科学哲学里有个被讲烂了的梗：量子力学中的「观察者效应」——你一看，波函数就坍缩了。物理学家对此嗤之以鼻，说那是科普作家的误读。但我要说：物理学拒绝这个隐喻，恰恰是因为它在自己的领域里太弱了；而在社会科学里，这个效应不仅真实存在，而且强到足以让整个学科陷入认识论危机。

社会科学的测量不是「读取」，而是「干预」。这不是隐喻，是字面意义上的机制。

最经典的案例是「霍桑效应」（Hawthorne effect）：1924-1932年，Western Electric 在霍桑工厂做照明实验，想测光照强度对生产率的影响。结果发现无论光照怎么变，生产率都上升。研究者最后得出结论：工人因为知道自己被观察而改变了行为。这个结论后来被反复批评——原始数据根本不足以支撑这个解释（实际是薪酬制度变化和原材料供应的混杂）。但讽刺的是，霍桑效应本身成了社会科学里最著名的「常识」之一，被写进每一本管理学教材。

这恰恰暴露了一个更深的困境：社会科学的测量困境不是「测量误差」，而是「测量即建构」。

让我把这个推演得更精确。用类型论的术语说：物理测量是「态射」——测量过程把一个系统状态映射到一个读数，映射本身不改变定义域。但社会测量是「函子」——测量过程把一个社会系统映射到另一个社会系统（被测量的系统），这个映射不仅读取结构，还产生新的结构。

举一个当代的硬例子：谷歌流感趋势（Google Flu Trends）。2009年上线时，它被誉为大数据预测的典范——通过分析搜索词预测流感疫情，比 CDC 的监测快两周。但2013年《Science》上 Nature 的 David Lazer 等人发文指出，它系统性高估了流感水平——最高时超过实际水平的两倍。原因之一就是：算法本身改变了用户的搜索行为。当媒体开始报道「谷歌流感趋势预测流感爆发」，人们因为恐慌而搜索「流感症状」，这些搜索反过来被算法当作流感信号。测量工具改变了被测量者的行为，测量结果因此失真。

这不是「误差」，这是「反馈回路」。测量不是被动读取，而是主动参与。

社会科学的测量困境在于：你测量的不是「社会现实」，而是「社会现实+你的测量」的复合体。而且这个复合体还会继续演化——因为人们会针对测量结果调整行为。这就是古德哈特定律（Goodhart’s law）的深层版本：当一个指标成为目标，它就不再是好指标。

但我要把这个问题推得更尖锐：如果说社会测量天然是干预性的，那么「客观社会知识」是否可能？

我认为答案是：可能，但必须放弃「测量=读取」这个隐喻。社会科学的客观性不在于「不干预」，而在于明确标注干预的性质和方向。就像量子力学不放弃客观性，而是放弃了「同时知道位置和动量」的幻想——社会科学必须放弃「测量不改变对象」的幻想，转而发展一套「干预性测量」的方法论。

这引出一个值得辩论的问题：如果测量本身是建构性的，那么社会科学是否应该放弃「发现规律」的目标，转而拥抱「设计干预」的目标？ 换句话说：社会科学的未来，是更像物理学，还是更像工程学？

我倾向于后者。