一、当代社会科学解释的基本观点
19世纪中后期建制化的社会科学开始形成，在寻求社会科学解释制度的合法性中，形成了两个主要方向：实证主义和诠释学。实证主义认为，社会科学要取得和自然科学一样的成就，必须采用在自然科学中已获得成功的实证方法；而诠释学方法则认为，社会科学与自然科学完全不同，它是一种纯粹意识领域的思维活动。这两种方法体现了解释与理解的对立。
由此出发，在当代关于社会科学的解释问题上，表现出以下几方面观念上的差异。
第一，把社会科学解释简单划分为归纳解释和演绎解释，或经验解释和理论解释。经验解释是在一定的经验规则性的基础上，对事件做出解释和预测；而理论解释则是在对事件过程和内部机制假定的前提下，推出该事件的复杂结构。事实上，在具体的解释实践中，很难划分二者的明确界限。对事件的经验解释，应该由关于经验规则性的理论解释来补充；而演绎解释则需要得到关于假设及其应用的经验支持。由于社会科学现象的多样性和不可重复性，以及与相关主体及环境交互作用的非线性，不可能在确定的规律和理论基础上做出解释。因此，社会科学解释必定是归纳解释和演绎解释的有机结合：在经验观察和理论推理的基础上，实现既具有可检验性，又具有逻辑精确性的社会科学解释。
第二，在社会本质上形成了个体主义和整体主义两种社会观：个体主义认为社会是个体的集合，个体之间本质上没有差别；而整体主义认为社会结构具有独立性，不可还原为个体的信念和目的。这两种观念导致了对规范和价值作用的不同认识。科林伍德（R.G.Collingwood）、德雷（W.Dray）和冯·赖特（G.H.von Wright）等人认为，合理的社会科学解释必须包含规范，因为它是社会科学所固有的。与之对立的亨普尔、亨德森（D.Henderson）等人则认为，可以将规范解构为主体的信念和倾向，比如意向性行为的解释并不涉及规范。事实上，这只能证明规范在个体心理层面上没有解释力，而不能证明其在社会维度上缺乏解释力。
由此，与社会科学解释对应的，有微观解释和宏观解释之分：宏观解释是在群体层次上对社会群体的某些特征或构成要素的相互作用的描述；微观解释是对主体的倾向和行动在个体层次上的描述。个体行动的规范性只有在群体活动中才能体现出来，因此群体层次的宏观解释不能还原为个体层次的微观解释。要求群体解释与对构成群体的单个个体的解释集合对等，实际上预先假定了每个个体可能的状态和排列都是可实现的。而事实上，个体倾向的随机分布是不可能存在的。这是社会科学解释独有的特征，其本质上是整体大于部分之和的整体论在社会解释中的具体体现。
第三，自然主义解释观和反自然主义理解观的对立，是社会科学解释中一个长期占主导地位的争论。其对立的核心前提是对社会科学规律存在与否的争论。自然主义者认为社会科学中存在规律，并且其发挥作用的方式与自然科学规律别无二致；反自然主义者认为社会科学研究领域的开放性和研究主体、对象的能动性，决定了社会科学规律没有普适性，对社会现象的解释只有通过对构成它们的意义的诠释学理解才能进行。事实上，一方面，因为社会现象所固有的多重因果关系，社会科学规律本质上是受限的，但这在一定程度和范围内并不影响它的适用性以及解释和预测；另一方面，一些统计规律，甚至是人为制定或约定俗成的规则，同样可以起到解释和预测社会行为的作用。这两种解释观都过度依赖对科学本质的假定。反自然主义错在声称所有的社会科学都包含对有意义的现象的诠释，自然主义则狭隘地否认了理解等所发挥的作用。[18]
与自然科学相对稳定的研究对象和环境相比，社会科学研究更加多样化。这使得在不同的社会科学解释模式中，寻求统一的逻辑特征异常困难。但这种科学解释的多样性，“ 既非偶然也非随机……任何单个主体的持存都依赖于其他主体提供的环境，即每种主体都安顿在以该主体为中心的相互作用所限定的合适生态位（niche）上”[19]。这种多样性是探讨社会科学解释的前提。
二、社会科学解释的本质
各种解释机制和模式内部存在的问题及相互之间的对立冲突，体现了对社会科学解释的内涵、本质和特征的认识差异。
首先，是关于社会科学解释的目的问题。
解释涉及对问题的回答，利特尔（D.Little）将这些问题分为“为什么必然”和“如何可能”的问题。[20]“为什么必然”的问题涉及证明某一事件、规则性或过程在特定环境中是必然的或可预测的，即确定被解释项出现的初始条件和因果过程。这种对产生被解释项的充分条件的描述是决定论的。“如何可能”的问题通常与复杂系统，如复杂的神经网络、社会组织、经济体制等的行为有关。在具体的社会科学解释实践中，解释项所描述的条件一般只是增加了被解释项出现的可能性，而不是必然会导致被解释项的出现。因此与非决定论的社会系统相关的解释问题，基本上都是“如何可能”的问题。
社会现象的非决定论性质使得社会科学解释并不需要为被解释项提供准确可靠的解释和预测，而只是在一定的可行范围内和程度上，对被解释项的内部机制和动力学给予说明。因此，社会科学解释不一定是“科学的”解释，但一定是符合语境的解释。
其次，是关于当前社会科学解释的模型。
（1）因果解释模型。它假定被解释事件是其他先在事件或条件的结果。原因和结果通过规律连接起来，因此规律或无例外的概括成为两个变量之间必然联系的先决条件。因果解释还包括功能解释、结构解释和统计解释等形式。
总体上看，因果解释模型过分强调客观原因，而忽视作为行动理由的人的需要、目的和心理动机，因此面临两个问题：一是历史学家通常关注的是单个特殊事件；二是相关规律并不是解释特定事件的必要条件。而且，在复杂社会现象和系统中，因果推论有多种表现形式，如单一因果判断、类因果关系、因果相关陈述以及概率性因果陈述等，所以不能一概而论，简单地将原因和结果通过规律直接连接起来。事实上，社会科学中因果推论的基础是社会现象和系统中的因果机制：C产生E，意味着有一个因果机制主导着从C的出现到E的出现。[21]
此外，对社会现象或系统的因果解释，除了要求揭示其基本的因果机制外，还必须证明单个的机制（微观层次上）如何运行，以及单个的机制如何被联系起来（宏观层次上）。这样，微观层次影响宏观层次，宏观层次再反过来影响微观层次。系统论解释以这种方式成为个体主义解释和整体关联解释的一个替代。[22]但要注意，社会科学中连接原因和结果的特定因果机制，与特定个体的信念、要求、力量和约束相关，在具体的解释活动中其特征和表现不同。
（2）意向性解释模型。从个体角度看，社会变革基础的核心因果过程源于理性—意向性行为。人类作为一种意向性生物，在理性基础上活动。因此，如果假定各种社会环境中的个体都能在其信念和目标的基础上做出慎重选择，那么就可以把大量社会现象解释为这些选择的综合结果。但这个前提是有争议的，因为个体在其环境中做出的理性选择是不完全的：一是有些环境超出了个体的理解，受到其习惯、技术能力等的限制；二是个体在同样的选择环境中可能有不同于其他个体的价值和目标；三是个体在任何时候都不可能掌握所有与理性选择有关的知识。这就是西蒙（H.Simon）所说的“有限理性”。这样所构造的理想的理性选择模型与实际社会现象或问题几乎无关，起不到任何指导、解释和预测作用。其问题在于：一方面，它把规范所发挥的解释力瓦解为对主体信念和倾向的描述，把解释集中于个体而忽视个体活动的社会环境是其错误的根源；另一方面，阐述主体动机的好坏是解释其行为的重要组成部分，而这需要将个体置于其活动的群体背景下，借助规范性标准来予以评价。因此，规范像工具理性、道德命令和实践准则一样，是解释的一部分。[23]
（3）诠释学解释模型。上述两种解释模型强调了概括和归纳在社会解释中的重要性，与此不同，诠释学解释模型强调不同文化独特性的作用。诠释学理论认为，社会研究的主要目标是对有意义的人类实践的解释。这种方法强调理解和解释之间的区别：解释涉及确定一个事件的基本原因，而理解涉及发现一个事件或实践在特定的社会语境中的意义。[24]自然科学与客观的因果过程相关，而社会科学与有意义的行动和实践相关。前者可以得到客观描述和解释，后者需要检释和理解。因此，解释是自然科学的目标，而理解是社会科学的目标。[25]泰勒（C.Taylor）指出：社会科学必须是诠释学的，只依赖于客观因素，如因果关系、社会结构、抽象理性等的社会研究必将失败。[26]他把诠释学解释模型作为社会科学解释的严格标准来看待，这样就把因果解释和理性选择解释拒斥在外了。诠释学框架对于社会科学的某些问题的确是一种合适的方法，但这并不意味着所有社会科学都必须采用这种解释模式。在很多社会科学研究领域，社会结构和抽象理性等发挥着关键性的解释作用。从本质上来讲，诠释学模型混淆了“行为规范模型”（the model for behavior）和“行为模型”（the model of behavior）。[27]前者就是诠释学模型所关注的特定语境中，社会因素对行为的规范及其所表达的意义，后者是对主体行动的客观描述。因此，如果说意向性解释模型忽视了规范在社会科学解释中的作用的话，那么诠释学模型则过分强调了规范的作用，而忽视了客观因素在解释中所发挥的作用。
这几种主要的社会科学解释模型的特征和表现形式各有不同，充分反映了社会科学研究的复杂性和多样性。因此，在具体的社会科学解释实践中，认识各种解释模型的使用范围和边界，重视和吸收各种解释模型，是社会科学研究本质的必然要求。
由此可见，在社会科学解释确立的科学合法性标准之中，模型化无疑是一个重要的方面。模型是针对原型而言的，原型是指人们在社会活动和生产实践中所关心和研究的实际对象，在科学技术研究领域常常用系统或过程等术语来表达，如社会经济系统。模型来源于原型，但不是对原型的简单模仿，是人们为了认识和理解原型而对其所进行的一种抽象和升华。模型是理论或现象的精确“反映”，是科学的“催化剂”，有助于加速科学的发展进程。模型逐渐成为理论和数据之外，能够在科学发展过程中发挥独立影响的要素，能够建立形式化的计算或数学模型，已经像理论和数据的普遍必然性与客观性一样，成为具有科学地位的衡量标准。因此，社会科学制度合法化很重要的基础之一就是模型化。
最后，是关于规律在社会科学解释中的作用。金凯德（H.Kincaid）和罗伯茨之间关于社会科学中是否存在规律的论战，基本反映了当代自然主义和反自然主义之间，对规律在社会科学解释中的作用的看法。需要明确的是：（1）社会科学规律的存在及作用，是社会科学解释存在的充分条件，而不是必要条件，即在某些社会科学研究领域和主题中，社会科学规律的发现和确立有助于社会科学解释的实现，但并不是所有的社会科学解释都以社会科学规律的存在为前提；很多社会科学解释只是描述性的，或只是对一些社会科学问题做出的简单回答。（2）社会科学解释的科学合理性并不以规律的普适性和可预测性为标准。虽然严格的具有普适性的规律对于解释和预测社会现象有重大意义，但在很多成熟的具体社会科学学科中，统计规律或设限规律对社会科学解释的推动作用不容忽视。因此，明确规律在社会科学解释中发挥的作用，不仅有助于为社会科学规律的合理性进行辩护，更有助于确定好的社会科学解释所应该具有的一些基本标准和逻辑特征，避免因错误的规律观而导致对某些社会科学现象或问题的解释出现偏差。
规律一般是统计规则性或设限规律，在社会科学解释中的作用具体体现在：（1）统计规则性可以为我们接受或拒绝一个因果假设提供经验基础。构建一组可观察变量，它们对应于所研究现象或问题的核心范畴，那么根据这些可观察变量的相互关系，就可验证所假定因果关系的合理性，但这种验证不是结论性的。（2）设限规律可以揭示一系列复杂社会现象潜在的规则性。在反复的实验和对比中，找到构成现象的要素中那些真正相关且互相影响的，以这些要素为基本变量，就可形成对潜在的因果过程的假设。这个过程中所发现的要素之间的协变性是研究因果假设的一个有效工具。
三、社会科学解释的复杂性模型
基于上述讨论，我们从复杂性视角对社会现象和系统的内部动力学运行机制进行分类，揭示在对社会现象进行的科学解释中，发挥关键作用的社会机制及其运行过程，同时分析在复杂性科学中取得重要进展的“基于Agent的建模”方法（Agent-Based Modeling，ABM），从而为社会科学解释提供一种复杂性模型的研究视角。
1.社会现象和系统的复杂性分类
社会科学的主体、对象以及方法都是一个动态的发展过程，因此，在社会科学现象和系统的内部动力学运行机制的基础上，根据其复杂性、可预测性及生成复杂结构和形式的能力，对社会科学现象和系统进行分类，是构建社会科学解释模型的前提。
图8-1是对所有实在的内部动力学运行机制的简单分类。因为社会现象的多变性，这里仅着重考察动态现象和系统。
图8-1 社会现象和系统的复杂性分类图[28]
一方面，动态系统可以根据系统内部是否包含规则性或因果关系，分为“决定论”系统和“非决定论”系统。决定论现象或系统根据一组特定的规则或因果关系活动，因此系统的状态可以通过其内部规则性或因果关系或系统的上一个状态得到解释。非决定论系统显示出状态与状态之间的独立性，系统状态的变化具有随机性。
决定论系统又可以分为线性决定论系统和非线性决定论系统。线性决定论系统本质上都是模块化的，通过把它分解成部分并通过对每一部分的考察，就可以实现对系统的解释。非线性决定论系统则不能通过将其分解成模块来得到解释，因为其构成的关键是：整体以一种全新的复杂的组合方式把部分组合起来，这样所形成的系统属性即为功能性部件，这些功能性部件只有在整体系统中才有意义。复杂系统本体论的实质就在于系统还原为它的部分时所失去的功能部件，解释复杂系统的关键也在于解释功能部件的形成过程。非线性系统的特性正是不属于初始系统的新形式或行为的突现。
另一方面，线性系统是有规律的、周期性的，因此可预测；而非线性系统则会生成非周期性吸引子，因此只有在熟练掌握系统中起主导作用的方程和系统的所有变量时，才可以预测短期内非线性系统的行为。但即使在这种理想状态下，随着系统迭代次数的增加，预测能力也会急剧下降，使得对系统行为做出长期预测变得困难，甚至不可能。
非决定论系统也叫随机系统，分为布朗—温和随机性和曼特伯罗—野性随机性。布朗—温和随机性是一种点对点随机性，缺少结构和模式。曼特伯罗—野性随机性与布朗—温和随机性相对，其分布变化是无穷的。社会现象和系统主要分布在非线性决定论系统和野性随机性系统之间。因此，在类似社会现象这样的复杂适应系统中，非线性决定论和野性的分形分布的解释力是非常强大的，这些方法在社会科学解释中应给予足够重视。
对动态社会现象和系统的内部运行机制的复杂性分类，并不是要证明绝大多数社会现象和系统是不可控的、不能预测的，相反，是要说明：一方面，在构造复杂现象的社会科学解释模型时，要善于发现表面上随机的复杂现象中潜在的规则性，通过这种规则性或关联性来进行解释。如果没有这种规则性，则要在社会系统的功能性部件形成的过程中来构建解释。另一方面，标准随机项不一定是模拟复杂现象的必要条件，在很多情况下，简单的决定论方程通过引入维度或自由度等要素，也可以模拟复杂的行为，而这依赖于数学和计算能力的提高。比如，“黑农映射”的例子就显示了一个二维决定论系统生成混沌解的可能性。[29]著名的混沌和复杂系统的物理学家斯普洛特（J.C.Sprott）已经证明，一定的高维生态系统可以用简单的决定论方程来模拟以生成复杂的行为。[30]斯普洛特的发现证明，随机性不是模拟高维自然系统的复杂形式的一个必要条件。另外，从一个洛伦兹方程的时间序列解来观察一个洛伦兹吸引子的形成，可以看到从左往右的转移以及由内向外的呈螺旋状旋转都是不确定的、无周期性的，即“每一边的循环数量使从一个循环到下一个循环不可预期地不同，而事实上，环路数量序列和随机序列的很多特征是一样的”[31]。这些都证明，在某些条件下，一个简单的决定论方程可以生成复杂且随机的行为；并从另一个侧面证明，社会科学解释所面临的复杂性和随机性不一定是不可掌握的，面对不同的社会现象和系统应采取不同的解释路径。
2.社会机制
社会科学研究就是要揭示社会现象表面之下的实在，而要解释一个社会现象或问题，就必须阐明引起这个现象或问题的社会机制。默顿（R.K.Merton）认为，社会机制是“社会过程对社会结构特定部分的特定影响”[32]，它是中层理论的基石。埃尔斯特（J.Elster）指出对现象之间相互关系的解释正是社会机制的任务。[33]邦格（Mario Bunge）认为社会机制可以解释在社会现象或系统中将会发生什么，如何发生以及为什么会发生。[34]社会机制对于社会现象或系统内部动力学的关注，符合复杂性科学以系统论和过程论来关注社会科学解释问题的主导思想；可以说复杂性社会科学解释模型的核心就是社会机制。
社会系统中普遍存在的三种基本机制是：区分、整合和创造。区分是将某一系统与其他系统区别开来，并由此确定该系统特性的社会机制；整合是通过加强系统内部要素之间或系统与外部环境之间的关系，来保持系统稳定性的社会机制；创造是通过改变系统内部要素之间或系统与外部环境之间的关系，来生成系统改革和创新，并伴随新的区分过程的开始的社会机制。[35]因此，这三种基本机制事实上是一个循环发展的过程。
这三种机制构成了一个社会系统内部变化及其与环境交互作用的过程。但是社会机制要想被用来促进对社会现象或系统的解释，必须有一些限制性的条件：首先，它必须是具体的，只在具体的社会系统中起作用，在概念或符号系统中不起作用；其次，它必须是明确的，即虽然我们不能观察到它，但可以根据它对社会现象或系统的解释来认识它；最后，它必须是可检验的，以其运行过程来对社会现象或系统进行解释，从而检验其是否反映了真正的动力学过程，而不是胡乱的猜测。[36]
3.基于Agent建模
在社会科学解释中，经验概括、理论、规律和模型这四种知识形式起作用并引导着具体的解释，尤其是模型化，日渐成为社会科学发展的一个重要方向：“为了使社会科学改进它的制度合法性，它就必须变得以模型为中心。”[37]在此方面，复杂性科学聚焦于自组织的异质主体，以及基于建模所进行的秩序创造，这成为社会科学发展新的要素和认识论手段。因此，这种“建立在复杂性科学，以及它的以Agent为基础的建模方法基础上的认识论，可以用于社会科学本体论”[38]，并使社会科学及其解释获得合理性。
实质上，后现代主义首先为社会科学在模型化方向上寻求制度合法性提供了可能。尽管其非中心化的、建构主义的，甚至碎片化的种种科学批判立场引起诸多责难，但后现代主义让社会科学重新认识和发现了“自主主体”。它强调主体的异质性和异质社会主体行为的真实性，各种异质主体在相互作用的变化网络中运行。这就改变了传统常规科学建立的根基：同质主体及线性决定论。如果说后现代主义颠覆传统的科学规范和标准，让自主主体所产生的意义来主导客观的本质真理，从而奠定了社会科学制度合法化基础的话，那么，复杂性科学则为当代社会科学逻辑重构的任务之一，即社会科学的“模型化”。
作为复杂性科学研究多元异质建模的结果，ABM可为社会科学提供新的表征复杂社会现象和系统的工具，具体来说：第一，理论解释和经验解释的拟合。就理论解释而言，ABM有助于考察作为整体的系统的行为及其内部要素之间关系的动力学。就经验解释而言，ABM是表征被解释对象的所有已知的和必要的初始条件的工具。ABM提供了把理论解释和经验解释结合起来的可能。ABM通过“可控实验”，在复杂过程中发现关于行动者主体的行为以及他们与环境的交互作用的规则性。建立在此基础上的模型，其科学性依赖于其可预测性，计算机模拟为这一目标的实现提供了可能性。另外，ABM的目标之一就是准确模拟真实世界的现象和系统，以保持经验解释的具体性和理论解释的规则性之间张力的平衡。
第二，社会科学解释模型的调节、检验和确认。社会科学解释模型不是一成不变的，而是根据理论原则和经验数据的变化，在具体的实践过程中不断做出调整的。评价系统模型的三步骤——调节、检验和确认是一种可以借鉴的方法。[39]“调节”是对模型参数和标准符合特定理论或经验数据的调整；“检验”考察模型是否与设计的意图和意向性协调一致，检验的结果是模型是否成功的标志；“确认”通常使用模拟数据和敏感性试验，来操作模型以确定输出数据是否与期望一致，即把模型输出和真实世界的结果做比较。社会科学家常常没有充足的证据来调节或确认解释模型，而且也面临生成模拟数据的挑战。因为即使是模拟一个中等复杂的社会现象或系统动力学，也需要付出极大的努力来将被模拟的现象或过程形象化，进而在此基础上分析和模拟。而且，理论方法和经验方法的综合使用更加剧了这种困难。但是，这是社会科学家必须面对和解决的问题，只有这样才能既增加模型的科学性，又增加模型在实践中的实用性。
第三，在社会科学解释模型中引入维度和层级等要素。层级理论有助于模型制造者确定系统的基本层级和维度，正是在这些层级和维度的嵌套下，系统才会出现突现属性。而且，它们为系统的非线性和敏感性提供了一种潜在的平衡力，即一旦确定了被解释现象或系统的时空维度和内部层级，就可以识别与该维度和层级一致的其内部的线性关联和外部极限。社会科学家可以通过确定系统的基本层级，在子系统的构成要素的相互作用中，所生成的突现属性的基础上，做出隐含假设，在一系列这种过程的嵌套循环中，模拟一个分层有序的系统。这种自下而上的突现过程和自上而下的协同演化过程有机结合，有助于理解从个体相互作用中突现出的规范，并把这种规范反馈给个体。这恰好为模拟社会科学解释问题提供了一个切入点。
从复杂性视角对社会科学现象和系统进行的分类，刻画出各类现象和系统之间的复杂性边界，证明了数学和计算工具对于将社会科学现象和系统概念化、抽象化所具有的优势，在此基础上，揭示社会科学解释的核心——社会机制对于解释和理解现象和系统的关键性，并借助在各类复杂系统中已不断获得成功的、在建模过程中所使用的各种方法，引导复杂性社会科学解释模型的构造。
目前对社会科学解释问题的研究还未成熟到足以建立完善的模型，而且在具体的建模过程中面临着诸多问题，如非线性的参数变化过程如何表征，参数关系的可检验性和可预测性，以及模型的有效性确认，模型适当性的评价标准，以及如何实现研究现象的一致性，形式的简单性和模型的实在性之间的平衡等，这些都是需要进一步深入讨论的。把复杂性研究方法引入社会科学解释中，为社会科学解释问题提供了一种替代性选择路径。
四、社会科学知识如何可能：重构认识论逻辑
科学知识如何可能是哲学认识论的核心问题。在传统科学范式下，平衡论、消极反馈回路、可分解标准和要素之间直接的线性联系，构成了作为科学研究前提的四个认识论假定，复杂系统范式第一次对这些假定提出了整体性批判，在实在观、因果观和模型观等三个层面上促进了科学认知模式的转移，进而修正着关于科学（包括社会科学）知识的一些传统观念，如知识的本质特征和获取知识的有效方式等，推动了社会科学认识论的逻辑重构。[40]
1.从形而上学分裂到流体实在观
基于人类语言的符号互动，是社会系统演化的内在构成。事实上，语言既是表征实在的载体，同时也限制我们的表征形式。因此，使用新语言是表征新的符号互动形式和实在属性的必要前提。作为复杂系统理论的核心范畴，突现、耗散结构、路径依赖、混沌边缘、分形、自相似等，作为一组新语言和新隐喻，在一定意义上构成了对社会主体之间符号互动的直观形象的科学表征，为我们提供了一种认识和揭示实在属性的新方式，即“受语言影响的实在”[41]。更重要的是，这种实在观进一步消减了社会科学研究者在获取系统知识的过程中所引起的“形而上学分裂”[42]的问题。这一问题主要表现为，在认识社会系统基本内涵和运行规律时，基于机械决定论和还原论，只处理那些包含事实、原因及其他具有物理主义特征的物质或原子领域，而排斥那些被归入第二形而上学领域的规范性、意向性和模态等现象，因而不利于把握整体社会系统的突现属性，阻碍了对系统潜在的、高层次复杂性的揭示。
另外，形而上学分裂也导致了在对社会系统物质构成的机械描述过程中，既忽视了系统要素之间的适应性行为，也限制了对系统演化模式和机制，特别是突现和自组织行为的动态表征。复杂系统范式揭示出社会系统的“社会性”[43]具有层级性，社会性层次越高，人类之间的交互作用越强，复杂性程度也就越高，对这类系统内部关系的认识，就需要更多地借助定性比较法、历史研究法、参与式社会调查和人种志方法等；而对于社会性层次较低的研究主题，传统自然科学，特别是生物学方法就是有效的。这样，通过分析社会系统的复杂性层次及其运行机制，来考察系统的内部演化，将系统的物质构成和关系构成共同纳入系统知识的形成过程中，本质上形成了一种“流体实在观”（fluid reality）[44]。即实在不再可以静态地、间断性地展示出来，而是会表现出连续的过渡和变形，我们只能通过揭示实在内部的复杂性层次及动态交织，来实现对实在本质的过程性把握。
2.双向因果关系及其解释力
与复杂系统内部要素互动所构成的反馈回路一致，复杂系统范式超越了传统科学研究的“单向因果关系”教条，即把所有因果关系形式都视为“自下而上”的，以此作为对实在进行因果思考的主导性隐喻。[45]事实上，在大多数复杂自然系统中，较低层次要素的行为是整体系统行为的必要但不充分条件，控制层级的出现有赖于系统对其构成要素的自上而下的约束，这是系统自我维持的一种新的动力学形式。因此，“因果关系本质上是自上而下和自下而上的作用之间的一种双向对话”[46]，因果关系的双向对话和不同高维空间中的因果循环相互嵌套交织，构成了复杂的因果关系网络。
本质上，互为因果关系的系统属性代表着一种生成性因果关系过程，其交互式作用的潜在的非线性影响，使实在的复杂性变得“自增强”（self-potentiating）[47]。一方面，这种扩展了的因果框架使得我们可以对社会系统的实体结构给予更充分的解释。利用生成方法不仅可以认识社会系统复杂性的内生过程，更重要的是，认识在社会系统非线性演化机制内生成秩序的可能性；另一方面，双向因果关系的确立极大地限制了机械因果说明原则的解释力，挑战了以因果规律来实现决定论预测的科学目标。同时，也对那些以因果决定论不属于社会领域为由，而质疑社会科学知识合理性的观点，给予了有力反击。借助双向因果关系，不仅有助于澄清社会科学规律和社会科学解释的本质内涵，即规律和偶然语境的结合才能构成确定系统实际行为的充要条件，而解释则是初始条件、约束条件和条件依赖规律的合成物。[48]而且，还在一定程度上修正了特定社会科学研究的目标，即不追求对系统的绝对的长期预测，而旨在对具体语境下系统的突现行为和演化路径给出明确的展示。
3.模型化路径：基于主体的建模
与获取社会科学知识的传统方法，如观察—归纳、假说—演绎等集中研究系统的物质构成不同，复杂系统范式借助系统内外关系构成的动态交互作用网络来把握系统运行。构成复杂系统的主体相互联系、相互作用，形成一个交互作用网络。联系的加强一方面增加了系统的整合度，使得系统的独特性凸显出来；另一方面也提高了系统的敏感度，构成系统的任何一个主体或交互作用的细微变化，都会通过反馈的迭代导致系统表现出完全不同的形态。复杂系统正是在这种动态网络内生成、演化、消亡或者再生的，系统要素之间的动态关系塑造了要素的地位、形式和功能，进而引导着系统的运行和演化。因此，网络的内在关系构成了定义社会系统的核心变量，也开辟了一种获取系统知识的新路径。
作为复杂系统科学代表性的建模方法，基于主体的模型建立在具有适应性、异质性和反馈性特征的自主主体的基础上，它允许使用数值数据来识别并描述系统要素之间的交互作用，进而提取关键变量，并分析它们之间可能的函数关系。这就把社会行为形式化地描述为异质主体之间交互作用的结果。由此，在获取系统知识的过程中，就调和了归纳方法和演绎方法、方法论个体主义和整体主义、微观规范和宏观结构、社会建构论和不可知论等之间的二元对立；通过为宏观整体来确定微观规范，超越了传统突现论在微观与宏观之间建立的“神秘间隙”。另外，这一方法还将个体理性与宏观均衡分隔开来，证明了二者在逻辑上的相互独立性，这就在一定程度上将社会科学从“政策科学的服务员”这一角色中解放了出来。因此，与维护社会科学知识合法性的传统路径不同，复杂系统范式是从系统内部将获取社会科学知识的过程合法化的。
可以看出，通过探究流体实在观、双向因果关系和基于主体的建模之基本内涵和运行机制，我们发现，正如莫兰（Edgar Morin）所说，复杂性化是一种将科学（包括社会科学）人性化的方式。[49]复杂系统范式下的社会认识论摆脱了机械决定论的机器隐喻，充分考虑到系统动态演化的过程性、系统复杂性的非线性自生性，以及内在网络关系对模拟系统运行的关键性。这就从根本上重构了传统社会科学的认知模式，使得社会科学认识论趋于人性化。
值得注意的是，复杂系统范式虽同时注意到社会系统的物质构成和关系构成，但却忽视了社会系统的思想层面。事实上，社会系统思想层面的复杂性和多样性，更有利于凸显社会系统区别于自然系统的独特性，同时也构成了大部分社会科学理论和知识的本体论来源。另外，对于那些要素之间交互作用不明晰的系统而言，功能模拟法和“黑箱”方法等，对于获取系统知识而言，就显得不可或缺。这些方法通过行为的相似性或整体的输入和输出，对系统整体进行全局相关分析，实现了从外部对系统运行规律的把握。它们对于从内部分析系统交互作用而言，无疑是一个有益的补充，特别是对于那些要素数量庞大且异质性强的多层级社会系统而言，尤为如此。当然，基于主体的建模，并不是解释社会系统内部运行机制的唯一方法，低维微分方程、聚合回归和博弈论等对于其他解释目的而言，也可能具有其有效性。这些建模方法共同推动社会科学的模型化发展，而这恰恰是当代社会科学提高其科学合法性的努力方向。
综上所述，从社会科学认识论逻辑重构的意义上看，最重要的就是复杂性科学对模型的重新认识和定位。其一，它把科学和认识论直接建基于对异质主体的研究之上，通过关注自组织的异质主体和基于主体的模型所进行的秩序创造，为社会科学缺乏普遍性的问题提供了解决之道。不同于传统物理或数学模型总是假设尽可能简单的主体，复杂性科学不仅承认主体的异质性，而且认为此种主体，是依据模型制定的规则与其他主体进行相互作用的主体。事实上，这充分反映了社会科学主题的复杂性。人类相互作用和关系的结构就是一个复杂的网络，异质性主体之间的相互作用决定性地影响了组织、社会群体和社会活动的发展。其二，复杂性科学认为自主主体的行为及其结果具有不确定性，但它们可以自组织成突现的适应系统。这样，传统科学所极力消解的不确定性，又重新回到了问题的中心，成为了创造性、适应性和演化的积极要素。由此，在社会科学领域，复杂性科学对心理现象和社会现象的认识，不是分析的而是统计的，它为心理和社会现象的理解与形式科学的精确性结合提供了桥梁，或者说，它是整合自然科学和社会科学的一个平台。毫无疑问，模型化代表了当代社会科学提高科学合法性的努力方向。但基于物理学和数学的形式化模型在社会科学领域应用的不恰当性已日益凸显，应该说，把复杂性科学及其思维方式介入社会科学的研究中，是社会科学模型化发展的一个重要路径。