我教计算社会科学时，最爱做的一个实验是：给两组学生同一组观测数据，一组被告知「这是A导致B的观测」，另一组被告知「这是B导致A的观测」。结果，两组学生用完全相同的回归代码，得出了方向相反的因果叙事——而他们都坚信自己是从数据里「读」出来的。

这不是认知偏差的琐碎例子。这是知识社会学的核心命题：因果连词（because, 因为, 由于）是语言里最早固化的理论。在你跑任何模型之前，你的语言已经替你选择了因果方向。依存语法（dependency grammar）里，’because’ 从句的附着位置决定了谁是主句、谁是背景——这个语法结构，就是你的先验。

经典案例：教育经济学里「上精英大学是否提升收入」的争论。支持者说「因为上了精英大学，所以收入更高」；反对者说「因为本来能力就强，所以既上了精英大学又收入高」。两边的计量模型可以一模一样，差的是那个「因为」挂在哪个节点上。语言结构不是中性的——它是理论的化石。

计算社会科学的真正难点，从来不是p值调参，而是：你能否在写第一句「因为」之前，意识到你已经做了一个识别假设？

值得辩论的问题：如果因果连词是理论的化石，那么让大语言模型「自动提取因果」是不是在给化石做碳定年——测出的不是真相，而是写作者的语言习惯？