@ 安德鲁·阿伯特，2025，《攸关时间：论理论与方法》，第五章，p212-p239《时间和事件的构想》，北京师范大学出版社。
- 导言
- 人为什么会拥有某种生涯？
- 生涯混合了偶然和决定，为讨论因果分析和叙事分析的差异提供了例子。
- 结构
- 对两种不同的生涯想象方式进行总体的描绘。
- 讨论两种观点各自涉及的假设，重点讨论的主要差异。
- 社会过程的本质
- 致因的作用
- 事件的特征和可排序性
- 时间的本质
- 总结这些差异对方法论发展的意义。
- 人为什么会拥有某种生涯？
- 一、两种生涯观念
- 生涯作为随机过程的实现。
- 存在某种具有一定参数的潜在过程，而生涯是潜在过程于接续的时间段内所抛出的结果列表。
- 现实位于致因或选择的潜在过程层面。
- 生涯分析方法注重特定点的结果。
- 生涯作为整体。
- 把职业生涯看作其在完成时的单一单元，机遇、制约、致因和选择的不同效应会不加区分地合并到单一的事物中，即生涯线。
- 这是我们对个人历史和许多超个体行动者历史的常识性建构，假定过去的生涯可以作为诸整体、作为各单元来对待，开头、中间和结尾都是一体的，这一整体必然导致下一整体。
- 生涯分析方法比较罕见，包括同形分析和最优匹配技术。
- 两种看待职业生涯的方法，实际上是两种看待历史进程的更普遍方法。一种方法侧重于随机实现，旨在寻找致因；另一种方法侧重于叙事，旨在寻找典型模式。
- 生涯作为随机过程的实现。
- 二、时间过程和历史过程假设的重大差异
- 对于时间和社会生活嵌入时间的方式，这两种生涯观做出了各种假设。
- （一）构成性假设
- 随机观/因果观
- 广义线性实在：社会世界有固定、安排好的、具有可变属性的实体组成。我们通常将这些实体称为“案例/个案”，把它们的属性称为“变量”。生涯由一个或多个因变量属性的值随时间推移而接续组成。随机观点的目的是找到产生这些观察到的“职业生涯”所需的最小数量的属性。
- 主动性和行动属于变量，而不属于案例。变量做事情，案例本身只是承受事情的发生。
- 叙事模式/典型模式
- 社会世界由参与事件的主体组成，主体和事件本质上具有复杂性，分析通过直接简化它们来进行。
- 从随机观来看叙事模式
- “一次事件”可以被定义为许多变量特定值的组合，只需创建一个邻域（对于连续状态空间）或属性组合（对于离散状态空间）的列表，人们便可以从随机状态空间转移到叙事性的“事件”列表，这些列表穷尽地覆盖了（在连续情况下）或分类了（在离散情况下）状态空间。
- 叙事论者直接使用事件思考，因为任何一个真正复杂的状态空间，大多数事件都是零事件/空事件^[此处Abbott做出大量分析，但是其实比较易懂，略过]。
- 随机观/因果观
- （二）关于因果关系的假设
- 如何简化由复杂的社会生活产生的根本性分歧，被如何理解因果关系的分歧所补充。但两者都认为叙事解说是社会解释的最终形式^[参见第四章，案例做了什么]。这种对叙事的最终共同依赖与其他完全不同的因果关系假设纠缠在一起。
- 致因的步调
- 随机模型一般假设致因在所有情况下“以同等速率”工作。
- 整体生涯模型将因果步调想象成潜在的变化。
- 相关性
- 随机模型假定致因总是相关，一旦进入模型，它们就必须一直待在里面。
- 整体生涯模型假定致因影响部分事件，但并没有永久的重要性。只强调主要致因，对于一两个事件之前的其他核心致因，简单地忽略，假定为在背景中冒着气泡，没有真正影响到什么。
- 致因的含义
- 随机模型假定一个给定变量的意义不随着历史时间和其他变量的背景而变化。交互效应基本上被假定为次要，主效应才是首要的。
- 整体生涯模型假定互动是第一位的，主效应是一种虚构，社会生活实际上发生在事件/交互里。一个“变量”的特定值的意义并不因这个变量在其他情况下与其他值的关系而固定，而是随着其作为构成各种特定事件的不同变量的几个值中的一个的地位而波动。
- 致因的步调
- 如何简化由复杂的社会生活产生的根本性分歧，被如何理解因果关系的分歧所补充。但两者都认为叙事解说是社会解释的最终形式^[参见第四章，案例做了什么]。这种对叙事的最终共同依赖与其他完全不同的因果关系假设纠缠在一起。
- （三）关于事件及其可排序性的假设
- 变量的“时间视界”：我们可以观察到该变量有意义波动的时间范围。“有意义的波动”假定任何变量都会存在测量误差或“微小的变化”，但是我们对这些误差和变化有足够多的了解。在变量发生一定数量的变化后，我们可以确定观察到的变化不是误差或随机波动，而是实质性的变化。
- 时间视界随变量的不同而波动。
- 在某些情况下反映了误差过程的方差与自回归的确定系数之间的关系。
- 但通常是由于实质性的理论原因，比如宏观变量与其微观成分之间的时间视界差异——一个人工作满意度的变化可能比观察到一群人工作满意的变化更快。聚合的度量通常具有较长的时间视界^[此处有数学论证]。
- 时间视界随变量的不同而波动。
- 随机模型
- 必须保持技术上称为“变量时间视界的偏序”的假定：因果关系可以在时间视界相同的变量之间产生，也可以从时间视界较广的变量流向时间视界较窄的变量。但流动不能反向进行。
- 假定所有变量的后续观测值是偶然独立的：一个变量在后续时间框架中的数值不能以任意的方式联系起来。也就是说，如果存在自回归，它假定了一种给定的模式，该模式不会随着时间段而变化。
- 假定基本顺序是变量的顺序，所有案例服从相同的顺序。
- 整体生涯模型
- 事件列表在时间视界上可长可短，但一项事件只能影响它之后开始的事件。
- 将特定事件的顺序作为兴趣的中心，考虑是否存在一种或几种特征性的事件序列，或使用随机方法的基本观测框架，但以事件的形式来定义观察结果。
- 定义顺序的两种基本策略：
- 保留时间视界的灵活性，从概念上定义事件，考虑由可观察到的“发生的事”组成的现实，并想象如何将这些综合成概念上的“事件”。
- 在一个标准的测量框架内对事件进行组合性定义，但会失去所有事件的时间“形状”信息。
- 变量的“时间视界”：我们可以观察到该变量有意义波动的时间范围。“有意义的波动”假定任何变量都会存在测量误差或“微小的变化”，但是我们对这些误差和变化有足够多的了解。在变量发生一定数量的变化后，我们可以确定观察到的变化不是误差或随机波动，而是实质性的变化。
- （四）时间的特性
- 随机模型意味着相信社会过程连续，且社会过程在因果程度上很浅。
- 整体生涯方法则认为社会过程不连续，且社会过程在因果程度上很深。
- 此处有一大段阐释，略。
- 三、结论
- 本章尝试区分对历史过程的两种截然不同的看法。
- 一种认为它们由随机过程产生。
- 社会世界由具有特定属性的个体组成。
- 致因在所有情况下都以固定的速率起作用；致因是一般而非偶尔突出的，而且主要是独立地起作用，尽管偶尔也会在交互效应中结合。
- 因果关系在一定程度上从背景流向细节，但一般是在地位“平等”的变量之间流动。
- 很少有或没有超越模型单一迭代的因果关系模式，所观察到的模式平等地影响所有个体；每个人有相同的因果关系史。
- 社会时间基本上是连续的。
- 另一种观点把历史过程看成是完整的故事。
- 社会世界由复杂的主体构成，复杂的事情——事件——发生在他们身上。
- 因果关系在不同的情况下流动的方式不同——也许是以不同的速率，当然是以不同的模式。
- 大多数致因在复杂的串——事件——中起作用，而非单独。
- 这些事件没有必要在时间上大小一致或长度一致，不同大小的事件之间的关系也无限制。
- 事件可以有多种时间顺序——严格的序列、重叠、同时性。
- 所有这些都意味着历史过程在根本上是不可连续的。
- 一种认为它们由随机过程产生。
- 本章尝试区分对历史过程的两种截然不同的看法。