科学家与逻辑学家探讨论文

2022-04-27

内奥米·奥利斯克斯,埃里克·康韦(NaomiOreskes)与(EricM.Conway)合著,《贩卖怀疑的商人》(MerchantsofDoubt),伦敦:布里姆斯伯里出版社(London:BloomsburyPress),2010年5月。今天小编为大家精心挑选了关于《科学家与逻辑学家探讨论文(精选3篇)》,仅供参考,希望能够帮助到大家。

科学家与逻辑学家探讨论文 篇1:

计算社会科学中“守旧”与“维新”的方法论探讨

〔摘要〕 基于对近年来出现的大规模人类行为数据的共同兴趣,社会科学家与计算科学家携手开拓了计算社会科学这一新的研究领域。然而,学科背景与研究经历的不同导致两者围绕计算社会科学中因果解释与预测的关系上演了一场“守旧”与“维新”的方法论之争。“守旧”的社会科学家认为计算社会科学应坚持对因果解释的追求,而不必将预测作为理论的评价标准。“维新”的计算科学家则认为社会科学应给予预测更多的重视,并提出通过对预测采取适当广义的理解,在计算社会科学中进行预测是可能的。因果解释与预测并非互不兼容,两者实际上是互为补充、相互促进的关系。未来计算社会科学的发展应以解决实际问题为导向,在解决实际问题的过程中实现因果解释与预测的结合。

〔关键词〕 计算社会科学,方法论,因果解释,预测

一、研究缘起:计算社会科学中的社会科学家与计算科学家的两大阵营

在过去的十余年中,随着计算机、互联网等信息技术越来越深地嵌入到人们的日常生活之中,越来越多的人类行为数据被记录下来。同时,计算机运算速度的提高和算法的进步使得人类有能力对这种海量数据进行有效地分析。这种对关于人类行为的大规模数据的收集与分析能力的提高导致了计算社会科学的诞生 〔1 〕。作为一个跨学科的研究领域,计算社会科学的兴起是近年来社会科学最为重要的发展动向之一。

目前从事计算社会科学的研究者大致可以分为两类,即社会科学家和计算科学家。其中,前者主要指在社会学、经济学、政治学、管理学、心理学等领域从事量化社会科学研究的研究者,而后者主要指在计算机科学、信息科学、物理学等领域从事数据科学研究的研究者。在计算社会科学兴起之前,两者几乎不存在交集。当前,对大规模人类行为数据的共同兴趣正在使两者之间产生越来越多的合作。然而,截然不同的学科背景和研究经历使得社会科学家和计算科学家在研究方式上存在很大差异,这导致两者在计算社会科学领域上演了一场“守旧”与“维新”的方法论之争。本文将分析这场方法论之争的焦点——社会科学中因果解释与预测之间的关系,并探讨计算社会科学的未来发展方向。

二、社会科学家面对计算科学冲击的“守旧”

就从事计算社会科学研究的社会科学家而言,计算社会科学的兴起在为社会科学研究带来大规模人类行为数据和各种新颖的数据分析方法的同时,也导致社会科学长期以来形成的研究传统受到来自计算科学的冲击。例如,前《连线》(Wired)杂志主编克里斯·安德森(Chris Anderson)认为,数据泛滥使得传统的科学方法不再适用,理论已经终结 〔2 〕。他指出,传统的科学研究寻求事物之间的因果关系,但在PB(Petabytes)数据时代,相关性已经足够。这种观点很具有代表性,在社会科学界尤其是计算社会科学领域引起了极大的反响。面对这种来自计算科学的冲击,社会科学家表现出了明显的“守旧”。

(一)坚持追求因果解释

在安德森等人的观点中,最根本的是认为大数据的出现和数据分析能力的提高使我们可以满足于相关关系,而放弃对因果关系的追求。但在社会科学家看来,计算社会科学仍应追求因果解释。例如,格拉默认为,仅海量数据无法提供各种社会问题的答案,社会科学仍需以因果解释为研究目标 〔3 〕。之所以如此,原因在于社会科学和自然科学对因果解释的理解存在很大差异。

在自然科学中,因果解释以预测为评价标准,甚至两者几乎是同义的。对此,亨普尔和奥本海默的阐述最为系统 〔4 〕。他们认为,除非解释项可以作为对被解释项进行预测的基础,否则这种解释是不充分的。实际上,预测也是自然科学追求对自然现象进行因果解释的主要目的。但若仅以预测为目的,可靠的相关关系也可以起到同样的作用。因此,在安德森等人看来,随着大数据的出现和数据分析能力的提高,我们通过分析数据所获得的相关关系的可靠性越来越高,预测能力也越来越强。正是在这种意义上,他们认为相关关系已经可以取代因果关系。

然而,社会科学对因果解释的理解并非是亨普尔和奥本海默意义上的。社会科学家认为,社会现象远比自然现象更为复杂,导致难以进行有效地预测。因此,社会科学不应将对社会现象的预测作为因果解释的评价标准。例如,利伯森和林恩认为社会科学应更多地借鉴生物学而非物理学的理论和方法体系,预测不必作为评估理论的标准 〔5 〕。赫斯特罗姆认为,对预测的关注反而会阻碍对因果解释的探索 〔6 〕。因为实际的社会现象往往包含多个机制,这些机制的作用可能会相互抵消,因此即使某种机制性解释是正确的,它所预测的结果在实际的社会现象中也未必会出现。还有学者认为追求预测将导致模型过于复杂,从而失去了可解释性,此外我们也缺乏进行预测所需的充足的数据 〔7 〕。

实际上,社会科学家对因果解释的理解是伍德沃德意义上的。伍德沃德所建立的因果解释的操控准则要求因果解释回答“如果事情本来不同“(What-if-Things-Had-Been-Different)的问题,即因果解释应能够说明如果解释项本来有所不同,被解释项會有何种变化 〔8 〕11。在伍德沃德的因果理论中,解释项的不同是通过干预实现的 〔9 〕。这种干预通常是一种理想的、无混淆的实验性操控,同时支持反事实假设 〔10 〕。这些都使得对实际社会现象的预测不必成为评估因果解释的必要性标准,也导致社会科学长期以来较少关注预测。正是基于对因果解释的这种理解,社会科学家认为计算社会科学研究仍应追求因果解释。

(二)吸收新的数据分析方法

在坚持追求因果解释的基础之上,社会科学家试图将当前出现的大规模人类行为数据和各种新颖的数据分析方法“收编”入传统社会科学的研究框架之中。大部分社会科学家将这种新型数据和分析方法视为社会科学数据来源的丰富和研究工具箱的拓展,认为通过恰当地运用将有助于对因果解释的探索。他们认为,大规模人类行为数据的获取和数据分析能力的提高能够在三个方面促进社会科学对因果解释的探索:第一,可以设计更好的实验;第二,能够在更精确的群体之间进行更好的比较;第三,便于对之前难以观察的行为进行观察 〔11 〕。这些也是目前从事计算社会科学研究的社会科学家主要的努力方向。

具体而言,第一,互联网的普及使得社会科学中的实验研究可以通过网络平台进行,产生了“虚拟实验室”(Virtual Laboratory)。与传统实验室相比,虚拟实验室有一些突出的优势。例如,虚拟实验室更容易开展大规模实验、实验成本更低、实验设置更方便等等 〔12 〕。在利用虚拟实验室进行的社会科学实验研究中,有些是通过已有的互联网平台进行的。例如,邦德等人通过控制脸书用户能否看到其已经投票的好友的数量来检验社会影响在投票率上的效果 〔13 〕。还有些是通过自己搭建网站进行的,其中最著名的是萨尔甘尼克等人通过建立“音乐实验室”(Music Lab)网站对社会影响在音乐爱好中的作用进行研究 〔14 〕。另外,以AMT(Amazon Mechanical Turk)为代表的众包平台也引起了社会科学家极大的兴趣。众包平台实验与传统的实验室实验不同的是,前者是通过网络平台发布实验任务、收集实验结果,而后者是将参与者召集到实验室中进行实验。研究发现,截至2015年基于AMT进行实验的论文已超过1000篇 〔15 〕。

第二,当实验不可行或者不道德时,如何基于观察数据进行因果推断成为社会科学家关注的重点。一般的做法是通过匹配将研究群体分为实验组和控制组进行比较,要求两组在实验要求的处理前尽可能相似。以往的观察数据由于规模有限,进行匹配后往往会导致子群体数据过少而无法进行有效的因果推断。当前出现的大规模人类行为数据由于其巨大的体量,使得在匹配后的每个子群体都仍有足够多的数据。例如,赫什利用数以百万计的数据研究了9·11事件对受害者亲属与邻居的影响 〔16 〕。

第三,间接的“痕迹性”数据可以提供可靠的信息。对于有些人类行为,传统方法难以直接获取准确的观察数据。此时,由于当前产生的大规模人类行为数据主要是间接的“痕迹性”数据,反而可以提供一些相对可靠的信息。例如,人们的种族倾向或政治观点等信息通常难以通过传统的问卷调查、访谈等研究方法直接获取。而利用谷歌搜索数据,史蒂芬斯-大卫德维茨在2008年美国总统大选期间研究了种族倾向对投票选择的影响 〔17 〕。他发现,人们所用的搜索词中包含了大量关于种族倾向的信息,例如很多人用带有种族意味的绰号和奥巴马的名字一起进行搜索。因此,通过算法设计,他基于用户对搜索词的运用得到了其种族倾向。

除了将大规模人类行为数据的获取和数据分析能力的提高视为数据来源的丰富和研究工具的扩展之外,社会科学家还试图将海量数据分析所利用的“数据驱动”(Data-driven)的研究方法与传统社会科学“理论驱动”(Theory-driven)的研究方法相结合。例如,一些社会科学家提出可以首先通过数据分析以数据驱动的方式形成研究假设,之后利用传统社会科学理论驱动的方式对假设进行验证 〔18 〕。

(三)完善方法论基础

当前出现的大规模人类行为数据与传统社会科学常用的调查数据在各方面都存在較大差异,这促使一些社会科学家深入挖掘其方法论蕴涵,通过完善社会科学研究的方法论基础来为计算社会科学研究提供方法论支撑。例如,迈克尔·梅西(Michael Macy)通过检视传统社会科学的方法论基础认为,伴随着海量数据和强大计算能力及算法的非但不是理论的终结,反而是因果探索新的开始 〔19 〕。

梅西指出,传统社会科学研究中的调查数据通常被认为是相互独立的,这虽然有助于获取有代表性的样本且便于估计标准差等统计量,却也造成样本具有原子化的理论偏差。具体而言,这样的调查数据一般包含调查对象的种族、性别、年龄、教育程度、职业、收入等属性信息及其对某些问题的观点,但不包含调查对象的朋友、同事、家人等对这些问题的观点。因此,研究者在分析调查对象观点形成的原因时就只能将其与调查对象的属性信息相关联。而且研究表明 〔20 〕,这样的关联几乎总能得到显著的统计结果。也就是说,对于调查对象的任何观点,几乎总能找到某个属性信息与其显著相关。另外,由于属性信息一般没有因果前项(Causal Priors,例如没有因素决定一个人的性别,同时还影响其观点),当根据显著性进行属性信息与观点之间的因果推断时避免了通常根据相关性进行因果推断可能出现的虚假因果性(Spurious Causation)。最后,基于属性信息的因果推断也是合理的。因为人们所持的观点确实与个人的性别、年龄等属性信息有关,而且用个人属性信息解释其所持观点与启蒙运动以来所建立的个人主义意识形态也是相契合的。简言之,这种原子化的理论模式逻辑可靠、经验合理,与启蒙运动以来的个人主义意识形态相契合且在以调查为基础的社会科学研究中有着坚实的实证支撑。

但是,梅西认为,由于社会网络的自相关效应,这种原子化的因果解释极有可能是虚假的。简单来说,社会网络的自相关效应是指个人的观点可能会受到其网络邻居的影响。传统社会科学研究中的调查数据通常不包含调查对象网络邻居的信息,导致无法研究这种自相关效应。而当前所产生的大规模人类行为数据主要就是关系型数据,可以通过网络分析建立关系型理论。与之前的社会网络分析集中于边界明确的小群体不同,海量数据的获取使大规模的网络分析成为可能 〔21 〕。梅西同样注意到虚拟实验室的出现对社会科学研究的重要作用。他认为,基于观察数据进行因果推断具有内在的局限性,海量数据也不例外,而建立因果解释的黄金法则是随机实验。在传统的社会科学实验研究中,实验参与者一般较少,且主要是大学在校学生,将基于这些参与者的实验结果推广到更大的人类群体中时会面临严重的外部有效性问题。而脸书、AMT等虚拟实验室的出现使得研究者可以基于数量更多、异质性更强的研究者进行实验,从而有效地提高实验发现的外部有效性。因此,梅西认为海量的关系型数据的产生和虚拟实验室的出现将使社会科学中的因果探索进入一个新的阶段。

三、计算科学家面对社会科学传统的“维新”

如前所述,从事计算社会科学研究的计算科学家大多是在计算机科学、信息科学、物理学等领域从事数据科学研究的研究者,他们从事计算社会科学研究主要是因为对当前产生的大规模人类行为数据具有浓厚的兴趣 〔22 〕。对这种数据的研究要求计算科学家必须形成对数据所反映的社会现象的理解,而这以往是社会科学家的研究领域。然而,由于学科背景和研究经历的差异,很多计算科学家对社会科学传统并不认同。由此,一些计算科学家呼吁在计算社会科学中对社会科学传统进行“维新”。

(一)强调预测的重要性

由于计算科学家主要在自然科学领域接受学术训练和从事学术研究,其对因果解释的理解是亨普尔和奥本海默意义上的,即认为因果解释应以预测为评价标准。此外,计算科学家的研究通常有比较明确的应用指向,而较强的预测能力是应用性的基础。这导致与社会科学家相反,计算科学家非常强调预测的重要性而较少关注因果解释。例如,金斯博格等人根据特定谷歌搜索词搜索量的变化预测流感趋势 〔23 〕;伊戈尔等人利用从手机中收集的位置、通讯等数据预测人们的朋友关系网络 〔24 〕;科辛斯基等人基于脸书的点赞数据预测个人属性信息,如性取向、种族、宗教和政治倾向等 〔25 〕。

与前述安德森的观点类似,他们认为,既然社会现象并不稳定,以往的因果模型又都是一种粗略的近似,那么与其费力建立预测效果很差且可能随着概念漂移而变得更差的因果模型,我们为什么不利用可以获得的数据建立具有最佳预测效果的模型并定期更新呢? 〔22 〕他们认同社会科学家的观点,即我们所观察到的社会现象背后必然有某种因果机制。但是,他们认为通常很难从观察数据中得到因果机制。另外,与自然科学中包括了所有相关变量的完全模型不同,社会科学中的因果模型通常只是包括了部分相关变量的不完全模型。这除了导致社会科学中的因果模型一般预测效果较差之外,还经常出现不同的社会科学家根据同一组观察数据得出完全不同的研究结论的情况。相反,如果模型有比较好的预测效果,那它们往往能够为因果探索指明方向。因此,他们认为社会科学研究应增加对预测的关注。

(二)敢于质疑社会科学理论的可靠性

除了认为社会科学研究应对预测给予更多的重视之外,一些计算科学家还对社会科学理论的可靠性提出了质疑。例如,邓肯·沃茨(Duncan Watts)认为,虽然社会科学家几乎都认为他们所建立的理论是伍德沃德意义上的因果解释,但其实际上经常是一种亨普尔和奥本海默所称的“移情解释”(Empathetic Explanation) 〔26 〕。移情解释经常被误认为是因果解释,但两者存在本质区别:因果解释需要按照因果准则进行评估,而移情解释主要基于其可理解性进行评估,即其将解释对象还原为人们所熟悉的想法或经验的能力。沃茨认为,之所以出现这种情况,是因为社会科学家对常识的依赖远比他们意识到的要严重。在日常生活中,我们认为个人或集体的行动可以用相关行动者的意图、信仰、环境和机会来解释,并用这种认识来预期和理解别人的行为。社会科学中关于行动的理论实际上是这种常识的变种,而关于行动的理论又是社会科学的基础性理论,导致社会科学中的很多理论在本质上都是建立在这种常识的基础之上。例如,理性行动理论,布迪厄的场域理论、格罗斯的实用主义理論等。

社会科学理论对常识的这种依赖源于社会科学家构建理论的方式。在日常生活中,当预期别人的行为,甚至是我们自己在某种未来或假想的情形中的行为时,我们采用的是一种心理模拟的方式,即在脑海里模拟对方,设想他们在那种情形下的行为。当然,我们模拟的“对方”,实际上是经过修正的“我们”,即我们根据自己的感知假设了对方对情形的理解,并且加入了我们认为与情形相关的其他信息,如对方的意图、信仰等。当理解别人的行为时采用的则是一个相反的过程,即根据我们自己对情形的感知和对方的行为推测对方的意图,并进而将对方的行为合理化。在日常生活中,我们通常理所当然地认为通过心理模拟所建立的移情解释的可理解性就等于因果性。社会科学家在构建理论时采用的实际上同样也是心理模拟的方式,只是更为正式。这就导致了社会科学家经常建立的也是一种移情解释,并根据其可理解性进行评估。然而,可理解性并非因果性。我们建立的移情解释所包含的因果关系经常是错误的,只是在日常生活中由于我们能够很快地根据反馈进行修正,导致通常意识不到这种错误。但在社会科学中,当把这种移情解释误认为因果解释时,将造成社会科学理论的错误。

(三)构建社会科学方法论的“维新”方案

针对社会科学传统的种种“问题”,计算科学家给出了自己的方法论“维新”方案。他们认为,既然社会科学家试图建立的伍德沃德意义上的因果解释经常沦为一种移情解释,那我们是否可以参考亨普尔和奥本海默的因果准则,以预测作为社会科学理论的评价标准。当然,预测的准确性并不能证明因果解释的充分性,而只是一种必要性条件。沃茨指出,当前大部分社会科学家拒绝将预测作为社会科学理论评价标准的主要原因在于对预测的狭义理解,即认为预测必须是决定论意义上的、关于未来的以及针对特定的事件。他认为,通过对预测采取适当广义的理解,社会科学家应当认同有效的因果解释可以作出预测。

具体而言,首先,预测不必是决定论意义上的,而可以仅是一种概率意义上的,即某因素X的出现增加或降低了事件Y出现的概率。这种概率意义上的预测当前在物理学、计算机科学、人工智能等领域有着广泛的应用。其次,预测也不必是关于未来的。实际上,严格的关于未来的预测更准确地说应称为“预报”(Forecasting),预报仅仅是预测的一种形式。预测其实可以更广义地理解为“样本外检验”(Out-of-Sample Testing),即用于预测的数据与建立因果解释的数据不能是同一组数据。这种做法在以预测为核心的计算机科学等领域几乎是一种标准做法,即首先基于训练数据建立模型,然后利用测试数据检验模型的预测效果。如此理解预测时,除了未来的事件,过去以及现在的事件都可以作为预测的对象。最后,预测也不必针对特定的事件或结果,而是可以仅对事件或结果的某种分布或者模式进行预测。例如,萨尔甘尼克等人在对音乐市场的研究中预测,音乐市场的不平等性随着社会影响程度的增强而提高 〔14 〕。他们对音乐市场变化的模式进行了预测,但并没有预测具体哪首歌曲会流行。

一些计算科学家认为,以预测作为理论的评价标准在计算社会科学中是可行的,但需要注意以下几方面的问题 〔7 〕:

第一,建立统一的任务框架和预测标准。在以预测为核心的计算机科学、人工智能等领域通常有统一的量化标准可以对不同研究的预测效果进行比较,而目前在社会科学领域所进行的预测研究则无法进行有效的比较。这种情况产生的主要原因在于,社会科学研究中通常存在所谓的“研究者自由度”(Researcher Degrees of Freedom)问题,即研究者需要做一系列的主观选择,包括研究任务、数据集、模型和性能指标等。对于同一问题,研究者的选择组合不同,研究结果也会完全不同。因此,研究者首先应就研究任务、数据集、性能指标等达成共识,形成“共同任务框架”(Common Task Framework),并基于此框架對预测结果进行评估和比较。

第二,区分不同社会现象的预测限度。与自然现象通常可以进行非常精确的预测不同,人类行为的可预测性有很大的差别。例如,一项对5万名移动手机用户的研究表明,在任意1小时的时间内,用户有70%的时间在他们最常去的地点 〔27 〕。因此,当我们作出“某人在他最常去的地点”的预测时,可以得到平均70%的准确率。但是另一方面,对于所谓的“黑天鹅”事件,我们无法用任何有意义的方式进行预测。这就要求我们在评估特定预测模型的准确性时,不仅要参考已有的表现最好的模型,还要考虑可能预测的最大限度。因为如果预测效果不理想,既有可能是数据或模型的问题,也有可能是现象本身存在不可预测性 〔28 〕。

第三,兼顾预测准确性与模型可解释性。如前所述,社会科学家反对预测的主要原因之一就是认为预测将导致模型过于复杂,从而失去了可解释性。计算科学家认为,对预测的强调确实会导致模型复杂性的提高,但并不意味着预测准确性与模型的可解释性相矛盾。机器学习领域的一些研究表明,我们可以在保证预测准确性的前提下寻找更为简单、可解释性更高的模型。另外,对社会现象的“理解”本身就应既包括从主观上将其合理化,也包括对客观事实进行说明,即预测。

四、结语

基于对大规模人类行为数据的共同兴趣,社会科学家与计算科学家携手开拓了计算社会科学这一新的研究领域。然而,学科背景与研究经历的不同使得两者的研究方式存在很大差异,这也导致社会科学家与计算科学家之间,围绕计算社会科学中因果解释与预测的关系上演了一场“守旧”与“维新”的方法论之争。“守旧”的社会科学家认为计算社会科学应坚持对因果解释的追求,而不必将预测作为理论的评价标准。他们努力将当前出现的新的数据与方法“收编”入传统社会科学的研究框架之中,并希望通过对方法论基础的完善为计算社会科学研究提供方法论支撑。“维新”的计算科学家则认为社会科学应给予预测更多的重视。他们还对社会科学理论的可靠性提出了质疑,认为社会科学家所宣称的伍德沃德意义上的因果解释在很多情况下其实是一种移情解释。针对传统社会科学的种种“问题”,一些计算科学家提出了“维新”方案,即对预测采取适当广义的理解,以使在计算社会科学中进行预测成为可能。

社会科学家与计算科学家的观点都有其合理性,但也都存在一定的局限。具体而言,单纯追求理论的新颖性和启发性造成了社会科学理论体系的混乱 〔29 〕。对于任一研究主题,几乎都有若干理论,而且这些理论往往是互不兼容的。由于没有基于预测的评价标准,这些理论可以长期并行地存在下去。通过更多的预测,有助于改善当前社会科学领域理论体系混乱的现状,使得社会科学可以以一种累积的方式持续进步。但与此同时,社会现象内在的复杂性和随机性使其不可能像自然现象那样进行精确的预测。更为重要的是,当前计算科学家所进行的通常为基于相关关系的预测,预测结果稳定性较差,可解释性也较低。

笔者认为,在计算社会科学中,因果解释与预测并非是互不兼容的,两者实际上是互为补充、相互促进的关系。一方面,预测可以为因果解释指明方向、提供评价标准,从而有助于建立更为有效的因果解释;另一方面,有效的因果解释可以提高预测的准确性和可解释性,从而使基于预测对社会现象进行的干预更为可靠。

在计算社会科学研究中,要克服因果解释与预测各自的不足,充分发挥两者的作用,应以解决实际问题为导向,在解决实际问题的过程中将两者结合起来。原因在于,要解决实际问题,既需要基于因果解释实现对社会现象的理解,也需要基于预测实现对社会现象的干预。因此,以解决实际问题为导向将“逼迫”研究者将因果解释和预测结合起来。具体而言,为解决实际问题,因果解释将不得不更多地以预测为重要目标和评价标准。虽然很多社会现象由于其复杂性难以进行有效的预测,但在计算社会科学中,随着关于人类行为的大规模数据的出现和人类分析海量数据能力的提高,越来越多的社会现象正在不同程度上变得可以预测。只有与预测结果相符时,因果解释作为对社会现象的理解才具有说服力。同时,解决实际问题也要求预测以因果解释为基础。当前,在计算社会科学中,基于相关关系对社会现象进行预测变得越来越可行,准确性也越来越高。然而,解决实际问题意味着对社会现象的干预,而如前所述,基于相关关系进行的预测是不稳定的,且可解释性较低,难以作为对社会现象进行干预的依据。因此,解决实际问题要求预测必须以因果解释为基础,基于因果解释指导预测模型的建立。

参考文献:

〔1〕Lazer D,Pentland A,Adamic L,et al.Computational Social Science〔J〕.Science,2009(01):721-723.

〔2〕Anderson C.The end of theory:The data deluge makes the scientific method obsolete〔J〕.Wired Magazine,2008(07):16-07.

〔3〕Grimmer J.We are all social scientists now:how big data,machine learning,and causal inference work together〔J〕.Political Science & Politics,2015(01):80-83.

〔4〕Hempel C G,Oppenheim P.Studies in the logic of explanation〔J〕.Philosophy of Science,1948(02):135-175.

〔5〕Lieberson S,Lynn F B.Barking up the wrong branch:scientific alternatives to the current model of sociological science〔J〕.Annual Review of Sociology,2002(01):1-19.

〔6〕Hedstr?m P,Ylikoski P.Causal mechanisms in the social sciences〔J〕.Annual Review of Sociology,2010(01):49-67.

〔7〕Hofman J M,Sharma A,Watts D J.Prediction and explanation in social systems〔J〕.Science,2017(6324):486-488.

〔8〕Woodward J.Making things happen:A theory of causal explanation〔M〕.NewYork and Oxford:Oxford University Press,2003.

〔9〕Woodward J.Interventionism and causal exclusion〔J〕.Philosophy and Phenomenological Research,2015(02):303-347.

〔10〕Woodward J.Explanation and invariance in the special sciences〔J〕.The British Journal for the Philosophy of Science,2000(02):197-254.

〔11〕Monroe B L,Pan J,Roberts M E.Sen M and Sinclair B.No! Formal theory,causal inference,and big data are not contradictory trends in political science〔J〕.Political Science & Politics,2015(01):71-74.

〔12〕Golder S A,Macy M W.Digital footprints:Opportunities and challenges for online social research〔J〕.Annual Review of Sociology,2014(01):129-152.

〔13〕Bond R M,Fariss C J,Jones J J,Kramer A D,Marlow C,Settle J E,Fowler J H.A 61-million-person experiment in social influence and political mobilization〔J〕.Nature,2012(7415):295-298.

〔14〕Salganik M J,Dodds P S,Watts D J.Experimental study of inequality and unpredictability in an artificial cultural market〔J〕.Science,2006(5762):854-856.

〔15〕Bohannon J.Mechanical Turk upends social sciences〔J〕.Science,2016(6291):1263-1264.

〔16〕Hersh E D.Long-term effect of September 11 on the political behavior of victims’ families and neighbors〔J〕.Proceedings of the National Academy of Sciences,2013(52):20959-20963.

〔17〕Stephens-Davidowitz S.The cost of racial animus on a black candidate:Evidence using Google search data〔J〕.Journal of Public Economics,2014(118):26-40.

〔18〕Kitchin R.Big data,new epistemologies and paradigm shifts〔J〕.Big Data & Society,2014(01):1-12.

〔19〕Macy M W.An emerging trend:Is big data the end of theory?〔EB/OL〕. https://doi.org/10.1002/9781118900772.etrds0410.

〔20〕DellaPosta D,Shi Y,Macy M.Why Do liberals drink lattes?〔J〕.American Journal of Sociology,2015(05):1473-1511.

〔21〕Park P S,Blumenstock J E,Macy M W.The strength of long-range ties in population-scale social networks〔J〕.Science,2018(6241):1410-1413.

〔22〕Dhar V.Data science and prediction〔J〕.Communications of the ACM,2013(12):64-73.

〔23〕Ginsberg J,Mohebbi M H,Patel R S,Brammer L,Smolinski M S,Brilliant L.Detecting influenza epidemics using search engine query data〔J〕.Nature,2009(7232):1012-1014.

〔24〕Eagle N,Pentland A S,Lazer D.Inferring friendship network structure by using mobile phone data〔J〕.Proceedings of the National Academy of Sciences,2009(36):15274-15278.

〔25〕Kosinski M,Stillwell D,Graepel T.Private traits and attributes are predictable from digital records of human behavior〔J〕.Proceedings of the National Academy of Sciences,2013(15):5802-5805.

〔26〕Watts D J.Common sense and sociological explanations〔J〕.American Journal of Sociology,2014(02):313-351.

〔27〕Song C,Qu Z,Blumm N,Barabási A L.Limits of predictability in human mobility〔J〕.Science,2010(5968):1018-1021.

〔28〕Risi J,Sharma A,Shah R,Connelly M,Watts D J.Predicting history〔J〕.Nature Human Behaviour,2019(09):906-912.

〔29〕Watts D J.Should social science be more solution-oriented?〔J〕.Nature Human Behaviour,2017(01):0015.

 責任编辑 苏玉娟

作者:韩军徽

科学家与逻辑学家探讨论文 篇2:

在怀疑与确信之间

内奥米·奥利斯克斯,埃里克·康韦(Naomi Oreskes)与(Eric M. Conway)合著,《贩卖怀疑的商人》(Merchants of Doubt),伦敦:布里姆斯伯里出版社(London: Bloomsbury Press),2010年5月。

文献标识码 A

收稿日期:2021 05 28

作者简介:黄欣睿,1998年生,湖南长沙人,中国科学院大学硕士研究生。Email: 18811300319@163 com。

时至今日,对诸如全球变暖、臭氧空洞等问题的讨论早已屡见不鲜,但公众多数时候仅关注科学结论,对于其背后的事实依据、研究过程却很难求证。公众所了解的“科学事实”在一定语境下受限于信息传播媒介所处理、呈现出的结果,而这一看似简单、清晰的结果其实也蕴藏着诸多的含混与矛盾之处。科学史家内奥米·奥利斯克斯(Naomi Oreskes)与埃里克·康韦(Eric M. Conway)在2010年出版的《贩卖怀疑的商人:一伙科学家如何在从烟草到全球变暖问题上混淆视听》(Merchants of Doubts: How a handful of scientists obscured the truth on issues from tobacco smoke to global warming,图1)中文版见奥利斯克斯, 康韦.《贩卖怀疑的商人》. 于海生译. 北京: 华夏出版社, 2013。中,正是期待通过细致的史料研究去还原科学争议的原貌。他们基于对烟草遗产档案库、斯克里普斯海洋学研究所档案馆、麻省理工学院档案馆的众多档案文献的整理,结合政府的相关报告、会议材料的梳理,分析了在烟草危害、“星球大战”、酸雨、臭氧空洞、全球变暖等诸多议题中各方势力的争执与博弈,试图揭示在科学背后,非科学因素的作用与涌动,从而引发对“科学事实”新的思考。

此书一经出版便在英语学界引发了广泛的关注。2011和2012年有多篇书评发表,均高度评价了这本书对现实问题的关注以及其学术和社会价值。托马斯·谢利(Thomas Sherry)盛赞这本书为“自《寂静的春天》以来,关于环境问题的著作中最有说服力的一本”[1]。国际著名生态学家大卫·林登迈尔(D. B. Lindenmayer)也对本书给予了较高的肯定:“这是所有生态学家和环境科学家都应该读的书,是今年最重要的书之一。”[2] 2014年,翻拍自此书的同名纪录片上映,侧面显示出这本书所产生的社会影响力之大。然而,2013年华夏出版社出版的中文版,却未在國内得到太多相应的关注,也没有相关介绍和分析性的书评,不失为一种遗憾。

本书作者内奥米·奥利斯克斯是哈佛大学的科学史家,长期关注环境科学史、科学政策等领域,同时也在哈佛地球与行星科学学院任教。地质学家、历史学家和公共发言人的多重身份使得她在史料的爬梳外,得以用更科学、全面、具体的眼光审视这些材料。埃里克·康韦的主要工作集中在航天航空领域,由于具有喷气推进实验的研究背景和海军服役经历,在“战略防御计划”这一部分的书写中,他能够结合军方与学界的双重背景,更为明晰和全面地将多方的意见与矛盾铺述开来。

长期以来,美国在公共卫生、环境科学、生态保持等问题的研究上一直居于国际领先地位,取得了许多重要的研究成果。但与此同时,其科学家群体中却分割出不同的阵营,在科学论争中占据着不同的立场,而在这立场背后仅仅是“意见之争”吗?作者试图说明隐藏在科学争议背后的其他推力,认为在科学家群体中存在着数量不多但能量巨大的组织力量,并以政治立场、经济诉求、文化背景等线索扭结在一起,与主流科学家群体对抗,塑造出了科学论争的表象。在此书中,作者刻画出了由科学家、政治活动家、媒体发言人等众多层级构建起来的群体形象及其内部广泛的政治联系和经济诉求,分析他们如何通过施行有效的运动从而引导并影响公众。同时作者也试图揭示市场原教旨主义在“观念”——这一自由市场的泛滥和扭曲,技术信仰通过获得话语权的专家群体得以扩大化,而这都威胁到了公众对“科学事实”的认知和共识[3]。

一 硝“烟”弥漫:“烟草战略”(Tobacco Strategy)的酝酿与蕃昌

全书共有七章,分述了不同的案例。第一章回顾了以弗雷德里克·塞茨(Frederick Seitz)、卢瑟·特里(Luther L. Terry)为首的科学家群体及其背后利益相关者就香烟危害辩争的过程[4]。烟草行业通过资助旨在让人怀疑烟草和癌症关系的非主流研究而提供质疑烟草危害的科学证据,通过会见传媒行业高层,建立烟草业新闻委员会,努力制造出“辩论”的局面;同时广泛发放民意调查问卷,引导支持香烟的运动,向医生、媒体、公众等分发宣传册,降低对于香烟的恐慌([3], p 16),在这样的“烟草战略”(Tobacco Strategy)下,整个烟草业较为成功地实现了与政府监管的对抗,并在公众视野中弱化了烟草的危害性。

第二章进一步论述了“烟草战略”的扩展,作者认为鹰派科学家在战后十分关注国家安全状态及此背景下的科学发展动向,在一种反共主义色彩的倾向下掀起了战略防御的狂潮。但在作者看来,这些战略并非基于客观、理性的调查结果,而是鹰派科学家在证据缺乏的情况下,将其拟定的结论作为确定的公开知识并加以宣传,最后产生了相应的决策行为。而与之相对的,卡尔·萨根(Carl Sagan)为代表的反伪科学派也尝试通过电视等媒体渠道对鹰派科学家宣扬的战略防御进行回击([3], p 44),认为核交战可能导致地球进入极度严寒,形成不可逆的“核冬天”,由此,这场激烈争辩进入了公众的视野([3], p 49)。通过对科学模型的质疑,以及将“核冬天”的观点与自由主义、环保主义联系,罗伯特·贾斯特罗(Robert Jastrow)等人将公众对核冬天的疑虑点燃([3], p 59),从而使这一观点受到冲击。

在此基础上,作者在第三章就酸雨的“辩论”历程进行了梳理,试图说明类似的模糊化和否认同样发生在环境科学领域。异见群体由于政治立场、经济成本等原因,对酸雨的成因、形成过程、后果、危害程度等诸多方面的研究都进行了反驳,甚至发展到了操纵和篡改同行评议的局面([3], p 95)。这直接引出了第四章关于臭氧层空洞的讨论。弗雷德·辛格(Fred Singer)等保守主义智囊团在利益相关的企业、公司和基金会的支持下竭力建立一种反诉机制,将臭氧空洞定义和描述为自然现象的变化,从而对抗环境监管([3], p 126),最终削弱政府针对环境、健康的保护力度,保护相关企业的顺利发展。

第五章的话题回到烟草上,作者认为保守派科学家、政客和商业集团扭结在一起,利用惯于采取的“烟草战略”,通过虚假宣传、对抗禁令、保持争议等形式对二手烟问题进行回应。他们有意识地针对环保署及其他组织的观点进行了一场“抹黑运动”,甚至整理出版了名为《伪科学:一个资源手册》(Bad Science: A Resource Book)用于对抗环保署监管的信息手册。该书包括了传播广泛的社论、论坛稿件等,在开篇即有“科学常常被操纵,以便履行某个政治议程”的言论([3], p 144—145)。将矛头对准政府的监管政策,并对科学数据、标准甚至科学本身展开了攻击,质疑了科学的权威性和完整性。最后两章也延续了之前的行文脉络,阐述了关于全球变暖和滴滴涕(DDT,一种有机氯类杀虫剂)的争议,对待科学“结果”的拖延战略和否定战略也因此成功占据了言论市场([3], p 174),科学的不确定性被刻意强调。双方的对战从科学论争甚至上升到了人身攻击的层面,主流科学家和主流科学被抨击和挤压,科学的准确性和客观性也因此陷入困境([3], p 197)。

在结语中,作者反思和批驳了论战背后隐藏的自由主义言论与自由市场的推崇,指出市场原教旨主义无法实现生产资源的优化配置,因为参与者无法拥有完善的信息([3], p 249),公众在信息筛选和媒体不对称报道的机制下难以对“科学事实”形成准确的定位和理解。在政治诉求和经济利益的推动下,“烟草战略”被大范围使用,并渗入了生活和理念的诸多角落。而在“公正”外衣下对平衡报道理念的滥用也使得未经验证的科学言论在猎奇和反常态的社会心理下获得了广泛的思想阵地,媒体在抢占新闻的激流中时常捕风捉影[5],公众被制造的“争议”假象误导,难以获取准确而客观的信息。在此意义上,我们应当认识到“科学事实”本身所具有的解释性[6],从而重视科学家群体的专业素质和职业操守。明确唯有形成“正确”“洪亮”和“清晰”的科学声音才能摆脱“烟草战略”的混淆视听,使科学认知越出被怀疑的窘况[7]。

二 贩卖何物:对立观点背后的阴影

本书材料详实,结合了政府档案、官方报告、数据统计、私人回忆录、传记、会议记录等多重资料文献。不同于传统意义上对于科学事实的简单宣传和对科学言论的鼓吹,此书将视野投向科学声音和其背后的科学群体,试图厘清其中涉及的政治立场、经济诉求、文化背景等线索,使得读者对于原本在生活中很难深思的社会现象和科学“事实”进行了更深层次的思考,具有较高的启发价值。

作者试图揭示在双方貌似证据充分的“辩论”背后,隐藏在公众媒体层面的煽动与隐瞒。有利益诉求的群体利用媒体以公平自由自居的立场下对“平衡报道”的追求,塑造出了“辩论”的局面。但“平衡报道”不应简单局限于兼顾观点,在信息来源、可信度、可考证性以及后果等方面也应进行“平衡”考量[8]。传播媒介作为现代社会所日益依赖的信息收集、处理、呈现、解释的符号系统,与外部环境之间应该构成一种相互关联和制约的“生态”,因此传播媒介应当基于公众信任体系,将“平衡”作为内化的道德要求和专业准入门槛,促进科学知识的客观、全面还原,而不是落入机械式呈现对立观点的“虚假平衡”[9]。

另一方面,由于科学技术在社会中的深入应用,科学家群体在公共认知中获得重要地位并在政策的制定和实施层面发挥巨大作用。因此,为了确保公共政策的科学性与合法性,公众所信任的专家系统对科学家群体提出了新的要求[10]。在此书中,这一问题被尖锐指出,公众需要明确清晰的“科学事实”,但科学家群体对寻求准确科学证据和谨慎得出科学结论言辞的事实,被刻意营造为是研究结果的不确定和科学事实的含混[11]。也正因为如此,作者认为鹰派科学家及背后的保守主义群体成功利用能够服务于其话语体系的科学界及媒体代表,通过“以科学对抗科学”的“烟草战略”掩盖了主流的科学认识([3], p 218),而这种掩盖是对科学系统乃至科学本身的一种威胁,“怀疑主义”则在异见精英的推动下成为反运动的策略,并导致美国反智主义盛行,在“话语”和“行动”两个层面都丧失了正面意义的决策能力[12]。

与此同时,在媒体传播、科学家发声以外,也不能忽视公众对于社会舆情和公共政策的参与。强调对话形式的公众参与模型具有更突出的理论阵地和实践可行性[13]。但在多數情况下,即便是以“共识会议”“科学沙龙”等形式为载体的交流活动也时常发展成为科学家对公众的单向科普行为,而这却并不利于实现政府 科学界 公众三方互动下的科技治理结构[14]。在本书中,作者关注科学家群体、媒体以及政界,而对于公众的书写基本上停留在知识被蒙蔽、意见被左右的层次,洞悉多方观点和势力的作者尚且如此,在实际中公众参与的境况也许更是堪忧,这对于“科学共识”的全社会形成和传播无疑是十分不利的。

由此,我们可以发现主流科学家与非主流科学家对立的观点背后凝聚着庞杂的线条。作者描述的这群烟草战略的始作俑者,他们所兜售的也不仅仅是“怀疑主义”,更是符合其利益的诸多繁杂因素——保守主义的政治立场、自由主义的商业诉求、反共反苏的文化背景。在这一场“怀疑”与“确信”之间的斗争中,传播媒介被作为言论武器,科学家群体成为意见代表,公众成为了被兜售的对象,而正是这三个环节的全面溃退,使得我们难以在科学界乃至全社会形成正确的“科学共识”。另一方面,在信息传播飞速的时代社会不同群体之间的“知识沟”又使得获取与分析信息的能力形成了更大的差异化 [15],社会认知和话语建构成为了我们需要长久努力的未竟之事。

三 前路何处:科学共识的瓦解与重建

当“怀疑”成为对科学认知的主旋律,科学的前路便成为了一个无法回避的困局。一方面,STS研究从建构主义的立场出发,解构了传统意义上科学的权威形象,科学不再是神坛上不容置疑的尺规。另一方面,科学与政治、社会的联结产生了新的隐忧,政治立场和价值取向成为了科学研究的背景音。换言之,我们已经站在科学与政治之间的十字路口,科学知识乃至决策共识则成为了亟待解决的全球性问题,但这种合理化共识的形成仍然有赖于传播媒介、科学家群体与公众等多元行动者的共同发力。

20世纪70年代以来,建构主义对科学研究和科学的历史研究产生了深远的影响。建构主义在吸收了解构主义、符号学、解释学等哲学视角后成为了占据重要地位的一种方法论倾向,对科学话语、科学家身份等话题进行了深入探讨[16]。格林斯基(Jan Golinski)认为,科学知识在特定的场所进行生产,其中的代表就是实验室,但其技术人员、科学设备、场地等与社会相联结构成了诺尔 赛蒂那(Karin D. Knorr Cetina )提出的实验室的与境性[17],实验室生产的知识最终成为公众知识,使得实验室具备了突出的社会性。科学的解释性、建构性得以凸显,也导致科学陷入“怀疑”和“确信”之间的尴尬境地。

在此基础上,怀疑其实具备了两层含义,一种是对科学结论的怀疑,这种怀疑部分基于某类科学理论本身的含混与不确定,比如对前沿量子力学的讨论,科学家们也尚未定论;也有部分来源于利益有关群体刻意地煽动和隐瞒,比如在香烟危害性的讨论上,怀疑被刻意制造出来。另一种怀疑则可以指向对科学应有的怀疑精神,即我们不应该迷信某种科学结果,这实际上构成了近代科学突破的深层动力。但在实际的科学传播中,这两种怀疑被混淆,导致民众有时走向盲目的科学信仰主义,有时又对具体的科学结论产生怀疑进而怀疑科学本身。那么,该如何突破这一窘况呢?

首先,在“科学共识”中应当承担重要角色的是科学家群体,科学家在传播与信任的链条中是不可缺失的一环。我们应当明确科学并不强调绝对真理,而是以怀疑精神通过对理论的适用范围、精确程度等进行调整不断逼近真理,科学的突破恰恰来源于对原有科学知识体系的怀疑精神,,我们应当突破传统科学观中客观主义的绝对立场,认识到科学认知中所内嵌的人为构序等行为特征[18]。在此基础上,科学家应当充分提升自身的专业素养,通过对认知主体和认知过程的保障提高科学的可靠性[19]。另一方面,应当加强科学共同体内的规范问题,明确科学家本身所固有的“代表”属性,从而促进有效的科学共识的形成[20]。

而科学家群体“正确”“清晰”的声音如何以“洪亮”的方式表达与宣传呢?这就再次回到了传播媒介的问题。首先,科普是学界和公众所习以为常的方式,但科普的主体、方式却并未形成统一、有利的规范。科学家应当突破传统的“施教者”的身份,不以高高在上的姿态进行偶发的、零散的知识分享,而是成为具备良好表达力、亲和力的代表群体,以规范化、制度化的形式形成有效的知识互动,这也对科学的民主化以及接受度有所裨益[21]。此外,科学观点在媒体中的传达需要被慎重对待,专业素养和职业素养应在科学传播领域兼备,《纽约时报》对于全球变暖的片面性报道就使得舆论领先于科学的确定性结论获得了广泛的公众基础[22],而这对于“科学话语”的公正、客观表达无疑是十分不利的。因此,如何形成全面、权威且被科学家群体和公众同时信任的科学知识普及体系,将科学群体的集体成果转化为有力的发言和共识,是值得我们长期思考和探索的。内奥米在2019年的新作《为什么要信任科学?》中也进一步对此进行了讨论[23]。

最后,科学共识的形成不应局限于科学共同体内,而是应当与公众形成有效互动。科学走出实验室的尝试取得了一定的进展,科学家与公众致力推动的“公共领域”正在形成,科学对话的形式也逐渐丰富。这些举措一方面可以使得公众从被动接受转为主动吸收,从而提高科学知识的传播度,另一方面也能够促进公众的认知,让科学家与科学知识得到更广泛的理解和信任。但是,公众时常認为科学结论应当是准确的、唯一的、固定的,他们所关注和讨论的科学问题,大多数可以演化成“常识”的延伸和扩展[24]。但正如上文所言,科学本身是一个不断发现的过程,这一点被公众所长期忽视。由于公众很难接触到科学结论的演进过程而寻求一个唯一不变的答案,他们希望所有的科学讨论都能归于一个“一加一等于二”一般的确切落点。但问题在于,科学问题并无法如此简单,且在科学家的眼中,“即便是一加一,也不一定等于二”,在不同的思维和话语体系中,科学家与公众被拉向了两端。

更值得担忧的是,在现有的社会格局中,对于科学与技术的信任与依赖使得公众将思考的空间都让渡出去,数据化、科技化在便利化的同时也导致了程序化和信息筛选的隐忧,简化在某种意义上便导致了误解。此外,对于结果和价值的追求以及猎奇心理,使得科学的发声常落脚于吸引性的结果而非过程。因此,科学家群体需要为自己的知识建构性进行辩护,使得公众在保持对科学的乐观立场的基础上,对于科学结论有更为客观、全面和谨慎的判断,对于科学结论形成过程的“解蔽”并不会使科学被拉下神坛,而或许有可能将科学推向民主化和“开源化”,科学不应当是少数人的高超“技艺”,但这无疑基于科学素养的全面提升和科学规范的有序形成。

四 结语

纵观全书,各章之间以议题背后的意见群体、博弈过程相联系,印证的材料非常丰富,较好地完成了其梳理史料、陈述观点的意旨。但各章之间的论证逻辑并未层层推进,偶有累赘之感,且字里行间,可以明显感受到作者对塞茨一方所代表的行业人员、科学家群体的不满与批评,似乎也有失其作为历史学家的公允与客观。不过,书中涉及的人物事件、组织架构十分丰富,对于观点更迭的讨论比较详尽,所引用的材料在数量和角度上都比较丰富全面,是我们了解美国烟草业、全球变暖、臭氧空洞等相关议题的一个坚实出发点,可以以此书为索引,根据作者呈现的材料和线索,继续对有关问题探讨和思考。由于所讨论的议题涉及到许多科学模型与实验方法,而本书并非专业的科学论文,基于篇幅以及作者的学科背景等原因,只能将科学家群体之间的辩争提取为结论性的话语,而如何提取,以什么样的论点作为主要讨论的观点,如何将价值判断剥离于事实判断,则对作者的科学素养提出了很高的要求,这也是科学史家应该长期关注和反思的。

透過此书,我们对看似简单的“科学事实”产生了新的思考,烟草危害、全球变暖等话题之所以并未形成强有力的科学共识和决策共识,部分是利益群体通过各种传播媒介夺取宣传阵地的结果。另一方面,类似于气候变暖成因等问题,本身具有含混性和商榷余地,在缺乏行之有效的科学方法时,科学家无法负责任地给出确切的结论,从而留下了言论的空间。因此,广泛的科学共识的形成,有赖于科学家 传播媒介 公众共同发挥作用的互动空间,通过这三个环节的合理互动,也许我们可以把握好科学与政治之间的互构关系,尽力追求科学话语的客观、中立,通过正确的科学“声音”的形成、传播和接受,从而推动“科学共识”的有效、规范形成。

最后,尽管这本书立足于美国的案例,但透过此书的思考,我们也能够对当下中国的科技争议有所反思。由于目前科技发展具有难以阻挡的迅猛态势,但许多科学技术其实潜藏着伦理困境、价值选择与安全隐忧,因此围绕这些科技的反思与讨论亟待形成与完善,而这离不开科学家、传播媒介与公众三位一体的互动。例如此次新冠疫情中,围绕病毒、疫苗等议题,怀疑与反对的声音从未休止,官方的行动也在探索中进行,克服了许多困局与阻碍。总体而言,需要科学家在科学规范的范围内有效活动,形成科学结论,传播媒介基于专业素质与道德准则进行客观报道,形成合理声音,而公众则应不断提高自身科学素养,对芜杂的信息进行事实判断,形成正确认识。在科学发展的浪潮中,这三者间的有效推进,方能在“怀疑”与“确信”之间把握好边界,形成客观与有效的科学认识,构建良好和谐的社会生境。

参考文献

[1] Thomas W. Sherry. Merchants of Doubt: how a handful of scientists obscured the truth on issues from tobacco smoke to global warming[J]. The Auk, 2011, 128(2): 435—436.

[2] Lindenmayer D B.. Merchants of Doubt. How a Handful of Scientists Obscured the Truth on Issues from Tobacco Smoke to Global Warming[J]. Austral Ecology, 2012, 37: 15.

[3] Orr D.. Merchants of Doubt. How a Handful of Scientists Obscured the Truth on Issues from Tobacco Smoke to Global Warming[J]. Austral Ecology, 2013, 8(3): 370—374.

[4] Naomi Oreskes, Erik M. Conway. Merchants of Doubt: How a handful of scientists obscured the truth on issues from tobacco smoke to global warming[M]. London: Bloomsbury Press, 2010.

[5] 孙旭培, 吴麟. 施放“决策气球”与公共政策制定[J]. 当代传播, 2006,(6): 9—11.

[6] 曹志平. 论科学事实的解释性[J]. 自然辩证法研究, 2003, 19(11): 39—43.

[7] Peter A.Kentros. Climate change and health—Stopping the merchants of doubt[J]. Health Science Reports, 2020, 3(2): e150.

[8] 杜建华. 风险传播悖论与平衡报道追求——基于媒介生态视角的考察[J]. 当代传播, 2012,(1):67—70.

[9] 金兼斌. 科学传播中的科学共识与平衡叙事问题[J]. 中国编辑, 2020,(C1): 34—40.

[10] 游淳惠, 金兼斌, 徐雅兰. 公众如何看待科学家参与政策制定: 从科学素养, 社会网络和信任的角度[J]. 新闻大学, 2016,(6): 77—86.

[11] Schmidt G.. SOWING SEEDS OF DOUBT: How some scientists can TWIST THE FACTS to suit ends other than scientific truth[J]. Chemical & Engineering News, 2011, 89(3): 38—39.

[12] David Miller, Willian Dinan. Resisting meaningful action on climate change: think tanks, “merchants of doubt’ and the ‘corporate capture” of sustainable development[A]. Anders Hansen, Robert Cox eds. The Routledge Handbook of Environment and Communication Routledge[C]. London: Routledge Press, 2015. 86—99.

[13] 贾鹤鹏. 谁是公众, 如何参与, 何为共识?——反思公众参与科学模型及其面临的挑战[J]. 自然辩证法研究, 2014, 30(11): 54—59.

[14] Jasanoff S.. Constitutional Moments in Governing Science and Technology[J]. Science & Engineering Ethics, 2011, 17(4): 621—638.

[15] 杨晓冬, 隗来, 刘美秀. 科技传播视角下的公众科学素养知识沟与科学参与行为沟研究[J]. 科学与社会, 2020,(3): 125—146.

[16] Jan Golinski. Making Natural Knowledge: constructivism and the history of science[M]. Cambridge: Cambridge Unviersity Press, 1998.

[17] Knorr Cetina K.. The Manufacture of Knowledge: an essay on the constructivist and contextual nature of science[M]. Oxford: Pergamon Press, 1981.

[18] 张一兵. 客观科学认知与个人知识——波兰尼《个人知识——走向后批判哲学》解读[J]. 哲学动态, 2020,(5): 36—42.

[19] 王晓森. 确证还是可靠——知识论视域下科学知识问题再思[J]. 科学技术哲学研究, 2020,(2): 69—75.

[20] 李正风. 科学的政治化与科学的民主化——评《民主政治中的科学:专业知识, 制度与代表》[J]. 科学与社会, 2015, 5(4): 115—118.

[21] 孙秋芬, 周理乾. 走向有效的公众参与科学——论科学传播“民主模型”的困境与知识分工的解决方案[J]. 科学学研究, 2018,(11): 1921—1927.

[22] 戴建平. 气候科学共识的起源与本质[J]. 清华大学学报(哲学社会科学版), 2014,(1): 142—152, 163.

[23] Naomi Oreskes. Why Trust Science?[M]. Princeton: Princeton University Press, 2019.

[24] 李醒民. 知识、常识和科学知识[J]. 北方论丛, 2008,(1): 123—130.

作者:黄欣睿

科学家与逻辑学家探讨论文 篇3:

马克思主义视域下中国共产党科学话语的百年演进

[关键词]中国共产党;科学底色;演进;科学家

《科学时报》(即今《中国科学报》)曾刊载了一篇独家专访,题名用“源于科学,成就于科学”一句话来概括中国共产党民主革命时期的奋斗史。实际上,这一证据确凿的判断完全可以推广到中国共产党的百年奋斗历程之中。目前来看,对建党以来科学话语断代史的细节挖掘、梳理研究已经比较充分了。相比较而言,运用长焦镜头对科学话语历史演进开展的研究则略显匮乏,而且既有研究也仍然普遍存在“对脑力劳动的产物——科学——的估价,总是比它的价值低得多”的问题。新文化运动民主与科学的呼唤,凸显了马克思主义的科学形象,進而铸就了中国共产党的科学底色。一百年来,科学在中国共产党的领导下逐渐由变革生产关系的武器拓展、深化为推动经济社会发展的第一生产力。理解科学、正确地定位科学家的身份进而解放和发展生产力,自然成为贯穿中国共产党百年话语体系的重要线索。本文试图以马克思主义的科学话语——包括科学与生产力的关系,科学与哲学、改革以及无产阶级革命的关系,科学家的阶级属性界定、改造等诸多方面——为参照系和线索探寻中国共产党科学话语百年演进的历程,并为进一步探讨科学在中国共产党话语体系中的地位、意义与价值奠定理论基础。

一、中国共产党科学底色的渊源

20世纪初,中国知识分子对西方的学习日渐由制度层面拓展、深入至以科学为代表的深层文化肌理之中。在追求人权、实现民主依然是时代的主题与目标的前提下,“科学”的意义与价值日益凸显出来。1915年9月,陈独秀在上海创办《青年杂志》。在《敬告青年》的发刊词中,陈独秀即指出:“近代欧洲之所以优越他族者,科学之兴,其功不在人权说下,若舟车之有两轮焉。……国人而欲脱蒙昧时代,羞为浅化之民也,则急起直追,当以科学与人权并重。”所谓的“人权”即日后的“民主”,自此高举“民主”“科学”大旗的新文化运动在中国这片古老的大地上蔚然风起。作为庶民的胜利、布尔什维克的胜利,十月革命的成功照亮了中国革命未来的方向与前进的道路。先进的知识分子惊喜地发现:马克思主义就是中国人苦苦追求的民主与科学的完美化身。在进一步传播的过程中,马克思主义又是“作为‘科学’被国人理解和接受”的。身为中国共产党的创始人、早期领导人,陈独秀进一步塑造了马克思主义的科学形象。他说:“现代的人都称马克思的学说为科学的社会学,因为他应用自然科学归纳法研究社会科学。马克思所说的经济学或社会学,都是以这种科学归纳法作根据,所以都可相信的,都有根据的。”此后成立的中国共产党,这一由“近代民主、科学思潮逻辑进化结出的果实”,也就顺理成章地被深深烙上了一抹“赛先生”——即“科学”的底色。建党前夕,怀揣“科学救国”梦想赴欧留学的中国青年中就包括周恩来、蔡和森、王若飞、邓小平、陈毅、李富春、聂荣臻、向警予、蔡畅、李维汉、李立三、徐特立等中国共产党的重要领导人。即便是原本要自费留法,但最终并未成行的毛泽东同志,也立志“三十以内只求普通知识,因缺乏数学、物理、化学等自然科学的基础科学的知识,想设法补足”。诸如此类得史实不胜枚举,同时也足以验证中国共产党人的科学成色。中国共产党之所以能够“在党性原则与科学性原则的结合上达到一定的完美程度”,除了近代中国的历史机缘外,从更深层次的理论肌理上来看,则是与马克思、恩格斯以及辩证唯物主义与自然科学的内在关联密不可分的。

相比较而言,20世纪以后的人更为熟悉的是马克思、恩格斯的哲学家与革命家身份,容易被忽置不提的是二人的科学家、科学史家、科学哲学家的身份。平心而论,两位革命导师也堪称19世纪伟大的科学家。至迟在1845年合著《德意志意识形态》的时候,二人既已开始对“自然科学和历史”的系统研究。为了更好地研究国民经济学,从19世纪50年代中期开始,马克思就将更多余暇投注于初等、高等数学尤其是微积分的研究。此后的30年,马克思除了系统阅读牛顿、莱布尼茨、欧拉、达兰贝尔、拉格朗日等17世纪以来著名数学家的专著外,还撰写有《论导函数概念》《论微分》等专业数学研究论文,部分数学史家甚至将马克思的研究视为微积分史上的一块重要里程碑。19世纪60年代初,马克思、恩格斯更是通过他们俩共同的挚友——近代有机化学奠基人、德国化学家、英国皇家学会会员肖莱马(Carl Schorlemmer,1834-1892),取得与欧洲科学界第一流科学家学习、交流的机会。化学、农业化学、地质学、人类学等等“任何一门理论科学中的每一个新发现,即使它的实际应用甚至还无法预见,都使马克思感到衷心喜悦”,而且在所涉及的每一个领域马克思都能有自己独到的发现。1870年结束在曼彻斯特的企业经营活动迁居伦敦,一直到创作《反杜林论》(1876-1878),恩格斯更是开启了一段接近十年的对自然科学、科学史、科学哲学地集中系统研究。在英国物理学家约瑟夫-汤姆逊(Joseph John Thomson,1856-1940)之前,恩格斯敏锐地意识到原子一定不会是“已知的最小的物质粒子”,进而成功预言了电子的发现。甚至,恩格斯还曾经预言将来的某一天可以应用实验方法将人类思维归结为“脑中的分子运动和化学运动’:开神经递质学说之先声。

之所以如此重视科学,从文化这一宏观层面讲是因为马克思认为:“自然科学是一切知识的基础。”具体到微观层面特别是哲学领域,恩格斯进一步指出17世纪以来推动西方哲学前进的主要是“自然科学和工业的强大而日益迅猛的进步”,而且“18世纪科学的最高峰是唯物主义”。在回顾唯物辩证法的产生过程时,恩格斯特别提到“马克思和我,可以说是从德国唯心主义哲学中拯救自觉的辩证法并且把它转为唯物主义的自然观和历史观的唯一的人。可是要确立辩证的同时又是唯物主义的自然观,需要具备数学和自然科学的知识。”概而言之,17世纪科技革命以后的哲学包括马克思主义哲学都是建基在自然科学的知识基础之上的,都是离不开自然科学的。同样,未来哲学也必然如此。最后,恩格斯还不忘谆谆教诲未来的共产主义者:“随着自然科学领域中每一个划时代的发现,唯物主义也必然要改变自己的形式。”

二、建党百年来中国科学话语的演进

(一)马克思主义视域中的科学与社会

从古希腊人的天才直觉、阿拉伯黄金时代零散的自然研究,到16、17世纪始于哥白尼终于牛顿、林奈的科技革命,再到19世纪层出不穷的自然科学新发现,在对科学内、外史进行了系统的研究之后,恩格斯得出结论称:“科学的产生和发展一开始就是由生产决定的。……在中世纪的黑夜之后,科学以意想不到的力量一下子重新兴起,并且以神奇的速度发展起来,那么,我们要再次把这个奇迹归功于生产。”在科学社会学学科建制化之前半个世纪,恩格斯既已敏锐地发现近代自然科学产生与资本主义生产方式之间的内在关联性。马克思同时指出:“一方面,资本是以生产力的一定的现有的历史发展为前提的,——在这些生产力中也包括科学,——另一方面,资本又推动和促进生产力向前发展。”换句话说,近代自然科学是由资本的法术呼唤出来的“生产力”,而且毫无疑问资本在后续的不到一百年的演进历程中所创造的生产力“比过去一切世代创造的全部生产力还要多,还要大”。因此,马克思主义将科学视为推动经济与社会历史发展的“有力杠杆”。

在《1844年经济学哲学手稿》中,马克思将工业史以及建基在工业之上的资本的物质性存在视为“一本打开了的关于人的本质力量的书”。同时,马克思又将工业视为“自然科学同人之间的现实的历史关系”。换句话说,从本性上来看,其实科学正是作为“类”而存在的人的内在本质力量的一种展现。按照这个逻辑,作为人类的本质力量的表现形式,科学毫无疑问应该“为人类服务”,成为通向人的自由而全面发展的必由之路。事实却是,在资本主义私有制度中“自然科学从属于资本”,故而仅仅“让一部分人独享技术和文化的一切成果,而另一部分人连最必需的东西——教育和发展也被剥夺了”,并最终使技术与科学的进步异化为“榨取血汗的艺术的进步”。因此,无论是马克思对国民经济学的理论推演,还是恩格斯对资本主义生产方式的事实记叙,都表明科学这种生产力“越来越不需要资产阶级的管理了”。只有真正消灭了私有制,“在劳动共和国里面,科学才能起它的真正的作用”。换句话说,只有在“自由人联合体”的共产主义社会中,“只获得了片面的发展”的科学,才有可能得到全面的发展,并且真正实现生产力的解放,进而最终实现人的自由而全面的发展。当然,马克思也并没有完全否定科学从属于资本那个时代的历史功绩。在他看来,即便是一种异化式的应用,自然科学仍然“通过工业日益在实践上进入人的生活,改造人的生活,并为人的解放作准备”。事实证明,18世纪的自然科学“一方面和哲学,另一方面和实践结合起来了。科学和哲学结合的结果就是唯物主义(牛顿的学说和洛克的学说同样是唯物主义所依据的前提)、启蒙时代和法国的政治革命。科学和实践结合的结果就是英国的社会革命”。故而,马克思说:“蒸汽、电力和自动纺机甚至是比巴尔贝斯、拉斯拜尔和布朗基诸位公民更危险万分的革命家。”概言之,科学在唯物史观中并未止於价值中立的生产力,而是进一步将力量传递至生产关系变革的领域中,成为人类社会发展中“最高意义上的革命力量”。

此外,在马克思、恩格斯理解科学的过程中还衍生出一个生态的维度。那个时代的主流观点认为,人类正是藉由自然科学“降服了自然力,迫使它为人们服务”的。与当时大多数人的观点不同,恩格斯冷静地告诫世人务必丢弃这种短视的惯性,“不要过分陶醉于我们人类对自然界的胜利。对于每一次这样的胜利,自然界都对我们进行报复。每一次胜利,起初确实取得了我们预期的结果,但是往后和再往后却发生完全不同的、出乎预料的影响,常常把最初的结果又消除了。”因此,人类必须努力学会估量科学应用过程中难以预知的“较远的后果”。在恩格斯看来,人类这一物种就是“物质的最高的精华”,而且正是通过人类,“自然界获得了自我意识”。推而广之,生命的本质要素正在于它与周围自然界——即生命的无机的身体之间持续不断的“新陈代谢”。所以,“我们每走一步都要记住:我们决不像征服者统治异族人那样支配自然界,决不像站在自然界之外的人似的支配自然界,——相反,我们连同我们的肉、血和头脑都是属于自然界和存在于自然之中的;我们对自然界的整个支配作用,就在于我们比其他一切生物强,能够认识和正确运用自然规律”。简而言之,人与自然界是生命共同体,避免人与自然界之间“新陈代谢的断裂”,才能摆脱环境污染与生态危机难题。

(二)中国共产党科学话语的演进

民主革命时期,中国共产党领导的科学事业总的来说是“替抗战建国服务”的。反对帝国主义、封建主义,与反对迷信、启发民智,是当时的三大革命任务。因此,1940年毛泽东同志将中华民族的新文化界定为“民族的科学的大众的文化”。“民族的”文化指向反对帝国主义,“大众的”文化指向反对封建特权,“科学的”文化则指向是反对迷信、启发民智。三者之中,“科学”位居文化的核心。毛泽东同志曾说:“新民主主义的文化是科学的。它是反对一切封建思想和迷信思想,主张实事求是,主张客观真理,主张理论和实践一致的。在这点上,中国无产阶级的科学思想能够和中国还有进步性的资产阶级的唯物论者和自然科学家,建立反帝反封建反迷信的统一战线。”民主革命时期,在中国共产党的领导下人民政权建立了自然科学研究院等一批科学研究与教育机构,在通讯、军工、农业科学乃至基础科学、科学普及等领域取得了一系列不俗的成就,有力地保障了抗战建国工作的顺利开展,真正将科学打造成中国人民“争取自由的一种武器”。

中华人民共和国成立之初,面对帝国主义的围追堵截以及百废待兴的国内形势,为了更好地推动艺术的发展与科学的进步,毛泽东同志适时提出“百花齐放、百家争鸣的方针”,在此基础上,毛泽东同志在1960年前后又进一步明确指出“科学文化现代化”的问题。在那个艰难困苦的时代里,中国共产党带领中国人民“向科学进军”,创造了“两弹一星”等一系列举世瞩目的伟大科学成就。尽管当时最具代表性的科学成果依然聚焦在军事科技领域,但是党中央在科学观上已经出现向生产力维度转向的良好态势。1963年12月16日,在聽取聂荣臻关于科学技术十年规划的汇报后,毛泽东同志指出:“科学技术这一仗,一定要打,而且必须打好。过去我们打的是上层建筑的仗,是建立人民政权、人民军队。建立这些上层建筑干什么呢?就是要搞生产。搞上层建筑、搞生产关系的目的就是解放生产力。……不搞科学技术,生产力无法提高。”

改革开放伊始,邓小平同志接管科技与教育工作。1978年3月18日全国科学大会在京召开,邓小平同志重提“向科学技术现代化进军”的问题。1988年9月,邓小平同志在会见捷克斯洛伐克总统胡萨克时,第一次明确提出“科学技术是第一生产力”的著名论断。将科技提高到“第一生产力”的高度,不能单靠拿来主义,尤其需要自主创新能力的培养。紧接着,10月份邓小平同志又前瞻性地提出科学领域自主创新的长远规划,主张“中国必须发展自己的高科技,在世界高科技领域占有一席之地”。1995年5月,江泽民同志适时提出“科教兴国”战略,全面落实科学技术是第一生产力的思想。进入新世纪以来,我们更是取得了超级计算机“天河一号”(2009)、目标飞行器“天宫一号”(2011)、“嫦娥三号”探测器成功登月(2013)、暗物质粒子探测卫星“悟空”发射升空(2015)、500米口径球面射电望远镜“天眼”(2016)、世界首颗量子科学实验卫星“墨子”(2016)、“天和”号空间站核心舱(2021)成功发射等一系列引领时代的伟大成就。

中国共产党科学话语的生态文明转向,在上世纪中叶已初见端倪。1959年6月11日,毛泽东同志曾经指出:“如果对自然界没有认识,或者认识不清楚,就会碰钉子,自然界就会处罚我们,会抵抗。”1972年官厅水库污染事件发生后,周恩来总理派团参加联合国第一届人类与环境会议,进一步推动对环境生态问题的关注。伴随着工业化与城镇化进程地日益加速,经济社会的发展面临着日益严峻的资源紧缺、环境污染等生态困境,国际贸易领域同样遭遇着绿色壁垒等一系列生态钳制的难题。1996年,江泽民同志适时提出“在社会主义现代化建设中,必须把贯彻实施可持续发展战略始终作为一件大事来抓”的伟大抉择。党的十六大、十七大、十八大报告反复提到开创“生态良好的文明发展道路”的问题。十七大明确提出“建设生态文明”的目标,十八大进而将生态文明建设放在经济、政治、文化、社会、生态五位一体的突出地位。2017年10月,习近平总书记口在十九大报告中指出:人与自然是生命共同体,人类必须尊重自然、顺应自然、保护自然。生态文明新政,“正日渐由观念和政策的边缘走向中心”。

三、建党百年来科学家政策的衍变

在马克思看来,科学就是“一本打开了的关于人的本质力量的书”。这本反映人的本质力量的书,离不开人民群众的创造性,更离不开科学家群体所付出的伟大脑力劳动。因此,如何看待科学家、如何善待科学家进而最大限度的解放和发展他们的生产力,也就成为中国共产党百年科学事业发展绕不过去的一个重要问题。

(一)马克思主义视域中的科学家

作为人的脑力劳动的成果,科学原本应该从属于创造它的劳动本身。但是,“资本主义生产的发展势必引起科学和劳动的分离”。马克思的意思是说,在资本主义社会中科学是处于异化状态中的,“资产阶级抹去了一切向来受人尊崇和令人敬畏的职业的神圣光环。它把医生、律师、教士、诗人和学者变成了它出钱招雇的雇佣劳动者”。也就是说,在资本主义的生产方式中,尽管处境稍有差异,科学家实际上同工人阶级一样也是雇佣劳动者。资本家不费分文地“吞并‘别人的’科学”,正如资本家无偿占有工人阶级的剩余劳动成果一样。当时大多数的科学家——恩格斯称之为“脑力劳动无产阶级”——同工人阶级一样,尽管代表着一种先进的生产力,却同样是需要进行思想觉悟的一个群体。

科学家本来应该“拿自己的学识为人类服务”,然而在现实中却遗憾地成为“阶级偏见的兜售者、追逐名利的国家寄生虫、资本的同盟者”。正因如此,一直到苏联时期,列宁、斯大林等人都将科学家视为资产阶级的专家。苏维埃俄国政权建立之初,列宁同志即指出“要进行社会主义建设,必须充分利用科学、技术和资本主义俄国给我们留下来的一切东西”。即便如此,马克思、恩格斯、列宁三位革命导师一直都是非常关爱科学家的,而且希望能够通过建立“无产阶级和科学界技术界人士的联盟”:借以消灭贫困、疾病和肮脏等全部压迫。1893年12月19日,恩格斯在《致国际社会主义者大学生代表大会的信》中提到“希望你们的努力将使大学生们愈益意识到,……工人阶级的解放,除此之外还需要医生、工程师、化学家、农艺师及其他专门人才,因为问题在于不仅要掌握政治机器,而且要掌管全部社会生产,而在这里需要的决不是响亮的词句,而是丰富的知识”。因此,在苏维埃政权建立初期列宁即主张要像爱护眼睛那样关爱、尊重科学家,而且还专门成立了“科学家生活改善委员会”。

(二)中国共产党科学家政策的衍变

民主革命时期,中国共产党对科学家的认识、对待科学家的态度明显受苏联的影响较多。在《中国革命和中国共产党》一文中,毛泽东同志即明确将科学家“归人小资产阶级范畴”。即便如此,中国共产党仍然将其视为“革命的力量”,并且认为将来的政府也要重用“科学家来帮助无产者开发实业,振兴学术”。1939年12月党中央在陕甘宁边区发布《大量吸收知识分子的决定》,强调共产党员要尊重党外学者,而且利用各种渠道吸纳国统区包括海归的科学家投身抗战建国事业中来。延安时期,我党在这些日益向中国共产党、向中国人民的解放事业、向共产主义靠拢科学家的帮助下,创立了抗日军政大学、陕北公学、鲁迅文学艺术学院、中国女子学院、泽东青年干部学院、民族学院、军政学院、中国医科大学、华北联合大学、延安大学等一批高质量的大学,培养了一大批优秀的红色科学家与技术人员。在极端艰苦的环境中,中国共产党尽最大努力去改善科学家的待遇。1940年,晋察冀边区制定了“加强自然科学教育,优待科学家及专门学者”的方针,紧接着陕甘宁边区也批准实施了《1943年度技术干部优待办法》。同时,将派出去与请进来的政策相结合。20世纪30年代末,我党想方设法派遣了一批革命烈士遗孤前往苏联学习自然科学。皖南事变爆发后,将暴露身份的部分党员派往美国求学。这一系列科学政策的施行,为保证抗战建国的胜利奠定了坚实的基础。

新中国成立初期,原国统区的、留学归国的科学家与青年知识分子群体迅速壮大。1950年7月25日,政务院颁布《关于救济失业教师和处理学生失学问题的指示》,引导科学家与青年学生为新中国的建设事业服务。经过一系列社会主义思想改造运动,1956年1月周恩来同志代表党中央在关于知识分子问题的会议上正式宣布:科学家“已经是工人阶级的一部分”、改革开放前,党对科学家阶级属性的界定又一度出现了反复,甚至将部分科学家错判为“资产阶级反动学术权威”,挫伤了科学家群体的积极性,给社会主义建设事业造成了不小的损失。1978年3月,我们迎来了“科学的春天”,邓小平同志在全国科学大会上重申了科学家是工人阶级一份子的重要论断。20世纪80年代中叶,邓小平同志进一步指出:“国力的强弱,经济发展后劲的大小,越来越取决于劳动者的素质,取决于知识分子的数量和质量。”世纪之交,江泽民同志提出“要确立人才资源是第一资源的思想”,要求各级党组织要热情关心科技人员的成长和进步。2006年,胡锦涛同志提出“建立健全育才、引才、聚才、用才的体制机制”的问题。

进入新时代以来,在科学研判国际科技创新竞争态势以及国内科技发展形势的基础上,习近平总书记进一步指出自主创新应该“面向世界科技前沿、面向经济主战场、面向国家重大需求、面向人民生命健康”的问题,强调要坚持“把科技创新摆在国家发展全局的核心位置”,而且反复提到要“营造良好人才创新生态环境”即科技生态的政策要求。习总书记还号召广大科技工作者要“不忘初心、牢记使命,秉持国家利益和人民利益至上,继承和发扬老一辈科学家胸怀祖国、服务人民的优秀品质,主动肩负起历史重任,把自己的科学追求融入建设社会主义现代化国家的伟大事业中去”。

四、结语

当时的国内国际环境,塑造了马克思主义在20世纪初中国传播过程中的科学形象。与此同时,科学也就顺理成章地内化为中国共产党的底色。在马克思主义科学话语以及苏联早期科学实践经验的指引下,中国共产党因地制宜地拓展与革新着其对科学、科学与社会、科学家的认知,将科学提高到“第一生产力”的地位,真正将科学变成为人民服务的“人的本质力量”,解放了科学家即脑力劳动无产阶级的生产力,并在此基础上先后实现民主革命、社会主义革命与建设事业的伟大成功。进入新时代以来,中国共产党更是开启了经济与社会发展生态转向的伟大征程,為建构人与自然生命共同体、人类命运共同体,实现共产主义理想奠定了科学基础。中国共产党人用一百年经济社会发展的伟业告诉世人:中国共产党是真正理解科学,也是真正懂得科学价值,更是真心关爱、尊重科学家的百年政党。只有内置于马克思主义的科学话语体系中,中国共产党百年科学话语的演进才更加具备充分的理论依据。同样,只有内置于中国共产党百年科学话语的演进中,马克思主义的科学话语体系才更能显示其现实力量。

作者:张庆伟 傅臣家

上一篇:系统维护下的企业信息论文下一篇:非理性因素下医患关系论文