社会环境建模的 “物理自信”：水模型数值宣称的深度剖析与反思

《iScience》：Socio-environmental modeling shows physics-like confidence with water modeling surpassing it in numerical claims

在研究复杂社会环境系统建模的知识确定性问题上，研究人员开展了对集成评估（IAMs）、疫情和水建模等领域的研究。结果显示，这些领域在知识宣称上有类似物理学的自信，水建模在数值宣称上甚至超过物理学。该研究有助于反思这种自信和量化的合理性。

　　在科学研究的广阔领域中，许多学科都依赖计算机模拟来探索复杂现象。比如疫情建模能助力防控疾病传播，集成评估模型（IAMs）可探索可持续能源与气候路径，水建模则为水资源相关的可持续发展目标提供依据。然而，这些基于模型的研究面临着诸多挑战。由于现实世界系统复杂且开放，模型难以精确对应，其生成知识的能力存在不确定性，这使得一些学者认为这类研究更像人文学科，而非传统意义上的 “硬” 科学。在学术写作中，如何平衡研究结论的确定性和不确定性表达，成为一个关键问题。在此背景下，来自英国伯明翰大学等多个研究机构的研究人员开展了相关研究，其成果发表在《iScience》上。该研究具有重要意义，它深入探讨了社会环境建模领域在知识宣称方面的特点，有助于人们更客观地看待这些模型的可靠性，为后续研究和决策提供参考。

研究人员采用了多种关键技术方法。他们利用 Web of Science 检索了 14 个科学领域（涵盖人文和物理科学）1990 - 2022 年的文献，构建了语料库。运用 SciBERT 模型和机器学习技术从约 755,000 篇摘要中提取知识宣称句子。通过识别和统计增强词（boosters）与弱化词（hedgers），分析各领域知识宣称的确定性程度。还开发了 R 语言算法，对知识宣称中的各类数字进行计数，探究数值化与知识宣称强度的关系。

下面来看具体的研究结果。

1. 社会环境建模领域展现出类似物理学的自信：研究人员从 14 个科学领域选取论文，通过统计增强词和弱化词发现，从人文科学到物理科学，知识宣称的确定性逐渐增强。哲学、经典学和历史学等人文领域倾向于使用弱化词，而物理领域更青睐增强词。社会环境建模领域（如疫情、集成评估和水建模）同样偏好增强词，在语言确定性上高于天体物理学。近三十年来，人文领域知识宣称的确定性与不确定性平衡相对稳定，而物理和社会环境建模领域越来越倾向于确定性表述。此外，不同领域在增强词和弱化词的选择上存在差异，例如人文科学常用 “idea”“understanding” 等，物理科学则常用 “solution”“predict” 等。
2. 水建模比物理学使用更多数字支持宣称：研究人员通过对知识宣称中数字出现频率的统计发现，增强词的使用强度与数值化程度呈正相关（rboot?=0.7 ，95% 置信区间 [CI] [0.4,0.9]，103 次重采样），人文领域使用数字少于物理领域。令人惊讶的是，集成评估、天气和水建模使用数字的频率甚至超过了像热力学、计量学和电磁学等精确物理科学。水建模在百分比和小数的使用上排名最高，在整数使用上仅次于天气建模。
3. 水建模中报告的数字缺乏不确定性和 SA：水建模在数值宣称上表现突出，但这是否意味着其对研究对象的量化优于物理学呢？研究人员深入分析水建模发现，在 2,942 篇水建模论文中，只有 33% 的论文在摘要、标题或关键词中提及 “uncertainty” 和 / 或 “sensitivity” 相关词汇。进一步研读这些论文全文后发现，仅 30% 进行了技术敏感性分析（SA）。在进行 SA 的研究中，校准多采用全局敏感性方法，而评估输出不确定性多采用一次一变量（OAT）方法，这种方法因无法全面探索不确定性空间而不被推荐。大部分 SA 研究涉及的不确定模型输入较少，75% 的研究在 13 个或更少的不确定输入上进行，这表明水模型的不确定性空间基本未被充分探索。

在研究结论和讨论部分，研究表明依赖模型研究复杂社会自然交叉现象的领域，如疫情、集成评估和水建模，在知识宣称上表现出与物理科学相当的自信，且集成评估和水建模使用更多数字支持其宣称。然而，这种自信可能反映了对不确定性的忽视和数字的过度使用。以水建模为例，其在不确定性和 SA 方面存在不足，大量论文在未充分进行 SA 的情况下得出数值结果，这可能导致模型结果的可靠性受到质疑。此外，虽然这些领域在现实世界有一定成就，但与物理科学相比，其在知识宣称上的高度自信和量化可能缺乏足够依据。该研究提醒人们，在利用这些模型进行决策和研究时，需谨慎对待其结果，充分考虑不确定性因素，同时也为后续研究改进模型、提高可靠性指明了方向。