罗思阳课题组提出基于系统科学视角研究社会文化变迁的新方法

社会变迁泛指任何社会现象随时间的变化, 涉及到一切宏观与微观层面的社会变化。受到研究方法等因素的局限,以往研究大多使用单一社会变迁指标解释心理与行为变化, 缺乏对社会文化结构和心理认知结构等复杂高维整体模式变化的认识。因此, 下一代社会心理学和文化心理学研究亟待吸收系统科学的视角, 从高维空间来研究和理解社会文化结构和特征。为揭示现有的社会变迁分析中无法体现的机制, 中山大学社会文化与情感神经科学实验室（SCAN Lab）近日发表在《心理学报》上的文章基于认知神经科学领域的表征相似性概念, 提出一种基于模式角度对社会文化变迁进行系统分析的方法，并基于实例详细介绍了该方法的操作流程与应用场景。

1. 传统社会变迁研究方法与表征相似性视角

（1）社会变迁研究方法

社会变迁是一系列社会现象更替与社会变化过程的总和，可以分为经济变迁、自然环境变迁、文化变迁与生物进化等诸多方面。其表现形式也是多样的, 既可以从整体与局部的视角进行观察, 也可以体现为社会的进步与退步。常见的社会变迁研究包括跨时间、跨代际与跨地区比较(蔡华俭 等, 2023)。

从研究对象角度看, 受到数据来源及形式影响,大多研究是从单一维度对目标变量进行研究, 数据代表性不足。人类的心理特征是复杂多元的, 是不同维度变量(如人格、特质、情感、动机、意识)共同作用的结果, 这些变量在社会学习和演化中共同演变，仅从单一维度对心理或行为变量进行研究很难体现其全貌。因此, 需要新的方法将多维复杂变量进行具体化表征, 以探索目标变量整体及其内部结构的变迁过程。

同时, 社会变迁是多尺度因素交互的结果, 并非独立发展。以往研究指出, 自然、文化、行为、大脑、基因彼此影响形成复杂的动态交互网络。以往研究多是在同一尺度下直接分析, 或是将其他尺度数据作为分类依据进行数据比较, 受限于数据本身的特异性。当前, 需要有相应的方法来直接比较、整合跨尺度(个体、群体、国家、理论)数据, 以实现对社会变迁的整体性探索。

（2）表征相似性视角

表征相似性分析(Representational Similarity Analysis, RSA)源于系统神经科学, 是一种特殊的多元模式分析方法。该方法评估了表征空间中响应向量间的表征结构, 通过对概念或刺激单元成对比较来反映其在高阶空间中的表征。

基于整体模式视角的 RSA 分析可以针对多种类变量构建 RSA 矩阵, 通过对多维变量的内部结构或模式进行提取, 构建复杂变量的全局模式, 这种高维空间模式减少了对单维单一变量具体数值的依赖, 转而更多关注数值间的关系模式, 适用于各类社会科学数据, 如国家社会经济统计、民意测验、文化价值观调查等。

同时, 基于构建的 RSA 矩阵, 可以在表征相似性层面进行数据或概念间相关性的比较, 对不同模态、尺度数据进行直接对比。这种跨尺度的比较是定量的, 能够对不同尺度数据间的相似性程度进行客观量化。基于上述特点, 我们提出可以将 RSA应用于社会变迁研究中, 以解决以往研究方法中目标变量维度单一, 且难以开展跨尺度比较的问题。

（3）RSA 与传统社会变迁研究方法的区别

如图1A所示，传统研究方法可以检验某特定心理或行为变量是否随时间发生变迁, 或是两个时序变量之间的共变或先后因果关系。而RSA方法进一步定义了某一变量在多个维度上数据点的关联程度, 并量化提取了该变量的全局模式信息。如图1B所示, 基于数值的简单相关分析展示了两变量在单一维度上的线性投影, 得到的相关系数用以描述变量间的线性相关程度。而RSA方法通过建构变量的表征相似性模式, 比较了两变量内部不同维度间关系的相似性。

图 1 简单相关分析与表征相似性分析的差异

2. 不同模式RSA模型的构建

本文通过不同实例演示了如何使用RSA方法分别构建跨时间、跨地区和概念模型的表征相似性矩阵。

（1）跨时间的表征相似性矩阵：

①单变量矩阵：在社会变迁研究中, 首先可以对现有的单变量指标的变迁模式进行初步探索, 即构建跨时间的单变量表征相似性矩阵, 以考察单变量指标随时间变化的模式或特征，不同单变量矩阵可以直接比较，此外, 单变量RSA矩阵的构建也为二阶分析提供数据基础。

②多变量矩阵：当目标变量包含多维度测量指标时(如心理健康的变迁模式等)，可以构建二阶水平的RSA矩阵，以体现心理健康结构模式在不同时间点的差异。二阶表征相似性矩阵既能保留该因素内部不同变量间的关系，又能从总体层面反映其随时间的变迁过程。

图2 老年人心理健康模式变迁的表征相似性矩阵的建构过程

（2）地区尺度：跨时间的多变量表征相似性矩阵

受到经济、文化、环境等因素的影响，不同地区的社会变迁模式与进程可能存在差异。跨时间的多变量表征相似性矩阵体现了在某地区，心理健康结构模式在不同时间点的差异(图3)。基于尺度内部与不同尺度间的比较，可以从模式角度阐释社会变迁因素在多层面的变化规律。

图3 老年人认知功能水平变迁的RSA矩阵(地区尺度)

（3）国家尺度：跨地区的多变量表征相似性矩阵

在不同时间点上也可以构建跨地区水平的表征相似性模型, 此时的跨地区RSA矩阵体现了不同时期某变量的地区间模式(图4), 进一步可以从时间演化角度分析社会经济文化因素对地区间表征相似性模式的影响。

图4 各年份22个省(自治区、直辖市)老年人心理健康模式的表征相似性矩阵(国家尺度)

（4）概念模型的表征相似性矩阵

在社会变迁过程中, 通常伴随着国家或地区政策的制定与调整, 重大社会事件也时有发生。由于上述因素难以使用量化的方式进行计算,我们提出可以使用RSA分析构建概念模型来表示此类政策变迁因素的表征相似性模式, 体现了变量间理论假设的关系差异(图5)。不同理论或概念的 RSA 模型间的比较可以对理论或概念间的模式差异进行量化。

图5 概念模型的表征相似性矩阵

3  RSA分析在社会变迁研究中的应用实例

如图6所示，除了在不同尺度上构建RSA矩阵, 还可以对RSA矩阵进行客观量化比较。如将个人与国家尺度的RSA矩阵进行比较, 可以揭示个体与国家间的相似性与关联性。将概念尺度与个人或国家尺度的RSA矩阵进行比较, 可以检验研究数据与理论模型间的一致性。为了阐明RSA方法在社会文化变迁研究中的适用性与有效性, 本研究使用两个实例演示了两种跨尺度多维变量间的表征相似性比较。

图6  社会变迁研究中表征相似性模型比较

实例1：老年人心理健康变迁国家模式与地区模式间的表征相似性（跨尺度跨时间多变量表征相似性）

本例以地区-国家尺度为例，分析了各省份（自治区）老年人心理健康变迁模式与全国老年人心理健康变迁模式的相关性。如图7所示，结果发现，部分省份老年人心理健康变迁RSA矩阵与全国老年人心理健康变迁矩阵存在显著的表征相似性。进一步考察社会经济、文化与自然发展水平是否调节了各省份与总体老年人心理健康变迁模式间表征相似性。发现GDP水平与地区老年人心理健康和全国老年人心理健康变迁模式的相似性显著相关（r=0.46，p=0.032）。该结果表明，地区经济水平是影响当地心理健康变迁模式的重要因素。

图7 (A)22个省(自治区、直辖市)老年人心理健康变迁模式与全国老年人心理健康总体变迁模式进行相关分析，(B)得到各地区与总体变迁模式的表征相似性值，(C)进一步查看社会经济文化与自然发展水平的调节作用，发现地区GDP水平越高时, 地区老年人心理健康变迁模式与全国模式越相似

图8  老年人心理健康变迁模式与社会理论概念模型间的表征相似性

总的来说， RSA应用于社会变迁研究具有以下优势，首先其作为一种多元模式分析方法，RSA分析能够整合原始数据的高阶模式特征。同时，RSA方法考虑了变量间的模式结构关系，可能与基于数值的相关或回归分析得出不一致的结果，为当前的研究提供了新观点。此外，RSA分析不仅可以探索目标变量在个体-群体、群体-社会等多尺度层面的关联性，还可以用于考察社会变迁模式与理论模型的关系，以探索多种心理变量组成的整体结构如何被社会文化或社会规范所塑造。这种直接比较从客观角度量化了不同尺度数据与概念/理论模型间的相似性关系，为未来研究探索心理或行为变量的理论基础或概念框架提供了新思路。基于RSA方法开展社会变迁研究, 帮助我们从多维度视角考察了不同层面的变迁过程, 有助于我们更好的理解社会变迁中变与不变的规律。