传统社会学研究的数据获取，在很大程度上依赖于问卷调查的形式。问卷内容则需要根据已有的课题进行提前设计。这样获得的数据，往往样本量比较小，而且主观性高、可信度低。同时，受到采访对象分布的限制，数据难以反映出现实社会的真实形态。互联网尤其是各种社会媒体的发展，为社会学研究带来了大规模的用户生成数据。这样的数据，并不专门为任何一个单独课题产生，而是对真实世界的自然记录。因此，计算社会学也就应运而生。它的主要研究内容包括社交网络服务、社会网络分析、内容计算以及人工社会等。

①社交网络服务。社交网络服务（Social Network Service）研究如何利用信息技术构建虚拟空间，实现社会性的交互和通信，具体例子包括电子邮件、网络论坛、微博等。在社交网络服务网站上，社会关系强度的衡量、信息价值的衡量、新鲜事的排序、隐私性的保护以及社会化搜索都是研究的重点。

②群体智慧。群体智慧（Collective Intelligence）的典型应用是“维基百科”和“百度知道”。这些互联网平台系统不仅帮助用户相互沟通联系，更重要的是将用户组织起来，发挥他们的群体智慧，以协作的方式创造、加工和分享知识。传统的依靠专家编辑知识的方式效率太低，无法满足大规模真实信息处理的需求。在网络社会的大背景下，群体智慧的出现为知识获取提供了新的途径。用户交互界面的设计、如何克服人工编辑的不精确性、如何将人工编辑和自动编辑进行有效结合都是研究的重点。

③社会网络分析。社会网络分析（Social Network Analysis）依据网络理论看待社会，节点是网络中的用户，边是社会关系，社会网络就是由节点和边构成的一张图。相关的研究重点包括社交圈识别以及信息传播分析。社交圈识别旨在对社会媒体信息中的局部社区结构进行挖掘。信息传播分析则研究信息如何在复杂网络中进行传播，可以为社会媒体上的信息过度、虚假信息泛滥等问题提供解决方案。

④内容计算。除了网络结构之外，社会媒体也是分析理解社会的重要素材，如新闻、论坛、博客、微博等。内容计算的热点包括用户画像、舆情分析、人际关系挖掘等。用户画像指利用社会媒体中用户的文本、图片、社交行为等数据构建用户的未知属性信息。舆情分析通过对各种社会媒体的跟踪与挖掘，结合传统的舆论分析理论，有效地观察社会状态，并辅助决策，及时发出预警。人际关系挖掘利用文本信息抽取技术自动计算出人物之间的关系，进而找到关系描述词，形成一个互联网世界的社会关系网络。

⑤人工社会。社会计算的一个重要使命是对复杂社会问题建立计算模型，进行实验分析并提供决策支持。利用计算机模拟手段测试和验证社会经济政策的效果，已成为一个公共政策领域的迫切需求，这些需求催生了“人工社会(Artificial Society)”“平行社会”等诸多相关领域的研究。通过建立各种人工社会，构造相应的平行系统，为“全面、综合、可持续的科学发展观”提供了一种可行的分析和评估方法，并应用于复杂社会系统的管理与控制，可以为将要到来的数字化社会和数字化政府管理奠定基础。