以下是引用这篇文章的既定格式:
Shin, Y., K. Lacasse, L. J. Gross和B. Beckage. 2022。耦合的人-自然系统研究是如何耦合的?生态与社会27(3):4。摘要
将人类和自然系统联系起来的跨学科研究对于解决复杂的环境和生态问题至关重要。越来越多的跨学科研究团队研究自然-人类耦合系统,但他们真正研究系统之间双向联系的程度是有限的。我们检查了明确资助进行研究的跨学科团队的各个方面,包括通过考虑团队领导者、团队成员和所采用的分析方法的属性来进行这种联系。我们的目标是调查研究自然-人类耦合系统的跨学科团队发表显示系统之间双向联系的研究的程度。我们的分析表明,团队成员的学术学科和跨学科团队应用的分析方法类型在团队成功发表包含双向联系的文章中起着至关重要的作用。我们发现,当团队中包括跨学科学术学科(例如,规划部门、可持续发展、环境经济学、生物和生态工程,以及来自不同学科类别的多个学术部门的个人)的领导者和/或成员时,发展双向联系的成功会得到加强。此外,社会科学成员的存在增加了双向联系的可能性,而物理科学或生物/生命科学成员的存在降低了这种可能性。在包括双向联系的文章中,基本上都采用了概念/文献审查方法,或包括模拟模型分析。基于这些发现,我们得出结论,跨学科团队不仅仅是来自不同学科的人的总和,而是一群有能力从概念上和分析上整合不同学科的人。要向前发展,必须承认成为一名跨学科研究者需要深思熟虑的工作。 Educational programs that train students and early career scholars with flexible thinking and analytical capacities may be the key to furthering coupled natural-human systems research.介绍
人类是地球上的主导力量,与地球的自然系统有着强烈的互动。对人类与自然之间的相互作用进行解释的模型是对我们星球运行轨迹的现实预测所必需的。在过去的几十年里,社会-生态可持续性科学的发展使得科学家们更加努力地研究耦合的人类-自然系统之间的相互作用(Hummel et al. 2013)。耦合的自然-人类系统模型是指人与自然相互作用的集成系统(Liu et al. 2007)。自然-人类耦合系统模型解释了生态和人类属性的同步变化。例如,人类减少碳排放的努力在限制自然系统温度上升方面发挥了关键作用。减少极端自然灾害的温度正常化最终会改善人类的福祉。了解这些同时发生的变化有助于研究气候变化、生物多样性丧失、生态系统可持续性和土地使用变化等问题(Carroll等人,2007年,DeFries等人,2007年,beplay竞技Walsh等人,2008年,Bachelet等人,2011年)。这种地球系统研究的综合方法最终可以为提高生态和人类福祉的新的可持续发展政策方向提供见解。尽管有这样的认识,但研究耦合的自然和人类系统在实践中仍然具有挑战性,因为它们的复杂性和相关的高不确定性水平(Carroll et al. 2007, Xiang 2013)。
自然-人类耦合系统研究的一个主要目标是表现和分析这两个系统之间的联系,而不仅仅是自然系统对人类系统或人类系统对自然系统的单向影响。这些双向联系在捕捉系统变化的潜在非线性、时滞和阈值方面发挥着关键作用(Hull等人,2015年)。它们还可能导致自然和人类系统的整体状况在从数小时到数十年的广泛时间尺度上发生变化。自然(或人类)系统中的一个小变化可能在短时间内对另一个系统造成级联影响。每个系统都可以适应自身系统内部和对应系统之间不断变化的条件,从而形成一个动态的、不断发展的整体系统。这些复杂性给科学家识别和量化这些双向联系带来了挑战(DeFries等人,2007年,Gopalakrishnan等人,2018年)。为了应对这一挑战,科学家们在不同领域形成了跨学科合作(Stokols等人2008,Trochim等人2008,Börner等人2010)。通过整合各种理论、概念、数据和方法,他们采用了新颖的方法,并得出了超出单一研究领域范围的解决方案(国家科学院,2005年)。在很多方面,这一领域的发展是趋同研究的一个例子,导致了新的见解(国家研究理事会2014年)。
随着跨学科研究的发展,团队科学(SciTS)也得到了扩展。SciTS旨在促进跨学科研究团队的理解,并通过检查行为和管理策略来支持科学进步(Stokols 2008, Börner等人2010,Falk-Krzesinski等人2011,Norris等人2016,Hall等人2018)。发展一个有效的跨学科研究团队需要个人和团队的努力来克服挑战,包括确定团队成员的适当专业知识,以最有效地推进项目(Norris等人,2016),缩小成员之间的认知差距,以创建和共享一个共同的概念框架,以解决研究问题(Stokols等人,2008),并确定制度支持和专业发展计划(Falk-Krzesinski等人,2011)。最近的研究强调领导力在团队中实现高绩效的重要作用(Palmer 2018, Boone et al. 2020)。如果做得好,这些努力有助于提高未来的团队绩效和不同领域的智力进步(Bishop et al. 2014)。
我们的研究评估了研究自然-人类耦合系统的跨学科研究团队发表研究的程度,这些研究显示了系统之间的双向联系,并研究了这与团队领导者和成员的属性是如何关联的。过去的研究通常通过衡量研究产出来评估跨学科团队的绩效,如发表论文的数量、发表影响或被引用的数量(见Hall等人2018年的一篇综述)。理解团队领导和成员的学术纪律是很重要的,因为他们是合作设计和生产研究产品的人(Van rijnhou and Hessels 2011)。然而,很少有研究涉及团队成员的学术学科之间的关系,以及他们的研究对耦合的自然和人类系统之间动态反馈的检查程度。在这项研究中,我们解决以下问题。首先,在自然-人类耦合系统研究中双向联系包括到什么程度?第二,团队领导和成员的哪些学科是研究双向联系成就的重要预测因子?第三和最后,什么分析方法对双向联系的实现影响最大?我们通过评估由美国国家科学基金会(NSF)资助的团队发表的同行评审出版物来回答这些问题,这些出版物之前被称为自然与人类系统耦合动力学(CNH)赠款(2019年CNH项目更名为综合社会环境系统动力学(DISES)项目;看到https://www.nsf.gov/pubs/2020/nsf20579/nsf20579.htm).
方法
数据收集
我们收集了通过NSF- cnh竞争性项目资助的跨学科团队的数据,即通过NSF 06-587、07-598和10-612建立的赠款奖励。与其他具有代表性的人-自然耦合系统研究资助项目不同,只有NSF-CNH项目的目的是研究人-自然耦合系统,而不局限于任何特定领域(见Liu et al. 2007的表1)。从2001年到2020年,CNH项目促进了研究环境和人类组成部分内部及其之间复杂相互作用的项目。该项目强调研究完全耦合的自然和人类系统,而不是两个离散的系统,明确分析自然和人类组成部分之间的过程和动态。
我们从2001年至2018年期间每年抽取了14.3%的资助项目(赠款奖)(每年1至4个赠款奖,总计310个赠款奖中的44个)。首先,我们给每年的每个奖助金分配了随机数。然后我们选择了前1到4个奖助金(每年奖助金总数的14%,最小= 1个,中位数= 2个,最大值= 4个)。接下来,我们检查了来自44个样本资助奖项的同行评议期刊文章,这些文章列在NSF网页上(见CNH搜索结果在https://www.nsf.gov/awardsearch/simpleSearchResult?queryText=CNH&ActiveAwards=true&ExpiredAwards=true).每个奖项发表了0到63篇文章(平均9.4篇,中位数为3篇)。在出版论文超过20篇的6个奖助金中,我们随机抽取了20篇文章。对于10个没有在NSF网页上报告任何出版物的奖助金,我们使用关键词搜索谷歌Scholar”国家科学基金会”以及确切的奖助金编号,以确定该奖助金支持的任何出版物。这些奖助金中只有一个有相关的出版物,这些出版物都包含在样本中。最终样本包括241篇文章进行分析。
编码和创建变量
作者开发了一个编码标准手册,以确定每篇文章中的哪些信息应该在每个类别中编码。编码手册包括每个类别的示例(编码标准见附录1表a1.1)。每篇文章编码的类别包括(1)首席研究员(pi)的学术学科;(二)参与作者的学术学科;(三)文章采用的分析方法;以及(4)文章中的耦合程度,即双向链接、单向链接或不完全链接。我们还注意到每个奖助学金团队是否至少撰写了一篇证明双向联系的文章。
然后,第一作者阅读每一篇文章并评估其内容。为了达到分析的目的,我们将团队领导定义为授予奖pi,并将所有其他参与作者视为获奖团队中的团队成员。我们意识到,这些假设可能不包括所有的领导者,一些合著者可能没有积极参与潜在的赠款-奖励团队。PI和作者学科由发表时所属的初级学术部门确定。这些部门的编号符合六个相互排斥的学科类别:生物/生命科学、社会科学、物理科学、计算机科学/数学/工程、跨学科或未定义(见附录1表a1.1)。如果pi或作者隶属于不同学科类别下的多个学术部门,则被分配到跨学科类别。但是,如果他们隶属于一个学术部门,同时又隶属于一个研究中心,他们就会按学术部门分类。对于所有关于作者学科的分析,我们排除了类别”未定义的”因为这些人无法分类,而且非常罕见(n= 6位作者,0.4%)。没有pi被归类为”未定义的。”
除了对每个PI和作者学科进行编码外,我们还计算了每个资助奖项中PI学科的多样性以及每篇文章中作者学科的多样性。多样性得分是使用香农多样性指数(H’)计算的,它既考虑学科类别的数量,也考虑这些类别的优势/均匀性(Spellerberg和Fedor 2003年)。例如,如果一篇文章有5位生物/生命科学作者和2位社会科学作者,而另一篇文章有3位生物/生命科学作者和4位社会科学作者,那么第二篇文章的多样性就会更高。作者多样性或pi多样性的指数H′将在0到1.60之间,分数越高表示多样性越强。
每篇文章所采用的分析方法类型被编码,以符合六个相互排斥的类别:概念/文献综述、统计、空间分析、数学分析、仿真模型分析和其他(见附录1中的表a1.1)。少数文章应用了多种分析方法。在这些情况下,我们只对用于产生最终结果的分析方法进行编码。例如,如果一个仿真模型分析使用统计分析结果作为输入数据,我们将文章编码为仿真模型分析。
对研究中的耦合度进行了编码”是/否”从自然系统到人类系统的单向联系、从人类系统到自然系统的单向联系、自然系统和人类系统之间的双向联系(见附录1表a1.1)。例如,如果一篇文章调查了限制碳排放的产业政策对改善空气质量的影响,则从人类系统到自然系统的方向是编码的”是的”从自然系统到人类系统的方向是编码的”没有”.因此,本文分析单向链接。如果这篇文章还包括改善空气质量如何反过来降低健康保险成本的联系,那么这篇文章就被编码为双向联系,因为它还包含从自然系统到人类系统的联系。我们使用这个术语”双向链接”描述每个方向至少包含一个效果的项目。我们选择不使用这个词”反馈”因为它是一个约束性更强的术语,也可能意味着流程之间有一个详细的来回交互结构。如果两个单向连杆都编码为”不,”然后这篇文章被标记为不包含链接。没有链接的文章只研究自然系统或人类系统。这项研究仍然很重要,因为它可以导致对一个系统的更深入的理解,为与对应系统的联系提供基础(Pohl等人,2015年)。对于大多数分析,我们将所有没有链接和单向链接的文章分组到”不完整的链接”类别。对于这些分析,我们将双向链接文章编码为1,将不完全链接文章编码为0。我们还对无链接、单向链接和双向链接(包括附录1表a1.3和表a1.4)的文章进行了分析比较。在这些情况下,我们将无链接编码为一,单向链接编码为二,双向链接编码为三。
两名研究人员根据作者的学科、分析方法和链接方向独立编写了36篇文章(占我们样本的16%)。编码器之间的可靠性计算范围从82%到100%,与科恩的Kappa在0.72到1.00之间一致(见附录1中的表a1.2),表明满意的一致性(McHugh 2012)。
分析计划
首先,我们进行了贝叶斯层次逻辑回归分析。这允许检查所有团队和文章属性(预测变量:pi的学术学科、作者的学术学科、一个资助奖项中pi的学科多样性、一篇文章中作者的学科多样性和分析方法)如何预测一篇文章的概率,包括双向联系(因变量)。这也检查了资助奖励的嵌套效应,以检查某些资助是否更有可能产生双向链接的文章。所有文章的分类由随机变量Y给出,它的伯努利概率为参数Θ,其中Θ为Y = 1表示文章包含双向联系的概率。参数Θ考虑了所有团队和文章属性,包括作者和PI的学术学科、作者和PI多样性指数和分析方法。我们使用一个线性模型,在Θ的logit尺度上不进行交互,包括团队和文章属性,例如,用于逻辑回归。我们使用贝叶斯层次模型对单个赠款-奖励团队的影响进行建模,其中每个团队都有一个随机效应,模型来自一个正态分布米= 0和SD作为超参数。我们对贝叶斯模型中的所有参数使用非信息先验分布(见表1中独立协变量的详细信息)。
然后,我们通过进行几组统计测试,分别检查了双向联系的包含与每个研究团队和文章属性之间的关联。在审查pi的学术学科与参与作者之间的关系时,或在研究一篇文章是否包含双向联系的分析方法时,进行了卡方检验。这包括一个标准卡方检验,使用Bonferroni基于残差的事后检验p调整方法,以及基于观测数据排列的重采样卡方检验。对数据进行置换置换10000次,计算每次置换的检验统计量,然后将我们观察到的检验统计量与置换后检验统计量的分布进行比较,以确定显著性。在研究pi的学术学科多样性或作者的学术学科多样性与双向联系之间的关系时,我们进行了相似性(ANOSIM)检验分析。ANOSIM类似于方差分析,但它是对两个或多个组之间差异显著性的非参数检验。它提供了一个r值,即组间变化(双向和不完全链接文章之间)与组内变化的比率。r值被限制在- 1到1之间。接近1表示组间在组组成方面的不相似,接近0表示组内和组间的差异。负R值表示组间比组内更相似(Clarke 1993, Warton et al. 2012)。采用Bray-Curtis R法测量不相似度,对数据进行置换置换9999次,计算每次置换的检验统计量,然后将我们观察到的检验统计量与置换后检验统计量的分布进行比较,以确定显著性。
最后,进行回归树分析(Michaelsen et al. 1994),将所有研究团队和文章属性作为预测变量(pi的学术学科、作者的学术学科、一个资助奖项中pi的学科多样性、一篇文章中作者的学科多样性和分析方法),以确定哪些属性最成功地预测一篇文章是否包含双向联系(因变量)。回归树分析显示了团队和文章属性的什么组合会导致识别包含双向链接的文章的更高技能。树的每一片叶子都确定了导致包含双向链接的所有条目的特定比例的属性组合。预测末端树结果接近于零的因素是减少双向联系概率的因素,预测末端树结果接近于一的因素是增加双向联系概率的因素。
我们使用R 1.1.456 (R Foundation 2021)进行贝叶斯层次逻辑回归分析(包:rethinking, nimble, coda),进行卡方检验和后卡方检验(包:chisq. posthc .test),计算Shannon多样性指数(包:QSutils),进行ANOSIM检验(包:vegan),并进行回归树分析(包:rpart, rpart.plot)。
结果
在44个抽样的奖助金中,38.6% (n= 17)的团队发表了至少一篇包括双向联系的文章,而其他团队没有。这17个小组或编写了一或两篇双向联系的文章。在241篇样本文章中,包括双向联系的刊物占13.3% (n= 32)。显示不完全连结的刊物占86.7% (n= 209): 15.3% (n= 32)从自然系统到人类系统的单向联系,30.6%(64)从人类系统到自然系统的单向联系,46.9% (n= 113)系统之间没有链接。
贝叶斯层次逻辑回归分析
我们进行了贝叶斯层次逻辑回归分析,以检查哪个团队和文章属性更有可能包含双向联系,同时考虑到个别赠款奖励的随机效应。与其他团队和文章属性相比,样本拨款奖励的随机效应幅度较小(见附录1中的图a1.1)。这表明,在考虑团队和文章属性后,拨款奖励并不会造成显著的影响。
在这一回归中,文章中使用的分析方法在比值比方面显示了较大的影响,但在这些参数估计中也存在相当大的不确定性(见附录1中的表1和图a1.2)。比值比表明,概念/文献综述、数学分析和仿真模型分析都与双向联系的概率大幅增加相关,而空间分析、统计和”其他”的概率大大降低,尽管90%的可信区间与零重叠。此外,某些PI和作者学科有更高的倾向导致双向联系的文章,这些参数估计的不确定性较小(详见表1和图)。虽然更多的计算机科学/数学/工程pi预测双向联系的可能性更大,但更多的社会科学pi预测双向联系的可能性更低。在研究作者时,更多跨学科作者预测双向联系的可能性更大,而更多物理科学作者预测双向联系的可能性更低。此外,作者学科的多样性也是文章(包括双向联系)更大可能性的一个重要预测因素。
卡方检验和ANOSIM检验
在检验PI特征的作用时,我们的结果显示PI的特定学科与该团队是否至少产生了一篇双向联系的文章之间没有关联(χ²= 3.69,df = 4,p= 0.45),采样卡方与观测数据卡方差异不显著(p= 0.47)。即使pi的学科多样性在那些至少有一篇文章证明双向联系的团队中更大(H”= 1.21)比仅生产不完整链接文章的团队(H”= 0.91),无显著性差异,ANOSIMR= -0.01,p= 0.47。我们认为这是因为几乎有一半(n= 19, 43.2%)的抽样团队由来自单一学科的pi领导,尽管许多团队包括来自两个不同学科的pi (n= 19, 43.2%)或三个或以上学科(n= 6, 13.6%)。在考察作者特征的作用时,特定学科作者数量与双向链接文章的可能性之间存在显著的相关性(χ²= 38.96,df = 4,p< 0.001),以及采样卡方与观测数据卡方之间的显著差异(p< 0.001)。三个学术学科与双向联系的可能性显著相关(见表2)。生物/生命科学作者(残差= 3.37,p=.007)和物理科学作者(残差= 3.61,p= 0.003)更多参与不完全连锁文章,较少参与双向连锁文章。另外,跨学科作者(残差= -4.68,p< 0.001)较少参与不完全连锁文章,而更多参与双向连锁文章。计算机科学/数学/工程作者和社会科学作者与双向链接的文章无关,p> 13。在双向联系的文章中,作者的学术学科多样性并没有显著提高(H' = 1.39)而不是链接不完整的文章(H' = 1.24), anosimR= 0.01,p=无误。
在检验文章中使用的分析方法时,分析方法与文章包括双向联系的可能性之间存在显著的相关性(χ²= 26.03,df = 5,p< 0.001),以及采样卡方与观测数据卡方之间的显著差异(p< 0.001)。统计是文章中最受欢迎的分析方法,其次是模拟模型分析和概念/文献综述(表3)。对于展示双向联系的文章(n= 32)、概念/文献综述(50%)和仿真模型分析(34.4%)是主要方法。使用统计数据的文章更可能包括不完全联系,而不太可能包括双向联系(残差= -3.73,p= 0.002)。另一方面,概念/文献综述文章不太可能包括不完全联系,而更可能包括双向联系(残差= 3.77,p= .002)。其他分析方法(空间分析、数学分析、仿真模型分析和”其他”)并没有导致有关条款(包括双向联系)的可能性有显著差异,p>主板市场。
作为额外的练习,我们还进行了同样的卡方检验和ANOSIM检验,以检验当所有三种链接类型被检验时,每个团队或文章属性与耦合程度之间的关系(见附录1中的补充分析,表a1.3和表a1.4)。总的来说,结果与上述仅考虑不完全链接和双向链接的分析相似。团队和文章属性的一个显著差异是,当不完全链接分离时,社会科学作者与无链接文章的关联略低。这种差异可能是因为社会科学作者倾向于较少参与无链接的文章,而更多地参与单向链接的文章。
回归树分析
进行回归树分析,以检查哪个团队和文章属性在预测哪些文章包含双向链接方面发挥了最强作用。回归树根据5个属性分为6个分支(根节点误差为0.12):(1)分析方法;(2)跨学科的作者数量;(3)物理科学学科的作者数量;(4) pi学科的多样性;(5)再次统计该跨学科学科的作者数量(图1)。
第一个分支是通过本文所使用的分析方法进行划分的。利用空间分析、统计或”其他”方法几乎全部产生的文章与自然系统和人类系统之间的不完全联系。另一方面,使用概念/文献综述、模拟模型分析或数学分析增加了文章中发展双向联系的可能性。在少于两个跨学科作者或一个或多个物理科学作者的文章中,我们的结果显示包含双向联系的可能性很小。相比之下,有两个或更多跨学科作者的文章,没有物理科学作者,并且包含更多样化的pi团队(pi所属学科的Shannon多样性指数高于0.68),双向链接的比例(0.86)最高(n= 7篇,3%)。如果一个团队的pi的多样性较低,那么一个团队需要五个或更多来自跨学科学科的作者,才能获得第二高的双向链接文章比例(0.57)(n= 14篇文章,6%)。
结论和讨论
总的来说,我们的研究结果表明,许多来自跨学科团队的研究,专注于耦合的自然和人类系统,仍然很大程度上被划分为独立的自然和人类组件。有更多的努力来调查不完全的联系,使包含双向联系的文章少得多。
然而,这些分析提供了跨学科研究团队的属性如何与包括人类和自然系统之间双向联系的研究文章的生产相关联的详细结果。通过整合四种不同分析方法(包括贝叶斯层次逻辑回归分析、卡方检验、ANOSIM检验和回归树分析)的结果,我们能够突出显示哪些效应最稳健。贝叶斯层次逻辑回归分析表明,个别赠款的随机效应对一篇文章将包括双向联系的可能性没有很强的影响。相反,产生双向链接文章的可能性更多地取决于所使用的分析方法以及作者和pi的学科背景。具体来说,该分析表明,来自计算机科学/数学/工程学科、跨学科作者和更广泛的作者学科的pi都预测了文章将包括双向链接的更大可能性。
卡方检验和ANOSIM检验都考虑了一组属性,而忽略了所有其他团队和文章属性。与贝叶斯层次逻辑回归分析结果相似,卡方检验也表明跨学科学科的作者更容易产生双向链接文章,而物理科学学科的作者更容易产生不完全链接文章。他们还证明了分析方法在生成双向链接文章中发挥了重要作用。
回归树分析提供了查看结果的另一种方法。同样,分析方法是双向链接文章的一个重要指标,几乎所有双向链接文章都使用三种具体的分析方法(概念/文献综述、仿真模型分析和数学分析)。一旦确定了方法,那么作者和pi的学科背景开始在一篇文章包括双向联系的可能性中发挥额外的作用。
来自生物/生命科学的研究人员是自然和人类系统耦合研究中最常见的参与者(作为pi和作者)。然而,生物/生命科学家作为PI或团队成员的存在并不会增加生成包含双向链接模型构建的文章的可能性。如果说有什么不同的话,那就是这个学科的作者可能会写出更多带有不完全链接的文章。此外,来自物理科学的作者在一定程度上减少了撰写包含双向联系的文章的可能性。这一结果很好地反映了Boyack、Klavans和Borner的科学地图(2005),即生物/生命和物理科学与其他自然科学领域(包括化学、物理和土壤)有大量的共引,但与社会科学领域的共引较少。物理科学中的一些主要问题和研究方法可能与人类系统的交叉较少,这使得直接建立双向链接模型很困难。也有一些证据表明,社会科学pi也可能减少双向链接文章的可能性,这可能是因为与生物/生命和物理科学联系起来存在类似的困难。
然而,与来自不同学科的人合作会有所帮助。事实上,有部分证据表明,一个研究团队中pi学科的多样性和一篇文章中作者学科的多样性都能增加双向联系的可能性。作为团队领导者,pi在指导研究团队创建协作研究产品方面发挥着作用(Stokols等人,2006年,Boone等人,2020年)。包括在自然系统和人类系统中具有不同专业知识的pi,可以使研究目标和研究设计更积极地包括这两个系统的元素。类似地,当一篇特定的文章包括来自多个学科的作者时,研究不太可能只关注一个系统。此外,包括具有跨学科专业知识的研究人员可能特别有助于将自然系统中的生物或物理科学研究与人类系统联系起来。
事实上,我们的分析始终强调跨学科学科的研究人员作为最有可能产生完全耦合的双向联系的文章作者的关键作用。这可能有几个原因。团队成员对团队目标的理解和他们过去创造跨学科产品的经验可以决定在一篇文章中成功实现双向链接模型(Pohl et al. 2015)。这些跨学科的成员可能充当桥梁,确定联系并有效地与其他团队成员沟通。此外,在大学许多传统学术部门工作的研究人员可能没有什么动力发表超越其学术学科范围的双向联系的研究。获得聘用、为终身职位/晋升做准备和获得认可的学术体系可能会成为障碍(美国国家科学院2005年)。例如,什么”计数”因为一份有意义的出版物可能仅限于包含特定学科的工作。或者,跨学科学术部门的研究人员可以获得更大的支持,在更广泛的研究领域进行和发表。
自然和人类系统耦合研究的一个主要挑战是开发分析方法,在时间、空间和组织尺度上有效捕获和测量人类和自然系统之间的相互作用(Kramer等人,2017年)。某些方法更可能由能够在研究文章中确定和纳入双向联系的研究人员使用。概念和方法通常植根于特定的学科,这些学科塑造了研究人员思考世界的方式和开展研究的方式。尽管来自不同学科的研究人员对研究应该如何进行有着广泛的理解,但在跨学科研究工作中,方法上的学科差异造成了障碍(Lach 2014)。例如,统计是目前自然-人耦合模型研究中最流行的方法,可以很容易地用于分析不完全连杆。然而,这些分析通常并不有助于建立双向耦合模型,这可能是因为很难构建统计模型来捕捉自然系统和人类系统之间同时相互作用所驱动的非线性效应。我们的研究结果表明,概念/文献综述文章、仿真模型分析和数学分析可以融合不同的学科,实现双向联系。同样,也有一些证据表明,来自计算机科学/数学/工程学科的pi也有助于编写更多具有双向联系的文章,这可能是因为他们在利用数学分析或模拟模型进行研究方面的专门知识。虽然一篇综述文章有助于在参与的团队成员之间建立概念图并描述重要的联系,但模拟模型分析是切实连接来自人类和自然系统的不同变量并将联系之间的同步影响参数化的关键方法。为了在实践中推进人类-自然耦合系统的科学和社会-生态可持续性等相关领域的科学,研究团队需要更多的人接受过了解双向链接效应的培训,拥有收集和管理相关数据集的技术技能,并具备运行模拟模型的专业知识(Nastar等人,2018年)。
然而,包含双向联系的研究文章比例相对较低,这表明跨学科团队不仅仅是不同学科成员的总和。一个人的学科背景和经验代表了他们的训练方式,由解决理论和实际问题的程序和技术方法的公共传统发展而来(Toulmins 1972, Stein 2007)。即使pi和来自不同单一学科的团队成员合作,如果他们不倾向于或没有能力弥合智力上的理解差距,或探索和学习新的方法论方法,团队可能会有许多独立的研究产品,而不是完全整合的模型(Miller et al. 2008)。这些贡献仍然是有用和重要的,但更特定于学科,而且它们通常没有将自然系统和人类系统结合起来,以检查它们的相互作用、反馈和/或引爆点。在我们的样本文章中,链接不完全的出版物占86.4%,这表明尽管赠款奖励团队是通过竞争过程选出的,但目前创造真正跨学科产品的能力仍存在差距。
解决目前发展综合CNH研究项目面临的挑战的一种方法是通过跨学科研究人员的进一步培训和支持。我们发现,成功完成包括双向联系在内的研究的CNH团队通常至少由一些隶属于跨学科学术部门的团队成员组成。一个人要获得必要的跨学科背景至少有两条途径。一种方法是通过接受跨学科研究生项目的正式培训。现在有许多研究生项目包括正式的定量,生物和社会科学培训,如许多项目由国家科学基金会综合研究生教育和研究培训奖学金资助(http://www.igert.org/).这包括环境经济学、大数据社会科学或电子交易的社会技术基础设施等项目。第二种方法是通过博士后培训、研讨会、会议和/或研究合作,积极追求本学科以外的新经验,从而发展跨学科技能、词汇和概念。我们鼓励有兴趣建立灵活思维、获得新的分析技能、拓宽视野、将新的框架和方法与现有知识结合起来的个人采用这两种途径。
我们分析的一个局限性是,它只关注由国家科学基金会CNH项目授予的研究奖项,而该项目主要包括美国的研究团队。尽管如此,尽管这个竞争性研究项目是专门为自然和人类系统耦合研究而设计的,而不将研究限制在特定的领域,但这是一个有用的样本,用于调查团队的特征如何与他们的研究结果相关,并为开展CNH研究的当前挑战提供了洞察。
人们已经认识到跨学科团队对更好地理解涉及自然和人类过程的复杂问题的重要性。不仅CNH的研究人员强调了这一点,相关领域的研究人员也强调了这一点,如社会生态系统(Cote和Nightingale 2012)、社会环境系统(Engelen et al. 1995)或深度不确定性下的决策(Marchau et al. 2019)。努力建立有效的团队,克服学科文化、术语和方法的差异,以创建可测试和建模的共享概念理解,将导致耦合的自然和人类系统研究取得更大的进展。
致谢
这项工作是由国家社会环境综合中心(sessync)在国家科学基金会DBI-1052875的资助下支持的一个工作组完成的。
数据可用性
支持本研究结果的数据/代码可在《开放科学框架》中公开获取:https://osf.io/qfvjn/参考编号:DOI 10.17605/OSF.IO/QFVJN。
文献引用
巴切莱特,B. R.约翰逊,S. D.布里奇汉姆,P. V.邓恩,H. E.安德森,B. M.罗杰斯,2011。beplay竞技气候变化对西太平洋西北大草原和稀树草原的影响。西北科学》85(2):411 - 429。https://doi.org/10.3955/046.085.0224
毕晓普,P. R., S. W.哈克,B. H.奥恩利,J. K.理查兹,G. J.斯科利特,2014。跨学科研究中心对参与者出版和合作模式的影响:以国家数学和生物合成研究所为例。研究评价23(4):327 - 340。https://doi.org/10.1093/reseval/rvu019
布恩,c.g., S. T.皮克特,G.班默,K.巴瓦,J. A.邓恩,I. J.戈登,D.哈特,J.赫尔曼,A.米勒,M.纽,等。2020。为可持续的未来培养跨学科领导能力。可持续性科学15(6):1723 - 1733。https://doi.org/10.1007/s11625-020-00823-9
Börner, K., N.承包商,H. J.福尔克-克zesinski, S. M. Fiore, K. L. Hall, J. Keyton, B. Spring, D. Stokols, W. Trochim,和B. Uzzi. 2010。团队科学的多层次系统视角。科学转化医学2(49):49cm24。https://doi.org/10.1126/scitranslmed.3001399
博雅克、K. W.、R.克拉万斯和K. Börner。2005.测绘科学的主干。科学计量学64(3):351 - 374。https://doi.org/10.1007/s11192-005-0255-6
卡罗尔,M. S., K. A.布拉特纳,P. J.科恩,T.摩根。2007。管理美国内陆西北部森林火灾危险:公共土地政策中的一个经典的邪恶问题。林学学报105(5):239-244。
克拉克,1993。群落结构变化的非参数多变量分析。生态学报18(1):117-143。https://doi.org/10.1111/j.1442-9993.1993.tb00438.x
Cote M.和A. Nightingale. 2012。弹性思维符合社会理论:在社会生态系统(SES)研究中定位社会变化。人文地理科学进展36(4):475-489。https://doi.org/10.1177/0309132511425708
德弗里斯,R., A.汉森,B. L.特纳,R.里德和J.刘。2007。保护区土地利用变化:平衡人类需求和生态功能的管理。生态学应用17(4):1031 - 1038。https://doi.org/10.1890/05-1111
Engelen, G. R. White, I. Uljee, P. Drazan, 1995。利用元胞自动机进行社会环境系统的综合建模。环境监测与评价34(2):203-214。https://doi.org/10.1007/BF00546036
Falk-Krzesinski, H. J., N. Contractor, S. M. Fiore, K. L. Hall, C. Kane, J. Keyton, J. T. Klein, B. Spring, D. Stokols和W. Trochim. 2011。绘制团队科学的研究议程。研究评价20(2):145-158。https://doi.org/10.3152/095820211X12941371876580
戈帕拉克里什南,S. E.兰德里和M. D.史密斯,2018。beplay竞技沿海环境的气候变化适应:资源和环境经济学家的建模挑战。环境经济与政策评论12(1):48-68。https://doi.org/10.1093/reep/rex020
Hall, K. L, A. L. Vogel, G. C. Huang, K. J. Serrano, E. L. Rice, S. P. Tsakraklides和S. M. Fiore. 2018。团队科学:科学合作的经验证据和研究差距综述。美国心理学家73(4):532 - 548。https://doi.org/10.1037/amp0000319
胡伟,团木M. N.,刘杰。2015。综合人与自然的反馈。生态与社会20(3):17。http://doi.org/10.5751/ES-07404-200317
哈梅尔,D., S.阿达莫,A. de Sherbinin, L. Murphy, R. Aggarwal, L. Zulu, J. Liu,和K. Knight. 2013。为可持续性目标而进行人口-环境研究的跨学科和跨学科方法:审查和评价。人口与环境34(4):481-509。http://doi.org/10.1007/s11111-012-0176-2
Kramer, d.b., J. Hartter, A.E. Boag, M. Jain, K. Stevens, K. A. Nicholas, W. J. McConnell, A. J. Liu。2017。人与自然耦合系统(CHANS)研究的前40个问题。生态与社会22(2):44。https://doi.org/10.5751/ES-09429-220244
Lach, d . 2014。跨学科研究的挑战:协调定性和定量方法来理解人-景观系统。环境管理53:88 - 93。https://doi.org/10.1007/s00267-013-0115-8
刘,J., T. Dietz, S. R. Carpenter, M. Alberti, C. Folke, E. Moran, A. N. Pell, P. Deadman, T. Kratz, J. Lubchenco等。2007。人类与自然耦合系统的复杂性。科学》317(5844):1513 - 1516。http://doi.org/10.1126/science.1144004
马尔霍,V. A., W. E.沃克,P. J.布卢曼,S. W.波普尔,2019。深度不确定性下的决策:从理论到实践。施普林格可汗,瑞士。
McHugh, m.l. 2012。评分者之间的可靠性:kappa统计数据。Biochemia》22(3):276 - 282。http://doi.org/10.11613/BM.2012.031
Michaelsen, J., D. S. Schimel, M. A. Friedl, F. W. Davis和R. C. Dubayah. 1994。回归树分析卫星和地形数据,以指导植被采样和调查。植被学报5(5):673-686。https://doi.org/10.2307/3235882
米勒,T. R., T. D. Baird, C. M. Littlefield, G. Kofinas, F. S. Chapin III, C. L. Redman. 2008。认识论多元论:重新组织跨学科研究。生态与社会13(2):46。
纳斯塔,M., C. S.博达,L.奥尔森。2018。跨学科研究中的批判现实主义探究:LUCID实例分析。生态与社会23(3):41。https://doi.org/10.5751/ES-10218-230341
国家科学院,2005。促进跨学科研究。国家科学院出版社,华盛顿特区,美国。
国家研究委员会,2014。融合:促进生命科学、物理科学、工程及其他学科的跨学科融合。国家科学院出版社,华盛顿特区,美国。
诺里斯,p.e., M. O 'Rourke, A. S. Mayer, K. E. Halvorsen. 2016。管理社会生态系统中跨学科团队形成的顽疾。景观与城市规划154:115-122。https://doi.org/10.1016/j.landurbplan.2016.01.008
帕默,l . 2018。迎接跨学科环境研究的领导挑战。自然的可持续性1:330 - 333。https://doi.org/https://doi.org/10.1038/s41893-018-0103-3
波尔,C, G. Wuelser, P. Bebi, H. Bugmann, A. Buttler, C. Elkin, A. Grêt-Regamey, C. Hirschi, Q. B. Le, A. Peringer,等。2015。如何成功发表跨学科研究:从生态学和社会学的专题中学习。生态与社会20(2):23。http://doi.org/10.5751/ES-07448-200223
R基金会。2021。R项目的统计计算,版本R 1.1.456。R基金会,维也纳,奥地利。http://www.R-project.org
斯佩勒伯格,i.f, P. J.费多,2003。致敬克劳德-香农(1916-2001),并呼吁更严格地使用物种丰富度、物种多样性和”Shannon-Wiener”索引。全球生态与生物地理12(3):177-179。https://doi.org/10.1046/j.1466-822X.2003.00015.x
斯坦,2007年z。为跨学科的需求建模:建立一个评估跨学科努力的框架。评审4:92—107积分。http://scholarship.meridianuniversity.edu/id/eprint/52
Stokols, d . 2008。团队科学的生态学:理解环境对跨学科合作的影响。美国预防医学杂志35(2):96-115。https://doi.org/10.1016/j.amepre.2008.05.003
D.斯托科尔斯,S.米斯拉,R. P.莫泽,K. L.霍尔,B. K.泰勒。2008。团队科学的生态学:理解环境对跨学科合作的影响。美国预防医学杂志35(2):S96-S115。https://doi.org/10.1016/j.amepre.2008.05.003
D.斯托克斯,B.泰勒,K.霍尔和R.莫泽。2006。团队科学的科学:该领域的概述。国家癌症研究所关于团队评估科学的会议(Bethesda, 2006)。美国马里兰州贝塞斯达国家癌症研究所。https://www.nordp.com/assets/resources-docs/rd-talks-ppt/science_of_team_science-overview.pdf
toulmin, s . 1972。人类的理解:概念的集体使用和发展。第一卷。普林斯顿大学出版社,美国新泽西州普林斯顿。
特罗基姆,W. M., S. E.马库斯,L. C. Mâsse, R. P.莫泽,P. C.威尔德,2008。大型研究计划的评价:参与式综合混合方法方法。美国评估杂志29(1):8-28。https://doi.org/10.1177/1098214007309280
范·里约尼弗,F. J.和L. K.赫塞尔斯。2011。与学科和跨学科研究合作相关的因素。研究政策40(3):463 - 472。https://doi.org/10.1016/j.respol.2010.11.001
沃尔什,S. J., A. L. McCleary, C. F. Mena, Y. Shao, J. P. Tuttle, A. González, R. Atkinson, 2008。QuickBird和Hyperion对厄瓜多尔加拉帕戈斯群岛一种入侵植物的数据分析:对控制和土地使用管理的启示。环境遥感112(5):1927-1941。https://doi.org/10.1016/j.rse.2007.06.028
华顿、赖特、王颖。2012。基于距离的多变量分析混淆了位置和分散效应。生态学与进化方法3(1):89-101。https://doi.org/10.1111/j.2041-210X.2011.00127.x
香,w . 2013。与社会生态系统中的邪恶问题打交道:意识、接受和适应。景观与城市规划110:1-4。https://doi.org/10.1016/j.landurbplan.2012.11.006
表1
表1:贝叶斯层次逻辑回归分析,展示了团队和文章属性之间的关系和文章的可能性,包括双向联系
预测变量 | B (日志优势比) |
SE (B) | Exp (B) (优势比) |
降低90%可信区间 (5%分位数) |
上90%可信区间 (95%分位数) |
分析方法 | |||||
概念/文献综述 | 3.03 | 4.16 | 20.70 | -12.30 | 1.36 |
数学分析 | 3.41 | 4.15 | 30.27 | -3.39 | 10.27 |
仿真模型分析 | 2.96 | 4.08 | 19.30 | -3.77 | 9.73 |
空间分析 | -7.58 | 6.81 | < 0.001 | -19.84 | 2.50 |
统计数据 | -1.07 | 4.16 | 0.34 | -7.91 | 5.78 |
其他 | -6.22 | 7.14 | < 0.001 |
-18.91 | 4.48 |
作者的学科和多样性 | |||||
生物/生命科学 | -0.03 | 0.11 | 0.97 | -0.21 | 0.15 |
社会科学 | 0.18 | 0.32 | 1.20 | -0.36 | 0.70 |
物理科学 | -1.18 | 0.54 | 0.31 | -2.12 | -0.35 |
计算机科学/数学/工程 | -0.18 | 0.24 | 0.84 | -0.62 | 0.17 |
跨学科 |
0.27 | 0.13 | 1.31 | 0.06 | 0.50 |
作者的学科多样性 (香农指数) |
2.51 | 0.99 | 12.30 | 0.95 | 4.18 |
pi的纪律和多样性 | |||||
生物/生命科学 | -0.53 | 0.43 | 0.59 | -1.26 | 0.14 |
社会科学 | -1.86 | 0.83 | 0.16 | -3.33 | -0.64 |
物理科学 | -1.09 | 1.22 | 0.34 | -3.16 | 0.85 |
计算机科学/数学/工程 | 3.72 | 1.81 | 41.26 | 0.96 | 6.86 |
跨学科 | 0.22 | 0.61 | 1.25 | -0.83 | 1.17 |
π的学科多样性 (香农指数) |
0.32 | 1.86 | 1.38 | -2.70 | 3.41 |
表2
表2.观察值和期望值表明作者的学科和文章的可能性之间的关系,包括双向联系。奥林匹克广播服务公司。=观察值;Exp =预期数
生物与生活 | 社会科学 | 物理科学 | 计算机科学/数学/工程 | 跨学科 | 总计 | ||||||
奥林匹克广播服务公司。 | 经验值。 | 奥林匹克广播服务公司。 | 经验值。 | 奥林匹克广播服务公司。 | 经验值。 | 奥林匹克广播服务公司。 | 经验值。 | 奥林匹克广播服务公司。 | 经验值。 | ||
不完整的链接 | 588 (42.1%) |
565.4 (40.4%) |
77 (5.5%) |
85.6 (6.1%) |
135例(9.7%) | 120.4 (8.6%) |
76 (5.4%) |
76.3 (5.5%) |
309例(22.1%) | 337.4 (24.1%) |
1185例(84.8%) |
双向链接 | 79 (5.7%) |
101.6 (7.3%) | 24 (1.7%) | 15.4 (1.1%) | 7 (0.5%) | 21.6 (1.5%) | 14 (1.0%) | 13.7 (1.0%) | 89例(6.4%) | 60.6 (4.3%) |
213例(15.2%) |
总计 | 667例(47.7%) | 101例(7.2%) | 134例(10.2%) | 90例(6.4%) | 398例(28.5%) | 1398例(100%) | |||||
表3
表3:观察值和期望值表明了分析方法和文章的可能性之间的关系,包括双向联系。奥林匹克广播服务公司。=观察值;Exp。=预期数量
概念/文献综述 | 统计数据 | 空间分析 | 数学分析 | 仿真模型分析 | 其他 | 总计 | ||||||||
奥林匹克广播服务公司。 | 经验值。 | 奥林匹克广播服务公司。 | 经验值。 | 奥林匹克广播服务公司。 | 经验值。 | 奥林匹克广播服务公司。 | 经验值。 | 奥林匹克广播服务公司。 | 经验值。 | 奥林匹克广播服务公司。 | 经验值。 | |||
不完整的联系 | 41 (17.0%) |
49.4 (20.5%) | 84例(34.9%) | 74.5 (30.9%) |
22 (9.1%) | 19.1 (7.9%) |
8 (3.3%) |
9.5 (4%) | 53 (22.1%) | 55.5 (23%) |
1 (0.4%) |
0.9 (0.4%) |
209例(86.7%) | |
双向的联系 | 16 (6.6%) |
7.6 (3.1%) | 2 (0.8%) |
11.5 (4.7%) | 0 (0%) |
2.9 (1.2%) | 3. (1.2%) |
1.5 (0.6%) | 11 (4.6%) |
8.5 (3.5%) | 0 (0.0%) |
0.1 (0.1%) |
32 (13.3%) |
|
总计 | 57 (23.7%) |
86 (35.7%) |
22 (9.1%) |
11 (4.6%) |
64 (26.6%) |
1 (0.4%) |
241 (100%) |
|||||||