胡金艷 楊霞 高興啟 滿其峰 張義兵

[摘?要]?以觀點為中心的知識建構(gòu)理論強調(diào)學習者像科學家一樣探究真實問題，多個觀點持續(xù)交互使得社區(qū)逐漸演變成一個復雜系統(tǒng)，非疊加態(tài)的觀點呈現(xiàn)出不能被還原的涌現(xiàn)現(xiàn)象。然而目前對于觀點涌現(xiàn)的研究止步于理念上對其系統(tǒng)屬性的認識，仍然慣性地沿襲還原論的研究視角及范式，將復雜的涌現(xiàn)現(xiàn)象切割為單個觀點甚至是片段化的關鍵詞進行挖掘與分析，未能真正觸及觀點涌現(xiàn)的實質(zhì)?；诖?，本研究采用自下而上的多主體建模來探索觀點涌現(xiàn)的規(guī)律和特征。研究發(fā)現(xiàn)，觀點涌現(xiàn)層級越高需要的時間越長，難度也越大;高層級的觀點會限制低層級觀點的交互域;觀點涌現(xiàn)過程中的能量值呈現(xiàn)從正態(tài)分布到指數(shù)分布的不均衡態(tài)勢，從而為觀點涌現(xiàn)研究提供了全新的視角和方法，對知識建構(gòu)社區(qū)的教學實踐具有多層次的解釋力。

[關鍵詞]?知識建構(gòu); 觀點涌現(xiàn); 多主體模擬; 復雜性科學

[中圖分類號] G434?[文獻標志碼] A

[作者簡介]?胡金艷（1981—），河南漯河人。講師，博士，主要從事知識建構(gòu)和涌現(xiàn)論研究。E-mail：hujinyan07@163.com。

一、引??言

法國哲學家、教育家埃德加·莫蘭曾無比擔憂地說：“致力于傳播知識的教育對于什么是人類認識、它的機制、弱點、困難和可能導致錯誤和幻覺的傾向一無所知?！彼粲跷磥斫逃逍训卣J識并擁抱“不確定性”，正視知識建構(gòu)的復雜性。學界對該類問題的激烈討論以及學校教育轟轟烈烈的改革從未停止，具體表現(xiàn)在三個方面：其一，從研究的視角和方向看，被譽為“21世紀的科學”的復雜性科學作為系統(tǒng)理論發(fā)展的第三波浪潮正日益從自然科學界向哲學、人文社會科學領域滲透，逐漸成為教育領域新的科學思維方向;其二，從對人類學習的認識看，人們早已覺悟到類似于“知識從教師的頭腦傳遞到學生的頭腦是一件完全沒有問題的事情”這一刻板觀念的淺薄與局限，新的知識創(chuàng)造隱喻逐漸得到學界認可，諸如“兒童像科學家一樣主動建構(gòu)自己的知識”的建構(gòu)論深入人心，以“觀點（Idea）為中心”的知識建構(gòu)（Knowledge Building，KB）理論就是該隱喻下的典型代表;其三，從研究方法看，復雜系統(tǒng)中的個體經(jīng)過多層次互動生成創(chuàng)造性整體的核心理念決定了研究思路需要從自上而下的還原分解到自下而上的生成創(chuàng)造轉(zhuǎn)向，多主體模擬（Multi-agents Simulation）便是該轉(zhuǎn)向中具有代表性的方法。因此，本研究立足于復雜系統(tǒng)，將KB中的觀點視為有生命的主體，多個觀點經(jīng)由多層次互動，形成難以預測的、動態(tài)變化的復雜網(wǎng)絡系統(tǒng)，觀點會表現(xiàn)出非疊加的、不能被還原的屬性和特征，即復雜性科學層面的涌現(xiàn)（Emergence）現(xiàn)象。研究引入涌現(xiàn)論中經(jīng)典的、自下而上的多主體模擬法，在NetLogo軟件中進行觀點涌現(xiàn)的模型構(gòu)建研究。

二、研究背景

（一）復雜性科學與涌現(xiàn)論代表著系統(tǒng)理論的最近浪潮

復雜性科學是系統(tǒng)科學發(fā)展的第三波浪潮，代表著科學演化的第三種歷史形態(tài)，這意味著科學思維基本方向的轉(zhuǎn)變。復雜系統(tǒng)首先被應用于自然科學領域，隨后，許多有洞見的學者將其拓展到人文社會科學領域。早在1999年，莫蘭就從宏觀層面呼吁將教育的任務確定為“迎戰(zhàn)不確定性”，應用復雜性科學來重構(gòu)教育問題。美國國家科學基金會在本世紀初專門建立學習科學中心來深入研究“復雜現(xiàn)象和多維數(shù)據(jù)的呈現(xiàn)與表征”。Forsman等認為復雜性科學可以作為一個理論框架擴展物理教育研究。Michael等明確將教育作為復雜系統(tǒng)，強調(diào)復雜性科學在概念和方法上對教育的重大影響?！秳?qū)W習科學手冊》（第2版）專門增加了一章復雜性科學的內(nèi)容。李曙華等通過研究系統(tǒng)科學與圣塔菲網(wǎng)絡課程的結(jié)構(gòu)，探索了MOOCs與現(xiàn)實課堂結(jié)合的教學模式。田浩等研究了復雜性科學視域下的學習干預。這些研究展現(xiàn)了復雜性科學在多學科領域的蓬勃發(fā)展，教育領域亦成為其發(fā)展的重要陣地。

涌現(xiàn)是復雜性科學的一個中心概念，代表著相互作用后的復雜系統(tǒng)具有部分所沒有的特質(zhì)。Sawyer基于社會學理論的結(jié)構(gòu)范式和交互范式，提出了第三種范式——涌現(xiàn)范式。萊斯利認為，在建構(gòu)主義理論的發(fā)展中，阻止任何代理分化和整合的主要障礙是當代理論中缺乏涌現(xiàn)的觀念，知識碎片的疊加不會產(chǎn)生涌現(xiàn)，知識是被建構(gòu)成潛在的行為和互動的組織。然而在當前的學校教育中，知識在學科之間被分割、肢解、簡化和模塊化的弊端日益顯露，學界更加關注多學科性、跨學科性、超學科性、橫向延伸的、多維度的甚至跨國界和種族的知識。觀點涌現(xiàn)的提出正是對這種改革模式的一個回應，在KB社區(qū)中的觀點群通過不斷聚集和交互，最終演化為不同于原始觀點的特性，即觀點的涌現(xiàn)性。

（二）知識建構(gòu)理論與涌現(xiàn)論在理念上具有相通性

涌現(xiàn)范式是不滿于一般系統(tǒng)科學運用非線性方程將集體的性質(zhì)還原為個體行為的做法，認為其不能解決社會涌現(xiàn)和現(xiàn)實問題而提出的;而KB強調(diào)社區(qū)知識的生成與創(chuàng)造，其前一個階段是人類學習的“參與隱喻”，這和涌現(xiàn)范式興起之前的“交互范式”理念一致。這足以說明二者發(fā)展背景和理念有相通相融之處。有學者用群體認知的概念來表示從團隊成員相互作用中產(chǎn)生群體層面共同的理解，從而生成團隊新的見解。觀點涌現(xiàn)成為集體KB的一個重要特點，是系統(tǒng)更高層次上的事件或結(jié)構(gòu)，不能通過孤立地考慮其較低層次元素的特征來充分理解。KB是創(chuàng)生新的群體層面的、無法依據(jù)已有知識預測的產(chǎn)品的過程，對復雜系統(tǒng)進行深入的理論與實踐研究將極大地有助于對涌現(xiàn)現(xiàn)象的理解。

KB是對社區(qū)有價值觀點的生產(chǎn)和持續(xù)改進，它以提高社區(qū)所能實現(xiàn)的遠大于個體貢獻總和的可能性為手段，并且成為擴展文化努力的組成部分。此定義蘊含了豐富的復雜性科學和涌現(xiàn)思想，觀點一旦被記錄到平臺中，這種人造物就具有了自主性和生命力，具有某種自我創(chuàng)造與演化的機能，也可以被他人閱讀、評論、批判、提升、質(zhì)疑等。Li 等基于復雜性理論的模型，將知識視為自組織過程的涌現(xiàn)，明確將知識創(chuàng)造看成涌現(xiàn)過程。Gourlay等結(jié)合了卡爾·波普爾的“世界3”概念，將知識視為一種外部的、類似對象的存在，這和KB所依據(jù)的哲學理念和方法論相似。觀點作為“生命體”不斷發(fā)展和進化這一觀念在學習科學界逐漸得到認可，Krauskopf等甚至將觀點看作“文化基因”（Meme）來研究KB交流中的觀點改進過程。這些研究充分說明了研究者對KB中觀點改進復雜性的認識，甚至有學者認為由觀點生成的概念性人工制品本質(zhì)上就是涌現(xiàn)。有學者構(gòu)建了自組織視域下的在線深度協(xié)作KB活動組織框架及策略，Hong認為KB社區(qū)具有自組織網(wǎng)絡的特征，而自組織是與涌現(xiàn)密切相關的一個概念?！凹w認知責任”是KB12條原則中極其重要的一條，某些新的洞見只能通過集體才能產(chǎn)生，對集體層面的關注和強調(diào)KB與涌現(xiàn)論思想的相互呼應，也說明了二者理念上的相通。

（三）從還原到生成的研究方法轉(zhuǎn)向

盡管有研究者關注到KB社區(qū)中觀點改進的非線性、自組織、適應性等特征，但在方法上仍然停留在對觀點的網(wǎng)絡關系、階段劃分、軌跡跟蹤等外在表現(xiàn)上，未能真正從非還原論視角對觀點涌現(xiàn)現(xiàn)象進行解讀。很明顯，將研究視角定位到單個觀點的還原論對這些現(xiàn)實問題的解決空間十分有限。實際上，觀點在KB社區(qū)中有多個層次的涌現(xiàn)，完全解釋其整體層面的特質(zhì)需要突破還原論的極限。在研究方法層面，多數(shù)利用社會網(wǎng)絡分析為研究學生互動密度的工具，挖掘成員在分享知識和推動探究方面的重要角色，但最終的分析單位仍然落在個體上。有學者將社區(qū)成員當作網(wǎng)絡的節(jié)點，將成員間的聯(lián)系當作節(jié)點之間的連線，對密度、中心性等網(wǎng)絡指標進行分析，盡管聚焦到了系統(tǒng)的整體層面，但僅分析了表層化信息，并未對涌現(xiàn)作深入探究。計算機建模并未被廣泛應用于KB觀點改進的研究，與利用還原論的哲學視角相比，涌現(xiàn)論實現(xiàn)了從對單個觀點到“觀點群”的研究，不僅能夠體現(xiàn)觀點間錯綜復雜的關系，更能從整體視角對觀點涌現(xiàn)的層次進行分析，正視知識創(chuàng)造過程中觀點生成具有的復雜性。通過對復雜性科學、涌現(xiàn)論及相關研究方法的梳理，發(fā)現(xiàn)其發(fā)展現(xiàn)狀和理念之間的關系可以用表1來表示。

綜上，已有研究存在問題如下：其一，探索理念上雖對觀點涌現(xiàn)現(xiàn)象有所認識，但止步于對其系統(tǒng)屬性的認可，仍然慣性地沿襲還原論的哲學視角及研究范式;其二，研究方法上將復雜的觀點及群體行為切割為單個觀點甚至是片段化的關鍵詞來分析，不僅難以洞察涌現(xiàn)出現(xiàn)的時機，更無法準確地把握KB淺層化的癥結(jié)所在。因此，本研究將觀點視為一個生命體，通過引入“熵”的概念將觀點間的交互視為能量交易，采用計算機建模的方法來揭開觀點涌現(xiàn)的“黑箱”。研究問題包括：非疊加態(tài)的觀點是如何通過交互進行能量交易的，觀點涌現(xiàn)的過程具有怎樣的規(guī)律，觀點涌現(xiàn)是如何實現(xiàn)層級躍遷的。

三、模型構(gòu)建

根據(jù)研究問題進行觀點涌現(xiàn)模型的設計和構(gòu)建，具體包括多主體模擬介紹、模型構(gòu)建思路、模型規(guī)則提煉三個部分。

（一）基于規(guī)則的多主體模擬

計算機模擬是認識復雜性和涌現(xiàn)現(xiàn)象的經(jīng)典方法，現(xiàn)實中大量復雜現(xiàn)象都可以在模擬中得以重現(xiàn)。因此復雜性科學中存在著“非模擬不可推導” 的說法，模擬可以說是將復雜系統(tǒng)過程黑箱透明化的最佳手段和工具之一。多主體模擬是復雜系統(tǒng)范式中強大而嚴格的方法論，主張從多個主體出發(fā)，自下而上、基于規(guī)則地模擬與推理。具體來說，多主體模擬是將現(xiàn)實世界中紛繁復雜的現(xiàn)象和問題抽象為節(jié)點和連線的關系，并通過抽取規(guī)則來模擬涌現(xiàn)現(xiàn)象。本研究采用NetLogo來進行觀點能量交易的模擬，該軟件目前已經(jīng)被廣泛應用于生物學、物理、化學、社會學、心理學等領域中，是一個經(jīng)典的復雜系統(tǒng)建模軟件。研究者通過基于規(guī)則的多主體模擬系統(tǒng)向多個（幾百甚至上千）主體（Agent）發(fā)出指令，通過計算機環(huán)境模擬多個主體自下而上、自然而然的涌現(xiàn)行為，直觀地展現(xiàn)系統(tǒng)的生成、演化過程。

（二）觀點涌現(xiàn)模型構(gòu)建思路

觀點之間的相互作用實質(zhì)上是主體對物質(zhì)、能量、信息等的傳遞與處理，觀點接受其他觀點的能量輸入，同時可以輸出能量。KB社區(qū)中觀點的能量交易是雙向同時發(fā)生的，即能量同時處于輸入和輸出的狀態(tài)。該模型用來揭示觀點在演化過程中能量變化導致的涌現(xiàn)現(xiàn)象，在經(jīng)典“羊—草生態(tài)系統(tǒng)”和“人工經(jīng)濟”模型的基礎上進行構(gòu)建。前者是一個由羊和草構(gòu)成的小型生態(tài)系統(tǒng)，核心規(guī)則包括：羊有一個能量值，吃草可以增加能量值;羊每個周期都消耗能量，能量值小于等于0會死亡;當能量聚積到一定水平時羊會繁殖，繁殖消耗能量，新出生的羊天然具備一定能量;草可以自發(fā)地從地里長出來的。人工經(jīng)濟模型的規(guī)則包括：一個經(jīng)濟系統(tǒng)中人和財富總量保持不變;初始狀態(tài)每個人都有等量的貨幣;當兩個人相遇時，財富發(fā)生隨機轉(zhuǎn)移。

為說明多觀點交互而生成的涌現(xiàn)現(xiàn)象符合復雜系統(tǒng)規(guī)律，進而使用復雜系統(tǒng)的方法來模擬、證明乃至預測其走向，須引入“熵”的概念來進行推理?！办兀‥ntropy）”源自古希臘Trope一詞，意為“變成”或“轉(zhuǎn)化”，是對不能轉(zhuǎn)化成功的能量的度量。通俗地說，熵代表一種無序度，在物質(zhì)世界中，熵總是不斷增加的，這是復雜開放系統(tǒng)的普遍規(guī)律，即“熵隨時間增加”，KB社區(qū)中多觀點間的交互系統(tǒng)自然也遵循此規(guī)律。從無序到有序是一個“熵減”過程，該規(guī)律最初用在自然科學領域，直到1929年匈牙利物理學家利奧·西拉德將熵與信息聯(lián)系起來，從而奠定了信息論的基礎和復雜系統(tǒng)的關鍵思想。之后數(shù)學家香農(nóng)在繼承玻爾茲曼思想的基礎上開創(chuàng)了信息論這個新領域，明確用“熵”來定義信息量，即“香農(nóng)熵”。至此用“熵”來解釋觀點能量交易便有了理論依據(jù)。觀點通過交互獲取有價值的能量（負熵），同時釋放能量。從建構(gòu)主義的視角來看，由不同的人所產(chǎn)生的觀點（即便是針對同一個主題的看法）完全相同的幾率是非常低的，因此，在交互中總會互相影響，不僅可以增加看待問題的角度，還可以刺激與驅(qū)動觀點自身的聚集與生長。即使是兩個完全相同的觀點，在互動的過程中也可以相互印證，通過互相閱讀形成該觀點的證據(jù)和理由，增強彼此的信心，為其更深入的發(fā)展奠定基礎。

（三）模型演化規(guī)則的提煉

1. 模型規(guī)則提煉

從復雜性科學的角度來看，KB社區(qū)是一個開放自組織系統(tǒng)，觀點由于“熵增”而不可避免地走向無序，要想變得有序則必須通過有效交互來吸取“負熵”，否則當能量被耗散殆盡觀點就會死亡。即沒有任何交互的觀點會成為一個封閉系統(tǒng)持續(xù)產(chǎn)生熵增。從這個角度看，觀點涌現(xiàn)是“產(chǎn)生于無序之中的有序”。依據(jù)熵增定律，觀點每個周期都會消耗能量，如同生物體的新陳代謝一樣，能量交易實質(zhì)上是觀點能量值的積聚或耗散，因此，觀點對負熵的吸收也代表了其在系統(tǒng)中的適應度。觀點具有一個初始能量值100（不對觀點的深度作價值判斷，聚焦于觀點的持續(xù)改進）。如同人工經(jīng)濟模型中貨幣轉(zhuǎn)移規(guī)則一樣，將每個觀點視為擁有一定能量值的分子，觀點交互可以增加一個隨機的能量值。這也是“對等的知識發(fā)展”之原則所決定的，即兩個交互的觀點能量值都增加一個隨機數(shù)。相反地，觀點每一個周期都在消耗能量，熵增會導致觀點逐漸沉寂、萎縮直至死亡或消失。死亡的觀點如果得到其他觀點的主動交互，會重新獲取能量，當獲取的能量達到一定閾值，就會復活。能量值累積到一定水平觀點就會繁殖，將這種繁殖視為一種涌現(xiàn)，繁殖行為會消耗觀點的能量。

假如一個觀點總是與同一個觀點進行交互，那么它們能夠轉(zhuǎn)移的能量會越來越少，因為這兩個觀點會逐漸趨同，形成捆綁、封閉、保守發(fā)展的態(tài)勢，在系統(tǒng)中的開放度降低而持續(xù)地產(chǎn)生熵增。多個領域的學者都得出過類似的結(jié)論，如有學者研究了近年來241個學科的數(shù)以億計的同質(zhì)化科研論文，得出這類論文的暴增會從根本上嚴重阻礙科研進步和創(chuàng)新思想出現(xiàn)的結(jié)論，新團隊在科學研究的多個方面都比固定舊團隊具有優(yōu)勢。綜上，最終提煉出的規(guī)則如下：觀點群構(gòu)成了一個生態(tài)系統(tǒng)，觀點每個周期都消耗能量;初代觀點一經(jīng)發(fā)表，都具有等量的能量值，發(fā)生交互則隨機增加該值;不同代際的觀點具有不同的交互機會，其所傳遞的能量值就低不就高;當能量積累到一定水平，觀點會繁殖（繁殖消耗能量），新出生的觀點具有一定的能量并具有更高的交互能力和繁殖能量;假如一個觀點與同一個觀點交互多次，其傳遞的能量會越來越少;死亡的觀點得到交互機會能夠獲得能量，當能量積累到一定水平則可以復活。

2. 模擬實現(xiàn)思路

當兩個觀點相遇時，可以用m來表示觀點主體1的能量值，用m來表示觀點主體2的能量值，它們相互作用時會發(fā)生能量的轉(zhuǎn)移和變化，借鑒“人工經(jīng)濟”模型中的財富轉(zhuǎn)移公式，引入跨層級交互系數(shù)，兩個觀點主體能量交易（含跨層級）的公式為：

△m=（1-）m????m?m（1-）mm>m???????式（1）

其中△m是觀點交易的能量值，ρ是總層級數(shù)，γ為參與交易的兩個觀點間的層級差，每層觀點交易的能量值是不同的。ε是觀點每次參與交易的能量值，δ是同組觀點交互的頻數(shù)。

當每個層級的觀點能量累積到一定的程度會進行繁殖，繁殖的能量臨界值（h）的公式為：

=m+∑φm???????????????????式（2）

其中，m為父級觀點能量的初始值，n為代際值，φ是代際之間的差值比。能量交換為觀點涌現(xiàn)創(chuàng)造了條件，能量的交換與轉(zhuǎn)移可以生成新的模式，觀點選擇性地交換能量使自己更好地生存，觀點通過能量的積聚和耗散而產(chǎn)生的繁殖行為是更高層級的涌現(xiàn)。

四、模擬過程與結(jié)果

根據(jù)觀點能量轉(zhuǎn)移的規(guī)則，在NetLogo模擬界面中設置觀點的可調(diào)節(jié)規(guī)模，周期性投放新觀點。每個層級的觀點能量初始值遞增，觀點消耗和轉(zhuǎn)移的能量均設置為可調(diào)節(jié)的滑塊。觀點低于一定的能量值會停止運動，達到初始值后又重新開始運動（復活）。在繪圖框中顯示和分析總能量值的變化曲線、各層級的能量值變化和觀點個數(shù)變化曲線、停止交互的觀點個數(shù)曲線以及觀點能量值分布直方圖，如圖1所示。

（一）觀點涌現(xiàn)層級越高，需要的時間越長，涌現(xiàn)難度也越大

與人工經(jīng)濟模型不同的是，系統(tǒng)中的觀點數(shù)和總能量值并非恒定，而是會隨時間和觀點交互而變化。由圖2左下可知，總能量呈上升趨勢，結(jié)合圖2左上各層級的能量動態(tài)變化情況，發(fā)現(xiàn)各層級的變化情況有較大差距。由圖2左上可知，初代觀點產(chǎn)生后，經(jīng)過短暫交互約在20 ticks之后就有下一代觀點被繁殖，二代觀點能量增長迅速，在短時間內(nèi)總能量值超越其父代并在150 ticks之后繁殖出三代觀點。三代觀點的能量聚集起初較為緩慢，其父代觀點能量下降時說明有較多觀點被繁殖，三代觀點能量迅速上升。結(jié)合圖2右上的個數(shù)變化，盡管初代觀點的個數(shù)持續(xù)增加，但由于更高層級的觀點占據(jù)了主流，其交互機會減少，能量值并未持續(xù)上升。在運行了800 ticks之后才有四代觀點出現(xiàn)，且能量增長極其緩慢。這表明了初代觀點較容易與其他觀點傳遞能量并涌現(xiàn)出下一代觀點，但形成穩(wěn)定的高級涌現(xiàn)則需要經(jīng)過長時間堅持不懈的能量聚集。即層級越高觀點涌現(xiàn)的難度越大，需要的時間也越長。一個層級觀點能量值從升高到逐漸平穩(wěn)或降低代表繁殖后觀點能量值回落，也意味著更高一級的觀點即將增加。模型中運行的步數(shù)不僅表示觀點交互的時間，還代表能量的流轉(zhuǎn)量，即必須經(jīng)過一段時間的能量積聚，才會有涌現(xiàn)現(xiàn)象發(fā)生。

（二）高層級的觀點涌現(xiàn)會限制低層級觀點的交互域甚至導致其發(fā)展停滯

每個觀點通過規(guī)則感知局部信息，在模擬環(huán)境中與其他觀點進行非線性的相互作用。觀點停止運動代表該觀點交互域減小，交互機會降低。依據(jù)理查德·道金斯的Meme理論，一個觀點從產(chǎn)生之初便具有延續(xù)下去的基因，而且總是趨向于和能夠增加自己能量值的觀點靠近，和與自身相關的觀點（相似或相反）具有天然的吸引力，進而催生涌現(xiàn)現(xiàn)象的發(fā)生。從圖2右下停止運動的曲線看，初代觀點停止運動的最多，其次是三代觀點。這是因為初代觀點雖然每個周期都有相應的增加，但隨著更高層級的觀點出現(xiàn)，初代觀點的交互機會降低，盡管數(shù)量不斷上升，其能量值卻很難持續(xù)增加，較多的觀點由于缺乏交互機會導致能量值低于100而停止運動。這種停止運動的狀態(tài)代表了觀點在較長時期內(nèi)是孤立的，很少甚至完全沒有機會和其他觀點進行交互，未能吸取負熵，而能量卻在周期性地損耗。三代觀點比二代觀點停止運動的更多，也是因為交互域的影響，當二代觀點聚集能量并逐漸占據(jù)主流時，雖然有三代觀點的出現(xiàn)，但其數(shù)量有限，與低層級的觀點交互機會受限導致有較多的觀點停止運動，需要積累一段時間的能量之后才能逐漸發(fā)展。

（三）觀點能量分布呈現(xiàn)從正態(tài)分布到層級躍遷之后指數(shù)分布的變化規(guī)律

為分析觀點能量分布動態(tài)變化情況是否均衡，本研究使用NetLogo的繪圖功能來顯示不同時刻觀點能量分布狀況直方圖，如圖3所示，橫軸代表觀點能量區(qū)間，縱軸表示該區(qū)間的觀點數(shù)量?？梢钥闯?，不同的時刻觀點能量值分布有較大差異，初代觀點的能量值較低，經(jīng)過百步的交互之后，能量值迅速上升并呈現(xiàn)完全不同的分布狀態(tài)，在千步之后逐漸趨向穩(wěn)定。

為進一步了解觀點能量變化的趨勢，利用Matlab 的分布直方圖繪制工具Dfittool和分布擬合工具DistributionFitter對上述數(shù)據(jù)進行擬合。從整體上看，當初始觀點開始交互時，其能量值分布較平均和集中，隨著觀點持續(xù)相互作用，其能量值呈現(xiàn)出正態(tài)分布，如=113、239時刻。對=239時刻的能量值進行擬合，發(fā)現(xiàn)其峰度值為-0.817，偏度值為0.562，服從正態(tài)分布。隨著觀點的深度互動和高層級觀點的不斷涌現(xiàn)，觀點總能量值增高，低能量值的觀點數(shù)量增多（如=500 ticks之后）。對=1226時刻的分布情況進行分布擬合，擬合優(yōu)度R-square值為0.9323，均方根誤差為7.9580，說明服從指數(shù)分布，即該時刻隨著觀點能量（x）的減小，觀點個數(shù)（y）呈現(xiàn)指數(shù)級的增加。且當系統(tǒng)繼續(xù)運行，如=1476、1646 ticks時直方圖并無大的改變，收斂在指數(shù)分布，其發(fā)展逐漸呈現(xiàn)不均衡的態(tài)勢。這和一般的復雜系統(tǒng)能量分布類似，如經(jīng)濟、社會、生態(tài)等系統(tǒng)中能量的積存和釋放一般也具有這樣的指數(shù)規(guī)律，也即系統(tǒng)中的觀點能量值分布朝著不平等的趨勢演化。

五、結(jié)論與討論

（一）觀點涌現(xiàn)模型對現(xiàn)實KB社區(qū)具有多方面的解釋力和啟示

第一，觀點持續(xù)而充分的交互是其涌現(xiàn)的前提，未經(jīng)深度交互的觀點會不斷消耗能量而逐漸處于停滯狀態(tài)，很難達到高層級的觀點涌現(xiàn)。KB教學中無論小組的形成還是突破性進展的取得都不是線性的，可能需要經(jīng)過長時間的能量聚集才會發(fā)生，因此，師生都需要認識到過程的不確定性，在持續(xù)推進中有足夠的耐心。第二，盡管不同層級的觀點可以共存，但高層級觀點占據(jù)系統(tǒng)中的主流地位時，會限制低層級觀點的發(fā)展，因為觀點總是傾向于和能提供更多負熵的觀點交互。這說明雖然觀點交互活動的邊界是模糊的，但一個觀點并不是漫無邊際地和所有觀點具有同等的交互機會，一個層次相差較多的觀點也較難融入群體中，這說明觀點要想得到好的發(fā)展，必須擁有足夠多的交互機會，使自己成為“入群者”，避免被孤立而導致發(fā)展停滯。第三，觀點能量值分布的直方圖從正態(tài)分布收斂到指數(shù)分布表明能量分布的不均衡。這說明并不是每一個觀點都能得到同樣的發(fā)展，有些觀點通過能量交易聚集在一起生成有前景的研究主題，有些觀點融入某個群體中，而一些瑣碎的、探究空間較小的觀點會逐漸停止發(fā)展，這說明并不是每個初始觀點都能夠有較高級別的涌現(xiàn)。當學生外化和清晰表達他們發(fā)展中的知識時，他們學得更有效。學生不是先學習一些東西然后再把它表達出來;相反，最好的學習是當學生清晰地表達他們尚未形成、仍在發(fā)展中的理解，并在整個學習過程中不斷清晰地表達。在KB的理念中，教育者也不是將知識加工成熟之后才教給學生，而是學生從各種不成熟甚至幼稚的、錯誤的觀點中逐漸涌現(xiàn)出對于他來說全新的創(chuàng)造性知識。

（二）觀點涌現(xiàn)是觀點能量積聚中一次次的層級躍遷

觀點通過能量交易而出現(xiàn)的繁殖實際上是觀點涌現(xiàn)層級的躍遷，其躍遷過程如圖4所示。真實觀點層是觀點涌現(xiàn)的原始材料，也是層級中的基本單位，更是KB學習的起點。作為復雜系統(tǒng)的行動主體，觀點通過不斷與其他觀點積極互動來展示出涌現(xiàn)的潛力。低層級是生成較高層級的基礎，較高層級對較低層級具有下向因果關系。真實的觀點未被預先賦予已知的知識，相互作用也是在自組織的開放環(huán)境中進行，因此，其互動的結(jié)果充滿了未知性與不確定性。

“Meta”根源于希臘文，作為前綴本身具有After、Beyond、Changed、Higher等含義，在學術領域使用較為廣泛，一般被表達為“Meta **=** of/about **”，常譯為元**，如Metacognition譯為元認知，亦常被解釋為認知的認知。許多學者將涌現(xiàn)與“元**”的概念聯(lián)系起來，復雜理論的先驅(qū)霍蘭德將復雜適應系統(tǒng)中更高一級的主體稱為元主體（Meta-Agents），元主體能夠涌現(xiàn)出單個主體所不具備的屬性，經(jīng)再次聚集能夠生成元—元主體（Meta-Meta-Agents），甚至會有元—元—元主體（Meta-Meta-Meta-Agents）。這個過程經(jīng)過多次重復，就是復雜系統(tǒng)中典型的涌現(xiàn)層次，本研究中主體即觀點。元系統(tǒng)躍遷理論也解釋了生命科學、社會學等多個領域作為復雜系統(tǒng)的涌現(xiàn)層次。莫蘭認為元系統(tǒng)是一個能夠把系統(tǒng)作為認識對象來處理的系統(tǒng)，從它產(chǎn)生元觀點就表明主體的認識結(jié)構(gòu)已被擴充，立足于新的理論基礎之上，而認識永遠是開放的、動態(tài)發(fā)展的、未完成的。元系統(tǒng)本身又只能從一個元元系統(tǒng)出發(fā)來審查自己，如此反復，以至無窮。

元觀點（Meta-Idea）代表了對初始觀點的反思、綜合、升華與創(chuàng)新，是高一級的涌現(xiàn)形式。元觀點又和其他層級的觀點進行能量交易，生成元—元觀點（Meta-Meta-Idea），又是一個新的涌現(xiàn)層級。層級之間具有不可還原性，即“Meta-”層級是涌現(xiàn)的結(jié)果，新的整體模式不斷出現(xiàn)?？梢哉f，觀點涌現(xiàn)是來自低層次觀點、屬于高層次觀點、又不能完全用低層次觀點解釋的構(gòu)型。KB教學中教師要鼓勵學生產(chǎn)生觀點并持續(xù)推進，真正重要的不是學生掌握了多少概念，而是幫助其生成“Meta-”層級的觀點，從而達到觀點涌現(xiàn)層級的躍遷。教師要敏銳地洞察到社區(qū)中觀點的躍遷，如學生最初的觀點可能只是闡述了某領域范疇中的一個特例，而涌現(xiàn)出的元觀點擁有更廣闊的視域，具有比某一類認識對象更廣泛的適用性，向上為生成獨特的理論體系奠定基礎，向下則可以為某個真實情境中的現(xiàn)實問題提供解決思路和方法。

（三）從化繁為簡到化簡為繁的思路推進了研究視角的轉(zhuǎn)變

在復雜性科學第三波浪潮的沖擊下，整體不能還原為部分元素，部分也不能通過疊加成為整體，已經(jīng)逐漸成為共識?！皬碗s”不再是被回避、被還原、被企圖消除、被妖魔化的，而是被正視、被構(gòu)造、被生成、被正名的，更是在理念和研究方法層面都必須清晰解讀的領域。研究將復雜性科學引入到KB對觀點涌現(xiàn)的探索中，推進了研究視角的轉(zhuǎn)變，同時為KB的12條原則提供了復雜性科學視角的解讀，如權威性資料的建構(gòu)性引入實際上是為觀點互動形成的復雜適應系統(tǒng)引入“負熵”，為觀點群逐漸走向有序提供能量。深入挖掘和揭示觀點涌現(xiàn)的內(nèi)部機理，將幫助教師認清觀點改進中的復雜性特征，為教師教學策略的調(diào)整提供依據(jù)，從而破解KB教學過程的觀點群相互作用中千變?nèi)f化、難以把握的難題。

[參考文獻]

[1] 埃德加·莫蘭.復雜性理論與教育問題[M].陳一壯，譯.北京：北京大學出版社，2004：6，9.

[2] WIDEEN M， MOON M S. A critical analysis of the research on learning to teach： making the case for an ecological perspective on inquiry[J]. Review of educational research， 1998，68（2）：130-178.

[3] PAAVOLA S， HAKKARAINEN K. The knowledge creation metaphor -an emergent epistemological approach to learning[J]. Science & education， 2005，14（6）：535-557.

[4] LOSSMAN H， SO H J. Toward pervasive knowledge building discourse： analyzing online and offline discourses of primary science learning in Singapore[J]. Asia Pacific education review， 2010，11（2）：121-129.

[5] SAWYER R K. Social emergence： societies as complex systems[M]. New York： Cambridge University Press， 2005： 10.

[6] 費軍，陳綿云，宋業(yè)新，張曙紅.系統(tǒng)管理學的演化與進展[J].科技進步與對策，2003，20（6）：173-175.

[7] 周加仙.一九九〇年代以來世界學習科學的發(fā)展及其對教育的啟示[J].教師月刊，2019（8）：8-25.

[8] FORSMAN J， MOLL R， LINDER C. Extending the theoretical framing for physics education research： an illustrative application of complexity science[J]. Phys.rev.st phys.educ.res， 2014，10（2）：020122.

[9] JACOBSON M J， LEVIN J A， KAPUR M. Education as a complex system： conceptual and methodological implications[J]. Educational researcher，2019，48（2）：112-119.

[10] SAWYER R K. The Cambridge handbook of the learning sciences[M]. Cambridge： Cambridge University Press， 2014：319

[11] 李曙華，李洋，桑新民.探索MOOCs與現(xiàn)實課堂結(jié)合的教學模式——系統(tǒng)科學與圣塔菲網(wǎng)絡課程的個案研究[J].遠程教育雜志，2014，32（5）：17-23.

[12] 田浩，武法提.復雜性科學視域下的學習干預：概念解析、核心要素及模型構(gòu)建[J].電化教育研究，2022，43（9）：29-36.

[13] L.P.斯特弗，J.蓋爾.教育中的建構(gòu)主義[M].高文，徐斌艷，程可拉，譯.上海：華東師范大學出版社，2002：205-206.

[14] STAHL G. Group cognition in computer-assisted collaborative learning[J]. Journal of computer assisted learning， 2010，21（2）：79-90.

[15] JOHNSON S. Emergence： the connected lives of ants， brains， cities， and software[M]. New York： Scribner. 2001：50.

[16] FISCHER F， GOLDMAN S R. International handbook of the learning sciences[M]. London： Taylor & Francis Group， 2018： 140.

[17] SCARDAMALIA M， BEREITER C. Knowledge building[C]. GUTHRIE J W（Ed.）， Encyclopedia of education （2nd ed）. New York： Macmillan. 2003： 1370-1373.

[18] LI Y， KETTINGER W J. An evolutionary information-processing theory of knowledge creation[J]. Journal of the association for information systems， 2006，7（9）：593-617.

[19] GOURLAY S. Conceptualizing knowledge creation： a critique of Nonaka's theory[J]. Journal of management studies， 2006，43（7）： 1415-1436.

[20] KRAUSKOPF K， BERTRAM J， HSIAO Y， et al. Memetic processes as conceptual framework for idea improvement in knowledge building[J]. Security & communication networks， 2012，6（3）：373-383.

[21] BEREITER C. Education and mind in the knowledge age[M]. New Jersey： Lawrence Erlbaum Associates， 2002：200-203.

[22] 李海峰，王煒.自組織視域下的在線深度協(xié)作知識建構(gòu)研究[J].中國遠程教育，2019（1）：47-57.

[23] HONG H Y， SCARDAMALIA M， ZHANG J W. Knowledge society network： toward a dynamic， sustained network for building knowledge [J]. Canadian journal of learning & technology， 2007，36（1）：29.

[24] 蔣紀平，胡金艷，張義兵.知識建構(gòu)學習社區(qū)中“觀點改進”的發(fā)展軌跡研究[J].電化教育研究，2019，40（2）：21-29.

[25] ERKUNT H. Emergence of epistemic agency in college level educational technology course for pre-service teachers engaged in CSCL[J]. Turkish online journal of educational technology，2010， 9（3）：38-51.

[26] BEDEAU M. Weak emergence[J]. Philosophical perspectives，1997（11）：375-399.

[27] 集智俱樂部.NetLogo多主體建模入門[M].北京：人民郵電出版社，2021：66，145.

[28] 梅拉妮·米歇爾.復雜[M].唐璐，譯.長沙：湖南科學技術出版社，2011：53.

[29] 張守鳳， 周麗華，武杰.熵與勢概念的溝通——信息在系統(tǒng)演化中的作用[J].山東社會科學，2021（9）：174-181.

[30] SHANNON C E. A Mathematical theory of communication[J]. Reprinted with corrections from the bell system technical journal， 1948，27：379-423.

[31] CHU J， EVANS J.?Slowed canonical progress in large fields of science[J]. Proceedings of the national academy of sciences，?2021，118 （41）：1-5.

[32] ZENG A， FAN Y， DI Z， WANG Y， HAVLIN S.?Fresh teams are associated with original and multidisciplinary research[J]. Nature human behaviour， 2021（10）：1314-1322.

[33] 理查德·道金斯.自私的基因[M].盧允中，張岱云，陳復加，羅小舟，葉盛，等譯.北京：中信出版社，2018：221-230.

[34] 錢吳永，黨耀國，劉思峰.含時間冪次項的灰色GM（1，1，t～α）模型及其應用[J].系統(tǒng)工程理論與實踐，2012，32（10）：2247-2252.

[35] 約翰·H.霍蘭德.隱秩序：適應性造就復雜性[M].周曉枚，韓暉，譯.上海：上海科技教育出版社，2000：11-12.

Construction of Idea Emergence Model Supported by Multi-agent Simulation in Knowledge Building Community： A Perspective of Complexity Science

HU Jinyan，?YANG Xia，?GAO Xingqi，?MAN Qifeng，?ZHANG Yibing

（1.Faculty of Education， Henan Normal University， Xinxiang Henan 453007;

2.Faculty of Management， Xinxiang Medical College， Xinxiang Henan 453003;

3.School of Education Science， Nanjing Normal University， Nanjing Jiangsu 210097）

[Abstract]?Idea-centered knowledge construction theory emphasizes that learners explore real problems like scientists. The continuous interaction of multiple ideas makes the community gradually evolve into a complex system， and the non-superpositional ideas present an emergent phenomenon that cannot be reduced. However， the current research on emergence of ideas stops at the conceptual understanding of its systematic properties， and still follows the research perspective and paradigm of reductionism， cutting the complex emergence phenomenon into a single idea or even fragmented keywords for mining and analyzing， which fails to truly touch the essence of idea emergence. Based on this， this study adopts bottom-up multi-agent modeling to explore the law and characteristics of idea emergence. It is found that the higher the level of idea emergence is， the longer the time required and the greater the difficulty. Higher-level ideas limit the interaction domain of lower-level ideas. The energy value in the process of idea emergence shows an imbalance from normal distribution to exponential distribution. This paper provides a new perspective and method for the study of idea emergence， and has multi-level explanatory power for the teaching practice of knowledge building community.

[Keywords]?Knowledge Building; Idea Emergence; Multi-agent Simulation; Complexity Science