跨学科和协同
武夷山
荷兰科学计量学家、普赖斯奖得主Loet Leydesdorff即将在JASIST发表论文，The Measurement of “Interdisciplinarity” and “Synergy” in Scientific and Extra-Scientific Collaborations. Journal of the Association for Information Science and Technology, 此文目前的版本（今年8月28日修改）见https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3560339。
澳大利亚国立大学的女教授Garbriele Bammer写了一篇介绍上述论文的博文，Interdisciplinarity and Synergy in Collaborations（合作中的跨学科和协同），此文将于10月20日在 https://i2insights.org(这是Bammer教授创办和维护的一个博客网站）贴出。她将这篇博文发给了Leydesdorff教授，后者又将博文转发给我看。下面我简介该文的观点,如有原文理解和中文表达方面的不当之处，敬请博友指正。这个译介博文将比博文原文更早问世，但此举经过作者同意了。
Garbriele Bammer教授一向对跨学科研究感兴趣。2012年5月，她作为第一作者的合著著作Uncertainty and Risk: Multidisciplinary Perspectives（不确定性与风险：多学科视角）在英国Routledge出版社出版。2013年，她在澳大利亚出版了又一部著作：Disciplining Interdisciplinarity: Integration and Implementation Sciences for Researching Complex Real-World Problems（跨学科研究之规训：为研究复杂的现实世界问题而发展“集成与实施科学”）。
“跨学科”和“协同”的区别是什么？为什么弄清这个区别很要紧？如何将测度“跨学科”和“协同”的指标概念化，从数学上加以定义？能够测度“跨学科”程度和“协同”程度吗？
解决问题经常需要跨越边界，例如学科间的边界。然而，“跨学科”自身并不是目的，而是产生“协同”的手段。当政策制定者号召“跨学科”研究时，他们其实想的也许是“协同”。协同的意思是，整体比其部分之和提供了更多的可能性。然而，测度“协同”所需的方法大大有别于测度“跨学科”程度的方法。在本博文中，我将考察每一种测度指标及其背后的逻辑，给出其数学定义。
（下面一节是关于跨学科的相关测度，此处略去不加介绍。国内学者对这一问题也有较系统的研究，可参见张琳、黄颖合著的《交叉科学：测度、评价与应用》，北京：科学出版社，2019.11。该书的“交叉科学”与本文的“跨学科”基本同义。）
协同
如果我们考察相互合作的诸学科的配置，则此时可能的配置数的总和（根据定义）等于实现了的选项和尚未实现但有可能实现的选项之和。申农（1948）将未实现但有可能实现的选项所占比例定义为冗余，将已实现的选项所占比例定义为相对不确定性。如果冗余增加，则相对不确定性减小。
每当信息被理解（information is appreciated），就产生了意义。同一信息可被不同学科理解成不同的东西。只要在信息可交流的场合，意义就可分享。分享可以产生一个主体间的层级，其动力过程与信息处理有异。环路和重叠中的冗余可用信息之负比特数来测度，这个冗余就是有降低不确定性之效的反馈。在主体间性的维度上，复数的意义指的是“意义视野”（horizons of meaning），它们在事件中实例化。如果说事件是历史性的，理解则是分析性的。基于知识的区分通过详述一个个空盒子而增加了冗余。与申农的信息论保持一致的冗余之计算方法是可以想出来的，详见Leydesdorff, et al. (2018)。
讨论
我已经论证说，“跨学科”是与“协同”很不一样的维度。政策制定者经常号召跨学科研究，因为他们期望跨界合作能产生“盈余”。然而，这个盈余可以视作协同的产物。协同之测度所需方法不同于跨学科性的测度。
冗余的产生是基于互信息。然而，将重叠理解为冗余，就形成了另一种计算。那么，关注点就从“过去的业绩”转向尚未发生的情形，即一些“零”。我们想出的计算方法仍与申农的信息论相联系且保持一致，但可以用于研究意义和意向性，后者对于在科学合作及超出科学范围的合作中产生盈余是有影响的。
跨学科和协同之间的差异实质上就是过程与结果之间的差异。一些操作化安排和文献计量学指标可帮助我们提高对跨学科研究之程度与价值进行评价的能力。例如，在生物医学转化研究（从实验室到病床，或曰从科研到临床）中，或是在大学-企业-政府三者关系中，协同经常比跨学科要更重要。
像其他业绩指标一样，跨学科的测度指标用于评价过去的业绩。然而，系统也许面临没有选项可供选择的情景。协同测度的是尚未发生的选项，从而将导向从过去转向了未来。不过，从作用角度来看，协同之产生也许是反直觉的，因为相互作用的动力过程导致一种复杂、非线性的动力关系（参见熊彼特1939年提出的“创造性破坏”）。对各种选项进行评估给政策制定者带来的启示，与不同学科的视角之和所带来的启示是不一样的。测度“跨学科”和“协同”之不同指标所用软件，可见 http://www.leydesdorff.net/software/interdisc.2020和 http://www.leydesdorff.net/software/synergy.triads。
如对本博文讨论的主题有兴趣，可见Leydesdorff与伊万诺娃合著的论文：
Leydesdorff, L., & Ivanova, I. A. (in print). The Measurement of “Interdisciplinarity” and “Synergy” in Scientific and Extra-Scientific Collaborations. Journal of the Association for Information Science and Technology, https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3560339.
References:
Leydesdorff, L., Johnson, M., & Ivanova, I. (2018). Toward a Calculus of Redundancy: Signification, Codification, and Anticipation in Cultural Evolution. Journal of the Association for Information Science and Technology, 69(10), 1181-1192. doi: 10.1002/asi.24052
Leydesdorff, L., Wagner, C. S., & Bornmann, L. (2019). Interdisciplinarity as Diversity in Citation Patterns among Journals: Rao-Stirling Diversity, Relative Variety, and the Gini coefficient. Journal of Informetrics, 13(1), 255-264.
Rafols, I., & Meyer, M. (2010). Diversity and network coherence as indicators of interdisciplinarity: Case studies in bionanoscience. Scientometrics, 82(2), 263-287.
Rousseau, R. (2019). On the Leydesdorff-Wagner-Bornmann proposal for diversity measurement. Journal of Informetrics, 13(3), 906-907.
Schumpeter, J. ([1939], 1964). Business Cycles: A Theoretical, Historical and Statistical Analysis of Capitalist Process. New York: McGraw-Hill.
Shannon, C. E. (1948). A Mathematical Theory of Communication. Bell System Technical Journal, 27 (July and October), 379-423 and 623-656.
Stirling, A. (2007). A general framework for analysing diversity in science, technology and society. Journal of the Royal Society Interface, 4(15), 707-719.
