者清除长期阅读、研究和学术交往形成的背景知识；对于长期从事费孝通研究的研究者而言，对刘豪兴、李友梅、赵旭东和周飞舟等相关学者及其研究已有不同程度的了解是不可避免的。本文所控制的不是研究者是否“知道”既有研究，而是这些知识是否作为正式分析输入预先规定本轮研究的主题和解释框架。在山西实验中，区域发展、跨行政边界的社会空间、传统与现代、人文资源等主要问题首先从专题语料的计算、AI分析、独立验证和人工判断中形成，此后才进行“文献返回” literature return，将这些发现与上述学者以及进一步检索到的刘长喜、罗鑫、孙秋云、吴宏岐和郝红暖等相关研究进行比较。文献返回不是为已经形成的结论寻找支持性引文，而是判断哪些发现已有研究基础，哪些形成了新的连接或延伸，哪些存在差异，以及哪些原创性主张需要重新限定。由此，开放式发现所要求的不是研究者知识的“清零”，而是正式分析输入的控制；过程透明也不仅要说明语料库、AI和人工判断何时进入，还要说明既有文献何时以及以何种方式进入知识生产。

        这种过程透明同时意味着更明确的知识层次区分：什么来自原始文本，什么来自语料库计算，什么是AI发现的关系或提出的解释，什么是研究者依据证据形成的分析性概括。正如山西实验所显示的，“社会历史资源”“社会空间图”等概括可以由研究者在分析中提出，但必须明确其并非费孝通本人使用的固定概念；AI发现的关系也只有在返回语料证据以后，才能判断其具有何种证据资格。因此，过程透明不仅要记录“谁参与了”，还要说明不同知识主张“从哪里来、经过什么程序、凭什么成立”。

        这种过程透明并不削弱研究者的责任，反而使作者责任更加具体。AI可以参与计算、发现、比较、组织甚至解释，但研究者仍然必须决定什么问题值得研究，什么材料具有社会科学意义，什么解释已经超过证据边界，以及最终哪些判断能够作为学术知识公开交流。作者性因此不只是文本的署名权，更意味着对研究问题、证据边界、解释限度和最终知识主张承担学术责任。

        这构成本文第二个主要的方法发现：AI时代学术透明性的核心问题，不应只停留于最终文本“谁写了什么”，还应进一步回答知识“怎样形成”。人机协作的透明性由此从 content attribution 推进到 process transparency，而研究者的学术责任则贯穿知识生产全过程。

（三）质量而非产量：AI时代不变的学术标准

        知识生产过程发生变化，并不意味着学术研究的基本评价标准也随之改变。生成式AI带来了关于作者身份、学术诚信、出版责任和内容可靠性的广泛讨论，这些问题需要新的规范加以回应。但是，如果围绕技术本身的焦虑持续占据研究中心，也可能成为一种 distraction，使研究者忽略一个更基本的问题：无论使用什么工具，一项研究最终仍须以其发现的质量接受学术评价。

        AI时代没有改变的首要标准仍然是 content quality。研究是否提出了重要的问题，是否建立了可靠而充分的证据，是否形成具有原创性和解释力的认识，仍然决定着一项研究的学术价值。AI可以提高材料处理、关系发现和文本生成的速度，却不能使一个不重要的问题自动变得重要，也不能使一个缺乏证据的解释因为表达完整而获得学术价值。技术提高的是知识生产的可能性和效率，而不是知识本身的学术价值。

        同样重要的是，一项研究能否进入更广泛的学术关切并 engage readers。方法创新本身具有价值，但方法最终必须服务于值得研究的问题。如果研究只是证明某种新技术“可以做什么”，其意义仍然主要停留在工具层面；只有当新的方法帮助研究者发现过去难以发现的关系、形成新的问题，并使这些问题能够与既有研究和更广泛的学术讨论发生联系，方法创新才真正转化为知识贡献。

        由此，process transparency 与 content quality 构成两个彼此联系却不能相互替代的评价维度。前者回答知识怎样形成、证据如何追踪、责任如何确定；后者回答最终形成的知识是否重要、可靠，并具有原创性和解释力。一个过程完全透明的研究仍然可能没有重要发现；一个看似精彩的发现如果不能返回可靠证据，也不能仅凭其新颖性获得充分的学术资格。智能时代社会科学研究面对的任务，因此不是在“规范AI”与“使用AI”之间作选择，而是在新的知识生产条件下，同时维持过程的可检查性与结果的学术质量。

        技术可以改变知识生产的条件，却不能取代学术判断本身。无论研究由人独立完成，还是由语料库、AI与研究者共同参与，最终仍须回答几个基本问题：我们究竟发现了什么？这一发现为什么重要？证据是否足够？它是否改变、补充或重新提出了一个值得研究的问题？为什么其他研究者和读者应当对此感兴趣？这些问题构成AI时代仍然不变的学术标准。

（四）山西实验的知识发现：从地点、资源到思想问题

       上述方法的价值最终仍须由它产生了什么知识来检验。山西实验的意义不能停留在证明“语料库-AI-人工判断”能够运行，而必须回到费孝通研究本身。第六部分已经表明，山西材料并不是若干访问地点和地方见闻的简单集合，而是在持续访问、观察和思考中形成了从地点进入问题、从地方经验进入更一般社会科学思考的研究路径。

        这一发现首先使“区域”获得了不同于行政区划的研究意义。晋城、阳泉、祁县、大同等地点之所以重要，不只因为费孝通曾经到访，而在于不同地方事实不断触发新的问题：资源型地区如何持续发展，历史形成的商业网络和伦理如何影响经济活动，人口流动如何越出行政边界形成实际的社会空间，历史文化积累又如何成为可以重新认识的人文资源。山西因此不是一个预先确定的问题容器，而是在持续访问和问题发现中逐渐成为研究对象。

        更值得注意的是，这些由地方事实触发的问题并没有停留在地方层面。煤炭最终指向资源如何转化为持续的发展能力；晋商进一步进入经济制度背后的组织、关系、人的素质和伦理基础；“闯口外”使区域从行政区划进入人口、贸易和社会关系构成的社会空间；云冈则使地方发展的资源认识由自然条件进一步扩展到历史、艺术和文化积累。第六部分据此形成的“自然资源—社会历史资源—人文资源”结构，并不是费孝通本人提出的“三种资源理论”，而是山西材料经过重新连接以后形成的分析性发现，其解释力仍需通过其他区域材料加以检验。

        由此，山西实验提出了一个比“费孝通在山西研究了什么”更值得继续追问的问题：费孝通如何从具体地方经验进入具有更一般意义的社会科学问题？从现有材料看，他的区域研究并不是先建立一个完整理论，再到地方寻找例证，而是在持续的访问、观察和比较中，由具体事实触发问题，再将地方问题放入更大的区域关系、经济变迁和文化发展中理解。这一发现与既有研究关于费孝通由小城镇研究、发展模式研究逐步进入区域发展研究的概括形成呼应（刘长喜、罗鑫、刘豪兴，2005），但本文进一步从山西专题语料内部呈现了这一过程如何具体发生：地点并非研究的终点，而是问题形成的入口，地方经验又在持续比较和思考中进入更一般的区域发展问题。山西材料因而使“地方经验—问题形成—思想认识”之间的关系成为一个可以继续检验的研究问题。

        但从“问题”进一步上升到“思想”，必须受到证据边界的约束。文本的跨卷分布不足以证明一条连续的思想发展轨迹，不同文本出现相近问题也不能自动构成稳定理论，费孝通援引的地方历史材料还必须同他本人的分析相区别。因此，返回《费孝通全集》并不是为已经形成的结论寻找 reference，而是在核验中区分费孝通原文、机器发现的关系与本文形成的分析性概括，并据此判断解释能够推进到什么程度。

        山西实验的实质性发现与方法发现也正是在这里交汇：知识发现既不是地方材料的简单累积，也不是不断将主题提升为理论，而是在“地方事实—研究问题—思想解释”的转换中不断接受证据检验。山西因此既构成一个可以独立研究的区域个案，也成为下一步区域比较和全国比较的基础；只有进入更大尺度的比较以后，才能进一步判断哪些认识具有山西的特殊性，哪些可能属于费孝通区域研究中更普遍的思想结构。

（五）从山西走向田野与比较研究

        选择山西还具有另一层方法意义。本文作者此前没有去过山西，因此这项研究不是对既有山西田野经验的数字化证明，而是一次先通过费孝通的文字和《费孝通全集》语料进入一个陌生地方的实验。研究者没有先以自己的地方经验规定费孝通“应该看到什么”，而是从语料计算开始，使研究问题逐渐从文本证据中形成。

        经过语料库计算、AI分析、独立验证和人工判断以后，研究者获得的并不是一张已经完成的“费孝通山西田野路线图”，而是一组可以继续带入现实田野的问题：资源如何改变地方社会，又如何形成新的发展约束？晋商为什么在这里形成？跨区域商业网络如何越出行政边界？历史文化遗产如何进入今天的地方发展？这些问题可以成为未来田野观察和进一步提问的起点，却不应成为预先规定答案的框架。

        这提示出“语料库-AI-人工判断”与田野研究之间一种值得进一步探索的关系：研究可以首先从大规模历史文本和计算证据中形成经过初步检验而又保持开放的问题，再带着这些问题进入现实田野；新的田野发现又可能提出新的历史问题，重新返回语料和原始文本。由此，原来主要发生在文本内部的“证据返回”，还可能进一步扩展为“文本—计算—田野—文本”的循环，使历史材料与现实观察相互提出问题、相互检验，而不是彼此充当简单的证明材料。

        山西同时只是省区研究的一个实验性入口。只有当同样的方法进一步应用于其他省区以后，才可能进入真正的比较研究：费孝通在不同时间进入不同地方时关注什么？哪些问题在多个地区反复出现，哪些具有明显的地方特殊性？同一问题在不同区域如何发生变化？地方性的观察又如何进入更大的区域关系和思想问题？这些问题不能由山西个案提前回答，而需要建立在各省区相对独立的研究和可比较的证据基础之上。

        这一研究尺度的扩展也可以放回费孝通自身研究方法的演变中理解。孙秋云（2010）指出，费孝通的社区研究经历了从乡村到城镇、再到区域的扩展，并在这一过程中不断反思微型社区研究及类型比较的边界。本文的实验则是在数字化全集形成以后进一步提出：当分散于不同时期和文本中的地方材料能够在统一证据基础上重新聚合时，区域研究是否还可以由单一区域继续进入省区之间、区域之间乃至全国尺度的系统比较？这一问题既延续了费孝通由点及面、不断扩大研究尺度的方法传统，也构成智能时代重新研究其区域思想的一种新的可能。

        因此，山西实验的下一步不是继续增加关于山西的解释，而是改变研究尺度：一方面，从文本中形成的问题进入现实田野，在新的现场经验中接受检验并产生新的问题；另一方面，从一个省区内部的“地点—事件—问题—思想”重建，进入省区之间、区域之间乃至全国尺度的比较。山西研究由此既形成一个可以独立成立的个案，也成为后续田野研究与区域比较的一个起点。只有在这些研究进一步展开以后，才能判断哪些发现具有山西的特殊性，哪些属于费孝通区域研究中反复出现的问题结构，以及哪些能够进一步进入对其整体思想的讨论。

结语

       本文所谓“重建费孝通的山西研究”，并不是恢复一张静态的历史地图，而是重新建立“文本—地点—事件—问题—思想”之间可以返回证据的关系；所谓“语料库-AI-人工判断”，也不是建立一套更快生产研究成果的技术程序，而是在新的知识生产条件下探索一种能够不断发现、验证、质疑和修正的社会科学研究方式。

       山西实验由此形成三个彼此联系的方法认识：通过循环验证，使重要判断能够返回证据；通过过程透明process transparency，使人机协作的知识形成过程能够被追踪和检查；通过人工判断，使机器发现能够转化为具有社会科学意义的问题，同时受到证据边界的约束。但最终检验这一范式的，并不是使用了多少AI、运行了多少程序或生产了多少文本，而是它是否帮助研究者提出重要的问题，形成高质量、具有原创性和解释力的知识，并使这些知识能够进入更广泛的学术讨论、接受证据检验。

        从这个意义上说，AI时代社会科学面对的核心问题，不只是辨认“哪些文字是人写的、哪些文字是AI写的”，而是在人与AI已经共同进入知识生产过程的条件下，如何继续生产值得研究、值得阅读并经得起检验的社会科学知识。技术会不断变化，相关规范也会不断发展，但重要的研究问题、可靠的证据、原创性的知识发现和学术责任，仍然是社会科学不能让渡的中心。

参考文献

Baker, Paul. 2006. Using Corpora in Discourse Analysis. London: Continuum.

        Biber, Douglas, Susan Conrad and Randi Reppen. 1998. Corpus Linguistics: Investigating Language Structure and Use. Cambridge: Cambridge University Press.

        Chatterjee, Anwoy, H. S. V. N. S. Kowndinya Renduchintala, Sumit Bhatia, and Tanmoy Chakraborty. 2024. “POSIX: A Prompt Sensitivity Index for Large Language Models.” Findings of the Association for Computational Linguistics: EMNLP 2024.

        常向群，2026，《“语料库-AI-人工判断”：基于〈费孝通全集〉的智能时代社会科学研究的方法创新》，即将发表。

       ——，即将出版，《全球中国比较——基于〈费孝通全集〉的“语料库—AI—人工判断”研究》，伦敦：环球世纪出版社。
        Chang, Xiangqun. forthcoming. China in Global and Comparative Perspectives: A Corpus–AI–Human Judgement Study Based on the Complete Works of Fei Xiaotong. London: Global Century Press.       

           常向群、马克·李，2026，《智能时代的双语融合出版：理念、理论与实践》，伦敦：环球世纪出版社。

        Chang, Xiangqun, and Mark Lee. 2026. Integrated Dual-Language Publishing in the Digital Intelligence Era: Philosophy, Theory and Practice. London: Global Century Press.

        Decker, S. and McKinlay, A. 2021.  ‘Archival ethnography’, Journal of Management Studies, 58(7), pp. 1931–1944.

        Fei, Hsiao-Tung (Fei Xiaotong). 1939. Peasant Life in China: A Field Study of Country Life in the Yangtze Valley. With a Preface by Bronislaw Malinowski. London: George Routledge & Sons, Ltd.

        费孝通，2009，《费孝通全集》，全20卷，呼和浩特：内蒙古人民出版社。

        Hammersley, Martyn and Paul Atkinson. 2019. Ethnography: Principles in Practice. 4th ed. London and New York: Routledge.

        Hunston, Susan. 2002. Corpora in Applied Linguistics. Cambridge: Cambridge University Press.

        Jones, Kyle M. L. 2025. ‘Generative AI in Qualitative Research and Related Transparency Problems: A Novel Heuristic for Disclosing Uses of AI’. International Journal of Qualitative Methods, 24.

        李友梅，2010，《文化主体性及其困境——费孝通文化观的社会学分析》，《社会学研究》第4期。

        刘长喜、罗鑫、刘豪兴，2005，《论费孝通的区域发展思想》，《社会》第25卷第2期。

        McEnery, Tony, and Andrew Hardie. 2012. Corpus Linguistics: Method, Theory and Practice. Cambridge: Cambridge University Press.

        McEnery, Tony, Richard Xiao, and Yukio Tono. 2006. Corpus-Based Language Studies: An Advanced Resource Book. London and New York: Routledge.

        Misra, Ranjita, Rajashree Dahal, Brenna Kirk, Raihan Khan, Gizem Dogan, Robin Chataut and Prashnna Gyawali. 2026. ‘Large Language Models in Qualitative Analysis: Comparing Traditional and Researcher-Interpreted Approaches’. International Journal of Qualitative Methods, 25.

        Mosqueira-Rey, Eduardo, Elena Hernández-Pereira, David Alonso-Ríos, José Bobes-Bascarán, and Ángel Fernández-Leal. 2023. “Human-in-the-Loop Machine Learning: A State of the Art.” Artificial Intelligence Review 56: 3005–3054.

        Natarajan, Sriraam, Saurabh Mathur, Sahil Sidheekh, Wolfgang Stammer, and Kristian Kersting. 2025. “Human-in-the-Loop or AI-in-the-Loop? Automate or Collaborate?” Proceedings of the AAAI Conference on Artificial Intelligence 39(27): 28594–28600.

        彭南生、金东，2010，《论费孝通的乡村工业化思想》，《史学月刊》第11期。

        Platt, J. 2012. ‘Making them count: How effective has official encouragement of quantitative methods been in British sociology?’, Current Sociology, 60(5), pp. 690–704.

        Qian, Yufang. 2010. Discursive Constructions around Terrorism in the “People’s Daily” (China) and “The Sun” (UK) before and after 9.11: A Corpus-based Contrastive Critical Discourse Analysis. Oxford/Bern: Peter Lang.

        钱毓芳，2010，《语料库与批判话语分析》，《外语教学与研究》第3期。

        ——，2010，《媒介话语研究的新视野：一种基于语料库的批判话语分析》，《广西大学学报（哲学社会科学版）》第3期，第80–84页。

        ——，2016，《英国主流媒体关于低碳经济的话语建构研究》，《外语与外语教学》第2期。

        钱毓芳、Tony McEnery，2017，A Corpus-based Discourse Study of Chinese Medicine in UK National Newspapers，《外语教学与研究》第1期。

        钱毓芳、叶蒙荻，2019，《语料库与媒体话语的理论、方法与实践——中英美主流报刊中的低碳话语研究》，伦敦：环球世纪出版社。

        Roberts, John, Max Baker and Jane Andrew. 2024. ‘Artificial Intelligence and Qualitative Research: The Promise and Perils of Large Language Model (LLM) “Assistance”’. Critical Perspectives on Accounting, 99, 102722.

        Sinclair, John. 1991. Corpus, Concordance, Collocation. Oxford: Oxford University Press.

        Stubbs, Michael. 2001. Words and Phrases: Corpus Studies of Lexical Semantics. Oxford: Blackwell.

          孙秋云，2010，《从乡村到城镇再到区域——谈费孝通的微型社会学研究方法及其反思》，《中南民族大学学报（人文社会科学版）》第2期

          吴宏岐、郝红暖，2010，《费孝通城乡社会研究的历史地理学视野》，《陕西师范大学学报（哲学社会科学版）》第4期。

        Zhang, He, Chuhao Wu, Jingyi Xie, Fiona Rubino, Sydney Graver, Jie Cai, Chanmin Kim and John M. Carroll. 2025. ‘Exploring Inductive and Deductive Qualitative Coding With AI: Investigating Inter-Rater Reliability Between Large Language Model and Human Coders’. Applied Human Factors and Ergonomics International, 195, pp. 142–152.

          赵旭东，2010，《不为师而自成师——围绕费孝通教授的一些作品的阅读与联想》，载赵旭东主编《费孝通与乡土社会研究》，北京：社会科学文献出版社。

          周飞舟，2017，《从“志在富民”到“文化自觉”：费孝通先生晚年的思想转向》，《社会》第37卷第4期。

        Zhuo, Jingming, Songyang Zhang, Xinyu Fang, Haodong Duan, Dahua Lin, and Kai Chen. 2024. “ProSA: Assessing and Understanding the Prompt Sensitivity of LLMs.” Findings of the Association for Computational Linguistics: EMNLP 2024.

[1] 费孝通（Fei Xiaotong, also Hsiao-Tung Fei, 1910–2005），中国著名社会学家、人类学家，1938年获伦敦经济学院博士学位。其博士论文 Peasant Life in China（1939，中文译名《江村经济》）出版后，Bronislaw Malinowski在序言中称该研究为“人类学田野工作和理论发展中的一个里程碑”（“a landmark in the development of anthropological field-work and theory”）。1981年，费孝通获得英国皇家人类学会（Royal Anthropological Institute）赫胥黎奖Huxley Memorial Medal；此后获伦敦经济学院荣誉院士Honorary Fellowship。在中国，费孝通长期从事社会学、人类学研究，同时深度参与国家公共事务，曾任民盟中央主席和全国人大常委会副委员长。这种同时具有广泛国际学术影响、获得学科最高层级专业认可，并长期深度参与国家公共事务的经历，在社会科学家中极为罕见。更重要的是，这三者在费孝通身上并非彼此分离，而是在长期的社会调查、学术思考和社会实践中相互贯通。这种独特的学术与实践位置，不仅使其学问具有超出一般学院研究的社会深度，也使其学术思想与中国社会发展的实际进程形成了少有的直接互动。因此，无论评价费孝通的学术贡献，还是认识其对中国社会发展的影响，都不能忽视这一特殊性。2010年，作者在伦敦经济学院工作期间组织费孝通诞辰100周年国际学术大会。会前，费孝通先生女儿费宗惠女士委托其在北京大学的首位博士生周拥平先生，将一套20卷《费孝通全集》从中国带至伦敦，并在参会时赠予作者。本研究即以这套全集为底本。经数字化、校勘和结构化处理后建立《费孝通全集》语料库。依据英国Copyright, Designs and Patents Act 1988第29A条，在合法访问作品的前提下，可为非商业研究目的对作品进行计算分析。本研究的数据数字化整理、检索与分类体系、计算程序、分析框架及相关统计和研究成果，属于本研究的独立学术成果。

[2] 本文为作者正在修改的《全球中国比较——基于〈费孝通全集〉的“语料库—AI—人工判断”研究》（常向群，2026）第一章，同时作为独立论文发表。全书将在山西实验基础上进一步展开省区、区域及全国尺度的比较研究。

[3] 本文采用双语融合出版 Integrated Dual-Language Publishing（IDLP）体例（常向群、马克·李，2026），并根据中英文混排的实际需要在字体和标点等方面进行融合设计。例如，在字体方面，早期体例经过多种字体组合试验，采用中文楷体与英文 Times New Roman，以求两种文字在传统印刷环境中的视觉协调；随着数字出版以及中英文高频混排的发展，本文进一步采用中文等线 DengXian 与英文 Aptos，两种现代无衬线字体在字形、视觉重量和连续阅读方面具有更好的协调性，更适合中英文在同一文本中的融合呈现。在括号使用方面，对于科技与新兴研究领域中尚无稳定中文译法或有必要保留原文含义的术语，在中文表述后直接保留英文，以便准确识别原文概念并促进跨语言知识交流；为减少大量括号对版面和连续阅读造成的干扰，同一语义单位中的英文对应词一般不另加括号，如“反思性 reflexivity”“过程透明 process transparency”。但当括号具有概念界定或识别功能时则予以保留，如“对话式 AI（Conversational AI）”“大语言模型 Large Language Models（LLMs）”；文献引用中的括号亦按其原有功能保留，如“（Hammersley and Atkinson, 2019）”。

[4] 作者对语料库方法的入门和实际应用是在钱毓芳教授的帮助下展开的。钱毓芳长期从事语料库语言学、语料库话语研究及其在中国社会科学研究中的应用，并主编《语料库与中国社会科学研究》，由环球世纪出版社出版；其相关代表性研究见本文参考文献。她的博士导师Tony McEnery教授和Paul Baker教授均为国际语料库语言学领域的重要学者。Tony McEnery现任香港理工大学语料库语言学与人文人工智能讲座教授Chair Professor of Corpus Linguistics and AI for the Humanities，同时兼任全球中国学术院理事会主席。这一长期的学术交流与合作，也构成作者后来探索将语料库方法引入中国社会科学研究，并进一步发展“语料库-AI-人工判断”研究范式的学术背景之一。

[5] 关于“语料库-AI-人工判断”研究范式、人机关系、人机协作、研究协议与模型独立性，以及过程性人工判断和实质性人工判断的系统讨论，参见常向群：《“语料库-AI-人工判断”：基于〈费孝通全集〉的智能时代社会科学研究的方法创新》，即将发表，2026年。

[6] 本节所称“费孝通山西研究的主要发现与思想贡献”，仅限于现阶段基于《费孝通全集》山西专题语料所能够获得并经证据核验的研究发现。这些发现并非对费孝通山西研究的最终概括。随着研究进一步进入区域比较，山西在华北及其他区域中的相对位置和特征可能得到新的呈现；在全国各省区专题研究完成后，还可通过全国尺度的比较重新考察山西在费孝通区域研究和整体思想体系中的位置。因此，本节的发现既是现阶段山西专题研究的结果，也是后续区域比较和全国比较的基础。

[7] 费孝通关于山西访问经历的回顾，见《费孝通全集》第16卷，呼和浩特：内蒙古人民出版社，2009年。原文明确提及大寨、晋城、太原、乔家大院、大同及云冈石窟。

[8] 费孝通：《晋商的理财文化》，《费孝通全集》第15卷，第77—83页。文中叙述乔贵发“闯口外”至萨拉齐、后来在包头经商的经历，并讨论山西人向口外迁移的历史背景。

[9] 费孝通：《晋商的理财文化》，《费孝通全集》第15卷，第77—83页。费孝通把晋商历史与自己1984年初访包头的经验联系起来，讨论农牧区交界、山西移民、商业活动和“闯口外”，并将后者概括为山西农民利用农牧贸易寻找生路的一种方式。

[10] 费孝通：《晋城乡亲奔小康》，《费孝通全集》第16卷，呼和浩特：内蒙古人民出版社，2009年，第72—74页。

[11] 费孝通：《煤挖完了怎么办》，《费孝通全集》第16卷，呼和浩特：内蒙古人民出版社，2009年，第82—84页。

[12] 费孝通：《晋商的理财文化》，《费孝通全集》第15卷，呼和浩特：内蒙古人民出版社，2009年，第77—83页。费孝通在文中由参观祁县乔家大院提出晋商兴起及其长期影响中国金融业的问题。

[13] 费孝通：《晋商的理财文化》，《费孝通全集》第15卷，第77—83页。费孝通在讨论晋商形成条件时指出，经济制度是“特定文化中的一部分”，并从“天地人”条件、组织结构和伦理思想等方面展开分析。

[14] 费孝通：《晋商的理财文化》，《费孝通全集》第15卷，第77—83页。费孝通说明有关乔氏家族早期历史的材料来自参观乔家大院时获得的《在中堂——乔家大院》，并提及该书经过乔家后人等核对。

[15] 费孝通：《晋商的理财文化》，《费孝通全集》第15卷，呼和浩特：内蒙古人民出版社，2009年，第77—83页。费孝通以“天地人”三才概括晋商形成的条件，并将其解释为历史机遇（天时）、地缘优势（地利）和人的素质（人才）。

[16] 费孝通：《晋商的理财文化》，《费孝通全集》第15卷，第77—83页。文中分别讨论晋商形成的历史机遇、山西与内蒙古之间的地缘条件以及闯口外者的人的素质，并以“三才具备”概括晋商兴起的条件。

[17] 费孝通关于山西访问经历的回顾，见《费孝通全集》第16卷，呼和浩特：内蒙古人民出版社，2009年。文中提及大同云冈石窟，并将其与“民族文化精华”以及山西在中华民族文化中的位置联系起来。

[18] 费孝通关于大同、云冈与人文资源的论述，见《费孝通全集》第17卷有关人文资源的文章。文中回忆访问大同时当地因煤炭市场不景气而考虑发展旅游业，并由云冈的历史艺术价值提出“人文资源和自然资源一样，要有一个逐步认识的过程”。

[19] 费孝通：《晋商的理财文化》，《费孝通全集》第15卷，第77—83页。费孝通在讨论晋商理财文化时明确提出传统儒家思想中是否存在可以继承并用于发展社会主义市场经济的因素。

[20] 费孝通关于人文资源的论述，见《费孝通全集》第17卷有关西部开发与人文资源的文章。费孝通把人文资源理解为人类长期积累、延续和创造形成的文化、历史和艺术财富，并进一步讨论利用原有资源创造新文化的问题。

[21] 费孝通：《煤挖完了怎么办》，《费孝通全集》第16卷，呼和浩特：内蒙古人民出版社，2009年，第82—84页。文中围绕煤炭等不可再生资源、“煤挖完了怎么办”以及产业结构转型展开讨论。

[22] 费孝通：《晋商的理财文化》，《费孝通全集》第15卷，呼和浩特：内蒙古人民出版社，2009年，第77—83页。文中讨论晋商的商业网络、组织结构、伦理思想及其与现代市场经济之间的关系。

[23] 费孝通关于人文资源的论述，见《费孝通全集》第17卷有关西部开发与人文资源的文章。文中区别自然资源与人文资源，并将后者同人类长期形成的文化、历史和艺术积累联系起来。

[24] 费孝通关于西部开发与人文资源认识变化的回顾，见《费孝通全集》第17卷有关人文资源的论述。费孝通回顾自己由主要关注经济发展、摆脱贫困，逐渐转向同时重视人文资源的认识过程。

第十一届全球中国对话论坛征稿启事

继成功举办十届全球中国对话论坛（Global China Dialogue, GCD）之后，第十一届全球中国对话（GCD11）——“全球人工智能与数据治理”将于2026年12月4日（星期五）在英国国家学术院（The British Academy）举行。本届对话将聚焦通过制度设计、国际协同与伦理规范，推动人工智能与数据治理实现安全、可信与可持续发展。

作为重塑经济结构、社会治理与知识生产方式的重要力量，人工智能与数据正日益成为全球发展的关键驱动力。同时，它们也带来了隐私保护、算法偏见、数据主权与技术竞争等一系列重大挑战。在此背景下，治理实践正迅速演进，越来越强调跨国合作、多方参与以及共同原则与监管路径的构建。

本届对话将搭建一个多元交流平台，汇聚政策制定者、学者、科技界与产业界代表以及国际组织，共同探讨人工智能与数据治理的新框架、新模式与实践路径。

本届对话主办单位

• 英国全球中国学术院
• 英国伦敦大学学院
• 英国伦敦国王学院中国研究院
• 英国巴斯大学中文部

本届对话组委会

主席

• 玛德琳·卡尔教授，全球中国学术院院士，英国伦敦大学学院（UCL）全球政治与网络安全教授、网络安全博士培养中心联合主任
• 常向群教授，英国皇家艺术院院士；全球中国学术院院士及院长；伦敦大学学院荣誉教授（2015-20），中国南开大学特聘教授
• 凯瑞·布朗教授，全球中国学术院院士，英国伦敦国王学院中国研究教授、刘氏中国研究院院长
• 余德烁 Yukteshwar Kumar 博士，英国巴斯大学政治、语言与国际研究高级讲师；巴斯市前副市长

秘书长

• 菲奥娜·摩尔教授，全球中国学术院院士兼全球中国对话论坛组委会秘书长；英国伦敦大学皇家霍洛威学院商业人类学教授
• 李伯一教授，全球中国学术院副院士及中方理事会秘书；南京财经大学工商管理学院教授
• 梁凯先生，全球中国学术院活动专员；英国汉普顿宫高尔夫俱乐部大使

成员（按姓氏拼音顺序）

• 邴正教授，全球中国学术院院士及理事会中方主席、吉林大学前常务副校长、中国社会学会前副会长
• 马丁·雅克 Martin Jacques 教授，全球中国学术院院士，英国学者、记者、政治评论员及作家；兼任英国及中国多所知名大学的高级研究员和客座教授
• 叶玛丽 Maria H.A. Jaschok 教授，全球中国学术院院士和信托董事会主席，牛津大学全球与区域研究学院当代中国研究项目高级研究员
• 李利教授，全球中国学术院院士；英国纽卡斯尔大学副校长（全球事务）
• 李嵬教授，英国学术院院士，英国社科院院士，英国皇家艺术院院士，全球中国学术院院士及理事会非执行主席；伦敦大学学院教育与社会学部部长
• 托尼·麦肯勒里 Tony McEnery 教授，全球中国学术院院士及理事会主席，英国社科院院士及理事会理事，英国皇家艺术院院士；香港理工大学首席教授
• 巴纳比·鲍威尔 Barnaby Powell 先生，英国英中理解协会理事会成员
• 罗兰Laurence Roulleau-Berger教授，全球中国学术院院士和欧洲事务副院长；法国国家科学研究中心（CNRS）研究主任；法国里昂高等师范学院社会科学研究中心教授。
• 彼得·施罗德 Peter Schröder 教授，全球中国学术院院士及副院长；伦敦大学学院历史系欧洲与国际社会和政治研究教授
• 埃琳娜·塞米诺教授，FAcSS、FRSA，英国兰卡斯特大学语言学与英语语言系教授，ESRC社会科学语料库研究方法中心（CASS）主任
• 谢立中教授，全球中国学术院院士及中方院长，北京大学社会学人类学研究所前所长和社会学系前主任、中国社会理论研究会前会长
• 张晓东教授，南京财经大学创新创业研究院院长；敏捷智库总裁；全球中国学术院中方非执行主席

本届对话四大版块

• 版块一：人工智能治理与关键技术监管
  本版块探讨新兴人工智能系统的监管路径，包括基础模型与高风险应用。重点关注如何通过治理框架、技术标准与制度机制，确保先进技术在开发与应用过程中的安全性、问责性与有效监管。

• 版块二：数据治理、数字主权与权力结构
  本版块探讨数据及数字内容的生成、获取、管理、保存与治理，涉及所有权、访问与许可、数字主权、数字学术资源的长期访问，以及数字时代的权力分配。

  版块三：全球规则制定与技术竞争格局
  本版块聚焦国际规范、监管协调与标准制定，包括互操作性、数字内容管理和知识基础设施，并探讨地缘政治竞争与合作如何共同塑造全球技术治理。

  版块四：人工智能伦理、社会影响与可持续发展
  本版块关注人工智能发展的伦理原则及其在实践中的落实，探讨其在社会、经济与环境层面的广泛影响，包括可信知识和数字资源的可持续保存，并探讨人工智能如何促进包容性、公平性和可持续性发展。

投稿邀请与参与方式

通过多元视角与跨界对话，第十一届全球中国对话旨在推动全球人工智能与数据治理的理论创新与实践发展，汇聚中国智慧与国际经验，促进构建安全、可信、开放且可持续的全球数字治理体系。

我们诚邀来自不同学科、领域和地区的投稿，共同探讨在人工智能与数据驱动的时代背景下，全球人工智能与数据治理所面临的挑战与机遇。点击投稿提交您的发言题目、内容提要和个人简介。

同时，我们也欢迎机构单位根据我们制定的《合作单位指南》参与本次对话，担任联合主办、协办、支持或赞助单位。

• 2026年9月30日：提交主题摘要的截止日期。
• 2026年10月15日：开始注册
• 2026年11月8日：演讲者提交演讲稿和PPT的截止日期。
• 2026年11月20日：注册的最终截止日期。
• 2026年11月27日：提供英文、中文和双语版本的会议程序下载。
• 2026年12月5日：第十届全球中国对话正式举行。
• 会议记录将于2027年出版，包含转录记录、双语翻译和编辑内容。

联系人：李伯一、梁凯

邮箱：dialogue@gca-uk.org 或 info@globalchinaacademy.org 

相关信息

• 提交摘要 (英文）
• 征稿启事 (英文）
• 征稿启事 (下载PDF文件）
• 本届对话英文官网（可下载对话大会手册）
• 本届对话中文官网（可下载对话大会手册）
• 全球中国对话合作指南（英文）
• 全球中国对话合作指南
• 访问全球中国对话系列网站（英文）
• 访问全球中国对话系列网站
• 注册 (英文）
• 注册 
• 参会征集通知 (英文）
• 参会征集通知 

Call for Papers  

Following ten successful Global China Dialogue (GCD) Forums, the 11th GCD – Global AI and Data Governance – will be held at the British Academy on Friday, 4 December 2026. GCD11 will focus on how to advance safe, trustworthy, and sustainable governance of artificial intelligence and data through institutional design, international coordination, and ethical frameworks.

As a transformative force reshaping economic structures, social governance, and knowledge production, artificial intelligence and data are increasingly central to global development. At the same time, they raise critical challenges related to privacy protection, algorithmic bias, data sovereignty, and technological competition. In response, governance efforts are evolving rapidly, with growing emphasis on cross-border collaboration, multi-stakeholder engagement, and the development of shared principles and regulatory approaches.

This Dialogue will provide a platform for diverse conversations, bringing together policymakers, scholars, technology leaders, business representatives, and international organizations to explore emerging frameworks, governance models, and practical pathways for global AI and data governance.

Organizers:

• Global China Academy, UK
• Universiy College London, UK
• Lau China Institute, King’s College London, UK
• MAIT/Chinese Stream, University of Bath, UK

Organizing committee:

Chairs

• Professor Madeline Carr FGCA, Professor of Global Politics and Cybersecurity,  Co-Director of the Doctoral Training Centre for Cybersecurity, UCL, UK
• Professor Xiangqun Chang FRSA FGCA and President of Global China Academy; Honorary Professor of University College London (2015-20), UK; Distinguished Professor of Nankai University, China
• Professor Kerry Brown FGCA, Professor of Chinese Studies and Director of Lau China Institute, King’s College London, UK
• Dr Yukteshwar Kumar, Senior Lecturer, Politics, Languages & International Studies, Univerasity of Bath, UK;  Former Deputy Mayor of the city of Bath.

General Secretaries

• Professor Fiona Moore FGCA, Professor of Business Anthropology at Royal Holloway, University of London, UK
• Professor LI Boyi, Associate Fellow and Secretary of the GCA Chinese Council, Global China Academy; School of Business Administration, Nanjing University of Finance and Economics, China
• Mr Kai Liang, Event Officer, Global China Academy; Ambassador Hampton Court Palace Golf Club, UK

Members (in alphabetical order)

• Professor BING Zheng FGCA, Chinese Chair of Global China Academy Council; Former Vice-President of Jilin University; Former Vice-President of Chinese Sociological Association
• Professor Martin Jacques FGCA, a British academic, journalist, political commentator, and author; Senior Fellow and Visiting Professor at several leading universities in the UK and China
• Professor Maria H.A. Jaschok FGCA and Chair of GCA Board of Trustees; Senior Research Associate of the Contemporary China Studies Programme in the Oxford School of Global and Area Studies, University of Oxford
• Professor Li Li FGCA, Pro-Vice-Chancellor for Global at Newcastle University, UK
• Professor Li Wei FBA FAcSS FRSA FGCA and Director and Non-Executive Chair of Global China Academy Council; Director and Dean of the UCL Institute of Education (IOE), UCL’s Faculty of Education and Society, UK
• Professor Tony McEnery FAcSS FRSA, FGCA and Chair of Global China Academy Council; Council Member of Academy of Social Sciences, UK; Chair Professor The Hong Kong Polytechnic University.
• Mr Barnaby Powell, Council Member, Society for Anglo–Chinese Understanding, UK
• Professor Laurence Roulleau-Berger FGCA, Vice President for European engagement of Global China Academy; Research Director at the National Centre for Scientific Research; Professor at Triangle, École Normale Supérieure of Lyon, France
• Professor Peter Schröder, FGCA and Vice-President and Founding Fellow of Global China Academy; Department of History and European and International Social and Political Studies, University College London, UK
• Professor Elena Semino FAcSS FRSA, Professor at Department: Linguistics and English Language, Director of ESRC Centre for Corpus Approaches to Social Science (CASS), Lancaster University, UK
• Professor XIE Lizhong FGCA and Chinese President of Global China Academy; Former Head of Institute of Sociology and Anthropology and Department of Sociology, Peking University; President of Association of Social Theory Studies of China,  UK
• Professor ZHANG Xiaodong FGCA and Chinese Non-Executive Chair of Global China Academy Council; Executive Director, Academic Committee of the Chinese Management Association; ECO of Agile Think Tank, China

GCD11 consists of four thematic panels:

• Panel 1 AI Governance and Advanced Technology Regulation

This panel explores regulatory approaches to emerging AI systems, including foundation models and high-risk applications. It will examine how governance frameworks, standards, and institutional mechanisms can ensure accountability, safety, and effective oversight in the development and deployment of advanced technologies.

• Panel 2 Data Governance, Digital Sovereignty, and Power Structures

This panel focuses on how data and digital content are generated, accessed, managed, preserved, and governed across different jurisdictions and sectors. It will address key issues of data and digital content are generated, accessed, managed, preserved, and governed, addressing issues of ownership, access and licensing, sovereignty, long-term access to digital scholarly resources, and the evolving distribution of power in the global digital landscape.

• Panel 3 Global Rule-making and Technological Competition

This panel focuses on international norms, regulatory coordination, and standard-setting, including interoperability, digital content management, and knowledge infrastructures, as well as the interplay between geopolitical competition and cooperation in shaping global technology governance.

• Panel 4 AI Ethics, Societal Impact, and Sustainable Development

This panel addresses the ethical principles, real-world applications, and the broader social, economic, and environmental impacts of AI, including trustworthy knowledge and sustainable digital preservation, in advancing inclusive, equitable and sustainable development.

Submissions and Collaboration

Through diverse perspectives and cross-sector dialogue, the 11th Global China Dialogue aims to contribute Chinese insights and international experience to global AI and data governance, fostering a more secure, trustworthy, open, and sustainable digital governance landscape.

We invite submissions from diverse disciplines, sectors, and regions, focusing on technology- and data-driven social transformation, to examine key issues, challenges, and opportunities in global AI and data governance. Click “Submit” to upload your proposed presentation title, abstract, and biographical note.

We also welcome institutional participation in this Dialogue in line with our Guidelines for Partner Institutions, including roles as co-organisers, collaborating partners, supporting organisations, or sponsors.

Important Dates for GCD XI:

• 30th September  2026: Deadline for submitting abstracts for proposed topics.
• 15th October 2026: Online registration opens.
• 8th November 2026: Deadline for speakers to submit their notes and PowerPoint presentations.
• 20th November 2026: Final deadline for registration.
• 27th November 2026: Programme available for download in English, Chinese, and dual-language formats.
• 4th December 2026: Date of the 11th Global China Dialogue.

The proceedings of GCD XI will be published in 2027, featuring transcribed records, bilingual translation, and editing. 

Contact: Boyi Li and Kai Liang 

Emails:

• dialogue@gca-uk.org
• info@globalchinaacademy.org 

More info

• Abstract Submition
• GCD11 Call for Papers (Download PDF file)  
• GCD11 Call for Papers (Chinese)  
• GCD Partnership Guidelines
• GCD Partnership Guidelines (Chinese)
• GCD series Home
• GCD series Home (Chinese)
• Registration
• Registration (Chinese)
• GCD11 Call for Participants
• GCD11 Call for Participants (Chinese)