让我们先认同，世界本身极其复杂，社会科学家在精确测量公民行为时面临严苛挑战。即便是细致的研究，也会引发后续问题：发现能否推广到其他情境？一国的政治结论能否适用于他国？在一场悬殊选举中得到的选民行为能否映射到竞争激烈的选举？这些都是研究过程中的自然疑问。
MIT 政治学者 Naoki Egami 正是专注于此类方法论问题的学者。他特别关注“外部效度”，即研究结果是否能够更广泛地适用。Egami 说，政治方法论是“以政治学家的视角提问，却用应用统计学或计算机科学的方式求解”。他把经验挑战背后的数学问题抽象出来，并寻找最优解。
在人工智能热潮之前，Egami 已经开始探讨 AI 工具在社会科学研究中的表现：它们的准确性如何？研究者该如何校正 AI 的倾向？这些问题促使他构建了广泛的研究组合，获得多项奖项，并在职业生涯中持续成长。Egami 强调，需要兼顾技术统计理论和实际经验问题，否则要么只做学术模型而缺乏现实意义，要么只能用临时办法解决问题。
Egami 的学术之路始于东京，先后在东京大学、密歇根大学交换、普林斯顿获得博士学位，并在哈佛的 Kosuke Imai 指导下深入研究外部效度等方法论议题。2020 年获博士后，他先在哥伦比亚任教，2025 年加入 MIT 政治学系并成为统计与数据科学中心的成员。
在 MIT，Egami 继续细致审视影响实证研究结果的各种因素。例如，政治竞选对选民态度的影响在不同选区可能截然不同：研究者往往只能在胜算明显的选区进行现场实验，而竞争激烈的选区行为模式可能完全不同。Egami 的任务是识别这些差异并提醒同行。与此同时，他也关注机器学习工具在社会科学中的应用，提前预见到 AI 生成数据可能带来的系统性错误，并提出统计方法来校正这些偏差，以保证研究可重复性。
他的工作获得了广泛认可：2023 年获政治方法学会新兴学者奖，分别在 2019、2024、2025 年获得美国政治科学协会方法论分会最佳论文奖，并在 2022 年获政治网络最佳论文奖。Egami 将自己视为每三四年开启新研究议程的学者，这种节奏帮助他保持学习热情。
在 MIT，Egami 感受到浓厚的工程精神——系统化地解决持续性问题。他认为 MIT 的同事既高效又友好，这种氛围让他在教学和科研中都感到愉快。
点评：Egami 将严谨的统计方法与政治实证相结合，既关注外部效度，又前瞻性地处理 AI 时代的数据风险，为社会科学方法论树立了新标杆。