導(dǎo)語

當(dāng)用游戲與智能體模型（Games and agent-based models，GAM）探索社會復(fù)雜性時，單一的研究思路或許難以發(fā)揮其全部潛力。自然資源管理中的決策模擬、人類社會行為的規(guī)律探索、跨學(xué)科領(lǐng)域的復(fù)雜問題破解，這些場景都離不開GAM方法的靈活運用。然而，當(dāng)前GAM研究仍面臨標(biāo)準(zhǔn)化缺失、方法論不完善、跨學(xué)科協(xié)作不足等瓶頸，制約著其研究價值的充分釋放。究竟如何精準(zhǔn)選擇適配的GAM研究設(shè)計類型，如何突破現(xiàn)有局限、推動該領(lǐng)域規(guī)范化發(fā)展？該研究基于2001至2020年52篇相關(guān)文獻(xiàn)的系統(tǒng)性綜述，識別六種核心研究設(shè)計類型，提出針對性發(fā)展建議與結(jié)論，為GAM研究的實踐與推進(jìn)提供清晰指引。

關(guān)鍵詞：意識智能體建模（Agent-based modelling），游戲，游戲設(shè)計，研究設(shè)計，系統(tǒng)性文獻(xiàn)綜述

王璇丨作者

趙思怡丨審校

論文題目：GAM on! Six ways to explore social complexity by combining games and agent-based models 論文鏈接：https://www.tandfonline.com/doi/full/10.1080/13645579.2022.2050119 發(fā)表時間：2022年5月27日 論文來源：International Journal of Social Research Methodology

1. 引言

游戲產(chǎn)業(yè)已發(fā)展成規(guī)模龐大的行業(yè)。據(jù)估算，全球活躍游戲玩家約有24億人（Clement，2021），約占全球人口的三分之一，且這部分人群保持著常規(guī)的游戲行為。游戲能夠打造沉浸式互動環(huán)境，讓人們在其中交流、探索并共同應(yīng)對挑戰(zhàn)，其這一潛力早已得到學(xué)界認(rèn)可（Ampatzidou & Gugerell，2019）?！坝嬎銠C(jī)輔助游戲已被應(yīng)用于社會研究、城市與土地利用管理、生態(tài)教育、國際關(guān)系、醫(yī)療健康以及自然資源管理等領(lǐng)域”（Klabbers，2006），且通常用于支持公眾參與研究，或向更廣泛的受眾傳播研究成果（Pfirman 等，2021）。近年來，將游戲與智能體模型等社會復(fù)雜性探索方法相結(jié)合的研究應(yīng)用日益普及，這類融合形式體現(xiàn)在混合復(fù)合模擬（Le Page 等，2014）、智能體參與式模擬（Guyot & Honiden，2006）以及各類實驗設(shè)計中（Ren 等，2018）。本文將這一融合游戲與智能體模型的新興研究領(lǐng)域命名為游戲化智能體建模（GAM），但該領(lǐng)域的體系化發(fā)展因缺乏關(guān)于“如何結(jié)合、何時結(jié)合”的方法論指導(dǎo)而受阻，導(dǎo)致其推廣、可復(fù)制性和系統(tǒng)化進(jìn)程緩慢。該問題對初次涉足該領(lǐng)域的研究者影響尤為顯著，因為他們無法像領(lǐng)域內(nèi)的先驅(qū)研究者那樣，依托直覺和隱性知識開展研究。缺乏系統(tǒng)的方法論描述，也導(dǎo)致研究設(shè)計出現(xiàn)本土化創(chuàng)新和重復(fù)開發(fā)的現(xiàn)象。本文旨在通過對游戲化智能體建模的現(xiàn)有應(yīng)用實踐（如何應(yīng)用、何時應(yīng)用）進(jìn)行結(jié)構(gòu)化梳理與分析，并提出標(biāo)準(zhǔn)化的文檔記錄框架，為該領(lǐng)域奠定方法論基礎(chǔ)，為未來的方法論探討提供初步依據(jù)。具體而言，該研究將實現(xiàn)以下目標(biāo)：

（1）梳理游戲化智能體建模相關(guān)文獻(xiàn)的整體特征（如發(fā)表時間分布、應(yīng)用領(lǐng)域、發(fā)表期刊、作者合作模式等）；

（2）歸納融合游戲與智能體模型的現(xiàn)有研究設(shè)計類型；

（3）闡述各類設(shè)計類型的應(yīng)用場景（包括時間演變、研究目的、所屬領(lǐng)域及合作模式）；

（4）提出游戲化智能體建模研究的文檔記錄框架。

為明確游戲化智能體建模的方法論特征，本文從四個維度對每種研究設(shè)計類型進(jìn)行界定：

（1）研究要素的時序安排；

（2）各要素間的對應(yīng)關(guān)系；

（3）與研究對象（目標(biāo)系統(tǒng)，即現(xiàn)實世界中的研究現(xiàn)象）的關(guān)聯(lián)；

（4）融合游戲與智能體模型的研究目的。

因此，本文能夠為新手和資深研究者在應(yīng)用研究中選擇適配的研究設(shè)計、優(yōu)化現(xiàn)有研究實踐提供參考與啟發(fā)。該研究通過提供有效融合游戲與智能體模型的實證依據(jù)、研究洞見和方法指導(dǎo)，為游戲領(lǐng)域和社會模擬領(lǐng)域的從業(yè)者提供支持；同時，研究結(jié)果也對致力于整合定性與定量證據(jù)的研究者具有參考價值——而整合兩類證據(jù)正是游戲和智能體模型的共同優(yōu)勢。盡管本文聚焦于研究應(yīng)用層面的梳理，但游戲與智能體模型的融合也可應(yīng)用于其他場景，其中最主要的是作為基于學(xué)習(xí)的干預(yù)手段，推動并促進(jìn)社會變革（如Rodela 等，2019）。

本文接下來將先闡述游戲與智能體模型的內(nèi)涵，分析二者融合的優(yōu)勢。隨后界定用于描述過往實證研究中各類研究設(shè)計的判定標(biāo)準(zhǔn)。第三部分介紹該研究的綜述方法與研究局限。第四部分呈現(xiàn)研究結(jié)果，重點分析識別出的各類研究設(shè)計類型。第五部分提出游戲化智能體建模方法的應(yīng)用與報告規(guī)范建議。最后對研究進(jìn)行總結(jié)，并為該領(lǐng)域的未來發(fā)展提出建議。

2. 概念基礎(chǔ)

2.1 游戲與智能體模型

對游戲進(jìn)行通用定義并非易事，學(xué)界的各類定義均側(cè)重游戲的某一特征。部分學(xué)者認(rèn)為游戲的核心是趣味性或娛樂性（Caillois，2001），也有學(xué)者將游戲定義為玩家參與人工設(shè)定的沖突的系統(tǒng)（Salen & Zimmerman，2003）。該研究采用游戲設(shè)計師麥戈尼格爾（2011，第21頁）提出的包容性游戲定義，該定義具有顯著的分析優(yōu)勢：“拋開游戲的類型差異和技術(shù)復(fù)雜性，所有游戲都具備四個核心特征：明確的目標(biāo)、既定的規(guī)則、完善的反饋系統(tǒng)以及自愿的參與行為?！?/p>

游戲的諸多獨特特征對科研工作具有重要價值。例如，游戲能夠構(gòu)建虛擬場景，讓玩家在特定情境中扮演特定角色（Barreteau，2003）。這種虛擬場景使玩家能夠在無需承擔(dān)現(xiàn)實后果的前提下，進(jìn)行探索、合作或競爭。游戲行為也可被視作一種溝通方式，玩家通過基于規(guī)則的“語言”傳遞和接收信息（Duke，1974）。在科研領(lǐng)域，游戲已被用于支持社會學(xué)習(xí)、溝通交流和集體決策，提升利益相關(guān)者在參與式研究中的整體參與度（Bakhanova 等，2020）。此外，游戲還被用作數(shù)據(jù)收集工具，成功吸引志愿者參與公民科學(xué)項目（如蛋白質(zhì)折疊游戲平臺：[www.fold.it]）。

蛋白質(zhì)折疊游戲平臺：[www.fold.it]

智能體模型（ABMs）是對復(fù)雜系統(tǒng)的抽象表征，它從系統(tǒng)組成要素及要素間相互關(guān)系的視角出發(fā)，通過計算機(jī)程序?qū)崿F(xiàn)對復(fù)雜系統(tǒng)的模擬。在智能體模型中，具有多種屬性的異質(zhì)性智能體依據(jù)既定的形式化規(guī)則，與其他智能體及環(huán)境進(jìn)行互動（Miller & Page，2009）。研究者通過分析程序輸出結(jié)果，能夠?qū)⑾到y(tǒng)涌現(xiàn)的宏觀現(xiàn)象與模型中軟件智能體的個體特征和行為進(jìn)行嚴(yán)謹(jǐn)?shù)年P(guān)聯(lián)分析。尤為重要的是，智能體建模技術(shù)允許研究者在虛擬計算環(huán)境中，對反事實場景進(jìn)行系統(tǒng)性探索。

在單一研究中融合游戲與智能體模型（即采用游戲化智能體建模方法），研究者既能發(fā)揮二者各自的優(yōu)勢，又能借助二者的協(xié)同效應(yīng)提升研究效果。這一研究潛力最早在自然資源管理領(lǐng)域得到應(yīng)用，Barreteau (1998) 和 Bousquet 等 (1999)首次提出將游戲與智能體模型相結(jié)合，為自然資源的綜合管理提供支持。Barreteau 等 (2002) 指出，智能體模型與游戲的特征存在高度對應(yīng)性：智能體對應(yīng)玩家、模型規(guī)則對應(yīng)游戲規(guī)則、模型時間步對應(yīng)游戲回合、模擬運行對應(yīng)游戲場次、模型界面對應(yīng)游戲世界，諸如此類。在游戲化智能體建?？蚣苤校悄荏w模型的價值體現(xiàn)在：

（1）構(gòu)建反事實的假設(shè)場景，例如通過修改參數(shù)或?qū)傩裕瑢τ螒蜻^程進(jìn)行數(shù)字化復(fù)現(xiàn)；

（2）實現(xiàn)游戲研究的規(guī)?；卣梗鐢U(kuò)大研究的空間和時間維度；

（3）隨著游戲的推進(jìn)，根據(jù)玩家行為動態(tài)更新環(huán)境和智能體的特征；

（4）具備生成性特征（即從局部互動中涌現(xiàn)出群體層面的現(xiàn)象）和動態(tài)建模能力。

與此同時，游戲的價值體現(xiàn)在：為玩家（如利益相關(guān)者）提供交流平臺，使其共同探討并確定應(yīng)對現(xiàn)實挑戰(zhàn)的最優(yōu)策略(Salvini 等, 2016)，或聯(lián)合制定發(fā)展場景(Voinov & Bousquet, 2010)；此外，游戲還能幫助研究者理解玩家的異質(zhì)性行為策略和玩家間的互動關(guān)系，這一優(yōu)勢既可用于開發(fā)貼合具體場景的、具有現(xiàn)實合理性的行為智能體模型，也可用于模型驗證（例如對比游戲中玩家的行為與模型中計算智能體的行為）。游戲與智能體模型的一個重要共性是，二者均能處理和輸出定性與定量數(shù)據(jù)，根據(jù)研究設(shè)計的時序安排，數(shù)據(jù)可從游戲流向智能體模型，也可從智能體模型流向游戲。

已有研究探討了游戲與智能體模型在參與式研究中的應(yīng)用（Voinov & Bousquet, 2010; Voinov 等, 2018, 2016）。這三項研究中所使用的游戲均為面向利益相關(guān)者的角色扮演游戲（RPG），且分為兩類：

（1）協(xié)同建模，該方法通常與利益相關(guān)者參與過程相結(jié)合，融合智能體模型與角色扮演游戲，旨在聯(lián)合設(shè)計系統(tǒng)模型；

（2）參與式模擬，在該方法中，利益相關(guān)者在游戲場景中操控動態(tài)系統(tǒng)，其每一項決策和每一次互動都會被記錄下來用于后續(xù)分析，而模型的底層設(shè)置和規(guī)則不可由玩家修改。

Farias等（2019）通過系統(tǒng)性文獻(xiàn)綜述，識別出自然資源管理領(lǐng)域中融合多智能體系統(tǒng)（MAS）與角色扮演游戲的四種方式：

（1）角色扮演游戲向多智能體系統(tǒng)轉(zhuǎn)化，即利用模擬角色扮演游戲收集問題相關(guān)信息和利益相關(guān)者的決策過程信息，并基于這些信息構(gòu)建多智能體系統(tǒng)；

（2）多智能體系統(tǒng)向角色扮演游戲轉(zhuǎn)化，即先開發(fā)多智能體系統(tǒng)，再通過開展模擬角色扮演游戲?qū)ο到y(tǒng)進(jìn)行驗證；

（3）角色扮演游戲與多智能體系統(tǒng)結(jié)合，即模擬角色扮演游戲借助多智能體系統(tǒng)完成游戲過程的計算；

（4）角色扮演游戲與多智能體系統(tǒng)深度融合，即開發(fā)集成多智能體系統(tǒng)計算功能的數(shù)字化角色扮演游戲軟件。

上述研究成果具有重要價值，但受限于樣本量較小和研究范圍較窄，其適用性存在局限。該研究將突破這些局限，通過分析海量文獻(xiàn)數(shù)據(jù)，覆蓋游戲化智能體建模的全學(xué)科應(yīng)用領(lǐng)域。

2.2 游戲與智能體模型研究設(shè)計的判定標(biāo)準(zhǔn)

為識別并分類游戲化智能體建模中的研究設(shè)計類型，本文確定了三項判定標(biāo)準(zhǔn)并應(yīng)用于研究分析：時序安排、目標(biāo)系統(tǒng)、游戲-智能體模型對應(yīng)關(guān)系。其中，時序安排和游戲-智能體模型對應(yīng)關(guān)系這兩項標(biāo)準(zhǔn)借鑒自混合方法研究領(lǐng)域（Cresswell & Clark，2017），而目標(biāo)系統(tǒng)標(biāo)準(zhǔn)的設(shè)定，是為了明確智能體模型和游戲模型的研究邊界。

時序安排指研究要素在時間維度上的相互關(guān)系（Morgan，2017）。在該研究中，時序安排描述的是在特定研究中，游戲和智能體模型要素的設(shè)計（有時包括實施）順序，該順序會影響要素間的信息流向，通常信息從先設(shè)計的要素流向后設(shè)計的要素。從時序安排角度來看，游戲與智能體模型的融合主要有三種形式：先設(shè)計游戲，后構(gòu)建智能體模型；先構(gòu)建智能體模型，后設(shè)計游戲；將二者融合為一個統(tǒng)一的研究應(yīng)用體系。

目標(biāo)系統(tǒng)指研究所關(guān)注的現(xiàn)實世界現(xiàn)象（Elliott-Graves，2020）。游戲和智能體模型都是對研究現(xiàn)象的簡化建模，研究者會突出與特定研究問題相關(guān)的要素，對其他要素則進(jìn)行高度簡化或忽略。因此，該研究將分析游戲與智能體模型在多大程度上聚焦于研究現(xiàn)象的同一方面。

游戲-智能體模型對應(yīng)關(guān)系指研究設(shè)計中后出現(xiàn)的要素是否依賴于先出現(xiàn)的要素所包含的過程（Schoonenboom & Johnson，2017），也包括二者完全或部分不可分割的情況。

3. 研究方法

為解答研究問題，該研究首先采用系統(tǒng)性文獻(xiàn)綜述法，對相關(guān)文獻(xiàn)進(jìn)行結(jié)構(gòu)化的收集、梳理和分析，隨后運用內(nèi)容分析法對文獻(xiàn)進(jìn)行深度解析。在新興研究領(lǐng)域，系統(tǒng)性文獻(xiàn)綜述能夠揭示研究實踐的共性特征、構(gòu)建研究框架，并識別出需要進(jìn)一步體系化的研究方向；在研究后期，可通過重復(fù)開展系統(tǒng)性文獻(xiàn)綜述，重新評估研究成果，觀察領(lǐng)域的長期發(fā)展趨勢。該方法已被廣泛應(yīng)用于多個領(lǐng)域的發(fā)展評估研究，包括自然資源管理（Weber等，2019）、商業(yè)研究（González等，2010）、軟件工程（?mite等，2010）以及社會模擬（Farias等，2019；Gu & Blackmore，2015）。該研究遵循Bearman等（2012）提出的系統(tǒng)性文獻(xiàn)綜述步驟，以及Krippendorff（2012）提出的內(nèi)容分析方法，圖1概括了本次系統(tǒng)性文獻(xiàn)綜述的實施步驟。

圖1. 系統(tǒng)性文獻(xiàn)綜述各階段的信息流程。檢索日期：2020年2月25日。

該研究收集了文獻(xiàn)的作者、發(fā)表年份、摘要、發(fā)表期刊、關(guān)鍵詞、出版機(jī)構(gòu)等元數(shù)據(jù)，并將其作為文獻(xiàn)篩選的依據(jù)。本文的八位合著者參與了文獻(xiàn)相關(guān)性評估，最終確定納入和排除的文獻(xiàn)。對于通過標(biāo)題、關(guān)鍵詞和摘要篩選后仍無法確定是否納入的文獻(xiàn)，由兩位合著者進(jìn)行全文評估。為保證評審者間文獻(xiàn)納入判定的一致性，兩位合著者對隨機(jī)抽取的5%文獻(xiàn)的最終納入決策進(jìn)行了交叉核查。

隨后，該研究對納入分析的文獻(xiàn)摘要和全文進(jìn)行內(nèi)容分析，通過定性編碼識別游戲與智能體模型的融合模式。研究采用演繹編碼與歸納編碼相結(jié)合的方式，開發(fā)并檢驗編碼手冊；編碼手冊定稿后，合著者通過三輪編碼校準(zhǔn)，統(tǒng)一編碼標(biāo)準(zhǔn)；在編碼信度達(dá)到要求后，使用NVivo軟件對全部質(zhì)性數(shù)據(jù)進(jìn)行分析，并使用SPSS [26.0.0.0](26.0.0.0)軟件繪制圖表。編碼完成后，該研究運用2.2節(jié)提出的分類標(biāo)準(zhǔn)，識別出反復(fù)出現(xiàn)的研究設(shè)計類型。

為分析作者合作模式，該研究根據(jù)歐盟瑪麗·斯科爾多夫斯卡-居里行動計劃的學(xué)科描述符列表，將作者所屬機(jī)構(gòu)與對應(yīng)研究領(lǐng)域進(jìn)行匹配；同時統(tǒng)計了每篇文獻(xiàn)的作者數(shù)量，將作者分為學(xué)術(shù)領(lǐng)域和非學(xué)術(shù)領(lǐng)域兩類，并根據(jù)作者所屬機(jī)構(gòu)確定其地理分布。

系統(tǒng)性文獻(xiàn)綜述法的主要局限體現(xiàn)在文獻(xiàn)篩選過程和分析的文獻(xiàn)樣本上：未收錄于該研究選定的兩個在線數(shù)據(jù)庫，或未包含該研究檢索詞的文獻(xiàn)均被排除在外（表1），這意味著部分重要文獻(xiàn)可能未被納入分析。但相較于通過追溯參考文獻(xiàn)進(jìn)行的“質(zhì)性”文獻(xiàn)分析，自動化檢索能夠獲取規(guī)模大得多的樣本，上述局限是必然的代價。該研究的數(shù)據(jù)庫檢索于2021年2月25日結(jié)束，此后發(fā)表的文獻(xiàn)均未納入分析。

該研究的所有結(jié)論均基于所選的分析樣本，因此外部效度有限。此外，研究者對判定標(biāo)準(zhǔn)的主觀解讀可能影響研究設(shè)計的分類結(jié)果，這也是該研究的局限之一。但該研究是首次對游戲化智能體建模的研究設(shè)計類型進(jìn)行系統(tǒng)性梳理，其研究結(jié)果有待進(jìn)一步驗證和完善。

表1. 該研究采用的系統(tǒng)性文獻(xiàn)綜述檢索策略。

4. 研究結(jié)果與分析

4.1 整體特征

將游戲與智能體模型融合用于研究目的（即游戲化智能體建模方法）是一個相對新興的研究領(lǐng)域。該研究分析的52篇文獻(xiàn)發(fā)表于2001-2020年間（圖2），相關(guān)研究成果主要發(fā)表于三本期刊：《環(huán)境建模與軟件》（6篇）、《人工社會與社會模擬期刊》（6篇）和《環(huán)境管理期刊》（5篇），其余35篇文獻(xiàn)發(fā)表于35個不同的出版物，包括16種會議論文集、12種同行評審期刊和7部著作/系列叢書。近三分之一的文獻(xiàn)發(fā)表于計算機(jī)科學(xué)領(lǐng)域的會議論文集，出版物的多樣性表明，盡管游戲化智能體建模的研究項目數(shù)量相對較少，但應(yīng)用領(lǐng)域分布廣泛，該研究領(lǐng)域目前呈現(xiàn)出分散化的特征。不過，該研究中有11篇文獻(xiàn)發(fā)表于環(huán)境管理領(lǐng)域的核心期刊，這凸顯了該方法在解決跨領(lǐng)域復(fù)雜問題中的重要價值。

游戲與智能體模型融合的研究應(yīng)用呈逐年增長趨勢（圖2）。在研究考察的第一個十年（2001-2010年），樣本中僅有14篇相關(guān)文獻(xiàn)；而在第二個十年（2011-2020年），相關(guān)文獻(xiàn)數(shù)量增長了近兩倍，達(dá)到38篇。2010年成為文獻(xiàn)發(fā)表的峰值年份，原因是某一研究團(tuán)隊圍繞協(xié)同建模發(fā)表了一系列研究成果，且均刊載于《環(huán)境建模與軟件》期刊；而2019-2020年文獻(xiàn)數(shù)量略有下降，這大概率是該研究于2020年2月開展數(shù)據(jù)收集所致的樣本偏差。

游戲與智能體模型的融合應(yīng)用于14個不同領(lǐng)域，體現(xiàn)出該方法高度的靈活性。其中，最主要的應(yīng)用領(lǐng)域是自然資源管理（占比54%），其次是群體動力學(xué)（14%）、公共衛(wèi)生（6%）和城市物流（4%）。這一應(yīng)用分布特征也反映出智能體模型在環(huán)境科學(xué)、農(nóng)業(yè)科學(xué)和生物科學(xué)領(lǐng)域的廣泛應(yīng)用（圖D1），這很可能是因為過去30年間，復(fù)雜性研究方法在這些領(lǐng)域得到普及，進(jìn)而推動了混合研究方法的應(yīng)用。

圖2. 出版物隨時間及應(yīng)用領(lǐng)域的分布情況。

近半數(shù)（48%）的研究采用數(shù)字游戲，三分之一（31%）的研究采用模擬游戲，五分之一（21%）的研究采用融合實體與數(shù)字要素的混合游戲。數(shù)字游戲的廣泛應(yīng)用源于多方面優(yōu)勢：其搭建流程簡便，數(shù)據(jù)追蹤效率高；此外，網(wǎng)絡(luò)游戲能夠突破地域限制，讓玩家隨時隨地參與研究。該研究中，幾乎所有的模擬游戲均為角色扮演游戲，該類游戲的普及源于一個核心假設(shè)——角色扮演游戲可被視作以人類替代人工智能體的智能體模型。該研究僅有一項研究（表A1，第44篇）使用了商用現(xiàn)成游戲，其余研究均使用為研究定制的游戲，或借鑒以往研究中設(shè)計并使用的游戲。

從作者合作結(jié)構(gòu)來看，該領(lǐng)域不存在獨著文獻(xiàn)，且以中小規(guī)模的合作研究為主：70%的文獻(xiàn)由2-4位學(xué)者合著，規(guī)模最大的一項合作研究有19位作者。

該領(lǐng)域的合作研究以國際合作為主（67%），且有57%的合作研究由高校與非學(xué)術(shù)機(jī)構(gòu)聯(lián)合開展。非學(xué)術(shù)機(jī)構(gòu)主要包括科研院所和私營企業(yè)，也有少量政府機(jī)構(gòu)和醫(yī)院參與。這一特征反映出游戲化智能體建模方法的跨學(xué)科潛力，實現(xiàn)了科學(xué)家、利益相關(guān)者以及（通常位于農(nóng)村和偏遠(yuǎn)地區(qū)的）一線領(lǐng)域?qū)＜业暮献鳌?/p>

此外，該研究樣本中的文獻(xiàn)作者擁有多元的研究背景：40%的作者隸屬于環(huán)境與地球科學(xué)領(lǐng)域（該領(lǐng)域具有高度的跨學(xué)科性），39%的作者隸屬于信息科學(xué)與工程領(lǐng)域（計算機(jī)模型和游戲在該領(lǐng)域應(yīng)用廣泛）；而隸屬于社會科學(xué)與人文領(lǐng)域（8%）、經(jīng)濟(jì)科學(xué)領(lǐng)域（4.5%）、生命科學(xué)領(lǐng)域（4.5%）、物理學(xué)領(lǐng)域（2.3%）、數(shù)學(xué)領(lǐng)域（1%）和化學(xué)領(lǐng)域（0.5%）的作者占比則顯著較低。

該研究識別出兩類合作研究模式：（1）實地研究，即領(lǐng)域?qū)＜遗c一線從業(yè)者合作開展研究，這類研究通常為科研機(jī)構(gòu)與非科研機(jī)構(gòu)的國際合作；（2）科研機(jī)構(gòu)主導(dǎo)的研究，即合作研究者來自不同的科學(xué)背景。由此可見，在單一研究設(shè)計中融合游戲與智能體模型的復(fù)雜性，推動了跨領(lǐng)域、跨機(jī)構(gòu)的合作研究。但納入分析的文獻(xiàn)均未明確說明開展合作研究的具體原因，推測原因主要有兩點：一是單一學(xué)者難以掌握研究所需的全部知識和技能，例如同時掌握研究方法和應(yīng)用領(lǐng)域知識，或同時掌握研究方法和案例研究地的相關(guān)情況；二是游戲化智能體建模研究的組織和實施過程復(fù)雜，需要多名學(xué)者共同參與。

4.2 研究設(shè)計類型：特征與規(guī)律

該研究將2.2節(jié)提出的三項判定標(biāo)準(zhǔn)應(yīng)用于52篇納入內(nèi)容分析的文獻(xiàn)，識別出六種研究設(shè)計類型，其可視化展示和特征總結(jié)見表2，各類設(shè)計類型的詳細(xì)數(shù)據(jù)說明見附錄B。該研究識別的研究設(shè)計類型，與Farias等（2019）在系統(tǒng)性文獻(xiàn)綜述中提出的類型存在一定相似性。Farias等的研究分析了10篇自然資源管理領(lǐng)域中融合多智能體系統(tǒng)與角色扮演游戲的文獻(xiàn)，以時序安排和角色扮演游戲的數(shù)字化程度為分類標(biāo)準(zhǔn)。從時序安排角度來看，該研究的1、3、5類設(shè)計類型與該研究的a、b、c類融合方式相近。該研究進(jìn)一步識別出另外三類設(shè)計類型：基于目標(biāo)系統(tǒng)這一判定標(biāo)準(zhǔn)，識別出2、4類設(shè)計類型（該標(biāo)準(zhǔn)的設(shè)定受Barreteau（2003）分析角色扮演游戲與模型聯(lián)合應(yīng)用時提出的“底層概念模型相同/不同”分類的啟發(fā)）；基于同步時序安排特征，識別出6類設(shè)計類型。而Farias等（2019）以游戲的數(shù)字化程度為分類標(biāo)準(zhǔn)，識別出d類融合方式，該研究未將該指標(biāo)納入分類標(biāo)準(zhǔn)。

表2. 本系統(tǒng)性文獻(xiàn)綜述確定的六種結(jié)合游戲與ABM的研究設(shè)計類型描述。

游戲化智能體建模領(lǐng)域不僅文獻(xiàn)發(fā)表數(shù)量持續(xù)增長，應(yīng)用的研究設(shè)計類型也日趨多樣化（見圖D2）。3、5、6類設(shè)計類型在研究觀察期的前1/3階段就已出現(xiàn)，而另外三類設(shè)計類型則出現(xiàn)得相對較晚。1類設(shè)計類型的研究于2010年首次出現(xiàn)，當(dāng)年發(fā)表4篇相關(guān)文獻(xiàn)，此后該類型研究逐漸減少，近四年無新文獻(xiàn)發(fā)表。3類設(shè)計類型的研究分布于整個觀察期，且在觀察期的最后1/4階段略有增長。由于1、3類設(shè)計類型的研究目的相近，將二者結(jié)合分析可見，其文獻(xiàn)發(fā)表量呈平穩(wěn)分布，且在2010年和2015年出現(xiàn)兩個峰值。6類設(shè)計類型的研究雖在該研究樣本中出現(xiàn)較早，但直到觀察期的第二個十年才成為最主流的設(shè)計類型。4類設(shè)計類型的研究是該領(lǐng)域的最新發(fā)展成果。4、6類設(shè)計類型的研究應(yīng)用日益普及，原因主要是（視頻）游戲的受眾不斷擴(kuò)大，且操作便捷的開發(fā)平臺逐漸增多。

盡管游戲與智能體模型的融合應(yīng)用于多個領(lǐng)域，但各類研究設(shè)計類型的應(yīng)用分布并不均衡（見圖D3）。除2類外，幾乎所有研究設(shè)計類型均被應(yīng)用于自然資源管理領(lǐng)域。6類設(shè)計類型的通用性最強(qiáng)，應(yīng)用于14個領(lǐng)域中的10個。1類設(shè)計類型僅應(yīng)用于自然資源管理領(lǐng)域，而其他設(shè)計類型均至少應(yīng)用于14個領(lǐng)域中的兩個。2類設(shè)計類型僅應(yīng)用于兩個聚焦人類社會行為的領(lǐng)域（群體動力學(xué)、態(tài)度-行為關(guān)系），而其他領(lǐng)域的研究對象多為社會-生態(tài)系統(tǒng)或社會-技術(shù)系統(tǒng)。這一現(xiàn)象的原因可能是：通過游戲挖掘人們的決策和態(tài)度相關(guān)信息，再通過智能體模型驗證這些發(fā)現(xiàn)，這一研究思路特別適用于人類社會行為研究領(lǐng)域。

5. 未來發(fā)展建議

基于本次系統(tǒng)性文獻(xiàn)綜述的核心研究結(jié)論，針對GAM領(lǐng)域現(xiàn)存的核心短板與現(xiàn)實需求，本文從標(biāo)準(zhǔn)化建設(shè)、方法論完善、跨學(xué)科協(xié)作、跨群體聯(lián)動四個維度提出四項發(fā)展建議，助力該領(lǐng)域?qū)崿F(xiàn)體系化、可持續(xù)發(fā)展。

第一，推行GAM研究標(biāo)準(zhǔn)化文檔記錄框架。該研究分析顯示，當(dāng)前該領(lǐng)域缺乏統(tǒng)一的研究報告規(guī)范，導(dǎo)致現(xiàn)有研究難以橫向?qū)Ρ取⒅貜?fù)驗證與后續(xù)拓展，嚴(yán)重制約領(lǐng)域知識積累。因此亟需建立專用的標(biāo)準(zhǔn)化文檔框架，核心涵蓋研究問題、目標(biāo)系統(tǒng)特征、游戲設(shè)計細(xì)節(jié)（游戲類型、核心規(guī)則、反饋機(jī)制等）、智能體模型參數(shù)（智能體屬性、互動規(guī)則、環(huán)境設(shè)置等）、游戲與模型要素時序安排、數(shù)據(jù)流轉(zhuǎn)邏輯、研究評估方法等關(guān)鍵內(nèi)容。該框架可有效提升研究透明度與可復(fù)制性，推動領(lǐng)域知識的系統(tǒng)性沉淀。本文已在附錄C中提出初步框架，后續(xù)可結(jié)合領(lǐng)域內(nèi)反饋與后續(xù)研究進(jìn)一步優(yōu)化完善。

第二，深化方法論創(chuàng)新，補齊現(xiàn)有研究短板。一方面，需構(gòu)建嚴(yán)謹(jǐn)?shù)?strong>GAM方法驗證體系，重點解決游戲定性數(shù)據(jù)與智能體模型定量數(shù)據(jù)融合后的驗證難題；另一方面，針對不同研究目的與目標(biāo)系統(tǒng)，探索游戲與智能體模型要素的最優(yōu)時序組合模式，形成針對性的方法論指導(dǎo)。同時，方法論體系還需破解GAM研究規(guī)模化應(yīng)用的瓶頸，比如實現(xiàn)從小規(guī)模實驗室場景到真實場景的落地轉(zhuǎn)化，以及玩家行為、智能體互動、現(xiàn)實觀測等多源異構(gòu)數(shù)據(jù)的高效整合。

第三，強(qiáng)化跨學(xué)科協(xié)作，整合多元專業(yè)力量。該研究分析表明，GAM研究覆蓋自然科學(xué)、社會科學(xué)、計算機(jī)科學(xué)、游戲設(shè)計等多個學(xué)科，但現(xiàn)有研究大多局限于單一學(xué)科內(nèi)部開展，難以發(fā)揮跨學(xué)科優(yōu)勢。建議推動多領(lǐng)域研究者協(xié)同合作，由社會科學(xué)家剖析人類行為邏輯、計算機(jī)科學(xué)家搭建智能體模型、游戲設(shè)計師打造高參與度的研究型游戲，全方位提升GAM方法的嚴(yán)謹(jǐn)性與落地適用性。同時，加強(qiáng)與政策制定者、資源管理者、社區(qū)群體等實務(wù)從業(yè)者與利益相關(guān)方的合作，確保GAM研究緊扣現(xiàn)實需求，解決實際社會與環(huán)境問題。

第四，拓展跨群體聯(lián)動，提升GAM研究影響力與普及度。一方面，加強(qiáng)與游戲行業(yè)的交流，共享GAM研究方法與成果，借助行業(yè)經(jīng)驗優(yōu)化游戲設(shè)計與玩家參與機(jī)制；另一方面，聯(lián)動高校與教育機(jī)構(gòu)，將GAM方法融入教學(xué)體系，培養(yǎng)領(lǐng)域后備科研與實務(wù)人才。此外，面向公眾開展科普宣傳，提升大眾對GAM研究的認(rèn)知度，讓公眾了解其在破解復(fù)雜社會、環(huán)境難題中的核心價值，進(jìn)而提高公眾參與GAM類公民科學(xué)項目的積極性。

綜上，GAM方法融合了游戲與智能體模型的雙重優(yōu)勢，在社會復(fù)雜性研究領(lǐng)域具備巨大潛力。落實上述四項建議，可推動該領(lǐng)域逐步實現(xiàn)標(biāo)準(zhǔn)化、方法論嚴(yán)謹(jǐn)化與應(yīng)用落地化，讓GAM成為跨學(xué)科通用、兼具學(xué)術(shù)價值與實踐意義的核心研究工具。

5.1 總體說明

基于本系統(tǒng)性文獻(xiàn)綜述（SLR）納入的研究，本文為每種研究設(shè)計類型提供簡要的實施指導(dǎo)，并闡述游戲化智能體建模（GAM）方法的局限性。這些建議可為（尤其是新入行的）研究者提供幫助，使其根據(jù)自身研究目的選擇合適的設(shè)計類型，同時也對智能體模型（ABM）開發(fā)者和游戲設(shè)計師具有參考價值。研究者們還邀請學(xué)者和實務(wù)研究者參與方法論討論，對GAM研究設(shè)計類型進(jìn)行批判性反思，并為GAM方法論的完善提供嚴(yán)謹(jǐn)建議。

1類（游戲→智能體模型）研究設(shè)計適用于旨在收集內(nèi)部知識和本地知識、加深對特定目標(biāo)系統(tǒng)理解的研究。其核心目的是通過讓利益相關(guān)者參與共建現(xiàn)實系統(tǒng)的抽象表征（即概念模型），為決策過程提供支持。游戲用于輔助后續(xù)智能體模型的設(shè)計過程，通過游戲測試和系統(tǒng)要素討論，構(gòu)建所研究系統(tǒng)的概念模型。該概念模型勾勒出研究系統(tǒng)的輪廓，并在后續(xù)階段作為智能體模型的設(shè)計藍(lán)圖。智能體模型部分則用于呈現(xiàn)和討論系統(tǒng)發(fā)展場景。

2類（游戲?智能體模型）研究設(shè)計非常適合支持游戲開發(fā)。該類設(shè)計的目的是利用智能體模型提升游戲各方面的性能或進(jìn)行校準(zhǔn)，也適用于在計算機(jī)中重建可擴(kuò)展的游戲版本，以探索玩家的社會模式和動態(tài)特征。2類設(shè)計旨在通過智能體模型理解和分析游戲中的決策與互動，有時還用于評估和比較關(guān)于合作、群體互動、集體決策等方面的不同理論。

3類（智能體模型?游戲）研究設(shè)計與1類設(shè)計的目標(biāo)和目的一致，即收集玩家知識。因此，游戲通過游戲測試和概念模型中系統(tǒng)要素的討論，用于協(xié)同設(shè)計和探討系統(tǒng)概念。3類設(shè)計的獨特之處在于，研究以智能體模型為起點，隨后創(chuàng)建一個游戲來映射智能體模型的基本概念。這種時序安排可實現(xiàn)模型驗證，利用通過游戲收集的知識改進(jìn)或支撐現(xiàn)有智能體模型。3類設(shè)計旨在驗證、確認(rèn)或校準(zhǔn)模擬過程。

4類（智能體模型?游戲）研究設(shè)計旨在為智能體模型增添更貼近現(xiàn)實的智能體行為，或?qū)⒁褜崿F(xiàn)的智能體與真實人類進(jìn)行比較。在該設(shè)計中，游戲在受控環(huán)境（如實驗）中使用，以追蹤玩家在游戲過程中的行為?；谑占降臄?shù)據(jù)，可創(chuàng)建新的智能體行為或驗證現(xiàn)有智能體行為。4類設(shè)計旨在利用游戲研究智能體模型構(gòu)建和分析過程中發(fā)現(xiàn)的問題。

5類（游戲+智能體模型）研究設(shè)計利用智能體模型計算并呈現(xiàn)游戲過程中玩家行為對游戲世界的影響，例如展示玩家的決策和行為對地下水位、土地產(chǎn)量、政府預(yù)算等環(huán)境參數(shù)的影響。因此，在每個游戲回合中，游戲世界的參數(shù)會根據(jù)智能體模型的過程進(jìn)行更新，并向玩家呈現(xiàn)新的數(shù)值。由此可見，游戲無法脫離智能體模型及其結(jié)果獨立運行。5類設(shè)計旨在將智能體模型作為游戲的一個（子）組件加以實現(xiàn)。

6類（智能體模型=游戲）研究設(shè)計將智能體模型和游戲融合在一個完全集成的應(yīng)用程序中，即基于智能體的游戲。該方法特別適用于決策支持工具，但采用該設(shè)計的研究也可用于上述所有研究目的。游戲與智能體模型的融合既有顯著優(yōu)勢，也存在不足：一方面，采用此類研究設(shè)計可無需進(jìn)行游戲與智能體模型之間的數(shù)據(jù)整合；另一方面，該設(shè)計限制了玩家展現(xiàn)意外游戲行為的可能性，例如修改游戲規(guī)則或制定“內(nèi)部規(guī)則”。6類設(shè)計旨在利用智能體模型為游戲互動和游戲過程提供基礎(chǔ)架構(gòu)。

在考慮使用上述任何一種研究設(shè)計類型時，還需注意GAM方法的局限性。實施該方法需要具備兩套設(shè)計和實施技能，即游戲相關(guān)技能和智能體模型相關(guān)技能，此外還需掌握有效融合兩者的知識。據(jù)作者所知，除該研究外，目前僅有一項研究概述了游戲與智能體模型融合的通用方法論（即伙伴建模方法的發(fā)起者Bousquet等人在2002年對6個案例的分析）。實施GAM研究是一個耗時且費力的過程，因此建議提前充分規(guī)劃掌握必要技能所需的時間，以及實施游戲與智能體模型融合所需的時間。

值得注意的是，本綜述納入的文獻(xiàn)往往缺乏對基本概念的明確說明，例如研究目的或研究問題。此外，對于設(shè)計選擇背后的原因，以及如何將這些選擇轉(zhuǎn)化為游戲與智能體模型的特定融合方式，相關(guān)解釋要么不存在，要么缺乏系統(tǒng)性。因此，無法明確GAM研究設(shè)計是否符合研究目的。這也導(dǎo)致部分研究的分類面臨挑戰(zhàn)，因為文獻(xiàn)中沒有足夠的細(xì)節(jié)或明確描述來確定清晰的時序安排、區(qū)分目標(biāo)系統(tǒng)或說明游戲與智能體模型的對應(yīng)關(guān)系。研究者們還發(fā)現(xiàn)，GAM研究中游戲部分與智能體模型部分的文檔記錄分布不均衡，原因在于盡管有研究呼吁加強(qiáng)游戲建模的嚴(yán)謹(jǐn)性（Raghothama & Meijer, 2018），但目前尚無游戲文檔記錄框架，而智能體模型的報告則有多種協(xié)議可供參考（例如，概述-設(shè)計概念-細(xì)節(jié)協(xié)議（Grimm等人, 2020）、嚴(yán)謹(jǐn)性與透明度報告框架（Siebers等人, 2021））。

5.2 游戲與智能體模型（GAM）文檔記錄框架

為便于撰寫和閱讀研究方法描述、實現(xiàn)GAM研究的可復(fù)制性，并通過構(gòu)建體系和使用GAM專用術(shù)語推動該領(lǐng)域發(fā)展，研究者們建議實務(wù)研究者采用本文概述的簡易文檔記錄框架。需注意的是，這只是設(shè)計該框架的初步嘗試，未來還需進(jìn)一步研究和驗證。研究者們歡迎各界就該框架的內(nèi)容、使用方法和實用性提供反饋。

圖3GAM文檔記錄框架

6. 結(jié)論

該研究通過系統(tǒng)性梳理2001-2020年發(fā)表的52篇游戲與智能體模型融合實證研究，旨在為GAM方法奠定堅實的方法論基礎(chǔ)。研究共識別出六種差異化的研究設(shè)計類型，各類設(shè)計均具備獨特的游戲-模型時序安排、要素對應(yīng)關(guān)系與目標(biāo)系統(tǒng)關(guān)聯(lián)模式。結(jié)果表明，GAM領(lǐng)域正處于快速發(fā)展階段，文獻(xiàn)發(fā)表量與研究設(shè)計多樣性同步提升，研究應(yīng)用覆蓋14個領(lǐng)域，其中自然資源管理是核心應(yīng)用領(lǐng)域。

六種研究設(shè)計類型充分印證了GAM方法的高通用性，可適配不同研究目的與目標(biāo)系統(tǒng)。其中6類設(shè)計適用范圍最廣，覆蓋10個應(yīng)用領(lǐng)域；1類設(shè)計應(yīng)用場景相對單一，僅局限于自然資源管理領(lǐng)域。研究設(shè)計類型的時序演變規(guī)律，反映出GAM領(lǐng)域日趨成熟，隨著電子游戲普及與簡易開發(fā)平臺的推廣，4類、6類等新型設(shè)計的應(yīng)用愈發(fā)廣泛。

該研究同時指出了當(dāng)前GAM領(lǐng)域的核心不足：缺乏標(biāo)準(zhǔn)化研究文檔、方法驗證與規(guī)?；瘧?yīng)用的指導(dǎo)體系不完善、跨學(xué)科協(xié)作不足、與行業(yè)及公眾聯(lián)動薄弱。針對上述問題，本文圍繞標(biāo)準(zhǔn)化建設(shè)、方法論完善、跨學(xué)科協(xié)作、跨群體聯(lián)動提出四項針對性建議，旨在推動GAM領(lǐng)域整合發(fā)展，提升研究可復(fù)制性與嚴(yán)謹(jǐn)性，強(qiáng)化研究的現(xiàn)實應(yīng)用價值。

總而言之，GAM方法整合了游戲的高參與性、人類行為定性研究優(yōu)勢，與智能體模型的復(fù)雜性系統(tǒng)分析、反事實場景探索優(yōu)勢，是探索社會復(fù)雜性的獨特且高效的工具。落實本文提出的發(fā)展建議，可充分釋放GAM方法的潛力，使其成為更嚴(yán)謹(jǐn)、更具影響力的研究方法論，助力各學(xué)科破解復(fù)雜社會與環(huán)境難題。

參考文獻(xiàn)

1. Ampatzidou, C., & Gugerell, K. (2019). Participatory game prototyping – Balancing domain content and playability in a serious game design for the energy transition. *CoDesign*, 15(4), 345–360. https://doi.org/10.1080/15710882.2018.1504084

2. Bakhanova, E., Garcia, J. A., Raffe, W. L., & Voinov, A. (2020). Targeting social learning and engagement: What serious games and gamification can offer to participatory modeling. *Environmental Modelling and Software*, 134, 104846. https://doi.org/10.1016/j.envsoft.2020.104846

3. Barreteau, O. (1998). *Un système multi-agent pour explorer la viabilité des systèmes irrigués: Dynamique des interactions et modes d’organisation (Sénégal)*. Thesis, ENGREF.

4. Barreteau, O. (2003). The joint use of role-playing games and models regarding negotiation processes: Characterization of associations. *Journal of Artificial Societies and Social Simulation*, 6(2). https://www.jasss.org/6/2/3.html

5. Barreteau, O., d’Aquino, P., Bousquet, F., & Le Page, C. (2002). Le jeu de r?les à l’interface entre systèmes réel et virtuel pour la gestion de ressources renouvelables: Exemples d’application au Sénégal. In D. Orange, R. Arfi, M. Kuper, P. Morand, & Y. Poncet (Eds.), Gestion intégrée des ressources naturelles en zones inondables tropicales (pp. 799–814). Paris: IRD. https://agritrop.cirad.fr/512582/

6. Bearman, M., Smith, C. D., Carbone, A., Slade, S., Baik, C., Hughes-Warrington, M., & Neumann, D. L. (2012). Systematic review methodology in higher education. *Higher Education Research & Development*, 31(5), 625–640. https://doi.org/10.1080/07294360.2012.702735

7. Bousquet, F., Barreteau, O., Le Page, C., Mullon, C., & Weber, J. (1999). An environmental modelling approach: The use of multi-agent simulations. In F. Blasco & A. Well (Eds.), Advances in environmental and ecological modelling (pp. 113–122). Paris: Elsevier. https://agris.fao.org/agris-search/search.do?recordID=FR2019118995

8. Bousquet, F., Barreteau, O., d’Aquino, P., Etienne, M., Boissau, S., Aubert, S., Le Page, C., Babin, D., Castella, J.C., et al. (2002). Multi-agent systems and role games: Collective learning processes for ecosystem management. In M. Janssen (Ed.), Complexity and ecosystem management: The theory and practice of multi-agent systems (pp. 248–285). Cheltenham: E. Elgar. http://publications.cirad.fr/une_notice.php?dk=512391

9. Caillois, R. (2001). *Man, play and games*. University of Illinois Press.

10. Clement, J. (2021). Number of gamers worldwide 2023. Retrieved February 23, 2021, from https://www.statista.com/statistics/748044/number-video-gamers-world/

11. Cresswell, J. W., & Clark, V. L. P. (2017). Designing and conducting mixed methods research (3rd ed.). Sage Publication.

12. Duke, R. D. (1974). Toward a general theory of gaming. *Simulation & Games*, 5(2), 131–146. https://doi.org/10.1177/003755007452001

13. Elliott-Graves, A. (2020). What is a target system? *Biology & Philosophy*, 35(2), 131–146. https://doi.org/10.1007/s10539-020-09745-3

14. European Commission. (n.d.). *Marie Sk?odowska-Curie Actions - List of Descriptors*. Retrieved February 23, 2021, from https://ec.europa.eu/research/participants/data/ref/h2020/other/call_ptef/pt/h2020-call-list-descr-msca-itn_en.pdf

15. Farias, G., Leitzke, B., Born, M., Aguiar, M., & Adamatti, D. F. (2019). Systematic review of natural resource management using multiagent systems and role-playing games. *Research in Computing Science*, 148(11), 91–102. https://doi.org/10.13053/rcs-148-11-7

16. González, L. S., Rubio, F. G., González, F. R., & Velthuis, M. P. (2010). Measurement in business processes: A systematic review. *Business Process Management Journal*, 16(1), 114–134. https://doi.org/10.1108/14637151011017976

17. Grimm, V., Railsback, S. F., Vincenot, C. E., Berger, U., Gallagher, C., De Angelis, D. L., & Ayllón, D. (2020). The ODD protocol for describing agent-based and other simulation models: A second update to improve clarity, replication, and structural realism. *Journal of Artificial Societies and Social Simulation*, 23(2), 7. https://doi.org/10.18564/jasss.4259

18. Gu, X., & Blackmore, K. L. (2015). A systematic review of agent-based modelling and simulation applications in the higher education domain. *Higher Education Research and Development*, 34(5), 883–898. https://doi.org/10.1080/07294360.2015.1011088

19. Guyot, P., & Honiden, S. (2006). Agent-based participatory simulations: Merging multi-agent systems and role-playing games. *Journal of Artificial Societies and Social Simulation*, 9(4). https://www.jasss.org/9/4/8.html

20. Klabbers, J. H. B. (2006). *The magic circle: Principles of gaming and simulation*. Sense Publishers.

21. Krippendorff, K. (2012). Content analysis: An introduction to its methodology (3rd ed.). Sage Publications.

22. Le Page, C., Abrami, G., Barreteau, O., Becu, N., Bommel, P., Botta, A., & Souchère, V. (2014). Models for sharing representations. In M. étienne (Ed.), Companion modelling: A participatory approach to support sustainable development (pp. 69–101). Dordrecht: Springer. https://link.springer.com/chapter/10.1007/978-94-017-8557-0_4

23. McGonigal, J. (2011). *Reality is broken: Why games make us better and how they can change the world*. Penguin Press.

24. Miller, J. H., & Page, S. E. (2009). *Complex adaptive systems: An introduction to computational models of social life*. Princeton University Press.

25. Morgan, D. L. (2017). *Integrating qualitative and quantitative methods: A pragmatic approach*. SAGE Publications. https://doi.org/10.4135/9781544304533

26. Pfirman, S., O’Garra, T., Bachrach Simon, E., Brunacini, J., Reckien, D., Lee, J. J., & Lukasiewicz, E. (2021). “Stickier” learning through gameplay: An effective approach to climate change education. *Journal of Geoscience Education*, 69(2), 192–206. https://doi.org/10.1080/10899995.2020.1858266

27. Raghothama, J., & Meijer, S. (2018). Rigor in gaming for design: Conditions for transfer between game and reality. *Simulation & Gaming*, 49(3), 246–262. https://doi.org/10.1177/1046878118770220

28. Ren, Y., Cedeno-Mieles, V., Hu, Z., Deng, X., Adiga, A., Barrett, C., Ekanayake, S., Goode, B. J., Korkmaz, G., Kuhlman, C. J., Machi, D., Marethe, M. V., Ramakrishnan, N., Ravi, S. S., Sarat, P., Selt, N., Contractor, N., Epstein, J., & Macy, M. W. (2018). Generative modeling of human behavior and social interactions using abductive analysis. In 2018 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining (pp. 413–420). Barcelona, Spain: IEEE. https://doi.org/10.1109/ASONAM.2018.8508282

29. Rodela, R., Ligtenberg, A., & Bosma, R. (2019). Conceptualizing serious games as a learning-based intervention in the context of natural resources and environmental governance. *Water*, 11(2), 245. https://doi.org/10.3390/w11020245

30. Salen, K., & Zimmerman, E. (2003). *Rules of play: Game design fundamentals*. The MIT Press.

31. Salvini, G., Ligtenberg, A., van Paassen, A., Bregt, A. K., Avitabile, V., & Herold, M. (2016). REDD+ and climate smart agriculture in landscapes: A case study in Vietnam using companion modelling. *Journal of Environmental Management*, 179, 58–70. https://doi.org/10.1016/j.jenvman.2016.03.065

32. Schoonenboom, J., & Johnson, R. B. (2017). How to construct a mixed methods research design. *K?lner Zeitschrift für Soziologie und Sozialpsychologie*, 69(2), 107–131. https://doi.org/10.1007/s11577-017-0454-1

33. Siebers, P. O., Achter, S., Palaretti Bernardo, C., Borit, M., & Chattoe-Brown, E. (2021). First steps towards RAT: A protocol for documenting data use in the agent-based modeling process. In P. Ahrweiler & M. Neumann (Eds.), Advances in social simulation (pp. 153–168). Cham: Springer. https://link.springer.com/book/10.1007/978-3-030-61503-1

34. ?mite, D., Wohlin, C., Gorschek, T., & Feldt, R. (2010). Empirical evidence in global software engineering: A systematic review. *Empirical Software Engineering*, 15(1), 91–118. https://doi.org/10.1007/s10664-009-9123-y

35. Voinov, A., & Bousquet, F. (2010). Modelling with stakeholders. *Environmental Modelling and Software*, 25(11), 1268–1281. https://doi.org/10.1016/j.envsoft.2010.03.007

36. Voinov, A., Jenni, K., Gray, S., Kolagani, N., Glynn, P. D., Bommel, P., & Smajgl, A. (2018). Tools and methods in participatory modeling: Selecting the right tool for the job. *Environmental Modelling and Software*, 107, 140–152. https://doi.org/10.1016/j.envsoft.2018.06.005

37. Voinov, A., Kolagani, N., McCall, M. K., Glynn, P. D., Kragt, M. E., Ostermann, F. O., Pierce, S. A., & Ramu, P. (2016). Modelling with stakeholders – Next generation. *Environmental Modelling and Software*, 77, 196–220. https://doi.org/10.1016/j.envsoft.2015.11.016

38. Weber, C. T., Borit, M., & Aschan, M. (2019). An interdisciplinary insight into the human dimension in fisheries models: A systematic literature review in a European Union context. *Frontiers in Marine Science*, 6, 369. https://doi.org/10.3389/fmars.2019.00369

參考文獻(xiàn)可上下滑動查看

「游戲×復(fù)雜科學(xué)」讀書會

從棋盤上的博弈，到屏幕中的虛擬世界；從概率賭局到人工智能對弈——游戲從來不只是娛樂，它是人類理解復(fù)雜性的實驗場。

在簡單規(guī)則的反復(fù)運行中，秩序如何涌現(xiàn)？在多方互動的策略競爭中，合作如何誕生？在反饋回路與資源循環(huán)中，政治與經(jīng)濟(jì)如何生成？當(dāng)算法接管博弈，Agent開始自主演化，我們是否正在見證“可計算社會”的雛形？

從康威生命游戲的規(guī)則宇宙，到 AlphaGo 對圍棋復(fù)雜度的突破；從 John Nash 的均衡理論，到 Norbert Wiener 的控制論反饋思想；從演化博弈到多主體建模，從系統(tǒng)動力學(xué)到生成式AI——游戲與復(fù)雜科學(xué)，正在交匯為一門新的認(rèn)知范式。

集智俱樂部聯(lián)合人工智能、AIGC、游戲設(shè)計、復(fù)雜系統(tǒng)等領(lǐng)域的學(xué)者/工程師共同發(fā)起，自2026年3月31日起，每周二晚19:30-21:30，邀請來自各領(lǐng)域的研究者與實踐者，共同探索：

· 游戲如何啟發(fā)科學(xué)？

· 科學(xué)如何重塑游戲？

· 而我們是否生活在一個巨型多主體演化系統(tǒng)之中？

詳情請見：

1.

2.

3.

4.

5.

6.

7.