计算社会学是社会学的一门分支，使用密集演算的方法来分析与模拟社会现象。
计算社会学使用计算机模拟、人工智能、复杂统计方法，以及像是社会性网络分析等新的途径，由下而上地塑造社会互动的模型，来发展与测试复杂社会过程的理论。
它包含了对于社会行为者的理解，这些行为者之间的互动，以及这些互动对于社会整体的影响。
计算社会学的内容
（一）大数据的获取与分析
大数据的获取与分析，有望为解决问题找到新的突破口，例如金（King，2009)提出，未来的研究可以从文本内容、选举活动、商业行为、地理位置、健康信息等数据着手，通过大规模与时序性数据的研究改变政治学乃至社会科学的基础。
（二）质性研究与定量研究的融合
大数据时代的到来，为社会学的发展提供了更加有效的研究方法与研究工具，使定量研究与定性研究的融合成为可能。大数据环境下，计算机方法与人工处理的混合使用，可以让传统的“内容分析”方法得到升华。
（三）社会学互联网实验研究
运用互联网这个平台来进行社会学的实验研究，是一种创新，而且有可能使实验法成为未来社会学研究的主流方法。
（四）ABM模拟方法在社会学研究中的运用
随着ABM方法的不断完善与成熟，它在社会学研究中的运用会越来越普遍。但它的运用也对研究者的数学能力提出了比较高的要求，有些研究者具有很强的理工科背景，其使用的数学方法更是艰深。
《计算社会学》是2019年中信出版集团、中信出版社联合出版的图书，作者是[美]马修·萨尔加尼克（MatthewJ.Salganik）。
普林斯顿大学社会学教授，同时任职于该校的信息技术政策中心、数据与机器学习中心等。《科学》杂志评价他是“纯然的计算社会学家”。他的研究方向是社会网络、计算社会学。他的研究曾被微软、脸谱网和谷歌资助，并被《纽约时报》《华尔街日报》《经济学人》《纽约客》等主流媒体报道，美国公共广播电台还专题报道过他的研究成果。
扩展资料：
见证了社交媒体、智能手机以及其他科技奇迹的诞生与进化，这些科技工具让我们能够以前所未见的规模和深度采集并处理有关人类行为的数据，从而为研究人类社会提供了一个全新的路径。这本书是一部里程碑式的作品，它将彻底改变下一代社会科学家和数据科学家探索世界的方式。
在计算社会学这一新兴领域，作者阐述了数字革命如何扭转了社会科学家和数据科学家观察行为、提出问题、开展实验和进行大规模协作的方式，详细描述了大批真实的案例，并且划定了面临伦理挑战时需要遵循的4项原则。
这本书用全新的数据模式解锁了社会学。对社会科学家来说，它是一本跨界指南之书；对数据科学家来说，它是一本素养提升之作。
