五二小说网

手机浏览器扫描二维码访问

第二 社会科学解释的复杂性研究路径（第4页）

这个过程中所发现的要素之间的协变性是研究因果假设的一个有效工具。

三、社会科学解释的复杂性模型

基于上述讨论，我们从复杂性视角对社会现象和系统的内部动力学运行机制进行分类，揭示在对社会现象进行的科学解释中，发挥关键作用的社会机制及其运行过程，同时分析在复杂性科学中取得重要进展的“基于Agent的建模”

方法（Agent-BasedModeling，ABM），从而为社会科学解释提供一种复杂性模型的研究视角。

1.社会现象和系统的复杂性分类

社会科学的主体、对象以及方法都是一个动态的发展过程，因此，在社会科学现象和系统的内部动力学运行机制的基础上，根据其复杂性、可预测性及生成复杂结构和形式的能力，对社会科学现象和系统进行分类，是构建社会科学解释模型的前提。

图8-1是对所有实在的内部动力学运行机制的简单分类。

因为社会现象的多变性，这里仅着重考察动态现象和系统。

图8-1社会现象和系统的复杂性分类图[28]

一方面，动态系统可以根据系统内部是否包含规则性或因果关系，分为“决定论”

系统和“非决定论”

系统。

决定论现象或系统根据一组特定的规则或因果关系活动，因此系统的状态可以通过其内部规则性或因果关系或系统的上一个状态得到解释。

非决定论系统显示出状态与状态之间的独立性，系统状态的变化具有随机性。

决定论系统又可以分为线性决定论系统和非线性决定论系统。

线性决定论系统本质上都是模块化的，通过把它分解成部分并通过对每一部分的考察，就可以实现对系统的解释。

非线性决定论系统则不能通过将其分解成模块来得到解释，因为其构成的关键是：整体以一种全新的复杂的组合方式把部分组合起来，这样所形成的系统属性即为功能性部件，这些功能性部件只有在整体系统中才有意义。

复杂系统本体论的实质就在于系统还原为它的部分时所失去的功能部件，解释复杂系统的关键也在于解释功能部件的形成过程。

非线性系统的特性正是不属于初始系统的新形式或行为的突现。

另一方面，线性系统是有规律的、周期性的，因此可预测；而非线性系统则会生成非周期性吸引子，因此只有在熟练掌握系统中起主导作用的方程和系统的所有变量时，才可以预测短期内非线性系统的行为。

但即使在这种理想状态下，随着系统迭代次数的增加，预测能力也会急剧下降，使得对系统行为做出长期预测变得困难，甚至不可能。

非决定论系统也叫随机系统，分为布朗—温和随机性和曼特伯罗—野性随机性。

布朗—温和随机性是一种点对点随机性，缺少结构和模式。

曼特伯罗—野性随机性与布朗—温和随机性相对，其分布变化是无穷的。

社会现象和系统主要分布在非线性决定论系统和野性随机性系统之间。

因此，在类似社会现象这样的复杂适应系统中，非线性决定论和野性的分形分布的解释力是非常强大的，这些方法在社会科学解释中应给予足够重视。

对动态社会现象和系统的内部运行机制的复杂性分类，并不是要证明绝大多数社会现象和系统是不可控的、不能预测的，相反，是要说明：一方面，在构造复杂现象的社会科学解释模型时，要善于发现表面上随机的复杂现象中潜在的规则性，通过这种规则性或关联性来进行解释。

如果没有这种规则性，则要在社会系统的功能性部件形成的过程中来构建解释。

另一方面，标准随机项不一定是模拟复杂现象的必要条件，在很多情况下，简单的决定论方程通过引入维度或自由度等要素，也可以模拟复杂的行为，而这依赖于数学和计算能力的提高。

比如，“黑农映射”

的例子就显示了一个二维决定论系统生成混沌解的可能性。

[29]著名的混沌和复杂系统的物理学家斯普洛特（J.C.Sprott）已经证明，一定的高维生态系统可以用简单的决定论方程来模拟以生成复杂的行为。

[30]斯普洛特的发现证明，随机性不是模拟高维自然系统的复杂形式的一个必要条件。

另外，从一个洛伦兹方程的时间序列解来观察一个洛伦兹吸引子的形成，可以看到从左往右的转移以及由内向外的呈螺旋状旋转都是不确定的、无周期性的，即“每一边的循环数量使从一个循环到下一个循环不可预期地不同，而事实上，环路数量序列和随机序列的很多特征是一样的”

[31]。

这些都证明，在某些条件下，一个简单的决定论方程可以生成复杂且随机的行为；并从另一个侧面证明，社会科学解释所面临的复杂性和随机性不一定是不可掌握的，面对不同的社会现象和系统应采取不同的解释路径。

2.社会机制