近幾年大數據（big data）在許多領域廣泛被引用。因此政治學作為一門「政治科學」自然不能落人於後，目前國內外已經有不少學者投入大數據在政治學研究上的運用，雖然相關研究成果仍有待累積，但對於正投身準備國家考試的我們來說，能夠多掌握政治學發展的最新動態，無疑也有助於我們理解當下的學習內容。

有關大數據介紹的著作，雖然不能夠稱得上是俯拾皆是，但真正具有引領作用的入門讀物依舊鳳毛麟角。其中有一本是由哈佛大學經濟學博士史帝芬斯-大衛德維茲(Seth Stephens-Davidowitz)，由其博士論文改寫的《數據、謊言與真相》(Everybody Lies: Big Data, New Data, and What the Internet Can Tell Us About Who We Really Are)結合數據分析與社會科學研究，或許可以一窺大數據在政治學上的運用與限制。

一開始，我先談談我對「科學理論」的基本看法。或許你有聽過「奧卡姆剃刀」（Occam’ s Razor），它指的是如果我們可以用更少的「變數」，而能獲得一樣好的解釋，這時一種「科學的態度」是，我們不應該任意增加不必要的變數，「吝嗇的簡潔」在科學研究上應當被視為是一種「美德」。我同樣以這樣的觀點，來看待大數據在政治學上的運用。

大數據做為一門新興的數據科學，相對於抽樣調查（這很可能是一般認為，大數據最主要的「對手」），能提供我們對於政治現象更多、更好的認識嗎？
作者在這本書中提出四個論點，支持大數據在社會科學研究上的運用。我認同前三點，但對第四點持保留態度。

首先，大數據提供了我們新類型的數據。這點毋庸置疑，相較於抽樣調查所得的數字，對於大數據而言，任何結構、非結構，甚至圖像資料都可能轉化為數據資料，拓展我們以「數據」表徵外在世界的可能性。

其次，大數據提供誠實的數據。這邊要稍微解釋一下，作者的意思是，許多的調查訪談，受訪者很可能做出「虛假」的回答，而與真正的現實不符合，這或許是受到「社會期許偏誤」（social desirability bias）的影響：我們希望在別人面前展現「正面」，或者符合他人期待的形象。但大數據如果蒐集的是人們在網路上搜尋、點擊、連結的「足跡」，行為說明一切，這樣的數據將更為「誠實」。這可能因此「揭穿」一些我們過去的研究成果，例如在政治傳播研究上，我們現今認為資訊接受者會依照偏好，主動去搜尋符合其偏好的新聞來源，因此自由派立場者會專注在自由派新聞媒體上，但有政治學者以大數據分析，其實一位自由派立場者接觸保守派新聞媒體的次數，並不少於保守派立場者。

第三，大數據可以允許我們做「小子集」的研究。這指的是，在調查訪問中如果我們要進一步討論次一層級變項影響，在樣本數上我們就要增加非常多的採樣，提高研究成本，而大數據的龐大資料可以輕易跨過這一「鴻溝」。
最後，作者認為大數據可以允許我們進行許多因果關係的實驗。所謂的因果關係實驗，就是我們傳統上隨機抽樣所進行的實驗/對照組試驗，但作者的原意並不清楚，如果他指的是，因為大數據取得快速、成本低廉，因此可以進行「許多」實驗，這我可以認同；但如果作者是指透過大數據可以找出「因果」關係，我就持保留立場。但實務上，有時我們能找到「相關性」，確實也足夠讓我們進行決策。

當然，作者也承認現階段大數據有其運用上的侷限。首先，人們在網路上的行為，不代表在實際社會生活中也必然有這樣的行為。這指的是我們在網路上可以搜尋到許多「反社會行為」的大數據，但這並非暗示這個社會的治安即將敗壞，或者我們將看更多的犯罪案件，簡言之人們在網路上的「匿名性」行為，並不會原封不動地搬移到社會生活中；其次，人類行為影響變項太多，我們一時難以窮盡，這當然會影響大數據研究的可靠性，誠如作者回覆是否能以大數據預測某一支股票的走勢，作者的回覆相當簡潔：不能夠。