日前，开车漫画 陈云松教授领衔的英文专著Machine Learning in Social Science: Applications and Advances（《社会科学中的机器学习：应用与进展》）由施普林格·自然集团旗下知名国际学术出版社帕尔格雷夫·麦克米伦（Palgrave Macmillan）正式出版。这是近年来陈云松教授团队在社会科学方法领域的第三本英文专著。

该书聚焦机器学习在社会科学领域的前沿应用，系统梳理了从基础方法到实证研究的关键路径。全书结构层层递进，从社会科学中机器学习运用的原理入手，按照预测指标、启发理论、强化因果、发现主题与情感分析等五大应用场景进行了详实的讨论与案例展示。全书第一部分概述机器学习在社会科学中的主要应用范式和原理，重点介绍基于监督学习的社会预测，以及无监督学习在文化研究中的方法论价值；第二部分聚焦隐性社会指标预测，通过对家庭暴力等难以用传统调查统计准确获得的指标进行预测和校准，展示监督学习在测量隐性社会特征方面的潜力；第三部分介绍“计算扎根”方法，结合机器学习与可解释性机器学习，探讨算法如何扎根于高维指标，启发研究者发现新的理论假说、抽象社会概念并生成理论；第四部分围绕基于机器学习的因果推断，展示机器学习如何优化倾向值匹配、工具变量、准实验等传统因果推断方法，并重点阐释双重机器学习在应对高维混杂与复杂变量关系方面的独特优势；第五、六部分聚焦文化研究，系统呈现主题模型、情感分析等文本分析方法在社会科学研究中的广阔应用空间。

不同于单纯的技术引介类书籍，本书的一大特点在于深度结合丰富的实证案例，直面现实关切和敏感议题，横跨社会学、政治学、传播学等多学科领域，将方法、数据与具体社会问题紧密联结。通过基于中国事实、中国数据和中国方法的研究实践，本书将中国经验转化为了国际学术表达，彰显了中国学者在计算社会科学领域的主体性探索，不仅为全球社会科学研究提供了中国智慧，也为构建面向世界的中国社会科学自主知识体系提供了有益参考。无论是对于希望快速进入计算社会科学领域的研究生和青年学者，还是需要更新研究工具箱的实证研究者，抑或关注如何利用算法理解社会的跨学科读者，该书都为之提供了一条兼具广度、深度与可操作性的学习路径。

美国科学院院士、普林斯顿大学谢宇教授评价该书为“了解当代社会学前沿的必要读物”；牛津大学Nuffield学院Peter Hedström教授称其适合充当“社会科学各个学科的基础方法学教材”；哥廷根大学计算机科学教授傅晓明称“它展示了机器学习如何连接理论、数据和模型，促进科学洞察和社会价值。”本书合作者还包括三位中国青年学者，分别是开车漫画 青年教师陈茁、马文和加拿大阿尔伯特大学博士后句国栋。