科学家怎样建构模型

[123962] 主题：科学家怎样建构模型

	作者： KID_1412 (无知・实验室的小土豆)
	标题：科学家怎样建构模型[转载]
	来自： 218.78..
	发贴时间： 2003年11月13日 00:53:38
	长度： 20716字

	科学家怎样建构模型 K.邓巴尔一、引言：一种考察科学的新方式：有机的方法令人惊讶的是，科学家做什么和他们怎样思考一直是困难的考察课题。研究者们一贯利用笔记、谈话、日记、历史重构和同事的阐述来得到对认知过程的描述，它成为科学思考和建立模型的基础。运用这些方法，研究者们对科学中发生的事情已经完成了许多重要的说明。然而，过去的十年我们一直追踪不同的方法来考察科学家思考和推理的方式。我们已经考察过"有机地"发生在分子生物学和免疫学实验室集会上的思考和推理。我们已经做的是当科学家在自己的实验室思考和推理的时候，对他们进行录像和录音。然后我们逐字逐句地分析科学家们在明确地叙述理论、分析数据、设计实验和建立模型时所利用的思考和推理的类型。我们已经在美国、加拿大和意大利考察了最主要的实验室。在每个实验室我们工作了三个月到一年的时间，为每周一次的实验室集会录音；以会见和其他文件(如核准的建议、论文草稿)以及个别谈话补充集会内容。用这种方法，我们能够建立科学思维的认知基础的细致模型。尤其是，我们考察了现代科学中类比、意外发现和组合推理的作用。为什么把集会作为有关科学家数据的源泉?我发现，科学家思考和推理方式最有代表性的剖面是每周一次的实验室聚会。在那样的聚会上，科学家展示他们的数据、关于发现的推理，提出新的实验和理论。因此，通过分析科学家在他们的实验室聚会上所用的推理，就可能得到科学家实际怎样进行推理的清晰画卷。而且，在聚会上发生的许多情况是即时产生的推理，有时候科学发现和突破就是在这些聚会上做出的。用这种方法，有可能直接监控思考和推理，这要优于通过事后谈话、调查问卷或边想边说的草案来揭示推理。在实验室，科学家借助与其他科学家相互交流使他们的许多想法具体化。因此，对实验室聚会录音就有可能接近"在线式"的思考和推理。这种方法允许我们在科学进展的时候了解它们，这要优于当科学家期望记住在自己的实验室所发生的事情时，把它们记在自己的笔记本上的那些有选择的信息。因此，实验室集会提供了了解"有机的"科学的惟一机会。借用生物学的术语，我称此为"有机的"(In Vivo)认知方法。另外一种我们一直使用的方法是尝试性的(In Vivo)认知方法，那是我们在自己的认知实验室进行关于科学思考的实验。通过有机的和尝试性的方法的联合运用，就可能得到包含在科学中的认知过程的清晰图画。二、一次典型的实验室聚会我们考察的实验室由高级的科学家组成，三四个博士后学者，五六个研究生和一、两个技师。每周，实验室的一个成员将介绍他们最新实验的结果。陈述包括简要的基本原理，许多数据幻灯片和他们下一步将要做什么。虽然这是集会的基本安排，有一些人趋向于更多地关注理论，另一些人关注方法，还有一些人关注数据，许多人都关注未来的实验。因此，集会提供了科学家所做事情的精细的剖面和透视科学思维的工作方式的窗口。尽管实验室集会有推荐人，然而集会的形式是完全不拘礼节的。不少实验室集会包括了许多科学家涉及计划所有方面的推理，讨论了模型，画出了图表，进行了归纳，给出了演绎，讨论了竞争的模型，设计和分解了研究实验。而且，预备模型的可能性，方法上的错误和各种方法的可行性也都讨论了。从认知科学家的观点来看，这种类型的数据在它的丰富内容方面是至高无上的。这里，我们可以看到有关工作的所有基本推理过程和不同的认识在科学中起的实在作用。集会前和集会后的谈话对集会有所补充，它们提供了详细的背景资料。用这种有机的方法，我们已经揭示了科学家思考、推理和建构模型方式的一系列基本特点。在下一节，我将提供对建构科学模型的四个重要方面的一般看法--类比、意外发现、分布式推理和促进实验设计的认知过程。当模型建构的这些不同方面的每一个能够被分别地加以讨论时，重要的是应注意，科学家在类比、意外发现、分布式推理和实验设计之间自如地迁移。所以，当我谈到科学模型建构的这些方面的四个不同部分时，我无意暗示，每个过程是单独起作用，或是以连续方式向前推移。三、类比长期以来，类比一直被看作是科学思考的重要认知成分。而且，近15年来类比推理成了热切考察的焦点。在包括于类比内的一系列认知过程的详细模型中，这类考察达到了顶点。一系列关于类比的认知说明已经注意到，在科学中包含着许多不同类型的类比。类比的说明在类比的两个成分(对象和来源)之间进行区分。对象是科学家试图解决或解释的概念或问题。来源是科学家用来理解对象或是向其他人解释对象的另一片断知识。当他或她进行类比时，科学家做的是，将来源的特征描绘成对象的特征。通过在对象之上描绘来源的特征，就有可能发现对象的新特征，或者重新安排对象的特征以便发明新的概念，或者科学家能够向其他人显示对象的科学特征。我将以卢瑟福(Rutherford)在他的研究中表面上应用的类比来说明关于类比的这一讨论。当卢瑟福试图理解原子的结构时，他拿太阳系做了类比。在这个例子中，对象是原子而来源是太阳系。卢瑟福从表面上把行星绕着太阳旋转的观念描绘成了原子的，因此而论证电子绕着原子核旋转。所以，许多历史学家一直主张，拿太阳系做类比，卢瑟福能够提出关于原子结构的新说明。通过描绘行星绕着太阳旋转的特征，卢瑟福能够使他的数据与那些借助太阳系类比所预言的数据一致起来。按照这种观点，类比导致了他的知识大幅度重建，从而做出了科学发现。在科学史上，卢瑟福的例子和类比的其他例子提出了许多有关科学中类比作用的重要问题。从根本上说，科学家是在他们日复一日的科学工作中使用类比吗?如果他们使用，那是人们在历史创造的文献中一直谈论的远缘类比(distant analogies)吗?是否像经验主义的心理学著作指出的那样，远缘类比在科学中较少起作用?类比是单独起作用，还是与其他智力操作联合起作用?最后，类比包括在科学发现和科学的模型建构中吗? 在四个实验室，我们寻求通过将类比的使用进行编码来考察科学中类比的作用。我们对每次类比的使用予以编码。这些情形包括，科学家从一个领域汲取知识用到另一个领域来填充他们关于正在研究的论题的知识的空白，或是用他们已有的知识去帮助其他人理解论题。我们已经发现，当对于目前的问题没有直截了当的答案时，科学家经常使用类比。他们的问题或许是明确叙述一个理论，设计一个实验，解释一些数据，或是从理论引出实验。我们发现，类比是经常被采用的。在16次集会上有99个类比。我们对科学家的目标予以编码，并且发现当他们进行类比时他们的目标可以被组合成四类：明确叙述一个假设，设计一个实验，装备一个实验，或是解释一个结果。我们发现，科学家所进行的类比类型直接与他们的目标有关。当科学家设计和装备实验时，是与很相似的实验或相同的生物体进行类比。例如，科学家可以从艾滋病(HIV)病毒的一个基因类推到该病毒上的另一个基因。这些类型的类比占了科学家所进行类比总数的45％。可是，当目标是明确叙述一个假说时，科学家倾向与其他具有相似的主要结构或可能具有相似的主要生物机制的生物体进行类比。例如，从埃博拉(Ebola)病毒到艾滋病病毒。这些类型的类比是经常的，占了类比总数的50％。当目标是向一个实验室的其他成员或更多的一般听众解释一个概念肘，科学家用相距很远的领域进行类比。例如，一位科学家试图类推到以流行歌曲"加利福尼亚旅馆"来解释液泡工作的方式。这些"远缘类比"是很少见的，占了类比总数的2％。这些结果是很令人惊讶的，我们没有料想看到这么多与其他生物体进行的类比。大多数关于类比的研究已经表明，人们倾向于在表面特征(甚于深入结构特征)的基础上进行类比。在科学的场合，科学家既有关于主要生物机制的知识，又有关于如何了解诸如一个生物体中的基因与另一个生物体中的基因异体同形这类结构信息的知识。这种知识使科学家可能超越表面特征进行类比。而且，尽管有关于远缘类比在科学中起着主要作用的趣闻轶事的说法，我们的发现却表明，远缘类比是很少应用的，只是主要用于向其他人解释概念，而不是作为新颖的假说和实验的来源。尤其是，我们发现，许多类比的应用围绕着意外发现循环出现。我将在下一节讨论类比的这种应用。我们有关类比的全部研究绘制出一幅类比应用的图画，这幅图画与趣闻轶事的著述中所谈到的那些是很不相同的，而和心理学文献更为一致。与其说新的理论和假说是通过与十分不同的领域进行类比而产生的，倒不如说新理论是通过与相关的领域进行类比而产生的。关于类比的最后一个注释是，我们已经发现，科学家对于他们应用的类比没有留下什么记忆。当我们事后要求科学家回忆他们在集会上(我们进行了录音)怎样产生出新概念或是怎样解决问题的时候，我们并不记得那是怎样发生的。因此，传记和趣闻轶事没有提及很多做出科学发现时在其中起过作用的类比。四、意外：经常出现! 最经常提到的科学发现的一个方面是，发现是偶然的或意外发生的。近来无保护层DNA和巴基(Buckey)球的发现(不说青霉素、尼龙和重力本身)就是归属于意外类的许多重大发现之中的。许多科学家声言，他们的发现是"幸运的"、"侥幸的"或是"纯粹的机会"。可是，当我们分析科学家在他们的研究中所采用的策略时，我们能够看到，他们组织自己的研究工作以利用意外的发现，他们实际上操纵实验以导致意外的发现然后可以开发它们。因此与其说科学家是偶然性的受害者，不如说他们是准备利用偶然事件的。所以我们可以将巴斯德著名的说法"机遇偏爱有准备的头脑"修改为"有准备的头脑偏爱机遇"。为了回答科学家怎样应付意外事件的问题，我们对科学家做出的每一个发现和所发生的与发现有关的事情都进行了广泛的分析。哪里的实验结果与科学家的预言不同，哪里就会出现意外的发现。12次实验室集会的分析，产生了28个研究方案(含165个实验)，他们推导出了大约417个结果。我们发现，科学家采取的第一个步骤是将他们的数据分类。所有的发现．(期望的和意外的两者)都按照两种主要方式中的一种进行分类。第一种方式对发现分类不涉及实验中的其他条件。此时，科学家只是通过观看结果就立即说出了特殊的结果是什么。例如，科学家或许看到一种新得到的凝胶体，于是说"这是P30。"显然，这种对数据分类的方式与科学家已经具有的知识有关，因此可能比较容易得到认可。对他们的数据分类的第二种方式是将一个结果与另一个在控制条件下得到的结果进行比较，再通过这种比较推想出他们的结果是什么。例如科学家或许说，"这个带子比控制条件的大，因此这是P30。"有趣的是，仅有发现的15％是只看实验结果的分类，而他们发现的85％是通过将在一个条件下得到的结果与其他条件下得到的结果进行比较来进行分类的。这适用于预期的和意外的发现两者。所以，数据的分类不是一个简单的过程。实际是，它通常包括实验条件与科学家在他们的实验中使用的许多其他条件之间的比较。如果科学家声言，实验结果不是她或他期望发现的，这些结果就被编码为意外的。当我们把他们的结果分为预期的和意外的发现时，我们发现，他们过半数的发现是意外的(417个结果中的223个)。因此，与其说是稀罕事件，倒不如说意外发现是科学家推测时经常出现的。大量的意外发现是重要的：科学家可以利用任何一个意外发现，：但是仅仅关注于它就做出科学发现是不可能的。宁可说，科学家必须评价：哪些发现应归于方法的错误、不完善的设想、偶然的事件或是新的机制。一旦发现被分类、预期的和意外的结果则以不同的方式进行处理。预期的结果在实验的序列里通常导致下一个步骤，而意外的发现则导致草案的变化，或是使用全新的草案。有趣的是，科学家开始就为他们的意外发现提出了方法的解释。对于223个意外发现，提供了196个方法的解释和27个理论的解释。因此，科学家采用的首要策略是归咎于方法。他们用来支持自己的方法解释的一个推理策略是与其他在类似条件下已经得到类似结果的实验进行类比(通常是与相同生物体)。例如，如果一个科学家得到一个意外发现，另一个科学家或许在自己的实验室与另外使用相同生物体的实验进行类比，并且说，"哦，我也在37度孵化细胞但未能得到胰岛素，而当我在零度孵化细胞时我得到了它，可能你应当那样做"。科学家在他们研究中的这个要点上所用类比的类型是我们用术语"局部地"称谓的那种，即是，类比对应的是他们自己实验室内的、通常是相同生物体的十分类似的实验。当科学家得到意外发现时，使用局部类比是他们运用类比推理的首要类型和处理这类发现的一个重要部分。科学家在他们的传记中很少提到这些类型的类比，好像他们对此没有多大兴趣，但是这些形式的类比是处理意外发现时被应用的首要推理机制之一。当科学家得到一系列意外发现时，他们推导自己有关数据的方式就改变了。这通常发生在尽管修改了方法、尝试复制发现，但科学家还是继续得到意外发现的时候，或是当他们在相关条件下得到全部系列意外发现的时候。推理中的主要变化就发生在这个要点处，科学家开始提出新的更一般的模型、假说或理论解释。事实上，当作出一系列意外发现时，模型建构是最重要和最普通的。因此，对于复的意外发现，提出了51种理论解释和33种方法解释相比较。无论何处这些模型通常都覆盖了2-5个意外发现。在这个关节点产生的推理类型与科学家最初当他们得到孤立的意外发现时所应用的推理是十分不同的。在思考一系列重复的意外发现时应用了三种不同类型的推理过程。首先，是与其他生物体而不是相同生物体的不同类型的机制和模型进行类比。这也包括与他们实验室之外的研究工作作出类比。科学家从使用局部类比转换到更远缘的类比。例如，一个研究新类型细菌的科学家或许说，"大肠杆菌中的IF3就是这样运作的，你的基因可能做着同样的事情"。因此，应用类比的方式现在发生了戏剧性的变化。在一系列意外发现之后发生的模型建构的第二种类型，是科学家试图概括系列的发现。科学家常常寻找意外发现的共同特征，并试图提出能够解释这些结果的一般模型。例如，在一个免疫学实验室，两种不同类型的T细胞来到它们不应能进入的两个不同的地方。科学家要问，对于两种不同类型的细胞什么是共同的，并且推断，那是它们有特殊的性质。从这一概括出发，科学家于是试图建立能够提供完善模型的事件因果链。科学家建立的因果模型通常详细说明了初始状态，从初始状态向另一个状态转换的过程，这个过程的组成部分是什么和最终状态是什么。这一模型建构阶段常常经历许多循环，许多小模型被连接在一起，用以提供关于要予以解释的全部生物过程的较大模型。这个模型建构过程参考了来自科学家自己的实验室，其他人的实验室和有关领域的一般知识的发现。注意，在这里包括了许多推理过程：因果推理、概括、类比和形象推理都经常出现。在科学家提出的模型中不可避免地有许多间隙。这些间隙常常是至关重要的。科学家也许想，某种神秘的蛋白质致使某种事情发生。这将导致发现该蛋白质的新实验的建议。新实验也将被提出来检验模型的预言。我们怎样理解科学中意外性的作用呢?注意到意外发现是经常性的而且科学家期待意外，这一点还是重要的。科学家在许多不同的方式中利用意外情况。首先，如同我们在下一节将要看到的那样；科学家建构十分复杂的带有控制条件的实验，经常用以捕捉未知的和意外的过程。第二，科学家既留意预期的发现也留意意外的发现。最初，他们为自己的发现给出方法的解释，并且通过与其他实验中得到的十分类似的结果进行类比来支持这些解释。第三，尽管方法有了改变，如果他们还是继续看到相同类型的意外结果，他们就会用更远缘的类比和组群推理来建构新的模型和理论。因此，只有当科学家通过意外发现的门槛，他们才提出一般模型，发现才开始显露。五、建构模型和实验设计科学中模型建构的关键部分是实验本身。过去20年来，当对实验设计进行某些分析时，关于实验设计中真正运行的是什么，相对知道得很少。而许多研究者一直假定，事实上实验是完全由科学家的理论态势预先决定的，或者科学家使用的仪器是如此渗透着他们持有的理论设想，以致实验不过是理论附加物。这种观点导致了实验设计很少有重要性的结论。当这些关于实验的观点的确引起注意时，我们想超越它们来考察，在实验设计中科学家实际上做了什么。L.贝克(Lisa Baker)和我进行了一系列分析，而且也做了实验来确定实验设计过程的认知成分是什么。结果是，虽然理论通常是实验的起点，但是当不依赖于被检验的假说进行实验设计时，许多决定已经做出了。我们第一次关于实验设计过程的调查，由对一个免疫学实验室的实验设计的定性分析组成。我们发现实验设计由，许多基本过程组成。首要的成分是选择一种研究科学家持有的假说或问题的全面方法。在这一点上，理论与实验之间的联系是最强的。在选择了一种全面型的方法论之后，科学家便关注得到能够产生可加以说明的结果的方法。当以后的步骤能遵循任意顺序时，我将以系列方式描述它们。选择了特殊的方法论之后，科学家还必须填充实验的细节。他们做的是，展示设计、探讨关于哪些成分是需要的和对它们的评价应当是什么这些问题。当在同一时间试图调整实验的每个局部成分，以考察它是否会真正起作用时，科学家对实验的每个成分进行局部的评价。我们发现，当他们评价自己实验的各种成分时用到了四套标准：保证实验有强劲的内部结构，有优化可能的实验将起作用，对可能的设计成分进行成本／效益分析和保证结果被科学共同体接受。我们对实验设计的定性分析揭示，当生物学家操作的实验很复杂时，科学家看来要借助实验设计的一般模型，以指导他们进行工作。实验的一个关键方面是选择条件。科学家设计既含实验条件又含控制条件的实验。实验条件通常由科学家感兴趣的变量的操作组成。例如，如果科学家考虑，一种特殊的蛋白质与-种有特殊功能的细胞有关，科学家就可能把这种蛋白质加到细胞上来考察细胞是否得到这种功能。可是，科学家在自己的实验中还有许多控制条件。他们使用的一类控制条件是"已知的控制条件"。 "已知的控制条件"由那些先前已经用过、经过验证并且实现标准化的条件构成。这些已知的控制条件对于比较是重要的。这些控制条件的用处是，保证技术真正起作用，能够允许科学家得出结论认为，他们是在以适当的方式操作实验。在复杂的实验中，科学家管理许多事情可能出错误。借助众多的已知控制条件，科学家可以保证在实验中的各个步骤真正起作用。另一类型的控制条件是"基线控制条件"，其中某些被从实验撤出了或不加到实验上。这种"基线控制条件"检验假说(某些作用与实验条件很类似)，不产生实验条件所产生的结果。-当我们分析科学家操作的实验类型时，我们发现"已知的控制条件"对于控制错误是特别重要的。在我们的最初分析之后，我们决定进一步探索控制条件的用处和控制与错误的关系。我们在两个加拿大免疫学实验室的四次集会上分析了实验设计。我们对科学家持有的目标(检验假说，或预见错误)进行编码，对所用的控制条件的类型也进行编码("基线控制条件"或"已知的控制条件")。我们发现，大多数"基线控制条件"是在检验假说时提出的，而大多数"已知的控制条件"是在技术的应用中控制潜在的错误时使用的。这个结果是有趣的，因为它表明，控制条件，尤其是"已知的控制条件"的应用，是科学家试图决定在他们的实验中是否发生了方法论错误的一种方式。要注意的、个重点是，这些控制条件通常是在操作实验之前被加到实验中去的。科学家在他们操作实验之前试图将错误减到最少。因此科学家假定，实验是一个包含错误倾向的过程。我们在讨论意外发现的前一节中也看到了这一点，在那里科学家通常把意外发现看成是由错误引起的。显然，"错误的可能性成为科学家所用模型和他们对不寻常数据的最初反应的基础。发现科学家把他们的许多时间花在预期和处理错误上，于是我们返回认知实验室进行我们自己有关科学家处理错误方式的实验。在一个实验中，我们要求免疫学和分子生物学的学生设计可能检验涉及特殊基因功能的假说的实验。等到学生们完成了他们的实验设计，我们就告诉他们，要做实验的教授担心在实验中有错误。这样，我们最初给定学生的目标是检验假说，然后我们将学生的目标转换到担心在他们的实验中有错误的可能。当检验假说时，理科学生会像科学家一样应用"基线控制条件"，而当预见错误时应用"已知的控制条件"吗?是的。我们发现，当检验假说时，免疫学和发展生物学的学生都使用"基线控制条件"，而当预见错误时则应用"已知的控制条件"。这些结果表明，一旦科学家得到数据，使用"已知的控制条件"来预见错误和解释结果是他们采用的一般策略。有趣的是，非理科的学生不采用这种"已知的控制条件"策略。总而言之，我们关于实验设计的工作指出，虽然实验通常是在理论问题的前后关系中设计的，但是许多实验过程受到方法论考虑的约束。科学家使用的方法和仪器是在理论上被肯定的，虽然这种说法也是正确的，但这些背景假定实际上是很少被考虑的背景假定。这里重要的是，实验设计是科学家必定要通过许多障碍而得到结果的复杂认知过程。科学家借助它设计实验的该过程似乎是一种在问题空间的探索。带有许多控制条件的复杂实验的一个重要副效应是，这些控制条件(尤其是基线控制条件)经常能够展现迄今未知的现象，它们被归于意外发现的许多发现的根源。因此多种条件的使用可提供双重功能--防止错误和生成潜在重要的意外发现，这能成为以后模型建构的基础。六、分布式推理：科学中新模型的一个重要来源我们大家都熟悉的科学想像是孤独的科学家长时间挑灯夜战殚精竭虑做出的。突然，灵感撞击，科学家做出发现。这是在认知科学中激发了许多探索的科学想像。它的关键特征是，科学家独自工作和科学发现在洞察力的闪光中发生。现代科学的典型观点怎么是这样的呢?我们和其他诸如P．萨盖德(Paul Thagard)这些认知科学家的研究揭示出，科学中的推理(尤其是在假说形成、实验设计、数据解释和发现时)和发现，是由一批科学家而不是个别科学家做出的。我们把这种类型的推理称为分布式推理。什么是分布式推理?对这一术语有许多不同的用法。我们把分布式推理定义为在其中一个以上的人对推理环节做出贡献。例如，当一个科学家得到意外发现时，该科学家和其他实验室成员可能归纳出新概念来解释发现。实验室的不同成员对概念的归纳提供了不同的成分。换而言之，归纳是分布于多个人的。我们在分析了五个实验室所发生的分布式推理之后发现，在集会上出现的50％以上的推理是分布式的。显然，分布式推理是科学的重要组成部分。分布式推理的发生是否有突如其来的事件呢?进行分布式推理时科学家做些什么?分布式推理是否实行某些在单独推理时不发生的事情?这些是我们当前要考察的一些问题。既然我已经在其他地方报告过我们关于分布式推理的一般发现，在这里我将关注M．戴玛(Mike Dama)和我做的关于分布式推理的某些新分析。我们逐句分析了在实验室发生的分布式推理的方式。我们使用新的统计技术，这就允许我们考察交际过程是怎样的(诸如对科学家表述自己知识的方式的影响问题)。我们发现，在社会的交互作用中发生的主要事件是概括。实验室的科学家经常得到一个发现就尝试推广到其他发现(实验室内部和外部的两方面)。这个过程是重要的：因为科学家彼此推动着去思考有关被考虑的数据和提出的理论的其他表述和解释。我们看到的意外事情是，表述方面的大变化就发生在这些时候。分布式推理特别重要的一个场合是出现一系列意外发现的时候。当单一的意外发现出现时，很少有分布式推理被提出来。在这种情况下，社会交互作用通常是关于方法的直截了当的建议，它在科学家关于论题的表述中没有使任何主导的变化成为必要的。但是，当系列意外发现出现时，就会有大量的分布式推理。因此，不是一个科学家喊"找到了"，而是许多科学家在喊，他们通过把不同的成分加到模型上来建构新模型。如上述，这个过程的一个重要特征是，实验室的成员经常为意外发现以及应用更多的远缘类比的结果，提出交替的模型和解释。通过观察许多不同的实验室，我们还发现，当一批科学家进行推理时，这批科学家的多样性是很重要的。如果所有的科学家背景相同，要他们产生假说就是困难的，但当科学家的背景不同时，就可以产生出许多不同的假说。显然，这些类型的社会-认知过程在认真的评论程序中是起作用的，而该程序成为发表论文和评价认可的建议的基础。分布式推理总是有益的吗?我们相信，有许多关于分布式推理何时和是否将成功的重要约束。首先是那一批科学家具有的知识基础；我们发现，当团体的成员都有同样的背景时，比如都做过研究生，操作过一种特殊的生物体，那么该团体完成任务不会比个人好。这可以在该团体做的类比中看到。来自同样背景的团体将与该背景进行自己的类比。有不同背景的团体(但有共同的目标)将推出许多不同类型的类比，而这些类比可以用于解决实验室正在探讨的问题。总而言之，我们关于分布式推理的研究表明，它是现代科学的一个重要成分，而且经常是科学发现的一个方面。我们的分析揭示出，分布式推理有助于攻克对于理论和数据产生不同表述和理解的人类推理方面的一个主要问题。七、科学聚会：它揭示了什么? 总之，关于"有机的"科学思考和推理时认知机制的考察，揭示了许多成为科学中模型建构基础的重要机制。我已经阐明，类比、意外发现、实验设计和分布式推理在科学模型的建构中都起着关键作用。因此，在模型建构中包含的不是单一的认知过程。进一步说，虽然科学家主观上能够指出自己模型发生变化的关键时刻，但是对跨越长时间的模型变化的分析表明，新模型是经过由不同的认知机制的多样性而引起的一系列小的变化后才出现的。我们当前研究的目标是，确定这些科学模型建构的不同方面怎样整合起来从而产生这些新的模型。(于祺明译) (《哲学译丛》2001年第4期)
	========== * * * * * ==========