请你提供具体的专家社会预测内容呀，没有相关信息我没法准确写出为何总是不准的描述呢。你可以详细说说那些不准确的预测案例等相关内容，这样我就能更好地为你创作啦。

社会科学的核心使命，是发现、描述并解释人类社会的运行规律与历史变迁。然而，对未来的好奇与关切几乎与解释同样强烈。

过去，由于数据和模型的约束，社会科学家往往只能在宏观社会趋势上给出谨慎的推断。如今，随着机器学习和人工智能的发展，如何利用大数据做出准确的社会预测成为了社会科学的前沿议题（陈云松等，2020；Lundberg et al.2022）。

然而，在讨论算法与数据能给社会预测带来多大突破之前，还有一个更基础的问题有待检验：在不倚赖数据的情况下，单凭专业知识和经验，社会科学家究竟能否对未来的社会变迁做出相对准确的判断？由于专家意见经常用于辅助政策制定，并在公共舆论中发挥影响，评估他们预测的准确性便显得尤为关键。

针对这一研究问题，The Forecasting Collaborative团队在2022年发表于《自然：人类行为》的文章“Insights into the Accuracy of Social Scientists’Forecasts of Societal Change”中展开了一项实验，得出了非常有意思的结论。

The Forecasting Collaborative是一个专注于评估行为科学和社会科学模型准确度的国际学者组织，其成员来自滑铁卢大学、多伦多大学、普渡大学、宾夕法尼亚大学等知名研究型大学。

作者们提到，过去的研究常常发现，专家与“砖家”有时只有一线之差：例如，投资专家对股票走向的预测并不十分准确，政治学家成功预测地缘政治冲突事件爆发的概率也并不比盲猜更高。这种预测偏差在社会科学家对社会变迁的预测中是否也存在呢？

为了找到这个问题的答案，作者们组织了一场大型预测实验。在2020年5月至2021年4月期间，他们招募了206支来自行为科学和社会科学的学者团队，让其对未来一年美国的民众生活满意度、政治态度分化、意识形态偏好、种族偏见和对女性的职场偏见做出预测。在首次做出预测的六个月之后，这些学者团队可以选择更改自己的预测。

为了使学者们的预测可以基于一致的背景信息，作者给所有参与实验的学者团队都提供了相同的历史数据，包括美国过去39~45个月内的民众生活满意度、正负两面的社会情绪、两党支持率、政治态度两极分化的严重程度、对亚裔美国人和非裔美国人的态度，以及关于性别和特定职业之间关系的讨论。

在这些预测话题中，学者们必须选择若干个自己曾发表过相关论文的话题进行预测，同时也要选择几个与自己研究专长不同的话题进行预测。预测报告只需提供开放式的、自由书写的内容，而不一定需要使用统计模型、算法等。如果使用了这些方法，学者团队需要提供他们所使用的模型和数据。

实验完成后，作者对社会科学家预测的准确性从三方面进行了评估：

第一，专家预测是否比普通民众在社会调查中做出的预测更准确？

第二，专家预测是否比常用的朴素模型（例如历史数据的平均值、线性回归估计值、随机游走算法）所得到的预测结果更准确？

第三，社会科学家所在的学科领域以及使用的预测策略是否影响其预测的准确度？

分析结果显示，社会科学家的预测与802名普通民众的预测相比，整体准确度并没有统计显著的差异。但是，社会科学家们在生活满意度、社会两极分化程度以及职场性别偏见这些话题上比普通民众有更准的预测。如果专家们基于数据做了模型分析，其预测结果也比民众预测更加准确。

与朴素算法的估计值相比，社会科学家们在约75%的话题上的预测准确度逊色于随机游走算法的估计结果。另外有40%~60%的话题，专家们的预测准确度甚至不如直接采用历史数据中位数。

大约在一半的话题上，简单线性回归的估计值比专家预测更加准确。整体来说，在所有话题当中，至少有一种朴素算法的预测准确度大于或等于专家预测的准确度。

在所有话题中，正面社会态度和职场性别偏见是专家预测相对更准的话题，而负面社会态度和对非裔美国人的偏见则是最难准确预测的。在不同学者团队的差异上，基于数据的预测比不基于数据的预测更加准确，使用简单模型辅助预测比使用复杂模型更加准确，学者团队中有成员的研究专长与预测话题重合的预测更加准确。

那么问题来了，为什么社会科学家们对未来社会变迁的预测准确度不高呢？文章作者总结了以下几个可能的原因。

其一，社会科学实验常关注微小效应，且有时为了最大化实验中的控制，导致测度的外部效度有限，其实验结论可能会高估或错误估计宏观社会层面的效应大小；

其二，多数理论聚焦个体或群体层面，不一定适合泛化到整个社会，尤其是宏观系统本身涉及非常多偶然的、复杂的、难以测量的影响因素；

其三，社会科学训练重解释、轻预测，社会科学家们对预测方法论的掌握可能参差不齐，导致预测的误差较大；

其四，该实验进行于新冠疫情期间，社会环境有其特殊性，一系列突发的、偶然的、不稳定的因素可能降低了这段时间内社会变化的可预测性；

其五，可能是该次实验未能为参与团队提供足够有效的激励机制。

在偏见、歧视、政治极化与社会不平等持续蔓延的当下，准确进行社会预测的能力将对专家学者和政策制定者带来极大的帮助。

尽管人们一般相信社会科学专家能对未来趋势做出相对准确的预测，这个实验的发现却告诉我们，专家不是预言家，如果缺乏系统的预测训练、充足的数据支撑和正确的分析方法，专家们基于直觉的预测并不见得比简单统计模型或者“群众智慧“更加准确。

但好消息是，预测方法论仍有很大的发展空间，随着数据开放、方法创新和实践检验的不断迭代，社会预测的准确度在未来仍可有大幅度的提高。

参考文献：

陈云松，吴晓刚，胡安宁，贺光烨，句国栋.(2020).社会预测:基于机器学习的研究新范式.社会学研究，3，94-117.

Lundberg，I.，Brand，J.E.，&Jeon，N.(2022).Researcher reasoning meets computational capacity:Machine learning for social science.Social science research，108，102807.

本文来自微信公众号：严肃的人口学八卦 （ID：renkou8gua），作者：廖天琪（加州大学洛杉矶分校社会学博士候选人），责编：李婷（中国人民大学人口与健康学院教授）