协同建模公众参与决策

协同建模：复杂科学典范下公众参与决策的新路径?

段哲哲1 周义程2 黄昊3

（1.深圳大学 城市治理研究院，深圳 518128；台湾政治大学 公共行政系，台北 11605；2.苏州大学 政治与公共管理学院，苏州 215123；3.复旦大学，政

治学系，上海 200000）

[摘要]在现代社会，决策问题日益呈现出高度复杂性和高度不确定特征，由此导致实证主义典范下的公共决策时常难以达到预期效果。而决策科学民主化运动则使公众参与决策成为常态。近些年，西方学界在复杂科学典范背景下提出的协同建模的理论与方法，提供了一种利益相关者参与决策的新路径。协同建模整合了决策会议和正式模型，涵盖了个人内在心智模式和群体成员间对话两个因素，涉及到社会层面、实务层面和语言层面等三个层面的活动，有助于通过理性对话来克服多样性悖论并促进社会学习，有助于通过正式模型模拟“what if”场景来处理不确定性问题，有助于通过以定量模式呈现定性结果的方式来达成共识。 [关键词]协同建模；复杂科学；典范；公众参与决策；系统动力学

Collaborative Modeling： A New Approach to Public Participation in Decision Making Under the Paradise of

Complexity Science

Abtract:Modern society is faced with the complexity, diversity and uncertainty of the environment, as well as the rise of policy science democratization movement, making the dominant position Newton's scientific model of policy science cannot solve the policy problem. In recent years, the theory and method of collaborative modeling proposed by Western scholars in the background of complex scientific paradise provide a kind of new method for stakeholders participation in decision-making in the field of policy science,whichintegrat the motheds of decision session (qualitative) and Formal model , cover the two

?

基金项目：国家社科基金重点项目“大时空视阈中的中国政治发展道路特色问题研究”（编号：14AZZ001）；江苏省新型城镇化与社会治理协同创新中心、江苏省优势学科建设工程政治学和江苏高校哲学社会科学创新团队建设项目资助。 作者简介：段哲哲（1987-），湖北天门人，深圳大学城市治理研究院助理研究员、台湾政治大学博士生，研究方向为公共政策、人力资源管理；周义程（1978-），通讯作者，江苏泗阳人，苏州大学政治与公共管理学院副教授、硕士生导师，研究方向为公共政策、公共服务；黄昊（1985-），贵州贵阳人，复旦大学发展研究院助理研究员、国际关系与公共事务学院博士生，研究方向为中国政府与政治、中国特色新型智库。

1

factors : the individual inner mental model, group members dialogue as well as three Level activities :social level, pragmatic level and Semantic Level, can overcome the diversity paradox , promote social learning, the formal model simulates the \quantitative model presenting the qualitative results of the presentation which can help to reach a consensus.

Key words：Collaborative Modeling，System Dynamics, Public Participation in Decision Making, Complexity Science , Paradigm

一、问题的提出

在现代社会，决策问题日益呈现出高度复杂性和高度不确定特征，由此导致公共决策时常难以达到预期效果。[1]面对这一情况，复杂性就自然而然成为决策科学中的一个重点议题。[2]决策问题被认为是复杂和棘手的，跨学科寻求解决方案被认为是应对复杂性和不确定性的必然选择。[3]

西方国家在20世纪60年代兴起的公民参与运动或者又被称为决策科学民主化运动并不断扩散到亚洲、澳洲等发达国家或地区，这种运动是对“自上而下”的公共决策模式的一种反动，[4]出现了大量推动公众参与决策的具体模式，比较典型的包括：关键公众接触法、由公民发起的接触、公民调查、新信息技术、公民会议、咨询委员会、斡旋调解、申诉专员和行动中心、合作生产、志愿主义、决策中制度化的公民角色、保护公共利益的结构等十二种，[5]试图通过多元参与决策模式应对当前公共决策的环境复杂性及参与主体利益冲突。

支持公众参与决策的学者认为，公众更广泛地参与决策制定符合高质量决策的需要。[6]然而，由于众多参与主体之间存在目标的多元性和利益的冲突性，因而公众参与并不必然带来决策共识，多主体对话亦未必能提高决策质量。近些年，西方学界提出协同建模理论与方法，为决策科学领域提供了一种利益相关者参与决策的新颖方法。协同建模试图实现对决策会议和正式模型1的有机有机整合，从而帮助决策者应对决策过程中的跨学科性、复杂性和公众意见整合的问题。[7]因此，面对决策问题的复杂性、多样性和不确定性程度迅速增长的现实，可以考虑采用协同建模理论和方法来改进传统实证科学典范下的决策模式。

二、决策科学的新旧典范：复杂科学典范挑战实证主义典范 典范是一个共同体成员所共享的信仰、价值、技术等等的集合，是常规科学所赖以运作的理论基础和实践规范，是从事某一科学的研究者群体所共同遵从的

正式模型的示例包括离散事件仿真模型、基于代理的模型和系统动力学模型等。本文以系统动力学为主进行论述的原因在于：一方面，系统动力学很好地解决了反馈、非线性及动态性的问题，符合复杂科学典范需要；另一方面，系统动力学方法成熟，是目前政策仿真最常用的方法学，很多协同建模的方法直接应用该方法。

2

1

世界观和行为方式。[8]典范通常都解决了当时历史时期人们认为的最为紧要之问题，并因此而成为研究人员开展研究工作的重要依据。典范并非一成不变，典范发生转移的原因在于出现了旧典范没有办法解释的新情况或新问题。[8]公共管理的研究发展至今经历了7个典范：实证主义、诠释主义、批判理论、女权主义、后现代、混沌理论和复杂性理论。实证主义是可以与“经验主义”、“行为主义”、“自然主义”及“科学”相互替换的术语。[10]实证主义典范也被称为牛顿科学典范，在很多决策者的思想中根深蒂固。混沌理论和复杂性理论也被称为复杂科学典范。该典范对实证主义典范构成了直接的挑战，有助于决策者增进对公共决策复杂性的理解。

（一）实证主义典范与决策科学

实证主义典范根源于笛卡尔的理性主义哲学和牛顿物理学，尤其是受到牛顿物理学的影响。尽管在物理学领域，爱因斯坦物理学挑战了牛顿物理学，但牛顿物理学的基本理念在当今科学界仍然存在较为广泛的影响。

实证主义的本体论基础是决定论（Determinism），认为世界变化不仅是线性变化的，而且宇宙具有完全确定性。实证主义典范建基于机械哲学，认为世界中发现复杂多样的东西都可以在一些明确的、有限的一般法则框架影响下，完全、

[11]地、完美地和无条件地减少。实证主义在本体论上对世界持决定论的看法，即：

[9]

（1）现实是由可以聚合的离散实体和事件组成；（2）实体和事件之间存在因果关系；（3）宇宙完全可以预测，[12]世界是稳定的和相对静态的，不确定性不是常态；（4）变化呈线性关系，[13]非线性和随机性是完美有序的钟表式宇宙中的干扰因素。实证主义的认识论基础是还原论（reductionist），即坚持简约主义，认为量化才是科学。实证主义者试图将研究者的价值观排除在研究之外，密切使用从研究中收集到的所谓客观的数据与证据。[14]实证主义坚持机械主义研究方法，认为有普遍的法则来管理社会事件，并且可以将要研究的复杂问题分解为多个比较简单的小问题，一个一个地分开解决；[15]20世纪初的逻辑实证主义试图将逻

[16]辑推理和数学作为科学的主要方法，并对牛顿科学加以改进。量化主义是基于

物理、客观主义的知识观，相信对科学问题的量化答案原则上优于定性答案。[17]决策科学具有典型的理性实证主义意涵，实证主义典范对决策科学影响深远，主要体现在以下几个方面：

第一，公共决策中投入产出比例关系以及决策精英主义。在决策科学的主流文献中，公共决策被描述为存在“投入”、“生产”（throughputs）和“产出”的线性过程，并且对预期“目标”具有确定性的“影响”。政府的行动可以产生所期望的效果，而且因果关系是线性的。这种对投入产出线性关系的认识，导致了在公共决策中，决策者普遍存在过度自信的倾向。[18]Fischer（1990）将这种倾向的根源追溯到十七世纪哲学家Francis Bacon的经验主义认识论。FrancisBacon的

3

梦想是技术精英应该以效率和技术秩序的名义来统治。这一梦想也是当前公共决策的一般模式。

第二，在公共决策执行中秉持科层制原则。行政机构基本按照科层制原则形成，官僚组织的功能预计将是确定的和线性的，科层组织中上级给出的命令预计会沿着阶梯向下传递并按预期执行，这是一种典型的线性关系。然而，在现实中，一定比例的投入并不会带来相同比例的产出，公共决策没有达到预期效果甚至出现反效果成为常态。事实上，公共决策执行过程并不像预期那样是线性的，[19]而是普遍存在政策抵抗(Policy resistance)、今天的解决方案成为明天的问题、干预行为被系统对干预本身的反应所击败等现象。

第三，在公共决策制定和评估中坚持量化方法。科学知识应该是简化的。现实能够减少到可以进行定量计数和作为分析的基本单位。在量化世界观中，定量研究被认为比定性研究方法更科学，因为前者被假定为能产生更精确的知识。[17]在公共决策制定和评估中，坚持量化世界观的决策者将量化方法称为科学，并认为非量化则非科学。

（二）复杂科学典范与决策科学：挑战实证主义典范

复杂动态系统的概念取自生物学，由此形成复杂性理论，混沌理论与复杂动态系统理论构成了复杂科学的典范。该典范作为一种新颖的非线性典范，对公共决策有着不可忽视的影响。复杂科学典范的混沌理论和耗散结构理论对实证主义典范的确定性观念构成了严峻挑战。

第一，复杂科学典范促使决策模式从科层制模式转变为多行动者

（multi-actor）模型。在当下日益变得高度复杂和高度不确定的社会中，决策问题涉及到由数量庞大的个人组成的多样化、动态化和不可预测的社会关系。作为代理人的决策者既是这个系统的一部分，也是它的决定因素，所以通常无法完全理解这样一个复杂问题的决策问题，传统的理性决策方法由此出现了不适应性。不仅如此，由于所有行动者都有自己的网络和在公共行政中存在网络的相互关联，所以行动者的任何增量变化都会导致整个系统的变化，决策过程也由此变得更具复杂性、动态性和不确定性。

第二，混沌理论表明，系统状态由于要素间关系的非线性特征而发生变化且无法预测。混沌理论模型中描述的诸如逻辑方程和洛伦兹吸引子说明确定性系统

[20]有时可能无法进行定量预测。根据混沌理论可知，因为几乎所有的交互都可以

被描述为非线性关系，所以在现实生活中很难找到一个线性关系。非线性的特征意味着决策问题本身形成了一个复杂系统。在这一复杂系统中，要素间的相互作

[21]用是非线性的，而非线性则导致不可预测性。这就意味着决策过程不能用简单

的方式来进行。不仅如此，复杂系统还倾向于变得更加危险和复杂，因而不能简单地用决策者为中心的方法进行决策分析。

4

第三，复杂科学典范的方法论是定性和定量的结合。复杂性理论应用范围非常广，但复杂性理论并不只是纯粹量化的。事实上，复杂性含义挑战量化研究倡导者的假设：定量分析产生精确的结果，定量分析必然优于定性分析。混沌理论表明，从长远来看，确定性系统的行为可能是不可预测的。混沌理论和由此衍生的模拟方法表明，每种定量方法都嵌入在定性假设中，量化分析结果对应定性解释。复杂性典范架起了定性与定量之间的桥梁，打开了我们对新方法学可能性的思考。

三、复杂科学典范下公众参与决策的新路径：协同建模

20世纪晚期，实证主义典范下的技术官僚理性决策模式受到快速变化和高度复杂的社会的挑战，复杂科学也应运而生。随着公民参与运动的复兴，公众参与决策实现了从简单告知公众发生了什么社会公众、技术专家和决策者协同做出决策的蜕变。而随着计算机科学的发展，协同决策又发展成计算机辅助模拟公众参与决策协同建模。[22]大量的报告显示，协同建模是复杂政策环境下一个积极的和有前途的公众参与决策的新途径。[23]

（一）公众参与决策的挑战：多样性悖论

决策问题的复杂性使以政府为核心的技术官僚理性决策模式受到挑战，因此在公众参与决策过程中，多样性被普遍认为是参与过程必须面对的一个关键问题。

[24]对于复杂社会问题的决策来说，技术官僚主义的方向太狭窄，因而需要多样化

来丰富不同类型知识、专长和价值观。实现多样化的一个方法是开展利益相关者对话。利益相关者对话是指将具有不同知识、价值观和背景的利益相关者组织起来，让他们围绕特定的决策问题进行商谈。

然而利益相关者对话却存在多样性悖论（diversity paradox）。虽然说，多样性是利益相关者对话的一个基本特征，但由于公众参与体现为多元参与，而多元则意味着利益障碍、文化障碍或意识形态障碍，同时并没有改变线性思维这一心智模式，亦没有很好地处理不确定性问题。公众参与决策时常带来群体冲突。这种冲突既可能是建设性冲突，又可能是破坏性冲突。只有建设性冲突才能实现利益相关者对话的多样性，并通过彼此的互动来进行社会学习。然而，对话有时并不必然带来学习，有时参与群体不能对决策问题进行系统地探索，从而无法从多样性中获益。[25]此外，利益相关者的广泛参与是一个代价高昂且耗时的问题，可能导致公众参与的无结果、决策系统的超负荷和风险的不可控，“多样性悖论”由此产生。

（二）协同建模的基本内容

[13]

当下的社会被认为是存在多行动者的一个复杂系统。公众参与决策虽然在

一定程度上解决了社会中多行动者参与的问题，但听证会、恳谈会等公众参与决策的传统方法无法解决复杂性和多样性悖论，协同建模则提供了一个新的路径。

5

一般来说，建模是指有一系列限制条件下，有目的地创造结构化和连贯性文本或图形的模型，这种模型被建模者认为对解决问题是有效的并且合乎逻辑的。[26]在决策支持方面，协同建模被理解为“将协作模型与参与过程整合起来做决策”。

[27]

一方面，通过决策会议让不同参与者进入复杂的沟通过程；另一方面，参与者

[28]

通过共同创建正式模型和使用共享图形来呈现决策运作的过程及结果。协同建模是一个概括性术语，近几十年来不同的从业者和学术社群开发出了不同的方法，如共享视觉规划（Shared Vision Planning）、调解建模（Mediated Modeling）、团体建模（Group Model Building）、计算机辅助谈判（ComputerAided Negotiation）和参与式建模（Participatory Modeling）。[29]

不同学者提出了不同的协同建模方法与步骤，其中具有代表性的是系统动力学的建模5步法：界定问题—形成动态假设—形成模拟模型—模型测试—制定潜

[30]在政策与评估。总体而言，现有协同建模基本框架都没有脱离Rittgen（2007）

的建模过程，不同方法的协同建模只是在建模过程中应用计算机工具技术上的差异，基本内容包括两个主要因素：个人内在心智模式，群体成员之间的对话和社会层面、实务层面以及语言层面等三个层面的活动。

建模过程中关注两个主导因素：个人的内在心智模式和群体成员之间的对话。关注个人内在心智模式意味着，建模过程试图从个人的心智模型维度找寻到问题的根源，[30]同时，也意识到决策问题是一种主观建构而非客观存在。协同建模还提倡将群体成员之间的对话贯穿建模过程的始终。建设性的对话应在社会层面、实务层面及语言层面展开，这也成为建模成功的关键。科学的决策需要公众、技术专家和决策者之间的协作，协同建模提供了查找共同事实的优势，包括界定问题、确定利益相关者优先次序、共同解释相关信息以及共同承认现有信息限制。

[31]

协同建模认可不确定性的存在，承认决策环境的复杂性，并提倡通过对话来实

现组织学习。在建模过程中，至少有一个群体成员需要精通科学建模，包括制定定性概念工具、编写包含必要的代码的计算机模型。

协同建模涉及的三个层面活动构成了一套运作的基本架构，并形成了一个正式模型，该正式模型为寻找解决问题的最佳决策方案提供了途径。在最高层即社会层面，协同建模要处理该组织是否接受或拒绝某个备选方案的问题。为此，通常采用多数决定规则或资历规则。其中，多数决定规则强调要有一定数量的团队成员必须支持或反对某个备选方案，该方案才能被接受或拒绝。资历规则强调给群体中某些成员的投票赋予较高的权重，成员支持或反对的权重与他或她在组内的地位有关。

在中间层即实务层面，协同建模涉及两种不同类型的行为。其一是理解过程，即对决策问题背景知识和建模语言的理解。协同建模是为了找到解决问题的共识，其中，对决策问题背景知识的理解是为了让参与者了解基本知识，而对建模语言

6

的理解，在于现有的协同建模几乎都涉及计算机辅助，而不同的计算机软件有不同的语言系统，例如系统动力学的Vensim，多主体建模的Repast等。[32]其二是组织过程，这涉及两个环节：（1）议程设置，包括组织会议（提供设施设备、安排时间），使用不同的技术（头脑风暴法、德尔菲法）等；（2）谈判对话，即参与者一起讨论提出不同的问题与想法，然后进行偏好度选择。建模通常被认为是一种直观的行为，是大脑进行创造性劳动的产物，并会涉及在建模中收到其他利益相关者的一些意见。建模采用的方法基本为参与者的个人会议，即筹备访谈，

[33]

或小型名义群体。[34]在实务层面，我们可以为系统设计非常多的有趣信息与结在最低层即语言层面，协同建模的主要任务是形成具体模型并进行决策模拟。

论来支持协同建模，甚至可以辨识出形成模型的基本要素与结构。

个人通过描述感知的现实，以创建它的模型。可以通过查看信息和分散文本来分析决策问题，这属于自然语言领域。[35]建模者还需将自然语言转换为建模语言，只有通过建模语言才能形成正式模型。现有的协同建模研究与实务中，应用最为广泛的是系统动力学。该方法是由MIT教授Forrester于1969年提出的通过计算机模拟设计决策方案的一种方法。通过召开决策会议来定性界定问题，根据不

[34]同的任务来确定参与者数量和多样性程度。系统动力学采用反馈关系代替统计

回归的简单因果关系，从统计回归方法到系统动力学方法，反映了从分析的、线性的、被组织的世界观到系统的、非线性的、自组织的复杂科学世界观的转变过程，从而能够方便地处理非线性和权变现象，实现对公共决策长期的、动态的、

[36]战略性的仿真分析与研究。在决策设计阶段，应用存量流量图有助于在新决策[37]投入运行时确定决策规则。关注长期趋势的动态方法可以帮助了解作为一个综

合系统的决策过程的动态模式，并找到可能阻碍可控行动的周点，以更好和更连

[38]贯地做出决策。在协同建模过程中，决策模拟通过数学公式将概念模型转换为

计算机模拟模型，从而呈现出随着时间的推移，行为以及决策分析结果的基本特征。[39]

四、协同建模的决策价值

尽管协同建模解决决策问题的适用性较强，但目前在公共决策中的潜力还没

[40]有得到充分发挥。我们认为，有计算机辅助的包含决策会议与正式模型的协同

建模对公众参与公共决策的价值主要体现在以下几个方面： （一）以理性对话克服多样性悖论并促进社会学习

协同建模改善了参与者的心智模式，并允许参与者之间在心智模式上保持一致、在决策方案方面达成共识。这些优势得以发挥的关键因素是理性对话，协同建模的整个过程贯穿着跨学科跨部门的多元参与者之间的建设性对话。由于大多数决策问题涉及复杂的系统，协同建模必须包括来自不同学科、背景的人，以确保将所有相关的想法整合到模型中。协同建模的研究者不断开发有助于利益相

7

[41]

关者形成共识利益的建模工具和技术。作为协同建模技术之一的系统动力学的

关键部分就是通过参与者对话开发因果循环图，以显示变量如何相互关联，而这需要建立共同语言，包括构建自然语言和模型语言，并需要跨学科方法与数据源。有研究表明，通过对话过程确定关系并观察变量如何相互作用，并让团队向跨学科思维迈进，就比较容易形成社会学习。通过社会学习，参与者现有知识面之外拓展了更大的视野。社会学习还有助于利益相关者对问题的根本原因形成共识

[23]并尊重不确定性。总之，协同建模适应了利益相关者日益苛刻的公共决策品质

[42]

需要，[43]并有助于增加共识和减少决策对抗。[1]

（二）以正式模型模拟“what if”场景来处理决策中的不确定性问题 协同建模借助计算机提升了我们看到复杂关系的能力，改善了人类在处理非

[44]线性关系或反馈循环方面效率不高的问题。计算机辅助下的协同建模可以整合

到现有的静态政策设计中，并详细阐述利益相关者之间的相互作用关系。

对于公众参与决策的不确定性问题，协同建模几乎都提供了相应的解决方法和工具。例如，系统动力学方法中处理不确定性问题的工具主要包括：单变量和多变量敏感性分析、验证测试。

协同建模的正式模型几乎都是仿真模型，甚至是高度集成的，可以对各种“假设”（也被称为what if的场景）方案进行模型构建，让公众在参与决策过程中识别和解决分歧点，并及时发现不同决策方案的实施效果。通过建立因果结构图或其他图形，协同建模有助于解释：问题为什么会出现？导致社会系统产生问题的人的行为是如何发生的？协同建模还可以不断循环，通过不断挖掘潜在的连接和反馈回路，帮助参与者确定这些关键问题出现的根源。

（三）以定量模式呈现定性结果来增进共识的达成

协同建模将定性的讨论结果以定量模式加以呈现，从而为决策者提供了量化

[45]信息，提高了决策投资回报率。不管是协同建模中的计算机模拟还是系统动力

学模拟，都越来越流行采用复杂性科学典范下定性与定量相结合的方法。 协同建模使用了一系列定性和定量的技术和工具，并以定量方式呈现定性模拟结果。这种建模方式可以描绘和分析与动态复杂问题相关的成千上万种可能场景，并且有针对性地设计出适应性策略。正因为如此，所以协同建模才能从艺术转变为科学。协同建模方法旨在增进人们对结果的动态复杂决定因素达成共同理解，并帮助人们了解哪些解决方案将会带来最大的积极变化。以图表为依据开展的讨论可以增进对问题的充分理解，进一步研究决策工作中的后续步骤。因为它迫使不同利益相关者制定一个明确的模型，并使用该模型共同测试自己的假设和他人的假设，进而整合彼此的想法，[46]因而有助于达成共识。

五、结语

决策问题很少存在灵丹妙药。在现代社会，公共决策面临的环境更加复杂、

8

更为多样和更显不确定。与此同时，“决策民主化”成为世界性潮流，公众参与决策成为常态。然而，由于参与主体众多、目标多元、利益群体间的对立日渐加深，公众参与时常无法改善决策品质，有时反而沦为替政治人物的“特定决策”背书之工具，而协同建模则为提升公众参与决策的有效性提供了一个新的路径。

协同建模整合了决策会议和正式模型，并且借助了计算机辅助技术。决策会议这一定性方法有助于形成建设性对话、克服多样性悖论并促进社会学习；正式模型模拟“what if”场景，有助于处理复杂性问题；用定量模式呈现定性结果，有助于达成共识。Rouwette等人（2002）对公开发表的107个协同建模的模型结果加以检视后发现，协同建模可以有效促进社会学习和提高沟通质量。总之，协同建模是决策科学的巨大进步，它可以帮助专家、公众和决策者更好地理解分歧和不确定性，更有效地应对决策问题的复杂性，更成功地促进对话的展开和共识的达成，从而有效提升公众参与决策的品质。

参考文献：

[1]Ghaffarzadegan, N., Lyneis, J., & Richardson, G. P.. How small system dynamics models can help the public policy process. System Dynamics Review, 2011,27(1), pp22-44.

[2]Hendrick, R. M., &Nachmias, D.. The policy sciences: The challenge of complexity. Review of Policy Research, 1992,11(3‐4), pp310-328.

[3]Klein, J. T..Interdisciplinarity: History, theory, and practice. Wayne state university press,1990. [4]Ramirez, R.. A meditation on meaningful participation. The Journal of Community Informatics,

2009,4(3).

[5]约翰·克莱顿·托马斯. 公共决策中的公民参与. 北京：中国人民大学出版社，2010. [6]Ansell C, Gash A. Collaborative Governance in Theory and Practice. Journal

of Public Administration Research and Theory， 2008.18 (4), pp543-571.

[7]Cockerill, K., Passell, H., & Tidwell, V. Cooperative modeling: Building bridges between science

and the public. Journal of the American Water Resources Association, 2006,42, pp457–471. [8]孔恩.程树德, 科学革命的结构. 台北: 远流出版公司，1994.

[9]DanaeeFard, H. Research Paradigms in Public Administration. The International Journal of

Humanities, 2014.19(4), pp55-108.

[10]Hughes, R. A. Strain-dependent morphine-induced analgesic and hyperalgesic effects on

thermal nociception in domestic fowl (Gallus gallus). Behavioral neuroscience, (1990), 104(4), p619.

[11]Bohm, D. “Causality and Clance in Modern physics”. Philadelphia: university of Pennsylvania

press,1957.

[12]Hesse, M. Revolutions and reconstructions in the philosophy of science. Harvester studies in

9

philosophy Show all parts in this series,1980..

[13]Erko?ak, E., &A??kal?n, ?. N. Complexity theory in public administration and metagovernance.

In Chaos, Complexity and Leadership. Springer International Publishing , 2013:73-84. [14]Lee, A. S. Integrating positivist and interpretive approaches to organizational research.

Organization science,1991. 2(4), pp342-365. [15]江明修. 研究方法論. 台北: 智胜文化，2009..

[16]Giddens, A. Positivism and its critics. A history of sociological analysis,1978：237-286. [17]Strauch, R. E. Critical Look at Quantitative Methodology. Policy Analysis, 1976：121-144. [18]McKenzie, C. R., Liersch, M. J., &Yaniv, I. Overconfidence in interval estimates: What does

expertise buy you?.Organizational Behavior and Human Decision Processes,2008,107(2), pp179-191.

[19]Pressman, J. L., &Wildavsky, A. B..Implementation: How Grert Expectations in Washington

are Dashed in Oakland; Or, why It's Amazing that Federal Programs Work at All... University of California Press,1973.

[20]Gleick, J. Chaos: Making a New Science (Enhanced Edition). Open Road Media,2011. [21]Richardson, K. A. 11 Complex Systems Thinking and its Implications for Policy Analysis,2007.

网络地址：

http://scholar.google.com.hk/scholar?cluster=11847343704077740471&hl=zh-CN&as_sdt=0,5.

[22]Mandelblatt, J. S., Stout, N. K., Schechter, C. B., Van Den Broek, J. J., Miglioretti, D. L.,

Krapcho, M., ... & Van Ravesteyn, N. T. Collaborative Modeling of the Benefits and Harms Associated With Different US Breast Cancer Screening StrategiesBenefits and Harms of US Breast Cancer Screening Strategies. Annals of internal medicine, 2016,164(4), pp215-225. [23]Cockerill, K., Daniel, L., Malczynski, L., & Tidwell, V. A fresh look at a policy sciences

methodology: collaborative modeling for more effective policy. Policy Sciences, 2009,42(3), p211.

[24]Voss, J. P., Smith, A., & Grin, J. Designing long-term policy: rethinking transition management.

Policy sciences, (2009),42(4), pp275-302.

[25]Stasser, G., & Titus, W. Pooling of unshared information in group decision making: Biased

information sampling during discussion. Journal of Personality and Social Psychology, 1985,48,pp1467–1478.

[26]Hoppenbrouwers, S., &Wilmont, I. Focused conceptualisation: framing questioning and

answering in model-oriented dialogue games. In IFIP Working Conference on The Practice of Enterprise Modeling. Springer Berlin Heidelberg ,2010:190-204.

[27]Lorie, M., Computer-Aided Dispute Resolution 2nd Workshop: Summary and Strategic Plan.

10

Institute for Water Resources, Alexandria, Virginia. IWR Report 2010-R-5.

[28]Renger, M., Kolfschoten, G. L., & de Vreede, G. J. Challenges in collaborative modeling: A

literature review. In Advances in Enterprise Engineering I. Springer Berlin Heidelberg,2008: 61-77.

[29]Langsdale, S., Beall, A., Bourget, E., Hagen, E., Kudlas, S., Palmer, R., ...&Werick, W.

Collaborative modeling for decision support in water resources: Principles and best practices. JAWRA Journal of the American Water Resources Association,2013, 49(3), pp629-638.

[30]Sterman, J.D. Business dynamics: systems thinking and modeling for a complex world, New

York: IrwinMcGraw-Hill,2000.

[31]Susskind, L., Field, P., Wansem, M. v. d., &Peyser, J. Integrating scientific information,

stakeholder interests, and political concerns. In K. S. Hanna & D. S. Slocombe (Eds.), Integrated resource and environmental management: Concepts and practiceOxford: Oxford University Press,2007: 181–203.

[32]娄成武, &田旭. 中国公共政策仿真研究: 现状, 问题与展望——基于 CNKI 相关文献

的统计分析. 中国行政管理, 2013,(3): 24-29.

[33]Stave, K. A. Using system dynamics to improve public participation

in environmental decisions. System Dynamics Review, 2002,18(2), pp139-167.

[34]Vennix, J.A.M, Anderson, D.F., Richardson, G.P. and Rohrbaugh, J. “Model-building for group

decision support: issues and alternatives in knowledge elicitation”, European Journal of Operational Research,1992,59(1), pp. 28-41.

[35]Rittgen, P. (2007). Negotiating Models. Lecture Notes in Computer Science ,p4495,pp561

-573.

[36]李大宇, 米加宁, &徐磊.公共政策仿真方法: 原理, 应用与前景. 公共管理学报, 2011,(4):

8-20.

[37]Wheat, I. D. What can system dynamics learn from the public policy implementation

literature?. Systems Research and Behavioral Science, 2010,27(4), pp425-442. [38]Vennix, J. A. Group model‐building: tackling messy problems. System Dynamics Review,

1999,15(4), pp379-401.

[39]Sadia, R. The impact of culture on group model-building process. In Management of

Engineering & Technology (PICMET), 2014 Portland International Conference on IEEE,pp 1585-1590..

[40]Ghaffarzadegan, N., Lyneis, J., & Richardson, G. P. How small system dynamics models can

help the public policy process. System Dynamics Review, 2011. 27(1), pp22-44.

11

[41]Richardson, George P. Problems for the Future of System Dynamics. System

Dynamics Review,1996,12(2), pp141-157.

[42]Van den Belt, M. Mediated modeling: a system dynamics approach to environmental

consensus building. Island press, 2004..

[43]Bianchi, C. Improving performance and fostering accountability in the public sector through

system dynamics modelling: from an ‘external’to an ‘internal’perspective. Systems Research and Behavioral Science, 2010,27(4), pp361-384.

[44]Forrester, J. W. System dynamics—the next fifty years. System Dynamics Review, 2007,23,

pp359–370.

[45]Lich, K. H., Frerichs, L., Fishbein, D., Bobashev, G., &Pentz, M. A. Translating research into

prevention of high-risk behaviors in the presence of complex systems: definitions and systems frameworks. Translational behavioral medicine, (2016, 6(1), pp17-31.

[46]Lich, K. H., Minyard, K., Niles, R., Dave, G., & Gillen, E. M. System dynamics and community

health. Methods for Community Public Health Research: Integrated and Engaged Approaches, 2014,p129.

通讯地址：段哲哲，台湾省台北市台湾政治大学自强3 C119，邮箱：

515895440@qq.com；电话：15818540304。周义程，江苏省苏州市工业园区仁爱路199号苏州大学政治与公共管理学院123信箱 邮编：215123电子信箱：szdxyc2008@163.com 手机：18761983793

12

本文来源：https://www.bwwdw.com/article/a8fp.html