譚笑

[摘? ?要] 在研究方法上，科學普及通常被理解為一個信息的傳播學意義上的事件或者科學家與公眾之間的社會學意義上的關系。將之理解為一個知識傳遞和交流過程，從而進行認識論層面的研究較少。本文引入形式社會認識論中的知識交流網(wǎng)絡模型，將它應用到科學家-公眾-傳播者三方的知識交流過程中，公眾從傳播者和科學家那里分別得到不同的證據(jù)并更新自己的信念。這個模型能夠為一些傳播學的問題提供認識論層面的解決方案。

[關鍵詞] Bala-Goyal模型 知識傳遞 社會認識論 方法論

[中圖分類號] B80-0;N4 [文獻標識碼] A [ DOI ] 10.19293/j.cnki.1673-8357.2021.06.007

1 導論

科學普及本質上是一種知識傳遞和共享的認知過程。在以往大部分研究中，知識傳遞的對象總是被不自覺地當作個體的認識論主體。例如在科普的媒體渠道、普及的方式和技巧等方面，默認的科普對象是不同初始設置的個人，帶著原有的教育背景和生活經(jīng)驗來處理所接觸到的知識和相關的依據(jù)，從而決定是否相信這一知識來源，繼而依據(jù)這些知識在生活里行事。即使區(qū)分了受眾的身份類型，例如將受眾區(qū)分為學生群體、農(nóng)村群體等，實際上也只是在區(qū)分不同個體的初始設置。也就是說，受眾身份不同，教育背景、偏好渠道和接受程度也會有不同。這其中缺乏從認識論層面對于科學普及過程中個人與社群的關系、個人與各種信息來源之間的關系的討論。

科學普及研究中對象社會關系屬性的缺位與認識論的研究傳統(tǒng)直接相關。傳統(tǒng)的認識論研究也是集中討論個體的理性人如何面對證據(jù)、如何獲得知識的問題，例如蓋梯爾問題引發(fā)的深遠討論[1]。在個體模式中，個人根據(jù)相應的證據(jù)來確證或否證知識，這是一種理想狀態(tài)和簡化狀態(tài)，然而問題在于，真實的求知場景并不是這樣發(fā)生的，個人總是處在某些社會關系之中，他們大多時候并不獨自面對這個物理世界來獲得知識，相反，他們總是依賴于身邊各種社會群體來告訴他們知識，也會與周圍群體討論這些知識。他們會根據(jù)不同的社會情境選擇是否相信這些知識，即使相信了也會依據(jù)不同的社會情境來選擇是否按照這些知識來行動。社會認識論的產(chǎn)生就是希望面對真實的情境，更多地關注到知識獲得、傳遞過程中的社會網(wǎng)絡關聯(lián)。它廣泛地吸納了不同的理論資源，例如社會心理學、STS等[2]。需要注意的是，社會認識論的“社會”的含義是相對于個人而言，強調(diào)的實際上是一種“集體”認識論，而不是與科學界相對而言的人類生活社會。

在基于個體的認識論中，那些非常荒謬、令人不可置信的事件，在社會認識論中就能得到理性的解釋。例如，雖然科學界已經(jīng)達成共識，認為戴口罩可以降低新冠病毒的傳染風險，同時在身邊也出現(xiàn)了大量因為不戴口罩而被感染的病例，但是歐美一些國家中依然有大量的人選擇不戴口罩。對此，很多媒體的解釋是這些人將戴口罩這一科學行為政治化，或者被一些非科學領域的言論所誤導[3]。我們也通常認為這是科普的失敗，它構成了科普研究中的重要議題。然而需要追問的是，這些荒謬事件在認識論層面上是如何可能的呢？在傳統(tǒng)認識論的解釋中，這是面對大量反對證據(jù)而不修正自己原有信念的非理性情形，并且在現(xiàn)實生活中，這種非理性會危及生命，是不可思議的。但是，如果將個人所處的知識交流網(wǎng)絡納入考量，這樣的選擇和行動就沒有那么不可理解了。個人的信念和行動在很大程度上取決于所在的網(wǎng)絡，其所在社群決定了他的觀念，也決定了他所面臨的證據(jù)小環(huán)境。下文將引入社會認識論中的一種知識交流網(wǎng)絡模型，并將這個模型拓展到科學傳播領域，探索這種形式化模型帶來新的方法論的可能。

2 佐曼的進階Bala?-Goyal模型

在傳統(tǒng)的個體認識論中，通常使用貝葉斯模型來刻畫修正個人信念的過程。舉例來說，在“我”以往的觀念中，認為過敏性鼻炎與空氣環(huán)境、個體的休息運動狀態(tài)等有關，與身體里的菌群沒有關系。因此“我”對于“調(diào)節(jié)共生菌群可以改善過敏性鼻炎”這一結論[4]有了一個初始置信度：趨近于零。在漫長的治療過敏性鼻炎的過程中，“我”會使用各種不同的療法：凈化房間空氣、清洗鼻腔、使用少數(shù)民族醫(yī)藥、服用調(diào)節(jié)菌群藥物等。不同療法會產(chǎn)生不同后果，或有效或無效，它們也將構成直接的證據(jù)，改變“我”對原有觀點的相信程度。當調(diào)節(jié)菌群藥物明顯有效地改善了過敏性鼻炎時，這個切身證據(jù)將直接提升“我”對“調(diào)節(jié)菌群可以改善過敏性鼻炎”的信賴程度。

然而科學的專業(yè)化程度越來越高，大部分的科學結論不太可能通過個人的直接經(jīng)驗證據(jù)來驗證。普通公眾不太可能直接參與科學研究，不是科學知識的生產(chǎn)者和確證者，而主要會通過聽取各方不同的聲音，如科技新聞、科學家訪談、商品廣告、朋友交流等，來確定自己相信什么觀點。尤其當很多科學結論以大尺度的統(tǒng)計概率的方式呈現(xiàn)時，個人更難以憑借局部的個人經(jīng)驗來判斷，例如全球氣候變化的趨勢等，因為個人經(jīng)驗對于這些問題而言是非常小的樣本，不足以形成判據(jù)。

在公眾與各種知識來源進行交流時，同樣也存在信念修正的問題，可以用貝葉斯公式P（A|B）=P（B|A）*P（A）/ P（B）來計算公眾是否根據(jù)證據(jù)來源改變了自己的原有觀點，在多大程度上、如何改變了觀點。只不過這里的證據(jù)不僅僅是來自物理世界的證據(jù)，還有他人經(jīng)驗中所包含的證據(jù)。

針對這樣的社會網(wǎng)絡中的知識傳遞，佐曼（Kevin Zollman）將經(jīng)濟學中的Bala-Goyal模型引入科學家之間的交流中[5]。原本這一經(jīng)濟學模型是用于研究家人朋友的意見如何影響到一個人的購買意愿[6]。消費者除了對于產(chǎn)品本身的判斷，還會在購買前與鄰居們討論，然后再做出最終決定。Bala-Goyal模型就是來研究鄰居們的意見究竟如何影響他們的購買意愿的。這一方法應用的簡單場景是賭徒問題。一名賭徒進入賭場，他想知道不同機器的收益，這時他只能通過實際下注每臺機器來學習。每一次參與都會產(chǎn)生不同的結果，這些結果都會幫助他在下一輪中更好地決策，經(jīng)過很多輪的學習之后，就能判斷出來哪臺機器的收益更高。賭徒情境中為判斷提供依據(jù)的證據(jù)是機器所給出的數(shù)據(jù)，在復雜一點的情境里也可以是鄰居們的過往經(jīng)驗——他們購買產(chǎn)品的成功和失敗的數(shù)據(jù)。更為復雜的情況是在科學共同體里，科學家根據(jù)其他科學實驗室的數(shù)據(jù)來判斷到底哪一種競爭性觀點是對的（見表1）。

科學家們的觀點并不總是相同，競爭性理論中總是會有一種觀點成為科學共同體的共識，這表示有一些科學家改變了之前的觀點，不同意見之間開始趨同。這個過程類似于消費者依據(jù)他人意見做決定的過程，引入的模型可以幫助解決以下問題：真知是如何在科學家群體中傳播開來、最終被廣泛接受的？在初期有不同意見的科學家最終是不是總能達成共識？這些問題不僅與每一輪獲得了哪些不同數(shù)據(jù)有關，還與他們與哪些人交流，獲取了哪些數(shù)據(jù)有關。

佐曼將科學家的交流過程進行了理想化處理，他設定不同的科學家持有兩種相互排斥的觀點?？茖W家之間的交流模式有三種典型模式：第一種是環(huán)式，科學家只是與周圍少數(shù)的科學家有交往，整體上整個共同體交流比較少，沒有中心人物;第二種是輪式，交流網(wǎng)絡中有中心人物，共同體成員都與之有交流，而相互之間的交流較少;第三種是網(wǎng)狀，交流網(wǎng)絡中沒有中心人物，每個成員之間的交流都很多（見圖1）。

模型有一個關鍵設定在于科學家們的證據(jù)都是概率性的。因為在大多數(shù)當代實驗中，實驗效果并不會總是一致，有些實驗結果很漂亮，能夠佐證本方觀點，而另一些實驗結果不盡如人意，所以最終的結果是概率性的。例如上文的腸道菌群案例中，同樣的調(diào)節(jié)菌群處方很可能對有些人效果很好，而對另一些人則效果不那么顯著。也就是說，在競爭性觀點中，持任何一方觀點的實驗室中都會有成功和失敗的實驗證據(jù)，會呈現(xiàn)為一個概率。

在圖1三種不同的模式中，單個點所代表的實驗室分別會從與之有聯(lián)結的其他實驗室獲得這些概率，然后結合上一輪的先驗概率得到下一輪的概率。環(huán)式只從相鄰兩個實驗室得到數(shù)據(jù);輪式不僅從相鄰兩個實驗室，還在每一輪中都得到中心人物的數(shù)據(jù);網(wǎng)式則廣泛地從共同體中得到數(shù)據(jù)。佐曼的研究表明，每一種模式的科學家都會或遲或早達成共識，找到最優(yōu)方案。這個結果中包含兩層含義：一層是經(jīng)過交流，科學家們最終將“會”達成共識，第二層是他們在很多情形下會達成正確的共識。環(huán)式結構能達成正確共識，網(wǎng)式結構能稍慢一些達成正確共識，輪式結論雖然達成共識會較快，但結果并不保證正確。一個延伸的結論就是在知識交流網(wǎng)絡中，并不總是交流越多越好，成員參與得越積極越好，如果不能發(fā)揮好的作用，某些人的參與會拖累群體的認知效果[7]。

這個模式構成了最基本的知識交流模型，歐康娜（Cailin OConnor） 和韋瑟羅爾（James Owen Weatherall）在佐曼的模型基礎上做了進一步的拓展，加入了不同類型的主體[8]，形成了多主體的進階Bala-Goyal模型。

3 多主體的進階Bala-Goyal模型

多主體進階模型是在科學家的交流網(wǎng)絡之外加上了政策制定者和不良宣傳者。此時要做判斷的“賭徒”是政策制定者，而不是科學家。政策制定者會分別從科學家群體中的不同派別和不良宣傳者那里得到概率數(shù)據(jù)，修正先驗概率。雖然主體變多了，但計算規(guī)則沒有變化，依然是實驗成功支持本方觀點的概率當作新證據(jù)，放在貝葉斯公式中，形成下一輪的概率。經(jīng)過多輪計算之后，政策制定者就能比較明確地做出判斷哪一方觀點更可信。

圖2最中間的是自己不直接生產(chǎn)知識的政策制定者、右邊是持不同觀點的科學家們、左邊是利益相關的不良宣傳者。不良宣傳者的典型代表是煙草工業(yè)資助的呼吸類疾病研究、疫情期間的陰謀論者等，他們出于利益考慮，會用各種方式來支持一種明確的觀點。因此他們的實驗結果會經(jīng)過仔細篩選，公布支持自己觀點的實驗結果，印證概率非常高。不良宣傳者通常有大量資金支持，所以他們會盡量與所有政策制定者進行交流。他們所發(fā)揮的作用一定程度上類似于輪式結構中中心人物所起到的作用。

黑圓點和白圓點代表兩種不同觀點的科學家，此時科學界還沒有達成最后共識，但政策制定者們需要根據(jù)他們的目前結果來做出判斷。不同觀點的科學家在爭論的過程中，會不斷用實驗來檢驗這些觀點，因此每一個點都有自己成功驗證的概率。政策制定者中有的人會與白圓點觀點的科學家交流，一部分與另一種觀點的科學家交流。這兩方分別想給政策制定者傳遞不同的結論和信息。這個模型能夠計算：經(jīng)過一段時期交流之后，科學家和不良宣傳者對政策制定者所產(chǎn)生的影響，并且能夠通過數(shù)值反映出影響大小和因素關聯(lián)程度。

下面用一個例子來演示模型中不良宣傳者和科學家群體對政策制定者的決定所產(chǎn)生的影響。在科學家部分，黑圓點和白圓點代表的是對于同一個問題采取的不同行動。該例子中指的是面對頑疾，白圓點代表采用某傳統(tǒng)治療藥物，黑圓點代表采用新開發(fā)的藥物。圖中各方對于傳統(tǒng)藥物的可靠性已經(jīng)有了比較好的了解，因此他們需要弄清楚的是新藥物是不是比傳統(tǒng)藥物更好。

圖3（a）是在知識交流之前，政策制定者對于新藥物是否更好這一問題有了初始的判斷，形成了一定的置信度，分別為0.29、0.04、0.62。圖3（b）是科學家群體和不良宣傳者都進行了自己的研究實驗來檢驗新藥是不是比傳統(tǒng)藥物更好。

科學家附近的數(shù)字代表他所實驗出來的成功率，他們在交流中如實地告知了實驗結果。也可以看到，根據(jù)佐曼的科學家交流模型，環(huán)狀交流模式是一種正向的交流模式，有利于得到正確的共識。因此，如果將交流局限在科學界內(nèi)部的話，科學家們所做出來的實驗結果會使得他們在一段時間之后達成共識，而且獲得真知的成功率是較高的。如果只有科學界和政策制定者之間的交流的話，即使一開始政策制定者中大部分都不信任黑圓點代表的更優(yōu)選擇（只有一個黑色方框，而白色方框有兩個），與持這種觀點的科學家的交往也較少（兩個白方框幾乎只與白圓點關聯(lián)），但是可以推論出，經(jīng)過一段時間的交流后，政策制定者也會逐漸信服科學界的共識。當然，對于兩個白方框來說這個過程要更漫長、更艱難一些。

然而交流中的第三方——不良宣傳者在大量資金資助下做了更多組的實驗，因此形成了多個數(shù)字，可以挑選數(shù)據(jù)的空間更大。然而不良宣傳者并不會將所有的結果披露，他們選擇了將黑體的兩組數(shù)據(jù)（低于5的4和3）傳遞給政策制定者。因為這兩組數(shù)據(jù)最符合他們的利益需要。很顯然這兩組數(shù)據(jù)并沒有代表整體實驗的主流，無論是科學家的結果中還是不良宣傳者的結果中，都是大于5的結果更多，也就是成功率比較高。不良宣傳者罔顧數(shù)量更為龐大的結論，選擇性地進行了隱瞞。因此，不良宣傳者與科學家們在朝兩個相反方向引導政策制定者。

圖3（c）代表的是經(jīng)過交流之后，政策制定者們基于他們接觸到的證據(jù)情況，根據(jù)貝葉斯定律修正了自己的判斷，形成了新的置信度?？梢院苊黠@地看到他們對于黑圓點優(yōu)于白圓點的置信度急劇下降。之前不太相信的變成了幾乎不相信（從0.29 降到0 .07， 從0.04 降到 0.004），而之前比較相信的已經(jīng)轉變?yōu)椴惶嘈牛◤?.62 降到 0.29）。可以推斷出，多輪之后，這種情況將更為加劇。

這時盡管政策制定者不一定會由此相信另一方觀點，但是不良宣傳者已經(jīng)成功地動搖了他們對于這一觀點的信念，認為這些觀點并沒有那么可靠，也充滿了不確定性。這將使得他們在下一步的決策中產(chǎn)生猶疑，從而動搖最后的結果。歷史上成功的案例就是煙草工業(yè)贊助的不良宣傳者成功地使政策制定者們不完全確定吸煙與肺癌之間有必然聯(lián)系，即使這已經(jīng)成為科學界的共識。當不確定性成功植入，將直接延緩對于煙草行業(yè)的管控政策。

可以看到，這個進階Bala-Goyal模型是一個相對簡化的社會交流模式，科學家之間的相互交流并不密切，政策制定者相互之間是孤立的，只與少數(shù)科學家和不良宣傳者有交流。不良宣傳者與科學家們之間完全沒有交流，因為大多數(shù)情況下不良宣傳者是有意自成一體地來研究、提供證據(jù)。總體來看這個模型為知識交流網(wǎng)絡搭建了一個聯(lián)動的數(shù)據(jù)關系，從而能對達成共識、修改對信念的置信程度等認識論問題提供一種科學說明。

4 科學普及的進階Bala-Goyal模型

歐康娜的模型所針對的知識交流網(wǎng)絡與科普過程的知識交流網(wǎng)絡很相似。科普是知識傳播過程，最終的目的是讓公眾掌握更多、更準確的科學知識和能力，并運用這些知識和能力更好地應對生活中的問題、協(xié)助做出更好的公共事務判斷等。簡單地分類，這個過程中涉及的主體主要有科學家（內(nèi)部有不同觀點的分歧）、公眾、大眾媒體、自媒體等偽科學消息來源。

下面運用歐康娜進階Bala-Goyal模型來分析科學普及的知識交流過程。這需要做兩個主體的替換，將上述模型中的政策制定者替換成公眾，將不良宣傳者替換成流量至上的科學傳播者。流量至上的科學傳播者指的是目標在于最大限度地實現(xiàn)傳播效果，吸引注意力的媒體。這其中包含從具備專業(yè)素質、希望很好地傳播科學的媒體到并不具備相應素質、假借科學之名牟利的媒體的一個譜系。他們都區(qū)別于科學家群體，不太關心科學問題的整體面貌和內(nèi)部理由，而更關心吸引眼球的事件和結論。這會使得他們像上一節(jié)中的不良宣傳者一樣，為了吸引流量或獲取其他利益，只展現(xiàn)一些離奇的事件，而完全不提及更為廣泛但平平無奇的證據(jù)或結論，或者夸張性地展現(xiàn)一些結論，并不論及內(nèi)在理由。與此同時，科學家通常會如實報告實驗結果，并且是以科學共同體認可的方式得出的結果。但由于他們有內(nèi)部觀點的分歧，也由于科學實驗的自身性質，他們的實驗證據(jù)中總會出現(xiàn)一部分與最終共識結論相背離的證據(jù)。

在認識論上，這兩組替換的主體有著大量的相似之處，尤其是在理想化的模型中。政策制定者和公眾都是不能直接通過實驗等手段來生產(chǎn)、驗證科學知識的群體，他們依賴外界提供知識。不良宣傳者與流量至上的科學傳播者都是通過選擇性披露科學事實而使得科學的真實面目變得模糊，從而可能會混淆視聽。但是不同之處在于，公眾的數(shù)量總體上是比政策制定者的數(shù)量多得多，在模型中只表達局部情況。與此同時，他們中大部分人與科學界的關聯(lián)比較稀疏，而主要接觸大量媒體信息。流量至上的科學傳播者也比不良宣傳者的數(shù)量多得多，類型上也更為離散，并不是有組織地統(tǒng)一觀點和利益，但是由于同一時期引人關注的事件和觀點相對集中，實際上，他們有比較一致的立場。

將這一模型替換為上述科普的相關主體時，模型結構見圖4。在這個結構中，假定流量至上的科學傳播者所輸出的觀點與科學界將達成的共識相悖。

我們類比地來看這個模型所帶來的推論。首先，在上一節(jié)歐康娜模型中不良宣傳者是知識的生產(chǎn)者和驗證者，只是最后得出了并不公允的結論。而適用到科普領域中，流量至上的科學傳播者們幾乎完全不直接進行科學實踐。他們只是以自己的理解提供了對事件貌似科學的解釋，將科學家們的結論和信息有取舍地拿來使用，放大或夸張某些部分?？瓷先?，前者是帶有偏見的知識生產(chǎn)（biased produce），后者是選擇性地共享信息（selective sharing），但是在這個模型中，計算關系層面并不構成實質區(qū)別。只要出現(xiàn)在交流系統(tǒng)中的是類似的證據(jù)面貌，那么就會產(chǎn)生同樣的置信度變化。由于他們不直接進行科學實踐就能完成同樣的信息誤導效應，這使得誤導成本很低。他們只需要從現(xiàn)有的信息中挑選出自己需要的即可。但是這些博眼球的信息實現(xiàn)的傳播面相對于科學界更廣，影響的公眾更多。

這些選擇性地報道信息很多時候并不是惡劣地歪曲事實，而只是沒有報道全部事實。從傳播的角度出發(fā)，只有新奇的事件才會成為新聞被報道，例如在新冠肺炎疫情發(fā)展過程中，大量人注射疫苗之后健康地生活，這樣的事件過于平淡，很少能吸引人們注意。但是如果有重要人物注射疫苗之后依然感染了病毒，就足夠吸引眼球。在公眾看來，這是強的失敗證據(jù)，因此在下一輪計算信念中，會調(diào)低自己對疫苗的信任度。這樣的證據(jù)被廣泛、頻繁地呈現(xiàn)在人們面前，將直接降低對于疫苗能夠預防感染病毒的置信度，從而選擇不注射疫苗。當然，報道反面證據(jù)是新聞工作者的天職，也符合科學的民主屬性，只是它不容易反映科學事件的整體面貌，從而會影響人們最后的行為決策。

第二，在歐康娜模型中，從不良宣傳者成功地動搖了科學界的共識中可以得出：即使科學家們已經(jīng)基本達成共識，得出哪一種對策更為有效，只要流量至上的科學傳播者一直保持活躍狀態(tài)，廣泛地觸達公眾，選擇性地傳播質疑證據(jù)，那么在認識論層面也很難使得公眾完全信服科學界共識[8]。最典型的是全球變暖，這個觀點在科學界非常早就達成共識，但是公眾接納的過程極其緩慢[9]。甚至在公眾的印象中，科學界根本就沒有達成共識。在以往的科普研究中，經(jīng)常將這一現(xiàn)象解釋為公眾的愚昧或非理性，又或者科學家們沒有運用更有效的方法來傳遞知識。通過模型的置信度變化分析，我們可以看到，只要另一個方向的引導力量一直存在，科學家們就無法靠自身將共識傳遞給公眾。

第三，模型解釋了極化現(xiàn)象，人們與哪個社群在一起，一定程度上決定了其所持有的觀點。這一方面是由于社群決定了人們所接觸到的證據(jù)類型，從模型中可以看到，與白圓點接觸更多的人更為贊同白圓點代表的立場，與黑圓點接觸更多的人更為贊同黑圓點的立場。這一點解釋了全球疫情中產(chǎn)生的很多極化現(xiàn)象[10]。當今大數(shù)據(jù)所導致的信息繭房效應也在助力極化，對立的雙方都認為對方情緒化、不理性，實際上由于他們依賴的信息源截然不同，所以各自面對的證據(jù)也很不同，基于他們各自的證據(jù)，他們所持有的置信度是相對理性的。另一方面，在緊密勾連的社群之中，人們總是會隨著周圍大多數(shù)人的觀點來確定自己的信念，社會心理學的經(jīng)典案例——阿希遵從實驗[11]表明通常人們并不想與他人觀點相悖，總是會不自覺地遵從集體。因此，處在什么樣的知識社群中將很大程度地決定觀點、立場，尤其是在突然面對新問題，科學界還沒有可靠共識的情況下。

5 繼續(xù)延展的可能

上一節(jié)中所展示的科學傳播模型是一個極為簡化的模型，在它的基礎上可以做不同的變化或增加參數(shù)來探索更多的問題。例如一些傳統(tǒng)的傳播學問題，通過模型能夠獲得認識論層面的探索。傳播學和認識論探索方式的不同在于，傳播學強調(diào)信息的觸達和接收，處理的關系是媒介與受眾;而認識論主要將公眾設定為理性人，判斷他在多重證據(jù)下會如何處理知識信念。下面將從幾個主要的傳統(tǒng)科學傳播問題來討論模型的延展可能。

第一，在不同的語境下，科學傳播要實現(xiàn)的目的會有所區(qū)別。在新冠肺炎疫情這樣的應急科普場景中，更為強調(diào)速度。一方面是科學家內(nèi)部達成共識的速度，另一方面是科學家共識傳遞給公眾的速度。這一模型能夠計算哪一種交流模式更有利于快速達成共識，經(jīng)過幾次新數(shù)據(jù)產(chǎn)生就能實現(xiàn)置信度的基本一致。 這時可以修改模型中科學家之間的交流模式，探索何種交流方式更有助于達成共識。例如將環(huán)式結構變?yōu)檩啝罱Y構，也就是在交流中確立部分權威，加大相互之間的交流頻率，增強合作，將更有利于科學界在短時間內(nèi)達成共識。如果存在權威，公眾與權威交流和只是與一般科學家交流是否在置信度上有明顯差異也能在新模型中得以考察。

而要使得科學界的共識迅速地說服公眾，最有效的是改變傳播者們所展示證據(jù)的立場，如果與科學界的共識一致，這樣公眾在各個渠道接觸到的基本上都是同一類證據(jù)，會迅速向共識觀點靠攏，但這樣的傳播方式容易存在后患，當公眾在簡單化處理的知識層面與專家達成了比較穩(wěn)固的共識之后，比較難發(fā)生變通和轉移。以疫苗問題為例，中華人民共和國成立以來幾十年的疫苗宣傳，通過專家權威+主流媒體傳播的模式，迅速地在人民群眾中推廣了疫苗防治流行病的觀念。通過講述消滅天花、發(fā)現(xiàn)牛痘等科學英雄故事展現(xiàn)了正面證據(jù)，使得人們牢固地樹立了一種觀念：只要接種了疫苗就不會感染病毒，以至于疫苗在老百姓口中通常被稱為“預防針”。然而事實上，這只是對于疫苗作用的一種極為簡化的處理。病毒一直在變異，疫苗并不一定能精準預測病毒的變異而激發(fā)相應抗體，但是它能減輕癥狀，降低死亡率，減少醫(yī)療資源的擠兌。雖然疫苗并不能完全保證人不感染病毒，但對于防治流行病依然是最優(yōu)選擇。如果后續(xù)不能將這些原理及其中所包含的不確定性補充傳遞給公眾，就會在新的情境中陷入被動，比如當人們看到接種疫苗之后仍然感染病毒的案例時，就會將之作為整個接種疫苗行為的反例。

第二，模型中并沒有設置公眾個體內(nèi)部的交流，假定大家都離群索居，只分別與科學家和媒體之間有知識傳遞。實際上他們可能身處在一個緊密編織的知識交流網(wǎng)絡中，可以呈現(xiàn)出不同的面貌。例如某些人善于社交，具有人格魅力，可能組織起一個有輻射力的圈子，在這個圈子中，他們對其他人信念的影響力要比別人大得多。社交媒體會使得這種公眾交流更為頻繁，也更為復雜。上面提到的全球變暖的科學共識，一直未能很好地傳遞到公眾層面，甚至產(chǎn)生了信息極化現(xiàn)象。對于這個問題，可以嘗試不同的公眾內(nèi)部交流模式，來探索哪一種可以有效地打破極化現(xiàn)象、改變一個頑固的反對群體。例如在一個不認同全球變暖的社群中，如果有一個核心人物，那么改變核心人物的觀念能最有效地改變整個群體的觀點，因為輪式結構能最快達成共識，而達成共識的關鍵在于核心人物。

第三，模型中假定科學傳播者是一致或集中的信息源，也沒有處理科學傳播者與科學家之間知識交流問題。在自媒體時代，很多傳播者也許與科學界之間確實沒有直接知識交流，甚至都沒有直接讀過科學界的發(fā)表物，因此他們可能在觀點和論據(jù)上展現(xiàn)出相對離散的狀態(tài)。模型可以探索這種離散模式會不會在影響力上有顯著區(qū)別。

與此相反，專業(yè)的科技媒體人中有相當一部分人與科學界保持著密切的交往?？萍济襟w人也會遇到持不同觀點的科學家群體，例如中國是否需要建造世界最大粒子對撞機等問題。他們之間的知識交流結構和頻率如何影響科技媒體人的觀點，怎樣的交流才能保證科學媒體人中立地報道事件。

6 小結

本文主要對于科學普及問題進行方法論上的探索，將它重新視為知識的傳遞過程，從認識論角度上處理?；贐ala-Goyal模型的知識交流網(wǎng)絡模型簡要地表征了多個主體在一次或多次知識交流中，會不斷出現(xiàn)新的證據(jù)，這些證據(jù)能夠修正他們前一輪的信念。它有助于探索不同的社會結構和溝通方式究竟在信念層面會給理性人帶來什么樣的改變，從而有利于理解科普作為一種知識傳遞過程的相關問題。

這個模型中的信念變化的過程所針對的是一種純理性方式，也就是主體依據(jù)證據(jù)數(shù)據(jù)來形成新的置信度。然而現(xiàn)實生活中的信念變化并不總是純理性的，情緒感染、過往經(jīng)驗都會影響推理的過程。在解釋現(xiàn)實問題時，模型為我們提供了一條最為核心的置信度變化線索，但仍然要考慮到其他多種因素才能給出恰當?shù)慕忉尅?/p>

參考文獻

[1] Pappas G S. Justification and Knowledge： New Studies in Epistemology[M]. Dordrecht：Reidel，1979.

[2] Goldman A I，Blanchard T. Social Epistemology[C]. Oxford：Oxford University Press，1999.

[3]韓亞棟. 美國口罩問題政治化背后：權力制衡變成權力游戲 [EB/OL]. （2020–08–02）[2021–08–10]. https：//www.thepaper.cn/newsDetail_forward_8549912.

[4] Khan R，Petersen F C，Shekhar S. Commensal Bacteria：An Emerging Player in Defense Against Respiratory Pathogens[J]. Frontier in Immunology，2019，10： 1203.

[5] Zollman K J S. The Communication Structure of Epistemic Communities[J]. Philosophy of Science，2007，74（5）：574-587.

[6] Bala V，Goyal S. Learning from Neighbors[J]. Review of Economic Studies，1998，65：565-621.

[7] Zollman K J S. Social Network Structure and the Achievement of Consensus[J]. Politics，Philosophy & Economics，2012，11（1）：26-44.

[8] OConnor C，Weatherall J O. The Misinformation Age：How False Beliefs Spread[M]. New Haven，CT：Yale University Press，2019.

[9] Cook J，Oreskes N，Doran P T，et al. Consensus on Consensus：A Synthesis of Consensus Estimates on Human-caused Global Warming[J]. Environmental Research Letters，2016，11（4）：1-7.

[10] Faris R，Clank J，Etling B，et al. Polarization and the Pandemic：American Political Discourse[C]. Cambridge：Berkman Klein Center Research Publication，2020.

[11] Schulman G I. Asch Conformity Studies：Conformity to the Experimenter and/or to the Group？[J]. Sociometry，1967，30（1）：26–40.

（編輯? 李紅林）