Ci siamo già abituati al fatto che la nostra impronta digitale viene registrata continuamente, memorizzato da qualche parte e valutato. Questo ha rivoluzionato il settore pubblicitario, e aziende come Uber e Amazon utilizzano i nostri dati per essere ancora più efficienti. Discussione su come la digitalizzazione sta influenzando le nostre vite, però, è spesso limitato a speculazioni su cosa potrebbero fare Google o Facebook con questi dati.

Nonostante i grandi progressi nella ricerca di base, come il riconoscimento vocale e l'elaborazione delle immagini, le storie di successo delle applicazioni dei big data esistenti nelle scienze sociali sono scarse. Già nel 2014, i big data sono precipitati dalla fase "Picco delle aspettative gonfiate" alla fase "Trough of Disillusion" nel Gartner Hype Cycle. Nelle scienze di base, l'attenzione si concentra sui prerequisiti tecnici per registrare e archiviare in modo efficiente grandi quantità di dati ed elaborarli automaticamente. I metodi di intelligenza artificiale come l'apprendimento automatico hanno un grande potenziale qui. Solo le scienze sociali finora ne hanno beneficiato poco, e sembrano persino perdere terreno rispetto ad altre discipline. Noto che invece di trarre beneficio dalla marea di dati per la loro ricerca empirica, gli scienziati sociali sono spesso sopraffatti dalle opportunità che si presentano.

Il vuoto che si apre è riempito da altre discipline scientifiche:ingegneri che raccolgono dati di sensori sulla mobilità individuale, Per esempio, e scienziati informatici che estraggono modelli statistici da tali dati. Questo approccio basato sui dati ai fenomeni sociali è ora spesso indicato come scienza sociale computazionale. Recentemente, si aveva l'illusione che l'approccio classico delle scienze sociali – ipotizzare, modello, test – diventerebbe obsoleto; Invece, emergerebbe una nuova forma di scienza sociale in cui la teoria viene sostituita dall'apprendimento automatico delle "leggi" sociali dai dati.

La scienza dei dati può infatti aiutare a rispondere a domande di ricerca nelle scienze sociali; ma non può sviluppare tali questioni da solo. La "scoperta" delle correlazioni statistiche non può sostituire la chiarificazione scientifica degli effetti causali. Perché nelle scienze sociali, le domande non riguardano solo "cosa", ma anche sul "perché". Gli scienziati sociali sono quindi indispensabili per rendere la scienza computazionale sociale.

Sono necessari nuovi modelli di interazione sociale che siano espressamente sviluppati tenendo presente la loro calibrazione e validazione rispetto a grandi, quantità di dati precedentemente non disponibili. Ciò richiede una nuova competenza metodologica, e spetta alle università insegnarlo. Alla Cattedra di Systems Design, abbiamo raccolto la sfida sviluppando corsi sulla teoria delle reti complesse, modellazione ad agenti dei sistemi sociali e analisi statistica dei dati sociali.

Vale anche il contrario:le scienze ingegneristiche possono trarre vantaggio dalle scienze sociali. I sistemi tecnici oggi dipendono dalla dimensione sociale:i loro utenti. Non è possibile progettare una fornitura di energia intelligente o una piattaforma condivisa per lo sviluppo di software senza considerare il comportamento umano e le relazioni sociali, ed è proprio qui che si trovano le competenze fondamentali nelle scienze sociali. È necessaria una formazione interdisciplinare di ingegneri e informatici. Proprio adesso, mentre si gettano ancora le basi della scienza sociale computazionale, Abbiamo la possibilità di lavorare insieme oltre confine. Sono convinto che questo determinerà il successo delle discipline, da entrambe le parti.