洞察力

从基于奥斯特罗姆讲习班框架的综合研究项目中吸取的经验教训

• 摘要
• 简介
• 比较与合作社会生态研究
• 项目总结
• 经验教训
  • 综合项目效益
  • 挑战和问题
• 未来项目指南
• 对本文的回应
• 数据可用性
• 文献引用

介绍

应对当前社会和环境变化带来的可持续性挑战，需要对环境公地的治理建立在对社会-生态系统(SES)关系的清晰理解之上。大量关于社会经济地位治理的文献已经确定了一些有影响力的社会和生态属性以及它们之间的关系(Partelow 2018)。该文献主要由案例研究组成，使用不一致的SES属性测量方法，这阻碍了比较分析，从而妨碍了对SES关系的概括。

开发可比较的案例描述需要使用一个共同的框架，以确保使用标准的研究协议。为了支持这一共同框架，印第安纳大学政治理论和政策分析研讨会的埃莉诺·奥斯特罗姆(Elinor Ostrom)和同事们开发了几个分析框架。这些“研讨会框架”是制度分析与发展(IAD)框架(Ostrom 2005)、社会生态系统(SES)框架(Ostrom 2007)和稳健性框架(Anderies等人2004)。这些框架旨在分析人类行动者(经常是资源使用者)相互作用及其社会和生物物理环境的系统。IAD的框架围绕着一种行动情境的想法，或一种行动者做出共同影响彼此福利的决定的情境。决策者如何相互作用反过来取决于生物物理、社会和制度条件。SES框架直接扩展了IAD，尽管它整合了可变层次的语言，并更广泛地揭示了影响行动情况的社会和生态变量。稳健性框架同样考虑了社会-生态系统和其中相互作用使用自然资源的资源使用者;但它较少关注焦点行动情况，而更多地关注作为结果的适应性和影响资源用户交互的公共基础设施。

虽然这些框架为学者们提供了一个共同的视角，但使用它们的关于公地治理的文献在选择、定义和变量度量方面大多仍然是独特的(Thiel等人2015年，Partelow 2018年，Schlager和Cox 2018年)。这一点，再加上采用案例研究方法的倾向(Poteete和Ostrom 2008)，阻碍了综合和比较研究。尽管如此，已经有几个基于研讨会框架的协作性数据驱动项目，它们在利用它们产生一组面向公共的案例的一致描述方面表现突出。在本文中，我们总结了这些项目(表1)以及从中获得的经验教训。对优势和劣势进行了讨论，以便为未来广泛的比较社会生态研究提供指导。

比较与合作社会生态学研究

在本文中，我们关注广泛的比较研究项目，这些项目使用研讨会框架在相对大量的面向共同的案例中进行比较。这里的“广义”指的是特定于领域的。在社会科学研究中发现的许多真正的大n分析发生在个人层面或国家层面(Poteete et al. 2010)。在我们的背景下，分析的单位从小型的，例如自然资源使用者的当地社区，到大型的治理系统，例如区域海洋保护区系统，公海的保护协议，或保护干预的国际结果。有了这些更大的分析单元，“广义”并不意味着要分析成千上万的观察结果;我们指的是几十到几百个观测数据的数据库，通常包含不同的社会和生态背景(见表1)。

可以说，这种关键规模的比较数据的缺乏反映了公共社区内协作和协调的失败。公地共同体本身也开发了分析工具来理解这一点。正如Poteete等人(2010:262)所描述的，合作研究伙伴关系，就像我们正在考虑的那些，面临着集体行动的问题，或者是群体作为一个整体的利益和它的个体成员之间的利益分歧:

大多数学者如果投资于专业技能，并在学科期刊上主要发表单一方法的研究，他们的个人状况会更好;他们更有可能找到一份好工作，让他们的研究迅速发表，获得终身职位，获得拨款和奖项。然而，如果更多的研究采用多种方法，并结合不同学科的见解，那么学术界和政策界的整体状况将会更好。

这一挑战无处不在，源于科学和协作企业的公共利益性质，对于数据密集型项目来说，这一挑战更为复杂，因为所涉及的基础设施本身就是一种公共利益。此外，许多这些项目的参与者数量增加了协调成本，使防止搭便车变得更加困难(Casari和Tagliapietra, 2018)。所涉及的视角的多样性也会使协调变得更加困难。例如，代表性多样性在一定程度上可以帮助群体，但之后，人们就越来越难以开始理解彼此，特别是如果所涉及的多样性与核心价值观、信念和个人目标有关(Cronin和Weingart 2019)。正如Poteete等人(2010)所描述的，学术界内部的碎片化程度阻碍了应对这些挑战的努力。在学术界，研究者、研究群体和学科层面都存在着高度的个人主义。对于社会组织的每一个单元来说，合作都受到竞争的威胁。

可以说，这些挑战在生命科学领域比在社会科学领域，或者在它们之间的社会生态空间中得到了更有效的解决(Parker et al. 2010)。生态学研究网络中最著名的例子包括长期生态研究(LTER)和国家生态观测网络(NEON)计划。同样值得注意的还有国家生态分析与合成中心(NCEAS)，该中心一段时间以来一直支持生态数据和研究成果的合成(Baron et al. 2017)。基于NCEAS模型，国家社会-环境综合中心(SESYNC)自成立以来一直是社会-生态信息综合的卓越中心，基于团队科学的严格方法(Palmer et al. 2016)。事实上，这篇文章是在一次SESYNC工作组会议上构思的。

虽然与这些合成中心工作小组相关的研究结果很重要(Hampton and Parker 2011)，但这些小组在一个特定的环境中运作，在相对较短的时间内，并得到了以聚合现有数据为目标的中心基础设施的支持。我们对“野外”项目的了解较少，尤其是我们这里关注的跨学科和跨学科数据驱动的社会生态项目。

除了协作的挑战，Poteete和Ostrom(2008)发现广泛比较研究面临的一个关键挑战是复杂性和可比性之间的紧张关系(另见Cox 2008)。在资源有限的情况下，每个项目必须通过更多地关注个别案例，或者更多地以一种能够在它们之间进行比较的方式来表示它们，从而招致一些机会成本。波提特和奥斯特罗姆(2008:189)描述了一种应对这一挑战的方法:

指南和清单促进了比较研究，同时使研究人员有相当大的灵活性来调整他们的数据收集策略以适应当地条件，或补充基本问题集，以追求当地关注的问题。

我们认为，这些挑战是相互交织的，一份指导性清单可以帮助解决每一个问题。“清单”这个词在这里的使用可能会让一些读者感到惊讶。在一本关于这个主题的流行书籍中，Gawande(2014)描述了清单如何被用来增加从业者之间一组实践的一致性。从这个角度来看，从设计上看，清单是不一致性(也称为灵活性)的敌人。这一视角被用来批评所谓的“蓝图”管理方法过于公式化(Cox et al. 2010)。在这里，我们重新解释这个概念，使其成为刚才讨论的灵活性和一致性之间的紧张关系的中心。清单可以帮助研究人员保持灵活性(复杂性)和一致性(可比性)之间的平衡，如果它们不是简单的方框，基于高度易读的标准进行检查，而是更多地作为参与者讨论的基础的指导性问题。通过这种方式，我们对清单的看法更接近于诊断的想法，而不是蓝图。在接下来的内容中，我们将对每一个项目、它们的好处以及本文讨论的两个基本问题进行反思。最后，我们提供了波提特和奥斯特罗姆(2008)所要求的一个版本的清单。 In so doing we hope to contribute to the ability of future scholars to address the key challenges discussed.

项目总结

7个项目的详细描述见附录1。每个项目由以下类别总结:(1)起源和目的，(2)描述和过程，以及(3)创新、成果和经验教训。公共资源(CPR)、尼泊尔灌溉机构和系统(NIIS)以及国际林业资源和机构(IFRI)项目都是在20世纪90年代的奥斯特罗姆研讨会上制定的，而这里讨论的其他项目是在接下来的几十年里制定的。前三个项目旨在分析以社区为基础的自然资源管理的体制动态。这些项目的数据库有一些相似之处，这是因为重叠的参与者网络和共同的基础框架(IAD)、变量和定义，这些都是通过开发第一个CPR数据库建立的。NIIS的数据库进一步发展和完善了CPR数据库，专门针对灌溉部门，后来又纳入了初级数据。据埃莉诺·奥斯特罗姆(语言交流)、NIIS和IFRI都是根据各自资源进一步发展的CPR。在CPR数据库的593个变量中，NIIS中也有319个变量(54%)，约占其554个变量的58%。对于IFRI来说，虽然由于使用了另一种命名惯例系统，直接比较是不可行的，但据估计重叠约为20%。最后的四个项目都借鉴了原来的三个项目，并以不同的方式使用框架。有趣的是，他们都没有单独使用IAD框架，尽管这在每个项目中仍然扮演着核心的概念角色。

经验教训

综合项目效益

包含大量案例的数据集的主要好处是，它们有助于解决“变量多，案例少”的问题，这是小型研究的特点，并促进比较分析，使我们能够评估重要关系的普遍性。这里审查的每个项目都被用来发展和测试关于环境可持续性的社会、制度和生物物理驱动因素的假设。这些数据库使企业社会经济地位的研究从单案例研究发展为多案例比较研究，理论泛化程度更高。也许与直觉相反，由几个项目开发的支持基础设施使用户能够部分通过可视化(SES Library, SESMAD, MACMON)来解开特定案例和对象的复杂性。例如，在SESMAD数据库中，案例表示的复杂性促进了案例研究分析的新技术。

有些好处是基于收集的数据类型，而不限于广泛的比较研究。对于涉及到二级数据编码的项目，这一过程是一种结构化的文献综述，参与者可以收集对文献的综合理解。对于涉及原始数据的项目，有机会与当地合作伙伴发展合作关系。这就为这些项目产生的知识创造了填补当地合作伙伴在特定时间和地点的知识空白的潜力。

对于更广泛的研究界来说，比较数据库为学者们提供了一系列潜在的相关因素，以及一种持续衡量这些因素的方法。尽管变量列表的贡献似乎相当有限，但它们概括了可持续发展科学从一个强调简单的万能解决方案的领域演变为一个涉及广泛的社会、生物物理和制度变量之间的复杂互动的领域(Agrawal 2003, Ostrom 2007, Liu et al. 2007)。学生和研究人员可以从这些列表中得出可比较的研究协议和发现，并避免在操作和测量关键概念和变量时重复工作。例如，SESMAD网站和MACMON项目的实践者手册(Gurney and Darling 2017)为未来的学者和实践者如何实现SES框架提供了指导。通过这样的学习，我们也许能够在未来产生更一致的项目和分析，即使这些没有完全集成到一个共同的项目中。

挑战和问题

协作

要产生上述好处，需要一组学者之间的合作，通常是非学术合作伙伴。如上所述，科学合作的挑战可以直接解释为一种公共产品困境:很难将合作的成员排除在它所产生的利益之外，从而导致搭便车问题。正如在前一节中所看到的，项目产生了多个收益流。对于研究小组来说，直接受益于出版物，通过这些出版物，项目的贡献为更广泛的社区所了解，使参与者在声誉上受益(见图1)。

为了出版这些出版物，需要若干投入。项目所有其他方面的基础是开展活动所需的资源。这包括社会资本，这里我们指的是正式规则和非正式规范的混合，它们需要为研究人员的贡献提供激励，以及一个可预测的社会结构，以便在其中运作:理想情况下，秩序井然的群体拥有赋予人们充分理解的权利和责任的位置，这些至少是最起码的法典化。在这里讨论的每个项目中，都有一部分参与者扮演领导者的角色，通过确定团队成员的权利和责任，降低了其他参与者的参与成本。

项目的社会结构应该指导开发所需技术基础设施的过程，其中包括指导材料，为项目伙伴提供案例、组件和变量的公共定义，以及用于收集和将数据输入数据库的程序。数据库的建设涉及至少两种公共产品的创建。首先是数据存储和管理基础设施。这至少包括一个编码手册和数据存储平台的开发。提供所有这些基础设施需要达到最低限度的协作(阈值);然而，一旦基础设施提供，其维护相对较低。然后是数据本身，这是一件好事，它会随着贡献者的数量而增长。因此，虽然基础结构可以由一小群合作者或甚至单个领导者提供，但数据库的填充需要大量贡献者的协作。数据的质量取决于收集和输入数据的人的技能和保真度，随着时间的推移，不同的研究人员(和其他贡献者)进入和退出团队，这个问题变得越来越具有挑战性。

基础设施开发的一个重大障碍是研究人员经常缺乏设计、开发和维护数据库所需的知识。在多个项目中，IT专业人员填补了这一空白，但是这些合同关系的长期维持可能是困难的。开源软件产品，例如Kobo工具箱，是可持续性和定制化的潜在解决方案。此外，技术上的困难，如在关系数据库中制定查询，可能会持续到数据收集阶段之后，这需要不断强调与项目团队加强数据科学技能，或与数据科学家合作。在过去，这导致复杂的分析被简单的分析取代，限制在几个关键变量，然后进行更简单的分析，如线性回归。这意味着，由于良好的技术实践而将数据划分为许多表(用户、资源、规则)实际上会导致更简单的科学分析，因为缺乏IT知识意味着在分析中不能再将信息汇集在一起。在这里，使用图形用户界面可以帮助提高可访问性，即使对于技术不那么熟练、协作项目只是众多用户之一的用户也是如此。

正如Poteete等人(2010)所讨论的那样，研究生态系统的某些方面会使这些困境特别具有挑战性。学术组织往往是个人主义的，用个人层面的衡量标准来获得奖励和声望。与美国国家科学实验室或CGIAR系统内其他机构的团队不同的是，像这里讨论的那些合作通常涉及来自不同机构的伙伴，他们自愿加入临时的合作小组，而不是属于一个组织内一个相对固定的团队。另一个问题是补助金通常是短期的，即2-3年。然而，发展和维持一个数据库，例如更新技术基础设施或输入新的案例，是一个长期的项目。

由于这些集体行动的挑战，大多数项目在维护和扩大数据库方面的进展是断断续续的，因为学者们努力维持对详细数据收集和编码的激励，并收集纵向数据，但IFRI数据库是一个显著的例外，在某些地点，每隔几年就可以进行多达5次测量，NIIS数据库，通过对数据情况不充分的灌溉系统进行有针对性的访问，获得了极高覆盖率和完整性的数据。

此外，那些采用跨学科方法或涉及与非学术参与者合作的广泛比较项目面临着额外的合作挑战。虽然大多数项目主要集中于社会和机构信息，但在其他项目中，大量的生物物理数据(如MACMON、IFRI、NIIS)被收集和表示，因此涉及到与自然科学家的合作。此外，包括初级数据收集在内的一些项目还涉及到资源管理从业者的参与，从咨询到跨学科的方法，这些方法需要知识合作，以满足现实世界的信息需求(Mauser等人，2013年)。以MACMON项目为例，该项目是由环保从业者确定的，随后需要与学术界合作，在理论上发展并奠定项目的基础。在这些跨界方法中所涉及的随后的视角多样性导致了不同的利益、优先级、项目历史、认识论，以及关于什么构成突出的、可信的和合法的知识的潜在紧张关系(Cash等，2003年)，特别是关于SES属性包括哪些以及如何操作它们。通过将SES和IAD框架作为项目的基础，克服这种紧张关系并集成不同的视角，已经得到了帮助，因为它们有效地充当了“边界对象”，既适应不同的视角，又足够健壮，以保持跨视角的身份(Star和Griesemer 1989)。事实上，这些框架提供了一种共享的语言、一个参考点，以及促进跨边界讨论和学习的手段(Gurney等人，2019年)。

与大型保护和发展政府和非政府组织的合作可能提供一种产生大n纵向初级数据集的方法。例如，MACMON项目是为了满足野生动物保护协会全球珊瑚礁项目的信息和SES监测需求而设计的，它现在成为了该协会大部分监测的基础，其未来的可持续性建立在多个项目和国家项目的一体化基础上。事实上，许多类似的组织在多个地点都有正在进行的公共资源管理项目，它们被要求进行社会和生态监测，从而绕过了主要与学术倡议相关的挑战。

面对这些挑战，我们认为研究人员必须问自己，是否值得从事一个广泛的比较研究项目。如果一个团队决定参与这样一个项目，将数据库的持续维护与教学实践紧密结合，和/或资金和合作协议将是有帮助的。一般来说，大型项目与相关的副业项目和活动之间建立的协同作用越多，其可持续性就越强。

平衡复杂性与可比性

开发具有广泛可比性的数据项目所固有的一个核心挑战是在基于案例的相关性和泛化性之间进行权衡。这一挑战源于积累可比案例数据集的目标与表明SES结果取决于广泛因素之间相互作用的基本理论框架之间的紧张关系。前者鼓励学者采用还原论的方法，对分析的案例类型、包含的成分数量采用严格的定义，并严重依赖少数变量和与固定项目回答相关的问题。它可以赋予比那些不能量化的更容易量化的SES属性特权，例如，权力、价值观和文化背景。标准化的方法增加了过度简化和遗漏某些地方重要的SES属性的可能性，包括这些属性的本地表达式(Gurney et al. 2019)。相比之下，后者鼓励学者采用一种灵活的方法，当它们在世界中发生时，提供组件和它们之间关系的详细表示，并使用大量的固定和开放式问题对它们进行编码。在MACMON项目中，为了减少基于案例的相关性和泛化性之间的权衡，所采取的方法是设计标准化的SES“核心”框架，目的是用特定环境的指标来补充它。在IFRI和SESMAD项目中，也讨论了“核心”变量集和更外围的、特定于上下文的变量之间的类似划分。

变量的选择是一个核心挑战，涉及到它们的理论相关性、指标的可获得性以及包含它们的相对成本和收益等重要问题。理论上，我们期望变量的数量会随着研究问题的数量和项目旨在解决的案例的多样性而增加。然而，在实践中，数据库项目倾向于错误地纳入，反映了许多因素的普遍认识的重要性(例如，见Agrawal 2003)。大量的变量有利于从一个项目中促进大量的出版物，最显著的是在IFRI项目中看到的。它还可以帮助避免“隧道视野”的陷阱，即系统的一个非常狭窄的部分被检查，排除其他部分，以及一般的分析多元论。但这也导致了一系列的变量，其中大多数从未出现在实证分析中。例如，IFRI数据协议包含一个关于改进的养蜂技术的变量，据我们所知，它从未被使用过。此外，这种情况可以鼓励无理论的数据挖掘和相关的分析问题，如p黑客，这可能会破坏比较工作的可复制性。尽管这些行为在分析阶段表现出来，但我们相信，在没有直接分析“家”的情况下，许多测量变量的存在会促进这些行为的发生。如果你有很多渔场，就更容易进行“钓鱼探险”。 At the same time, large datasets can be explored to generate new hypotheses, but in this case, scholars need to be clear that such hypotheses are being generated and not tested.

类似地，开发复杂数据库结构的趋势也存在，例如，使用关系数据库，反映共同组成SESs的参与者、资源和治理系统的相互作用。例如，SESMAD数据库在捕获系统组件之间的交互方面具有高度的灵活性，但这对比较这些异类特征的情况造成了挑战。这样的数据结构可能会对跨多个组件聚合度量提出挑战，例如，2个或更多参与者组，要求分析人员做出有关是否使用总和、平均值、中位数或其他度量的重要决策。例如，利用国际森林研究所数据库对森林结果进行的经验研究倾向于通过取诸如群体大小等特征的总和、诸如薪柴依赖程度等其他特征的平均值和诸如地方监测等体制安排的最大值来聚集多个用户群体。

这个例子反映了公共研究在一段时间内面临的一个更广泛的挑战，这是对(通常是生物物理)结果的一致和有效的测量(Young et al. 2006)。研究人员常常需要决定如何从不同的方法中汇集非标准化的指标，或者将现有的方法改为标准化的、更具可比性的方法。例如，生物多样性通常是SES系统的理想结果，该系统可以包括物种丰富度、生态系统完整性和功能的测量，或生产和可持续生态系统的其他生态指标。生态监测可以确定比较研究的关键指标，但是使用标准化和可比的方法测量生物物理变量仍然具有挑战性，需要SES研究团队的洞察力和前瞻性策略。

其中一些挑战的潜在驱动因素是缺乏一套核心的、定义良好的理论来驱动数据收集和分析。虽然已经做了一些工作来鼓励中间理论化(Young 2002, Cox et al. 2016)，项目往往被设计来测试多种理论。这里所包括的项目共享一个广泛的框架(环境管理和治理中的社会困境)，但这包括许多理论上的重要因素。NIIS在这里是一个轻微的例外，因为它是用来测试尼泊尔分散化的影响，并比较自上而下和自下而上的灌溉系统，但仍然包括500多个变量。同样，MACMON项目旨在理解管理的社会和生态结果，以及与不同结果集相关的制度和背景特征。

未来项目的指南

我们建议学者们问问自己，考虑到我们刚刚描述的挑战，从事广泛的比较研究是否值得。这些都是重大的挑战，但我们认为，为了推进社会-生态研究的关键路线，必须应对这些挑战。简单地说，我们认为在框架和经验工作方面有太多的重复。方法的多样性有其深刻的价值，但这主要来自于从成功方法中学习和巩固实践的能力。我们并不是要贬低在这一努力中以案例为导向的研究的重要性。最后，好的研究就是好的研究，不管它的框架和视角是什么，我们的目标是支持好的比较研究。

考虑到所有这些，我们制定了一个问题清单，供未来的团队在开发自己的广泛比较数据项目时考虑(表2)。在这里“检查”一个项目并不意味着完成了一个特定的任务，而是已经提出了一个问题，并考虑了各种答案。这对任何发起协作比较项目的团队来说都是有帮助的，在他们进行的过程中头脑风暴他们对这些问题的回答。这份清单中的一些社会内容代表了我们非常熟悉的集体行动理论的应用，如奥斯特罗姆(1990)的设计原则，以及边界对象和参与者在促进不同群体合作方面的重要性(Gurney et al. 2019)。我们认为，我们应该将研究小组视为社区，而这些小组的成员，尤其是这些小组的领导者，应该保持一种“反射性”的心态，将他们的分析视角转向内部，以了解影响他们自己和其他小组成员行为的因素。

除了对个别项目和小组的这些考虑之外，如果更广泛的研究团体更重视不那么传统的产出，这将有所帮助。我们需要在社会生态科学中摆脱生产主义文化(Paasche和Österblom 2019)，走向创造空间和时间来跨越知识和专业鸿沟建立理解的文化。我们还需要谨慎，大n研究的驱动力不能忽视相关理论，并挤出详细的小n案例研究(如Morrison 2017)，这是产生新假设的关键手段(Yin 2017, Cairney et al. 2019)。我们还需要考虑大型数据集和单个案例研究如何更有效地相互关联。

最终，我们需要更好地分享公共产品，随着时间的推移，这些公共产品使其他一切成为可能。在单一平台上公开研究协议可能会有所帮助。开放数据平台也是一个很有前途的选择。其他科学领域已经证明了这是可行的，并提供了巨大的好处。对于可再生能源，有各种各样的开放数据平台，例如:https://www.renewables.ninja/或https://open-power-system-data.org/．这样的平台还可以帮助制定数据质量标准，测量变量，从而大大提高可比性。最后，一个具有广泛社区发展的wiki类型的数据库可以帮助支持未来协作项目所需的社会资本。这些平台还可以通过与开放获取期刊的联系加以推广生态和社会和国际公共期刊．作为一个分散的研究社区，我们应该通过试验这些方法来利用我们的多样性，随着时间的推移，选择并维护那些支持方法和理论综合的方法。

文献引用

Agrawal, a . 2003。公共资源的可持续治理:背景、方法和政治。人类学年鉴32:243 - 262。https://doi.org/10.1146/annurev.anthro.32.061002.093112

J. M. Anderies, M. A. Janssen和E. Ostrom, 2004。一个从制度角度分析社会-生态系统稳健性的框架。生态和社会9(1): 18。https://doi.org/10.5751/ES-00610-090118

巴伦，j.s.， A. Specht, E. Garnier, P. Bishop, C. A. Campbell, F. W. Davis, B. Fady, D. Field, L. J. Gross, S. M. Guru, b.s. Halpern, S. E. Hampton, P. R. Leavitt, T. R. Meagher, J. Ometto, J. N. Parker, R. Price, C. H. Rawson, A. Rodrigo, L. A. Sheble, M. Winter. 2017。合成中心是关键的研究基础设施。生物科学67(8): 750�759。https://doi.org/10.1093/biosci/bix053

Cairney, P.， T. Heikkila和M. Wood。在一个复杂的世界里制定政策．剑桥大学出版社，英国剑桥。https://doi.org/10.1017/9781108679053

M. Casari和C. Tagliapietra, 2018。社会-生态系统中的群体大小。美国国家科学院学报115(11): 2728�2733。https://doi.org/10.1073/pnas.1713496115

卡什，D. W.， W. C.克拉克，F. Alcock, N. M. Dickson, N. Eckley, D. H. Guston, J. Jäger和R. B. Mitchell。可持续发展的知识系统。美国国家科学院学报100(14): 8086 - 8091。https://doi.org/10.1073/pnas.1231332100

考克斯,m . 2008。公共资源理论中的准确性与意义的平衡。生态和社会13(2): 44。https://doi.org/10.5751/ES-02683-130244

M. Cox, G. Arnold和S. Villamayor-Tomas。2010.社区自然资源管理设计原则综述。生态和社会15(4): 38。https://doi.org/10.5751/es-03704-150438

Cox, M.， S. Villamayor-Tomas, G. Epstein, L. Evans, N. C. Ban, F. Fleischman, M. Nenadovic和G. Garcia-Lopez。2016.综合自然资源管理与治理理论。全球环境变化39:45�56。https://doi.org/10.1016/j.gloenvcha.2016.04.011

文学硕士克罗宁和L. R. Weingart, 2019。跨代表差距的冲突:改善沟通的威胁和机会。美国国家科学院学报116(16): 7642�7649。https://doi.org/10.1073/pnas.1805866116

Gawande的话,a . 2014。清单宣言:如何把事情做好。企鹅，纽约，纽约，美国。

格尼，G. G.和E. S.达林，2017年。珊瑚礁渔业全球社会-生态系统框架:实用的监测手册．美国纽约野生动物保护协会。

Gurney, G. G.， E. S. Darling, S. D. Jupiter, S. Mangubhai, T. R. McClanahan, P. Lestari, S. Pardede, S. J. Campbell, M. Fox, W. Naisilisili, N. A. Muthiga, S. D'agata, K. E. Holmes和N. A. Rossi。实施保护监测的社会-生态系统框架:多国珊瑚礁计划的经验教训。生物保护240:108298。https://doi.org/10.1016/j.biocon.2019.108298

汉普顿，s.e.，和J. N.帕克，2011。科学合成中的协作和生产力。生物科学61(11): 900�910。https://doi.org/10.1525/bio.2011.61.11.9

刘，J.， T. Dietz, S. R. Carpenter, M. Alberti, C. Folke, E. Moran, A. N. Pell, P. Deadman, T. Kratz, J. Lubchenco, E. Ostrom, Z. Ouyang, W. Provencher, C. L. Redman, S. H. Schneider和W. W. Taylor。2007。人类和自然系统耦合的复杂性。科学317(5844): 1513 - 1516。https://doi.org/10.1126/science.1144004

毛瑟，W.， G. Klepper, M. Rice, B. S. Schmalzbauer, H. Hackmann, R. Leemans和H. Moore。跨学科的全球变化研究:可持续发展知识的共同创造。开放的问题5(3 - 4): 420 - 431。https://doi.org/10.1016/j.cosust.2013.07.001

莫里森，t.h. 2017年。不断发展的大堡礁多中心治理。美国国家科学院学报114 (15): E3013-E3021。https://doi.org/10.1073/pnas.1620830114

奥斯特罗姆,e . 1990。治理公地:集体行动制度的演变。剑桥大学出版社，英国剑桥。

奥斯特罗姆,e . 2005。了解机构的多样性。普林斯顿大学出版社，美国新泽西州普林斯顿。

奥斯特罗姆,e . 2007。一种超越万灵药的诊断方法。美国国家科学院学报104(39): 15181 - 15187。https://doi.org/10.1073/pnas.0702288104

PaascheØ。，而且H. Österblom. 2019. Unsustainable science.一个地球1(1): 39�42。https://doi.org/10.1016/j.oneear.2019.08.011

Palmer, m.a.， J. G. Kramer, J. Boyd和D. Hawthorne。促进跨学科综合研究的实践:国家社会环境综合中心(SESYNC)。环境可持续性的当前观点122年19:111�。https://doi.org/10.1016/j.cosust.2016.01.002

J. N. Parker, N. Vermeulen和B. Penders, 2010。在新生命科学领域的合作。劳特利奇,伦敦,英国。

Partelow, s . 2018。社会-生态系统框架的综述:应用、方法、修改和挑战。生态和社会23(4): 36。https://doi.org/10.5751/ES-10594-230436

波提特，a.r.， m.a.詹森和E.奥斯特罗姆，2010。共同工作:集体行动、公地和实践中的多种方法。普林斯顿大学出版社，美国新泽西州普林斯顿。

波提特和奥斯特罗姆，2008年。15年自然资源管理集体行动的实证研究:在定性研究的基础上努力建立大n数据库。世界发展36(1): 176�195。https://doi.org/10.1016/j.worlddev.2007.02.012

施拉格，E.和M.考克斯，2018。IAD框架和SES框架:对Ostrom Workshop框架的介绍和评估。第六章在编辑C. weble和P. Sabatier。政策过程的理论。第四版。西景出版社，博尔德，科罗拉多州，美国。https://doi.org/10.4324/9780429494284-7

Star, S. L.和J. R. Griesemer, 1989。制度生态学、“翻译”和边界对象:伯克利脊椎动物博物馆的业余和专业人士，1907-39。科学社会研究19(3): 387 - 420。https://doi.org/10.1177/030631289019003001

Thiel, A.， m.e. Adamseged和C. Baake, 2015。评估制度构建的工具:如何应用奥斯特罗姆的社会生态系统框架。环境科学与政策53(乙方):152 - 164。https://doi.org/10.1016/j.envsci.2015.04.020

阴,r . 2017。案例研究与应用．SAGE，洛杉矶，加利福尼亚州，美国。

杨，2002年。环境变化的制度维度:适应、相互作用和规模．麻省理工学院出版社，剑桥，马萨诸塞州，美国。https://doi.org/10.7551/mitpress/3807.001.0001

Young, o.r.， e.f. Lambin, F. Alcock, H. Haberl, S. I. Karlsson, W. J. McConnell, T. Myint, C. Pahl-Wostl, C. Polsky, P. S. Ramakrishnan, H. Shroeder, M. Scouvart和P. H. Verburg。分析复杂的人类-环境相互作用的组合方法:制度和土地变化。生态和社会11(2): 31。https://doi.org/10.5751/es-01799-110231