发帖
雷达卡
社会模拟在历史学中的应用：方法、现状与潜力
本文基于相关学术论文及其引用文献，系统梳理了社会模拟——尤其是基于代理的建模（ABM）——在历史研究中的实践路径与理论价值。该方法为传统史学面临的多重困境提供了创新性解决方案。
一、传统历史研究的挑战与模拟技术的回应
1. 史料的不完整性问题
历史记录本质上是碎片化的，主要源于：
- 物理损毁：战争、火灾及自然老化导致大量原始资料遗失；
- 选择性保存机制：档案机构往往优先保留与重要人物或重大事件相关的文件；
- 边缘群体的沉默：女性、底层民众和少数族裔的声音在史料中普遍缺失。
举例而言，在研究18世纪女性学者之间的通信网络时，现存档案中女性信件占比不足10%。这一现象究竟是反映她们实际通信频率较低，还是其文字材料更易被销毁或忽略？此类疑问凸显了仅依赖现存文本进行推断的风险。
2. 缺乏实验验证能力
历史进程不可重复，因此无法像自然科学那样开展对照实验。这带来以下限制：
- 难以检验反事实假设（如“若拿破仑未进攻俄国会如何？”）；
- 多种因素交织影响某一结果，难以分离单一变量的作用。
以黑死病后欧洲经济复苏为例：工资上涨可能是由人口锐减引发劳动力短缺所致，也可能归因于土地重新分配或贸易路线变化。由于无法控制其他条件进行独立测试，传统方法难以明确因果链条。
3. 微观证据到宏观模式的跃迁困难
从个体行为推导出整体社会结构是一项复杂任务。即便拥有海量数据（如数千封书信的元数据），也难以清晰揭示知识传播在整个学术共同体中的动态机制。“远读”时代要求新的分析工具来弥合这一鸿沟。
社会模拟提供的解决路径
| 传统局限 | 模拟方案 |
|---|---|
| 史料残缺，未知缺失内容 | 构建“完整虚拟世界”，模拟不同类型的资料损失过程 |
| 无法实施历史实验 | 在可控环境中反复运行模型，测试多种假设 |
| 难以理解复杂系统的涌现特性 | 设定简单个体规则，观察宏观模式如何自下而上生成 |
| 反事实推理缺乏依据 | 系统化生成替代历史场景，并评估其合理性 |
二、社会模拟在历史研究中的四大应用类型
类型1：历史过程的动态重建
通过模拟社会现象随时间演化的轨迹，还原历史发展的可能路径。
A. 考古学中的聚落演化
研究问题：古代人类聚落是如何形成并扩展的？
模拟设计：
- 建立包含地形、水源与资源分布的虚拟地理空间；
- 设置代理（家庭或部落）的行为逻辑：寻找可耕土地、靠近水源定居、避免过度密集；
- 运行长达数百年的模拟周期。
验证方式：将模拟生成的聚落分布图与真实考古发现对比。
参考文献：Barceló (2012), Murgatroyd et al. (2012)
B. 中世纪贸易网络的形成机制
研究问题：汉萨同盟的商业网络为何集中在特定城市？
模拟设定：
- 代理代表商人，遵循利润最大化原则行动；
- 纳入运输成本、市场需求波动与政治风险等参数；
- 观察哪些城市自然发展为交通枢纽。
关键发现：网络格局可能更多受地理与经济规律驱动，而非政治联盟本身。
C. 疾病传播及其社会后果
研究问题：黑死病在欧洲的扩散路径及其对社会结构的影响。
建模要素：
- 每个代理具有年龄、职业和社会关系属性；
- 结合疾病传播规则与经济行为模型；
- 模拟大规模死亡后的劳动力市场调整。
反事实测试示例：如果死亡率为20%而非30%，工资水平会上升多少？
类型2：历史假说的实证检验
利用模拟手段验证主流史学理论的逻辑一致性与经验匹配度。
A. 新石器时代农业传播机制辨析
争议焦点：农业技术扩散是依靠人口迁移，还是本地文化传播？
模拟对比策略：
- 情景一：代理携带技术迁徙至新区域；
- 情景二：代理原地不动，但可通过交流学习邻近者的技术。
判断标准：哪种情景的输出更契合考古证据（基因流动模式+出土文物分布）。
参考文献：Aoki, Lehmann, and Feldman (2011)
B. 社会财富分化的起源探究
理论假设：“富者愈富”的累积优势是否足以解释不平等？
模拟设置：
- 所有代理初始财富均等；
- 每轮随机发生交易，胜方获得收益；
- 引入“优先连接”机制：富人更容易获得后续交易机会。
模拟结果：即使起点公平，经过数百轮互动后仍出现显著贫富差距。
历史启示：严重的财富分化可能是市场机制内在属性的结果，未必源于道德缺陷或制度腐败。
C. 宗教改革在德意志地区的传播差异分析
研究问题：为何路德思想在德国北部传播迅速而在南部较慢？
影响因素测试：
- 印刷术普及程度（北高南低）；
- 城市化水平（城市信息流通更快）；
- 地方诸侯的政治支持态度。
操作方法：逐一关闭某项因素，观察传播速度的变化幅度。
结论提示：印刷术的作用可能被高估，政治权力的支持才是决定性变量。
类型3：量化史料偏差的影响
这是当前研究的核心前沿之一，旨在揭示档案缺失如何扭曲我们对过去的认知。
方法框架如下：
第1步：创建"完整的虚拟历史"
↓
第2步：模拟史料的损失过程
↓
第3步：用残缺数据重建历史
↓
第4步：对比"真实历史"和"重建历史"的差异
↓
第5步：推断真实档案的可靠性A. 历史通信网络中的名人偏差（本研究重点）
问题意识：档案偏向保存名人信件，是否会导致社交网络分析失真？
模拟发现：
- 若信件随机丢失50%，网络整体结构仍相对稳定；
- 若系统性剔除普通人信件，则会严重夸大少数人的中心地位；
- 可能导致误判某些人物为“关键节点”，而实则只是幸存偏差所致。
B. 中世纪文学作品的存世比例估计
研究来源：Kestemont et al. (2022)
方法论：采用莫兰过程（Moran Process）模拟手稿复制与损毁的动态过程。
核心问题：现存中世纪文学作品占原始创作总量的比例是多少？
估算结果：可能仅有5%-10%的作品得以流传至今。
学术意义：我们对中世纪文化多样性的理解可能存在根本性低估。
C. 考古发掘的空间抽样偏差
现实问题：已发掘遗址多位于交通便利地区，偏远地带极少覆盖。
模拟策略：
- 先生成一个“完整的古代聚落分布”作为基准；
- 再模拟“考古学家优先挖掘靠近公路或城镇的地点”；
- 比较采样结果与真实分布的差异。
潜在误导：可能错误推断古人偏好居住于平原，而实际上山区聚落只是尚未被发现。
类型4：反事实历史的情景探索
通过构建替代性历史路径，回答“如果……将会怎样”的深层问题。
A. 如果印刷术晚发明50年
基准情景：1450年古腾堡发明活字印刷术。
反事实设定：推迟至1500年才出现。
观测指标：
- 宗教改革思想的传播速率；
- 科学革命的发生时间节点；
- 大众识字率的增长曲线。
潜在启示：关键技术的时间窗口可能深刻影响文明演进节奏。
评估技术创新对社会变革的因果作用
B. 假设罗马帝国未曾分裂
通过构建历史反事实情境，设定东、西罗马帝国始终保持统一状态，进而模拟其对后续文明发展的潜在影响。
重点关注以下方面：
- 拜占庭文化的演变路径是否会发生改变
- 伊斯兰势力向欧洲扩张的速度与范围
- 欧洲封建制度的形成过程是否会延缓或被替代
此类模拟面临的主要挑战在于变量众多，难以精确控制和验证因果链条。然而，其核心价值在于揭示历史进程中的“路径依赖”现象——即早期选择如何锁定后续发展轨迹。
C. 假设黑死病未爆发
在该模拟中，维持14世纪原有的人口增长趋势，不引入大规模瘟疫冲击。
观察重点包括：
- 土地资源压力的变化
- 劳动力市场的工资水平走势
- 技术创新的动力与频率
研究发现：若无黑死病导致的人口锐减，劳动力将持续过剩，工资长期处于低位，从而削弱技术革新的经济激励。这种条件下，文艺复兴可能不会如期发生。
这一结果凸显了历史中“偶然事件”的深远影响——看似短暂的危机，可能成为结构性转变的关键触发点。
三、社会模拟的核心方法论
方法1：基于代理的模型（ABM）
该方法通过为每个个体（代理）设定行为规则，模拟其互动所引发的宏观社会现象。
基本原理：
1. 定义代理（Agent）：
- 个人、家庭、城市、国家...
- 每个代理有属性（年龄、财富、信念...）
2. 设定规则（Rules）：
- 代理如何做决策
- 代理如何互动
- 环境如何影响代理
3. 运行模拟（Simulation）：
- 让代理按规则行动
- 观察宏观模式的涌现
4. 分析结果（Analysis）：
- 对比模拟结果和历史证据
- 调整参数，重复实验优势：
- 直观性：个体行为规则可直接映射现实人类决策
- 灵活性：支持异质性代理（如不同阶层、职业、信仰）共存于同一系统
- 涌现性：简单局部规则可生成复杂全局模式
挑战：
- 参数数量庞大，校准困难
- 运行结果具有随机性，需多次迭代以获得稳定趋势
- 由于历史仅发生一次，模型难以进行传统意义上的实证验证
方法2：网络模型
适用于分析社会关系结构、贸易流动及知识传播机制。
常用模型类型：
A. 随机图模型（Erds-Rényi）
作为零假设基准，用于对比真实历史网络结构。
例如：若中世纪学者之间的通信完全随机，其形成的网络应呈现何种特征？
B. 小世界模型（Watts-Strogatz）
特点：大多数连接为本地邻近节点之间，仅有少量远程链接。
历史应用实例：模拟中世纪市场体系——以地方集市为基础，辅以跨区域长途贸易线路。
C. 无标度网络（Barabási-Albert）
特征：少数枢纽节点拥有极高连接度，多数节点连接稀疏。
历史解释力：可用于说明为何威尼斯、阿姆斯特丹等城市逐渐发展为区域性中心。
D. 优先连接模型
机制遵循“富者愈富”原则：已有高知名度的个体更易获得新连接。
本论文中的具体应用：
- 名人更容易收到他人来信
- 名人的信件也更可能被机构保存并传世
双重优先效应导致现存档案严重偏向于记录精英人物，造成历史认知偏差。
方法3：随机过程模型
莫兰过程（Moran Process）
原理：每轮随机选择一个个体“死亡”，由另一个个体的“后代”替代，实现状态更新。
历史应用场景：
- 文化特征的传播（如陶器风格、婴儿命名习惯）
- 手稿的复制与损毁过程
- 语言演化中的词汇更替
案例引用（Kestemont et al. 2022）：
中世纪文学的传播：
- 每部作品每年有P%的概率被抄写一次（"出生"）
- 每份手稿每年有Q%的概率损毁（"死亡"）
- 运行500年模拟
- 对比模拟结果和现存手稿数量
- 反推：原始创作可能有多少部？波利亚瓮模型（Pólya Urn）
原理：从瓮中抽取彩球，每次抽后不仅放回原球，还额外加入一个同色球，增强该颜色未来被抽中的概率。
历史应用：解释文化产品流行机制，如音乐流派扩散、服饰时尚演变。
参考文献：Hahn and Bentley (2003)
方法4：系统动力学
适用于建模宏观层面、连续变化的社会过程。
典型场景示例：
- 人口增长与自然资源消耗之间的反馈循环
- 经济周期：投资 → 经济增长 → 过热 → 衰退
- 帝国兴衰模型：军事扩张带来财政负担，最终导致系统崩溃
与ABM的比较：
| 维度 | 系统动力学 | ABM |
|---|---|---|
| 视角 | 宏观整体建模 | 微观个体建模 |
| 变化方式 | 连续（基于微分方程） | 离散（基于规则触发） |
| 适用目标 | 趋势预测与结构分析 | 涌现现象研究 |
四、社会模拟在历史学中的成功案例
案例1：Anasazi 聚落的崩溃
历史背景：
公元12至13世纪，美国西南部的Anasazi文明突然衰亡，大量聚落被遗弃，人口大规模迁移。
考古证据显示：居住遗址中断，农业设施废弃。
传统解释假说包括：
- 持续干旱导致农业失败
- 部落间战争加剧
- 资源过度开发引发生态崩溃
ABM模拟研究（Axtell et al.）：
代理 = 家庭（约1000个）
环境 = 真实的地形数据 + 气候重建数据
规则：
- 寻找适合耕种的土地
- 收成不足时迁移
- 避免与其他家庭冲突
运行：模拟200年主要成果：
- 模拟生成的聚落空间分布与实际考古遗址高度吻合
- 崩溃时间点与历史记录基本一致
关键结论：即使排除战争因素，仅凭环境压力叠加人口自然增长，即可触发系统性崩溃。
学术意义：无需引入“外敌入侵”或“内部叛乱”等复杂动因，简单的生存适应策略已足以解释复杂的文明消亡模式。
案例2：罗马帝国的贸易网络
研究问题：庞大的罗马贸易体系是如何自发组织并维持运转的？
模拟方法（Brughmans and Wilson 2022）：
代理 = 商人
规则：
- 在不同城市之间运输商品
- 追求利润最大化
- 考虑运输成本（陆路 vs 海路）
环境：
- 真实的罗马城市位置
- 道路和航线网络发现：
- 部分城市天然演变为交通枢纽（如亚历山大港）
- 无需中央规划，市场驱动即可形成高效流通网络
- 但一旦帝国解体，安全保障缺失导致网络迅速瓦解
反事实测试结果：
- 若缺乏海军护航 → 贸易量下降约70%
- 若道路维护成本上升20% → 内陆城市发展受阻，逐步衰落
案例3：科学革命的社会网络
研究问题：17世纪科学思想如何通过人际通信网络传播？
数据来源：“Mapping Republic of Letters”项目，涵盖数千封历史信件元数据。
模拟框架（与本论文类似）：
代理 = 学者
规则：
- 给朋友和同行写信
- 讨论科学发现
- 收到信后更新自己的知识
主题传播：
- 用向量表示"知识状态"
- 信件会改变收信人的知识状态探讨议题：
- 倘若伽利略的所有信件均遗失，当代对其时代科学交流的理解将产生多大偏差？
- 哪些“隐形贡献者”可能因档案缺失而被历史忽视？
潜在发现：
- 一些被视为原创的思想，实则经由书信网络逐步演化而来
- 女性学者的实际参与程度可能远高于现存文献所反映的水平——因其通信更少被保存
五、社会模拟的局限与争议
局限1：参数不确定性
问题：历史资料残缺，许多关键参数无法准确估计。
例如：18世纪一位普通学者平均每年撰写多少封信？目前尚无确切统计。
应对策略：
- 敏感性分析：检验参数小幅波动是否导致结论根本改变
- 参数扫描：遍历合理范围内的所有参数组合，观察结果稳定性
- 贝叶斯校准：利用已有观测数据推断参数的概率分布
本论文处理方式：不追求单一精确参数值，而是探究“在哪些条件下结论依然成立”。
例如：无论信件传播半径（letterRange）取0.25还是0.5，只要档案系统存在对名人的保存偏好，所重构的社会网络就会出现结构性失真。
局限2：验证困难
问题：历史事件不可重复，无法像自然科学那样开展对照实验。
即便模拟结果“看起来合理”，也不能证明其机制真实发生过。
典型案例：
模拟结果显示“黑死病之后工资普遍上涨”，这与历史记录相符。
但这并不意味着模拟机制正确——工资上涨也可能源于其他未建模因素（如政策改革或技术进步）。
部分解决方案：
采用多重验证策略：结合多种独立的历史证据交叉检验模型输出，提升可信度。
社会模拟在历史研究中的应用正引发广泛讨论，其价值与局限并存。通过构建基于智能体的模型（ABM），研究者能够探索复杂历史进程背后的机制，但同时也面临多重挑战。
为了验证模型的有效性，反事实测试成为关键手段：若某一模型成立，则它应能解释类似的历史情境。例如，用于分析黑死病影响的模型是否同样适用于1918年流感大流行？这种跨事件的推演能力是衡量模型泛化性的核心标准。
局限之一：过度简化的争议
批评者指出，历史本身具有高度复杂性，充满偶然事件和个人选择，而许多ABM所设定的行为规则过于简化，难以反映真实的人类动机。例如，模型常假设商人“追求利润最大化”，但现实中个体决策可能深受宗教信仰、家族义务或人际关系的影响。
对此的支持观点认为，所有科学模型本质上都是对现实的简化——正如物理学中“无摩擦斜面”的理想化设定，虽不真实却极具分析价值。模型的目的并非完美复现历史，而是揭示关键驱动机制。
本论文强调：“Ensure that the rules governing the behaviour of the agents are historically accurate.” 即规则需符合历史合理性，而非追求数值上的精确还原。
局限之二：高昂的计算成本
复杂的ABM往往需要大量计算资源。以本文为例，进行100个代理 × 100步 × 50次重复实验，共需5000次模拟运行；若将规模提升至1000×1000，计算时间可能增加百倍。
解决路径包括：
- 采用并行计算技术加速处理
- 先在小规模系统中测试，再逐步扩展
- 使用高性能编程语言（如C++替代Python）
档案管理员代理：
- 目标：保存"重要"的文献
- 偏好：名人、重大事件、符合主流叙事的材料
- 约束：预算有限，空间有限
- 行为：主动选择、分类、丢弃
模拟过程：
1. 学者们写信（第一层模拟）
2. 档案管理员决定保存哪些信（第二层模拟）
3. 数字化团队决定扫描哪些档案（第三层模拟）
4. 研究者从数字档案中抽样分析（第四层模拟）传统史学界的质疑与回应
部分历史学者对模拟方法持保留态度，主要担忧如下：
“历史不是科学实验” —— 历史关注的是独特事件，而非普遍规律，模拟可能忽视个案的特殊性。
“模型是黑箱” —— 复杂代码使非技术背景的研究者难以理解、检验结果，削弱了学术可及性。
“数据不可靠” —— 历史资料普遍存在缺失、偏误和噪声，基于此类数据的模拟结果自然存疑。
支持者则提出反驳：
首先，模拟可视作一种系统化的思想实验工具。历史学家本就常做反事实推理（如“如果拿破仑未失败会怎样”），模拟只是让这一过程更透明、更具逻辑一致性。
其次，模型并不取代档案研究，而是辅助识别其中潜在模式，增强我们对史料的理解力。
更重要的是，“正因为数据不可靠，才更需要模拟”。通过建模可以量化偏差的影响程度——这正是本论文的核心贡献之一：提供了一种评估不确定性范围的方法，帮助研究者更审慎地解读有限证据。
未来发展方向一：多源数据融合
当前多数模拟依赖单一类型的数据（如书信或考古遗址）。未来的趋势在于整合多种证据来源：
- 文本资料（信件、报纸、书籍）
- 考古发现（遗迹、器物分布）
- 环境记录（气候波动、地理变迁）
- 基因信息（人口迁徙路径）
以黑死病研究为例，可同时结合：
- 历史文献中的死亡统计
- 古代DNA揭示的病原体演化
- 气候数据反映的温度与降水变化
- 经济档案中的工资与物价波动
这种跨维度整合有助于构建更为立体、动态的历史图景。
方向二：机器学习赋能历史模拟
机器学习有望从海量历史文本中自动提取行为规则，并校准模型参数。例如：
通过对十万封历史信件的分析，识别“谁给谁写信”的社交网络模式，并将这些规则嵌入ABM中，进而测试模型能否预测未见通信关系。
挑战在于历史数据总量远少于现代数字痕迹，易导致过拟合问题，因此需谨慎设计训练策略与验证流程。
方向三：开发交互式模拟平台
设想构建用户友好的界面，使历史学者无需编程即可调整参数、实时观察模拟结果。这类似于气候科学家利用软件测试不同减排方案的效果，历史学家也可借此检验各类假说。
本论文已发布开源工具包（SciCom，可在PyPI获取），但在可视化与交互体验方面仍有提升空间。
方向四：模拟档案生成过程
一个尚未实现但极具潜力的想法是引入“档案管理员”代理：
“We could add a new agent responsible for curating the documents that make the archive. These agents will have goal-oriented behaviours.”
这类代理可根据特定目标（如政治立场、宗教倾向）选择性保存或销毁文献，从而模拟知识生产的全过程。此举有助于揭示每层筛选如何累积偏差，深化对史料形成机制的认识。
方向五：推动跨学科协作
成功的计算历史项目通常依赖多元团队合作：
- 历史学家：提供专业问题与背景知识
- 计算机科学家：设计算法与实现模型
- 统计学家：规划实验与分析输出
- 数据科学家：清洗与整合异构数据
已有成功案例包括斯坦福大学的“Mapping Republic of Letters”、洛桑联邦理工学院的“Venice Time Machine”，以及本论文所属的ModelSEN项目。
对历史学的深层影响
传统历史学重视独特性、偶然性与个体能动性，强调“理解”胜于“解释”，叙事为其核心方法。而计算历史学则聚焦于发现模式、机制与因果关系，倚重“因果推断”与“反事实分析”，将模型作为辅助工具。
两者并非对立，而是互补。宏观层面可用模拟检验理论逻辑，微观层面仍由叙事呈现细节张力。融合路径在于：用模型支撑结构洞察，用故事传递人文温度。
重新思考“历史真相”
传统观念认为，真相蕴藏于档案之中，史家的任务是“发现”它。然而模拟提醒我们：档案本身只是有偏样本，受制于权力、记忆与保存条件。
我们无法抵达绝对真相，但可通过模拟界定“不确定性的边界”。本论文的重要贡献正在于此：不仅呈现结论，更量化了我们对结论的信心程度——这是一种“诚实面对无知”的学术姿态。
历史研究的民主化可能？
开源模拟工具降低了参与门槛，使更多人能测试历史假说，促进公众参与。但也可能催生大量缺乏严谨性的“伪科学研究”。
为此必须配套：
- 系统的方法论培训
- 明确的同行评审标准
- 严格的可复现性要求
总结：社会模拟的价值与限度
社会模拟所能提供的主要包括：
量化不确定性 —— 明确指出“档案缺失可能导致多大的误差”，这是本论文的核心贡献之一。
检验假说的逻辑一致性 —— 判断某一解释在机制上是否自洽，是否存在内在矛盾。
尽管存在简化、计算成本与接受度等限制，社会模拟正逐步成为历史研究中不可或缺的辅助工具，推动学科向更加开放、透明与系统化的方向发展。
社会模拟无法做到的几点：
- 取代档案研究——模拟依赖于历史知识作为输入，无法脱离史料基础
- 提供确定性结论——它只能表明“在特定假设下，可能发生什么”
- 完全还原历史复杂性——所有模型都是简化，必然存在遗漏
- 解决价值判断问题——它可以预测“会怎样”，但不能回答“应该怎样”
某个理论是否在逻辑上能够产生我们观察到的现象？这是社会模拟试图回答的核心问题之一。通过构建基于微观规则的系统，研究者可以推导出宏观层面的涌现模式，从而检验这些底层机制是否足以生成实际的历史现象。
在此基础上，模拟支持反事实场景的生成，即系统性地探索“如果……会怎样”的问题。这种能力使得历史学家能够在可控条件下测试不同变量的影响，进而评估因果关系的稳健性。
同时，社会模拟有助于整合多源证据。它允许不同类型的数据——如文献记录、考古发现与人口统计资料——在一个统一的框架下被综合分析，增强解释的一致性和覆盖面。
第1步：创建"完整的虚拟历史"
↓
第2步：模拟史料的损失过程
↓
第3步：用残缺数据重建历史
↓
第4步：对比"真实历史"和"重建历史"的差异
↓
第5步：推断真实档案的可靠性最佳实践原则
透明性：所有假设、参数设定及代码应公开共享，确保他人能够复现结果并提出质疑。
多重验证：需使用多种独立来源的证据对模型进行检验，而不仅仅关注模拟输出是否与已有数据吻合。
敏感性分析：必须测试关键参数的变化如何影响最终结论，以识别哪些结果具有鲁棒性，哪些高度依赖于特定设定。
承认不确定性：始终明确模型的局限性，避免过度解读或赋予其超出合理范围的权威性。
跨学科对话：历史学者与计算科学家之间需要深度协作，而非简单的任务分工。理想模式是共同设计研究问题与模型结构，实现真正的知识融合。
保持谦逊：模拟是一种工具，而非真理本身。正如“地图不是领土”，模型只是现实的抽象表达，永远不能等同于历史本身。
结语：
将社会模拟引入历史学研究，代表的是一种方法论上的拓展，而非对传统范式的替代。它不会取代档案考证或叙事分析，但能为历史学家提供新的手段，用于：
- 量化不确定性——揭示我们对过去的无知程度
- 检验假说——判断某一理论是否逻辑自洽
- 探索可能性空间——思考历史发展的多种潜在路径
本文的贡献在于展示如何利用模拟技术来批判性地审视史料本身——这正是历史学的根本任务之一。只不过这一次，我们所使用的工具不再是单纯的文本比对和来源批判，而是加入了代码与算法的辅助。
未来的历史学研究，或将越来越多地融合两种路径：
用档案理解过去，用模拟理解档案。
京公网安备 11010802022788号
