亞里斯多德會失業

質性研究者往往對「模型」嗤之以鼻或退避三舍。「嗤之以鼻」或許表達對模型過度簡化世界的不滿；「退避三舍」或許表達對模型背後的數學及模擬方法無法理解的恐懼。但更糟糕的可能是「視若無睹」。這三種回應都不利於研究的突破。所有的「模型」都是錯的，但有些很「有用」。我來分享一個如何讓「錯誤」的模型很「有用」的研究。

為什麼社會中存在著那麼多「一窩蜂」的現象？比如說消費市場上葡式蛋塔店的風潮、企業決策的各種「標竿學習」、科技領域的「創新採用」、學術研究領域的「熱門主題」。這些風潮來的快，去的也快。很多研究都都提供了風潮如何擴散的原因。比如說人們有從眾的行為傾向。但很少研究探討為什麼風潮會快速銷聲匿跡。Strang & Macy (2001) 用一個模擬模型提供了一個解釋。

想像一個虛擬世界。虛擬世界中有很多個體。每個個體的績效都決定於兩個因素：選擇的特定行動與運氣。這些個體從過去經驗中學習：過去行動的結果塑造了每個人不同的目標和期望水準。過去表現越好的，對未來期望績效水準也越高。同時，這些個體還會從別人的經驗中學習。當個體觀察到附近很多人的表現都比自己的期望水準高的時候，自己會不爽。不爽就會想要模仿高績效個體所選取的特定行動，以期提昇自己的績效。

Strang & Macy (2001) 把這個虛擬世界跑了一百期然後看看結果會發生什麼事。特定行動的採用率竟然出現與真實世界非常相仿的起伏：風潮在虛擬世界中出現了。研究結果指出只有「一點點功用」的特定行動在運氣很重要的時候特別容易擴散。模擬結果的直覺解釋在於當環境「噪音」很多，最好的行動不見得能反映在績效上。反倒是採取「雞肋」般行動的個體更可能因運氣好而獲得高績效。這些「雞肋」般行動甚至可能因為人們盲目的從眾行為而擴散。但是當人們模仿並採取了「雞肋」般的行動後，他們很快就知道這沒有搞頭，達不到自己的期望水準，而決定放棄繼續採取「雞肋」般的行動。一個接著一個大夥全部棄雞肋如敝屣。這個模型簡潔的解釋了「風潮」說來就來說走就走的起伏來源。

這個模型的優點不在於其很高深複雜。其真正的優點有三：第一，模型是被一個真實世界有趣但未被充分解釋的現象所驅動；第二，其假設非常簡單，並有充分的個體基礎證據支持(如心理實驗支持期望水準與群聚效應概念)；第三，其利用模擬方法表現了個體互動後所可能導致的結果，這個結果往往超乎個別研究者的分析知能。這三個優點讓這篇文章和其模型足以被稱之為「優雅」(elegant)。

這個例子並可以說明為什麼「錯誤」的模型可能是有用的。他的假設全部是簡潔但錯誤的。績效只被特定行動和運氣所解釋？真實世界哪有這麼簡單？的確，真實世界比模型複雜很多。但複雜的現象背後不見得有複雜的原因，即使我們的本能常驅動我們做如是想。利用簡潔甚至有些錯誤的假設能幫助我們減低自己的偏見。至少這個模型提供了一個「替代解釋」說明風潮的來源。其他類似研究，比如說「質性研究」要解釋風潮現象，不能對Strang & Macy (2001) 的解釋視若無睹。

文章只談模型是作者的錯，不論該模型背後有多高深的數學或模擬技巧。一篇好文章應該呈現雙向漏斗狀。頭尾都要讓各種讀者簡明易瞭。中間可以非常「專業」與「艱澀」。但介紹與結論最好要能讓你老媽聽到都能知道這個研究為什麼有趣、為什麼重要、還有為什麼有點道理。數學、模擬和模型只是工具。反客為主的使用是模型使用者自己的盲點，即使在某些小圈子能被合理化。

但研究者的盲點不只可能發生在使用模型者的身上，質性研究者也可能有類似盲點。當研究者對一種方法有偏見就不去接觸相關研究成果會有很大問題。但這或許無解。當研究者的訓練過程多半強調單一方法的專精與特定文獻的閱讀，結果就是不同社群間無法對話。比如說使用質性研究者讀不懂模型；使用模型者無法理解個案，即使兩邊都在研究一樣的現象。高度的學術分工已經讓學術產出在很多方面無效能。全才如「亞里斯多德」若生在今日大概在學術界會失業吧…

劉正威 (英國劍橋大學博士候選人)

Strang, D. and M.W. Macy, In Search of Excellence: Fads, Success Stories, and Adaptive Emulation. American Journal of Sociology, 2001. 107(1): p. 147-182.

http://reswithoutnumbers.blogspot.com/2009/12/blog-post_23.html