科学知识的交流网络模型 ——一种社会认识论方法的探索

[摘 要] 在研究方法上，科学普及通常被理解为一个信息的传播学意义上的事件或者科学家与公众之间的社会学意义上的关系。将之理解为一个知识传递和交流过程，从而进行认识论层面的研究较少。本文引入形式社会认识论中的知识交流网络模型，将它应用到科学家-公众-传播者三方的知识交流过程中，公众从传播者和科学家那里分别得到不同的证据并更新自己的信念。这个模型能够为一些传播学的问题提供认识论层面的解决方案。

1 导论

科学普及本质上是一种知识传递和共享的认知过程。在以往大部分研究中，知识传递的对象总是被不自觉地当作个体的认识论主体。受众身份不同，教育背景、偏好渠道和接受程度也会有不同。这其中缺乏从认识论层面对于科学普及过程中个人与社群的关系、个人与各种信息来源之间的关系的讨论。

科学普及研究中对象社会关系属性的缺位与认识论的研究传统直接相关。传统的认识论研究也是集中讨论个体的理性人如何面对证据、如何获得知识的问题 。在个体模式中，个人根据相应的证据来确证或否证知识，这是一种理想状态和简化状态，然而问题在于，真实的求知场景并不是这样发生的，个人总是处在某些社会关系之中，他们大多时候并不独自面对这个物理世界来获得知识，相反，他们总是依赖于身边各种社会群体来告诉他们知识，也会与周围群体讨论这些知识。他们会根据不同的社会情境选择是否相信这些知识，即使相信了也会依据不同的社会情境来选择是否按照这些知识来行动。社会认识论的产生就是希望面对真实的情境，更多地关注到知识获得、传递过程中的社会网络关联。社会认识论的“社会”的含义是相对于个人而言，强调的实际上是一种“集体”认识论，而不是与科学界相对而言的人类生活社会。下文将引入社会认识论中的一种知识交流网络模型，并将这个模型拓展到科学传播领域，探索这种形式化模型带来新的方法论的可能。

2 佐曼的进阶Bala­-Goyal模型

在传统的个体认识论中，通常使用贝叶斯模型来刻画修正个人信念的过程。然而科学的专业化程度越来越高，大部分的科学结论不太可能通过个人的直接经验证据来验证。普通公众不太可能直接参与科学研究，不是科学知识的生产者和确证者，而主要会通过听取各方不同的声音，来确定自己相信什么观点。尤其当很多科学结论以大尺度的统计概率的方式呈现时，个人更难以凭借局部的个人经验来判断。

针对这样的社会网络中的知识传递，佐曼（Kevin Zollman）将经济学中的Bala-Goyal模型引入科学家之间的交流中。原本这一经济学模型是用于研究家人朋友的意见如何影响到一个人的购买意愿。消费者除了对于产品本身的判断，还会在购买前与邻居们讨论，然后再做出最终决定。Bala-Goyal模型就是来研究邻居们的意见究竟如何影响他们的购买意愿的。更为复杂的情况是在科学共同体里，科学家根据其他科学实验室的数据来判断到底哪一种竞争性观点是对的。

这个模式构成了最基本的知识交流模型，欧康娜（Cailin O’Connor） 和韦瑟罗尔（James Owen Weatherall）在佐曼的模型基础上做了进一步的拓展，加入了不同类型的主体，形成了多主体的进阶Bala-Goyal模型。

3 多主体的进阶Bala-Goyal模型

多主体进阶模型是在科学家的交流网络之外加上了政策制定者和不良宣传者。此时要做判断的“赌徒”是政策制定者，而不是科学家。政策制定者会分别从科学家群体中的不同派别和不良宣传者那里得到概率数据，修正先验概率。虽然主体变多了，但计算规则没有变化，依然是实验成功支持本方观点的概率当作新证据，放在贝叶斯公式中，形成下一轮的概率。经过多轮计算之后，政策制定者就能比较明确地做出判断哪一方观点更可信。

4 科学普及的进阶Bala-Goyal模型

首先，在欧康娜模型中不良宣传者是知识的生产者和验证者，只是最后得出了并不公允的结论。而适用到科普领域中，流量至上的科学传播者们几乎完全不直接进行科学实践。他们只是以自己的理解提供了对事件貌似科学的解释，将科学家们的结论和信息有取舍地拿来使用，放大或夸张某些部分。看上去，前者是带有偏见的知识生产（biased produce），后者是选择性地共享信息（selective sharing），但是在这个模型中，计算关系层面并不构成实质区别。只要出现在交流系统中的是类似的证据面貌，那么就会产生同样的置信度变化。由于他们不直接进行科学实践就能完成同样的信息误导效应，这使得误导成本很低。他们只需要从现有的信息中挑选出自己需要的即可。但是这些博眼球的信息实现的传播面相对于科学界更广，影响的公众更多。

这些选择性地报道信息很多时候并不是恶劣地歪曲事实，而只是没有报道全部事实。从传播的角度出发，只有新奇的事件才会成为新闻被报道，例如在新冠肺炎疫情发展过程中，大量人注射疫苗之后健康地生活，这样的事件过于平淡，很少能吸引人们注意。但是如果有重要人物注射疫苗之后依然感染了病毒，就足够吸引眼球。在公众看来，这是强的失败证据，因此在下一轮计算信念中，会调低自己对疫苗的信任度。这样的证据被广泛、频繁地呈现在人们面前，将直接降低对于疫苗能够预防感染病毒的置信度，从而选择不注射疫苗。当然，报道反面证据是新闻工作者的天职，也符合科学的民主属性，只是它不容易反映科学事件的整体面貌，从而会影响人们最后的行为决策。

第二，在欧康娜模型中，从不良宣传者成功地动摇了科学界的共识中可以得出：即使科学家们已经基本达成共识，得出哪一种对策更为有效，只要流量至上的科学传播者一直保持活跃状态，广泛地触达公众，选择性地传播质疑证据，那么在认识论层面也很难使得公众完全信服科学界共识。最典型的是全球变暖，这个观点在科学界非常早就达成共识，但是公众接纳的过程极其缓慢。甚至在公众的印象中，科学界根本就没有达成共识。在以往的科普研究中，经常将这一现象解释为公众的愚昧或非理性，又或者科学家们没有运用更有效的方法来传递知识。通过模型的置信度变化分析，我们可以看到，只要另一个方向的引导力量一直存在，科学家们就无法靠自身将共识传递给公众。

第三，模型解释了极化现象，人们与哪个社群在一起，一定程度上决定了其所持有的观点。这一方面是由于社群决定了人们所接触到的证据类型，从模型中可以看到，与白圆点接触更多的人更为赞同白圆点代表的立场，与黑圆点接触更多的人更为赞同黑圆点的立场。这一点解释了全球疫情中产生的很多极化现象。当今大数据所导致的信息茧房效应也在助力极化，对立的双方都认为对方情绪化、不理性，实际上由于他们依赖的信息源截然不同，所以各自面对的证据也很不同，基于他们各自的证据，他们所持有的置信度是相对理性的。另一方面，在紧密勾连的社群之中，人们总是会随着周围大多数人的观点来确定自己的信念。因此，处在什么样的知识社群中将很大程度地决定观点、立场，尤其是在突然面对新问题，科学界还没有可靠共识的情况下。

5 继续延展的可能

上一节中所展示的科学传播模型是一个极为简化的模型，在它的基础上可以做不同的变化或增加参数来探索更多的问题。下面将从几个主要的传统科学传播问题来讨论模型的延展可能。

第一，在不同的语境下，科学传播要实现的目的会有所区别。在新冠肺炎疫情这样的应急科普场景中，更为强调速度。一方面是科学家内部达成共识的速度，另一方面是科学家共识传递给公众的速度。

而要使得科学界的共识迅速地说服公众，最有效的是改变传播者们所展示证据的立场，如果与科学界的共识一致，这样公众在各个渠道接触到的基本上都是同一类证据，会迅速向共识观点靠拢，但这样的传播方式容易存在后患，当公众在简单化处理的知识层面与专家达成了比较稳固的共识之后，比较难发生变通和转移。

第二，模型中并没有设置公众个体内部的交流，假定大家都离群索居，只分别与科学家和媒体之间有知识传递。上面提到的全球变暖的科学共识，一直未能很好地传递到公众层面，甚至产生了信息极化现象。对于这个问题，可以尝试不同的公众内部交流模式，来探索哪一种可以有效地打破极化现象、改变一个顽固的反对群体。例如在一个不认同全球变暖的社群中，如果有一个核心人物，那么改变核心人物的观念能最有效地改变整个群体的观点，因为轮式结构能最快达成共识，而达成共识的关键在于核心人物。

第三，模型中假定科学传播者是一致或集中的信息源，也没有处理科学传播者与科学家之间知识交流问题。在自媒体时代，很多传播者也许与科学界之间确实没有直接知识交流，甚至都没有直接读过科学界的发表物，因此他们可能在观点和论据上展现出相对离散的状态。模型可以探索这种离散模式会不会在影响力上有显著区别。

与此相反，专业的科技媒体人中有相当一部分人与科学界保持着密切的交往。科技媒体人也会遇到持不同观点的科学家群体，例如中国是否需要建造世界最大粒子对撞机等问题。他们之间的知识交流结构和频率如何影响科技媒体人的观点，怎样的交流才能保证科学媒体人中立地报道事件。

6 小结

本文主要对于科学普及问题进行方法论上的探索，将它重新视为知识的传递过程，从认识论角度上处理。基于Bala-Goyal模型的知识交流网络模型简要地表征了多个主体在一次或多次知识交流中，会不断出现新的证据，这些证据能够修正他们前一轮的信念。它有助于探索不同的社会结构和沟通方式究竟在信念层面会给理性人带来什么样的改变，从而有利于理解科普作为一种知识传递过程的相关问题。在解释现实问题时，模型为我们提供了一条最为核心的置信度变化线索，但仍然要考虑到其他多种因素才能给出恰当的解释。

来源：《科普研究》