今天的许多现实问题，已经很少按照传统学科的边界整齐出现。人工智能、数字经济、平台治理、新质生产力等议题，看似各有侧重，实际上都把技术变化、产业组织、制度安排、行为方式和价值判断交织在一起。若研究仍然从单一学科的既有问题意识出发，容易把复杂现实切成若干片段，只看到局部变化，却难以把握问题的整体结构。
关键在重新组织研究
从管理学和消费者行为研究的角度看，变化尤为明显。过去讨论消费者决策，往往强调个体偏好、信息搜索、评价比较和最终选择；而在算法推荐、智能助手、数字平台和社交传播共同作用的环境中，消费者的判断已经嵌入平台规则、数据结构和人机互动关系之中。组织管理也不再只是人与组织的关系，算法管理、智能决策和数字劳动正在重新塑造岗位边界、协作方式和责任结构。社会治理同样如此，制度设计之外，还必须面对数据治理、技术架构、平台责任与公众信任。研究对象本身变得更加复合，知识生产也就不能停留在原有分工之内。
因此，哲学社会科学交叉研究的关键，不是把多个学科并列起来，而是从现实问题出发重新组织研究。一个真正有解释力的问题，常常会迫使研究者重新判断：既有概念是否足够？原有方法能否抵达问题核心？还需要哪些知识共同进入？以智能技术介入消费者决策为例，值得讨论的不只是购买效率是否提高，还包括注意力如何被分配、偏好如何被塑造、信任如何形成，以及责任如何在消费者、企业、平台和技术系统之间划分。这些问题自然会把管理学、心理学、信息系统、法学和伦理治理连接起来。
机制解释是学术要求
方法的变化也在推动研究方式更新。大规模行为数据、文本分析、平台实验、计算社会科学和智能体模拟，使哲学社会科学能够观察更复杂的行为过程，也能够在更大的尺度上识别模式和机制。但新方法并不会自动带来新理论。如果研究只是用机器学习预测点击率，或者用生成式工具辅助材料整理，它仍然主要停留在工具应用层面。更重要的是，新方法能否帮助我们提出原来难以提出的问题，检验原来难以检验的机制，并对已有理论概念作出必要修正。
以社交网络智能化模拟为例，单纯依靠大语言模型生成个体行为，可能会得到流畅而相似的表达，却未必具有稳定的行为逻辑。若把使用与满足理论、计划行为理论、社会认知理论等行为科学理论嵌入智能体建模之中，模型就不只是模仿人的语言形式，而是在动机、态度、认知、环境反馈和行为选择之间建立可解释的关系。这样的交叉研究，并不是把社会科学问题交给技术工具处理，而是在理论、数据、模型和现实场景之间重新建立对应关系。
机制解释，是交叉研究尤其需要坚持的学术要求。数字经济中不少非常新颖的现象，需要进一步进行解释。以智能技术进入组织和商业决策为例，若只是说它提升了效率、改变了流程，就仍停留在现象层面。更关键的是追问：任务边界怎样在人与机器之间重新分配？员工的自主性和创造力在何种条件下被增强或削弱？消费者对企业的信任如何受到影响？平台规则和组织制度又怎样放大或抑制这些影响？所谓机制解释，就是把技术现象转化为可以分析的行为链条、制度逻辑和边界条件，使研究能够回答为什么发生、如何发生，以及在什么条件下发生等问题。
价值问题不能被放到研究末端
技术越是快速演进，价值问题越不能被放到研究的末端。智能定价、精准推荐、风控模型、用户画像和智能客服，确实可以提升效率，也可能带来公平感失衡、算法歧视、信息茧房、隐私侵犯和责任归属不清等问题。哲学社会科学的作用，在于把效率之外的判断纳入研究视野，在技术应用之前、之中和之后，提供概念辨析、价值评估、制度设计和治理方案。这不是对技术的旁观，而是对技术进入社会生活之后所产生的关系变化作出解释和引导。
从中国式现代化实践出发推进交叉研究，还具有特殊意义。我国数字经济、平台生态、城市治理和产业升级的实践场景，为哲学社会科学提供了丰富材料。研究者既要从中国经验中提出具有普遍解释力的问题，也要在中国场景中提炼能够进入国际学术对话的概念和理论。对于综合性大学而言，交叉研究的优势并不只是学科门类齐全，更在于能把技术前沿、产业实践和社会科学问题放到同一个研究场域之中。
归根到底，新时代哲学社会科学的交叉研究，不是追逐形式上的跨界，也不是被新技术的新鲜感盲目牵引。它需要以现实问题为起点，以理论重构为路径，以机制解释为目标，并以人的发展和社会福祉为尺度。只有这样，交叉研究才能真正回应复杂的时代问题，也才能在中国式现代化进程中不断拓展哲学社会科学的解释力、判断力和建构力。
（作者为上海交通大学数字化管理决策重点实验室副主任、安泰经济与管理学院特聘教授）
热门跟贴