相对论消除了关于绝对空间和时间的幻想；量子力学则消除了关于可控测量过程的牛顿式的梦；而混沌则消除了拉普拉斯关于决定论式可预测的幻想。---题记

         本文从系统论的视角来讨论普遍意义上的序和序化，大部分是自己思考所得，浅薄之处，请各位看官拍砖。

         万事万物都是由更小层次的个体组成，从不同层次上对被研究对象的观测带来的结果也不一样，比如从分子层次研究空气中分子的行为和从宏观层次研究空气的行为的结果肯定不一样。但如何实现不同层次之间观察的相关性事值得探讨的，系统论中的涌现现象告诉我们，单一个体的简单行为对给宏观层次带来不可预测的情况，混沌理论就是针对动态系统这种不可预测性的理论（不知道这么说科不科学）。本文把下次层次的个体行为对上一层次的特征的影响作用的可预测性当做是一种序。因本人关注与管理科学、社会科学，相关视角可能集中在这两个方面，也欢迎理工科同志上来拍砖。

什么是无序

         下一层次个体的行为对上一层次的作用表现出的难以预测性称为无序。涌现性事复杂系统的重要特征，从微观和宏观两个视角出发的研究非常普遍，比如经济学分为微观经济学和宏观经济学，宏观经济学，管理中，组织管理和个人激励的研究也不一样，但是缺乏连接两个层次的相关研究，就是因为下一层次的个体对上一层次的现象的影响作用，要不影响机制非常复杂、难以进行理论解释，要不而机制相对简单，则影响过程漫长，涉及个体极多，从定量的角度难以进行分析，而相关理论解释则集中在宏观层次的定性讨论中。

         无序同时也是相对的，从不同视角上观察同一对象，得到的结果是不一样的，从个体层次研究相关的无序现象，可能更容易解释，比如基于个体的购买行为可能就是相对有序了，而从宏观层次的研究全体用户的购买行为可能就是无序的，相关研究结果无法对个体的行为产生相对稳定，可靠的预测。无序决定于观测的手段及期望决定的目的，从而一定意义上说，没有绝对的无序，也没有绝对的有序。

什么是序

         对无序的分析告诉我们，多个体的行为相互作用容易引起无序，但如果能对多个体的相互作用关系进行逻辑上的分析，或者作用结果做出可靠地预测，那么整个系统就有了一定的序。序的概念涉及到一定规则、状态和群体三个概念，序从字面上的理解就是顺序，次序，是按照一定规则排列的某些个体而得到的群体的状态。

序是一种状态，那么无序也是一种状态，按照系统论的学说，任何事物都是一个系统，由各种子系统构成，那么序作为一种状态，应该是一种基于可操作可对比的，可度量的的标准。为什么A要比B更加有序，是因为依据有种规则下，我们能够对比A的量值比B好。因此从认知的角度上看，我们不可能给每个人提供完全有序的实例，因为你无法知道认知者的认知视角和既有知识对认知对象之间的关系作用不同，那么无法给出完全有序的实例，同样，我们也无法给出完全无序的实例。

对状态的讨论已经初步附带了一定规则的含义。一定规则是指通过对序对象集(被认知及评判是不是有序的对象的集合)的状态进行有规则排列的方法。一定规则可以从两个角度看，首先是客观角度，序对象集的既有排列应该是自然规律的一种体现。基于没有完全无序的假设下，任何事物都能找到某一视角去认为有序的，那么就认为是有其规律的，这里就体现一定规则的存在性，关键在于是不是被认知，而科学研究就是发现序的一定规则的过程。然后是从主观角度，任何事物都存在使其有序的一定规则，那么为什么会出现无序呢，因为个体认知上的欠缺，使得无法感知既有的一定规则，这是和个体相关的，其关系类似于“动与静”。那么既然一定规则是存在的，如何去度量这种规则，如何去认识这种规则就是很重要的，甚至于去改变这种规则，使得其利于被个体认知就成为一个重要的研究问题。

序是系统的状态，我们不去讨论一个子个体有序特征，因为不往里剖析内部结构特征是无法解释是不是序的。我们可以认为，对于单一个体和单一状态，就是0或者1，从一定角度上说，不具有普遍性，而且也没有研究价值。

两者的关系

         序和无序是对系统的状态的可预测程度的解释，那么在外界因素的影响下，序和无序是相互转化。无序是低层次的个体对高层次现象的作用而带来的不可预测性，当存在了一定的序之后，现象的可预测性就提供了从高层次现象对低层次个体的的可控制性、可解释性。

         以网络为例，我们无法预测个体在网络中的行为，同时也无法预测在网络中发生的事情，例如微博的热点事件只有在发生之后才能得知，这就是一种无序的体现，所以研究也主要分为三派：第一派是研究个体行为。这种研究没有涉及到宏观层面，通过对个体之前的内容，利用预测技术及手段来研究其可能的行为，但是无法预测到新的事物。第二派是从宏观层面研究，从环境中选择可能的影响因子，利用先行词对宏观涌现出的行为进行解释，但是这种解释可能更多的是牵强附会，实证研究的弱点也就体现在这里。第三派是利用个体特征从宏观层次上制定可能的策略。这类研究不集中在微观和宏观相关关系的解释和说明，而是利用既存的可能作用关系来预测行为，神经网络、SVM等研究方法都归于此类。这些研究都是从不同视角对序的探讨。

序化是什么

         序化是指研究从无序向有序的转化过程，途径有改变观测角度、对事物的状态进行改变等等，其本质本质提高两个层次的可解释性和可预测性。具体而言，序化是对序对象集的状态的进行人工改变的过程，那么序化的过程应该和对序对象集状态进行识别的一定规则相关，或者说提供新的，好的，不改变初始目的的一定规则。序化的结果应该是使得依据一定规则对序对象集进行改造，使得更容易被人理解，那么是不是一定要基于既有的一定规则，问题在于目的是服务于大众理解，改变了一定规则从原则上说是改变了序对象集的根本规律，获得的结果会不会和其本质内容不一样。而这种不一样对研究结果的可能影响程度尚且不清楚，也缺乏相关研究来度量。

序的度量

         假设完全无序的状态为0，完全有序的状态为1，那么任何事物的序状态都在（0，1）之间，为了可以实际操作化和简便化，按照一定规则得到的状态量值如果大于一定的临界值α，我们就认为他是有序的，比如取0.5，或者更加苛求一点，取0.7.这样的话，我们就更加容易的判定一个事物是不是有序，通过一定规则对其状态的度量，按照事先约定好的规则(这也是一个规则)，对事物有序或者无序进行状态判定。这就提供了对序的判定的基本思路。

         当然，不同的研究中，有对序的测度是不一样的，比如网络分析中，利用度中心性、中介中心性等对网络结构的状态进行度量，然后宏观层次上有幂率的方法，在数据挖掘中，召回率和精确率也是对挖掘结果的序的度量方法，同时，针对于具体的方法也存在自己特有的度量方式。但总体上而言，不同的研究对象和方法之间的序度量方法不同，使得可对比性和可移植性较差。跨学科的序测度方法具有极大地研究意义，借鉴熵的概念，熵是对事物的不确定性的进行度量的良好工具，如果能够对序对象集中的每个个体做出有效识别和界定，同时能够获取给定属性的值，那么利用信息熵的原理来对序的度量就可行的。那么剩下的问题是和具体研究背景结合起来。而度量的具体方式就不往下分析。

转载本文请联系原作者获取授权，同时请注明本文来自袁乾科学网博客。
链接地址：https://wap.sciencenet.cn/blog-582408-622483.html

上一篇：社会化广告与搜索付费广告
下一篇：中国—东盟电子商务平台中信用模式及系统研究