ResumeQue peuvent faire les sciences sociales avec le machine learning, et que peut-il leur faire ? Cet article propose une introduction à cette classe de méthodes statistiques. Il détaille ses prémisses, sa logique, et les défis qu’elle pose pour les sciences (sociales). Il le fait au moyen d’une comparaison avec d’autres approches quantitative plus conventionnelles, les régressions paramétriques en premier lieu, et ce tant au niveau général qu’en pratique. Au-delà de l’exercice méthodologique, l’article se propose de revenir sur les débats houleux qui entourent le learning. Il revient pour se faire sur le rôle et les conséquences possibles de l’usage de l’apprentissage statistique. Il soutient que la révolution promise par beaucoup et crainte par d’autres ne se produira pas de sitôt, ou en tout cas pas dans les termes souvent mentionnés. Le changement de paradigme évoqué de manière prophétique n’aura pas lieu. Plutôt, une concurrence accrue entre différentes formes de quantification du monde social va se mettre en place. Contre toute attente, cette incertitude croissante pourrait être de bon augure pour la connaissance en général.
What can social sciences do with machine learning, and what can the latter do to them? A contribution to the emerging debate on the role of machine learning for the social sciences, this article offers an introduction to this class of statistical techniques. It details its premises, logic, and the challenges it faces. This is done by comparing machine learning to more classical approaches to quantification – most notably parametric regression – both at a general level and in practice. The article is thus an intervention in the contentious debates about the role and possible consequences of adopting statistical learning in science. We claim that the revolution announced by many and feared by others will not happen any time soon, at least not in the terms that both proponents and critics of the technique have spelled out. The growing use of machine learning is not so much ushering in a radically new quantitative era as it is fostering an increased competition between the newly termed classic method and the learning approach. This, in turn, results in more uncertainty with respect to quantified results. Surprisingly enough, this may be good news for knowledge overall.
ZusammenfassungWas können die Sozialwissenschaften mit machine learning tun und was kann machine learning für die Sozialwissenschaften tun? Dieser Artikel schlägt eine Einführung in diese Klasse der statistischen Methoden vor. Er detailliert ihr Voraussetzungen, ihre Logik und die Herausforderungen für die (Sozial)-Wissenschaften. Dazu stellen wir ein Vergleich an mit anderen quantitativen, mehr konventionellen Näherungsmethoden, in erster Linie die parametrischen Regressionen, sowohl allgemein als auch praktisch. Über die methodologische Übung hinaus kommt der Artikel auf die hitzigen Diskussionen zum learning zurück. Dazu betrachtet er die Rolle und die möglichen Konsequenzen beim Gebrauch des statistischen Lernens. Er behauptet, dass die von Vielen versprochene und Anderen gefürchtete Revolution noch lange nicht stattfinden wird, bzw. nicht in den oft erwogenen Begriffen. Die prophetisch angekündigte Paradigmenänderung wird jedenfalls nicht eintreten, eher wird eine steigende Konkurrenz zwischen den verschiedenen Formen der Quantifizierung der sozialen Welt auftreten. Entgegen aller Erwartung wäre diese Ungewissheit ein gutes Vorzeichen für das Wissen im allgemeinen.
Resumen?Qué pueden hacer las ciencias sociales con el machine learning, y qué puede hacer ésta por las ciencias sociales? En este artículo se propone una introducción a esta clase de métodos estadísticos. Se detallan las premisas, la lógica y los retos que representa para las ciencias (naturales), mediante una comparación con otros métodos cuantitativos más convencionales, sobre todo las regresiones paramétricas, tanto a niver general como práctico. Más allá del ejercicio metodológico, en este artículo nos proponemos reabrir el debate en torno al learning, en particular su papel y sus probables consecuencias para el uso del aprendizaje estadístico. Afirmamos que la revolución que anuncian muchos y temen otros no está a punto de estallar, ni lejanamente, o al menos no con las características a menudo evocadas. El cambio de paradigma invocado de forma profética no tendrá lugar: una mayor competencia entre diferentes maneras de cuantificar el mundo social es lo que va a surgir. Al contrario de lo esperado, tal incertidumbre creciente podría ser una oportunidad para la ciencia en general.
