玻尔百科世世代代以来，专家的形象一直是一种孤立的权威——一位站在隐喻山巅的科学家，向山下的世界传递客观真理。然而，当这种知识创造的传统观点所产生的“完美”解决方案遭遇人类社区纷繁复杂的现实时，常常会受挫。为什么循证计划无法生根发芽？为什么经过严格检验的干预措施在新环境中会步履维艰？理论与现实之间的这种差距，源于抽离视角所固有的盲点。本文探讨了一种强有力的替代方案：知识的共同生产。它提出，通过在专家和社区之间建立真正的伙伴关系，我们可以生成更稳健、公正和有效的知识。在接下来的章节中，我们将首先深入探讨共同生产的核心原则与机制，审视它与单纯咨询的区别，以及它如何解决根深蒂固的权力与认知不公问题。然后，我们将通过其在医学、环境科学乃至全球研究去殖民化等领域的真实应用与跨学科联系，探索其变革性的力量。
几个世纪以来，我们对科学家或专家抱有一种特定的印象。他们栖身于孤独的山巅，手持强大的工具——望远镜、显微镜、统计模型——使他们能够以山下之人无法企及的清晰度和客观性观察世界。从这个制高点，他们观察、测量并推演出支配现实的普适法则。这就是经典的或称实证主义的知识观：存在一个单一、独立的现实，而专家的工作就是发现它，不受日常生活中的偏见和主观经验的影响。医生开出治疗方案；工程师设计桥梁；生态学家起草保护计划。
然而，一个挥之不去的难题依然存在。为什么这么多精心设计、基于证据的计划，从山巅降临到纷繁复杂的现实世界时会失败？为什么一项在理想化的临床试验中被证明有效的拯救生命的医疗干预，在新的社区推广时却效果惨淡？ 为什么一项基于最佳物种分布模型的保护计划，会遭遇意想不到的冲突，或者错过了它本应保护的恢复力的“口袋”？
事实证明，专家的孤独视角虽然强大，却并不完整。正是这种赋予客观性的抽离感，也可能造成盲点。这一认识引发了一场关于我们如何思考知识的悄然革命，一种“参与式转向”，邀请我们走下山巅，与生活在那里的人们一同踏上小径。
当专家们初次决定与公众互动时，他们通常会沿着一个伙伴关系不断增强的阶梯向上攀登。理解这些阶梯的层级是掌握共同生产之所以如此与众不同的关键。
在阶梯的最底层，我们看到的是缺失模型。该模型假设公众的抵制或不遵从源于简单的信息匮乏。专家的工作就是填补这种“缺失”。这是一种单向传播，一场来自山巅的讲座：“只要你们像我一样了解事实，你们就会同意我的观点并按我说的去做。”这种方法虽然用心良苦，但常常失败，因为它忽视了公众合理的关切、价值观和情境知识。
阶梯再上一层是对话模型。在这里，沟通变成了双向交流。专家仍然在何为有效技术知识方面拥有主要权威，但他们承认公众是重要价值观、偏好和背景信息的来源。这是一个咨询过程：“我们来谈谈吧。告诉我你们的顾虑，以便我能更好地根据你们的需求调整我的解决方案。”这是一个显著的进步，但根本的权力动态并未改变。专家倾听，但他们仍然对设计和决策拥有最终发言权。
在阶梯的顶端，我们找到了参与式模型，这正是知识共同生产的核心。这不仅仅是一次对话，而是一种创造性的伙伴关系。其核心理念是，专家和“外行”公众共同界定问题、设计方法、解释结果，并决定行动方案。这是一个根本性的转变，从“对”社区进行研究转变为“与”社区共同研究。权威是共享的，目标是共同创造新的、可用的知识。
为什么这种参与式方法如此强大？它仅仅是一种美好的民主理想吗？答案是否定的。它是一种在认知上更稳健的策略，用以创造更完整、更准确的现实图景。想象一下试图绘制一幅广阔而复杂的地貌图。专家拥有卫星视角——一种强大的、大尺度的视角，可以识别主要特征和模式。这就像一个统计模型或一个大规模实验。
然而，社区成员一生都在这片土地的小径上行走。他们知道卫星无法看到的隐藏泉眼，知道雨后无法通行的小路，也知道药用植物生长的特定树丛。这正是立场理论的实践：即一个人的社会地位使其能够接触到独特而必要的知识。
共同生产就是将这两幅地图——卫星图和路径图——叠放在一起的过程。其结果不是一种折衷，而是一种更丰富、更准确的综合。路径的行者可以指出一个粗糙的气候模型所忽略的、小的、有遮蔽的微型避难所，一个脆弱物种可能在此幸存的地方。一位外卖骑手可以指出他们在热浪中使用的非正式遮阳网络和降温点，揭示出研究人员的调查永远不会想到去询问的关键行为。这些因素，先前是“未测量的混杂因素”（统计模型中可怕的 ），可以被揭示出来并被正式测量（成为更完整的协变量集 的一部分），从而得出一个更准确的真实因果效应估计，以及一个偏差小得多的结果。这并非要摒弃科学严谨性，而是要使其更加坚固并贴近现实。
共同生产的理由更为深刻，触及我们如何认知以及我们倾听谁的伦理核心。哲学家们已经识别出一种微妙但深刻的伤害，称为认知不公，它发生在我们作为认知者的能力受到侵害时。
一种形式是证言不公。当我们因为对某人身份的偏见而自动贬低其言论时，这种情况就会发生。医生可能会忽视一位黑人女性对其疼痛的描述；科学家可能会将一位原住民长者的知识斥为“坊间传闻”。他们的证言被赋予较低的可信度，不是因为其内容，而是因为他们的身份。
另一种更隐蔽的形式是诠释不公。当一个群体缺乏共享的概念或语言来理解自身的经历时，这种情况就会发生，因为主导文化从未重视或创造过那些诠释工具。如果一个社会没有“性骚扰”或“微歧视”的共享概念，个体可能难以命名和理解自己的痛苦。
共同生产为这些不公提供了一种结构性补救措施。通过创建一个在每个阶段——从构建初始问题 ()、设计方法 () 到解释结果 ()——都共享权力的过程，它迫使系统认真对待不同形式的知识。当社区成员共同设计调查问卷时，他们确保问题在文化上是恰当的，并且能够真正测量预期的结果，从而防止那种可能致命地损害研究的差异性测量误差。当他们以平等的投票权参与分诊政策委员会时，他们的生活经验不再仅仅是“反馈”，而是成为塑造生死规则的合法证据形式。这个联合过程建立了克服诠释鸿沟所需的共享语言，并验证了社区作为可信认知者的角色，从而直接对抗证言不公。
这种权力共享在实践中是什么样的？它远不止一个一年开两次会、对一个已经决定的计划提供反馈的“社区顾问委员会”。真正的共同生产，或称社区参与式研究 (CBPR)，建立在一系列具体的承诺之上，这些承诺使其与单纯的咨询区别开来：
共享决策权： 这是不可协商的。它意味着建立一个联合指导委员会，在这个委员会中，社区伙伴和研究人员在研究方案、预算和最终发表策略等方面拥有，例如，平等的投票权。
共享资源控制权： 预算并非由大学单方面控制。相当一部分资金被分配给社区伙伴，以支持他们的时间、专业知识以及用于推广和数据收集的基础设施。这使得关系从雇佣关系转变为平等的伙伴关系。
双向知识交流： 该过程旨在相互学习。研究人员为社区成员提供研究方法培训，社区成员则为研究人员提供关于当地背景、文化和生活经验的培训。这创造了一个混合型专家团队。
这些原则——平等、共同生产、迭代学习和以行动为中心——构成了 CBPR 的“公理”。它们不仅仅是“锦上添花”；它们是产生一种不同类型科学的基本规则。
或许关于共同生产最顽固的迷思是，它代表了一种权衡：为了获得参与，我们必须牺牲科学严谨性。证据表明，事实恰恰相反。共同生产并未放弃严谨性，而是重新定义并加强了它。
一项传统的、由研究者主导的试验可能会通过创造一个无菌、高度受控的环境来优先考虑内部效度。但这通常以牺牲外部效度为代价——其发现在现实世界中并不适用。共同生产则同时增强了两者。通过识别那些关键的、局部显著变量 ()——如性别规范或对卫生工作者的信任——它使我们能够构建不仅在源地点准确，而且能成功“移植”到新环境的因果模型。了解一项干预在甲国如何以及为何有效，对于将其调整以适用于乙国农村至关重要。
此外，参与式过程本身可以设计得具有极高的方法论复杂性。一个 CBPR 项目可能不会采用简单的“前后”设计，而是使用阶梯-楔形整群随机试验。在这种设计中，社区集群被随机分配在不同时间点接受干预。这使得每个社区最终都能受益（满足了行动的伦理要求），同时仍能生成严谨可比的数据，因为每个集群在干预开始前都充当自身的对照。对此类设计的分析使用先进的统计模型，以确保我们能够做出有效的因果判断。这不是“软”科学；它是一种创造性的、合乎伦理的、且在数学上可靠的方法，用以发现什么在现实世界中是有效的。
归根结底，共同生产重新定义了成为专家的意义。它表明，对于我们面临的最复杂的问题——从气候变化到健康公平——最伟大的专业知识不在于拥有所有答案，而在于拥有技巧、谦逊和远见，去构建一个能够共同发现答案的过程。它是一种生成知识的方法，这种知识不仅可信和有效，而且合法、相关，并最终具有变革性。
我们已经探讨了知识是如何被创造的原则，我们可能会留下这样的印象：这一切都发生在安静的实验室或大学档案馆中，是一个孤独发现的过程。但这只是故事的一半。世界不是一个等待被测量的被动客体。它是一个动态、复杂且充满生命的地方。因此，认知的行为，如果要深刻而真实，就必须常常成为一场对话、一次协作、一场观察者与被观察者、专家与居住者之间的舞蹈。这场舞蹈就是知识的共同生产，它不仅仅是一种伦理上的讲究，更是使我们的科学更稳健、解决方案更有效、理解更深刻的强大引擎。现在，让我们走出抽象，看看这一原则如何在广阔的人类探究领域中焕发生机。
也许，共同生产最个人化、最紧迫的舞台就在我们自身的健康领域。思考一下治疗抑郁症这类疾病所面临的挑战。临床医生可能掌握了关于某种疗法是否在人群层面有效的统计数据。但对于坐在他们办公室里的那个人来说，两种深层的不确定性赫然在前。首先是认知不确定性：这个特定的治疗方法对我真的有效吗？其次是一种更个人化的决策不确定性：即使它有效，其益处是否值得承受副作用、成本和通勤时间？
一种被称为“协同护理模式”的优美且经过严格检验的方法，同时解决了这两种不确定性。通过频繁、结构化的测量——比如每周使用标准问卷追踪症状——临床团队和患者协作减少了第一种不确定性。他们在共同生产参数知识，为该个体完善他们对治疗真实效果 的估计。但这还不够。通过一个平行的“共享决策”过程，他们探讨患者的价值观和优先事项。哪些副作用是无法忍受的？什么程度的改善才算“足够好”？他们共同定义了一个个人化的门槛，即什么使治疗变得值得，一个最小临床重要差异 。这种偏好知识的共同生产减少了决策不确定性，确保最终的选择不仅基于证据，而且与价值观一致。一个过程提升了我们对世界的信念；另一个过程则澄清了我们在此世界中的目标。两者结合，造就了更好、更人性的医学。
当整个系统辜负了一个社区时，这种“专家”知识与“经验”知识之间的伙伴关系变得更加引人注目。在 20 世纪 80 年代和 90 年代毁灭性的艾滋病危机期间，患者活动家们对他们眼中缓慢、排外且无视其现实的研究过程失去了耐心。像 ACT UP 这样的团体不仅仅是抗议；他们成为了“外行流行病学”的实践者。他们学习了临床试验的语言，并指出了其设计中的关键缺陷。例如，他们认为，将妇女和注射吸毒者排除在试验之外，所产生的知识对大部分受影响人群毫无用处，这既是外部效度的缺陷，也是一种深刻的认知不公。他们争取纳入对患者生活有意义的终点指标，而不仅仅是长期死亡率，并倡导使用像 细胞计数这样的替代标志物来更快地获得答案。他们共同开发了更好的方法来管理使人衰弱的副作用，并要求在数据安全监察委员会中占有一席之地。这不是对科学的排斥，而是要求成为其伙伴的呼声。通过强制推行这种合作，他们共同生产了不仅更合乎伦理，而且更有效的知识，最终改变了全球临床研究的执行标准。
这场历史性的斗争揭示了患者如何从根本上改变医学科学的一般模式。这是一个“共同生产回路”：患者群体首先重新定义问题，以突显其生活经验中真正重要的部分。然后，通过参与式研究，他们与科学家合作，将这些经验转化为可测量的东西，例如，通过共同设计像患者报告结局测量 (PROMs) 这样的新工具。最后，他们努力将这些新测量指标嵌入到科学的基础设施中——融入资金要求、同行评审标准和临床指南。这就是深刻而持久的认知变革发生的方式，从单个患者的声音演变为所有人共享的新证据标准。
改变医学的同样协作精神，也在彻底改变我们理解和关爱地球的方式。几十年来，居住在工业走廊附近的社区一直指出污染热点——卡车怠速的空地、散发奇怪气味的工厂——但他们的担忧却被当作“坊间传闻”而遭到忽视。但如果这些传闻实际上是高分辨率的数据点呢？通过一种称为“参与式地理信息系统 (PGIS)”的方法，研究人员可以与居民合作，系统地绘制这些本地观察结果。这些关于卡车怠速或尘土飞扬的空地的定性报告，可以通过科学的严谨性，转化为一个定量的暴露面 ，并用于复杂的空间流行病学模型。通过共同生产数据，科学获得了更精细、更准确的环境不公图景，能够将社区经验直接与健康结果联系起来。
这种伙伴关系原则从我们的城市延伸到广袤的荒野。设想一个国家公园想要监测一个北美驯鹿群。生物学家可以使用 GPS 项圈和空中调查，提供一种强大的数据。但是，那些祖先与这些鹿群共存了数千年的原住民社区，拥有另一种知识。这种传统生态知识 (TEK) 不是神话的集合；它是一个平行的科学体系，建立在几代人的系统观察之上。真正的知识共同生产不会简单地雇佣社区成员作为现场助理，而是会建立“守护者计划”，让长者和青年与生物学家一起监测动物行为和环境状况，将他们的观察作为主要数据源。它会结合关于迁徙路线的口述历史，将科学时间线向前延伸数百年。它会根据经验丰富的猎人的预测调整空中调查计划，因为他们能解读微妙的环境线索。通过这种方式，两种强大的知识体系被编织在一起，产生对生态系统更丰富、更全面、更有效的理解。
这种整合是所谓的适应性共同管理的核心。当我们处理像流域这样的复杂系统时，我们的知识总是不完整的，不确定性是永远的伴侣。适应性管理的目标是将我们的政策视为假设，在学习中进行检验和更新。共同生产极大地加速了这个学习周期。通过让所有利益相关者——从农民到渔民再到当地社区——参与到这个过程中，我们揭示了被忽视的生态反馈，确定了更相关的监测指标，并设计了在现实世界中更可能奏效的干预措施。这种参与不仅仅是为了民主公平；它关乎减少科学不确定性和加速我们的学习。
在迅速变化的北极，这一点或许比任何地方都更为关键。想象一下与一个因纽特社区共同设计一个峡湾系统的监测项目。一个真正共同生产的方法，也是唯一能成功的方法，必须建立在深度尊重的基础上。这意味着合乎伦理的治理，即社区对其自身数据拥有控制权（遵循诸如 CARE 原则：集体利益 (Collective benefit)、控制权 (Authority to control)、责任 (Responsibility)、道德 (Ethics)）。这意味着正式的统计整合，例如，将原住民知识 (IK) 用于构建贝叶斯模型中的先验分布——这是将现有专业知识应用于新数据的一个优美的数学形式化。这意味着设计既科学严谨又具有文化意义的指标，比如基于当地冰况分类的出行安全指数，然后严格测试其性能。这是环境科学的前沿：一种深度协作的努力，将伦理、文化和先进统计学编织在一起，创造出不仅有效，而且合法和可操作的知识 [@problem-id:2490721]。
谈论谁创造知识，就不可能不谈论权力。几个世纪以来，科学的主流叙事是“扩散”：一个绝妙的想法起源于欧洲中心，然后一成不变地传播到世界其他地方。第一种有效抗疟疾药——奎宁的历史，讲述了一个不同、更复杂的故事——一个“流转”的故事。关于金鸡纳树皮药用价值的知识起源于安第斯社区。当它被传播到欧洲及其殖民地时，它并非简单地被扩散；它被转译、挪用和共同生产。转译发生在当地的治疗概念被映射到拉丁植物学名称，手工计量的剂量被转换为标准化药丸时。挪用发生在帝国代理人利用原住民向导找到最好的树木，然后带走种子在其他殖民地建立种植园，为帝国利益榨取本地资源时。而共同生产则发生在实地，因为用药方案被调整以适应当地的劳动节律，用户的反馈促使制造商改变他们的配方。这段历史提醒我们，知识的流动很少不被改变，而且常常伴随着争议。
这种批判性的历史视角对于我们今天驾驭世界至关重要。设想一个涉及全球南方几个国家和一个来自高收入国家的支持伙伴的国际健康倡议。一个按照旧的扩散主义、殖民主义路线设计的项目，其治理将由北方伙伴主导，数据单向流向北方服务器，专利和利润返回北方，预算中不成比例的份额用于北方的管理开销。这是一种榨取模式。一个去殖民化的、共同生产的方法则截然不同。它的特点是平等的治理，南方伙伴拥有大部分决策权。它尊重数据主权，每个国家在公平协议下控制自己的数据。它将预算主要分配给开展工作的国家，并通过由南方主导的培训来建设能力。这不仅仅是政治正确的问题；它关乎建立可持续、相互尊重且最终更有效的伙伴关系。
在我们面临 21 世纪技术前沿的今天，正确处理这个问题的利害关系只会越来越大。以基于 CRISPR 的基因驱动为例，这是一种被提议用于通过在蚊子种群中传播基因改造来控制疟疾的技术。这与像疫苗这样的技术有着根本的不同。疫苗在很大程度上是排他性的；个人可以选择是否接种。而基因驱动的释放本质上是非排他性的，其影响是跨界的，并且可能是不可逆的。关于其长期生态后果的不确定性 是巨大的。在这种情况下，旧的个人知情同意模式在伦理上和实践上都是不够的。它必须辅之以一个来自受影响社区的强有力的集体授权过程。要使这样一个重大的决定合法化，需要的不仅仅是一个自上而下的风险评估。它要求知识的共同生产，即社区、专家和监管机构共同透明地评估风险、收益和深远的不确定性。在这里，共同生产不仅仅是一种研究方法；它是我们技术未来民主治理的一个基本工具。
从单个临床决策的私密性，到改变世界的技术的全球治理，知识的共同生产作为一种统一且至关重要的原则浮现出来。它提醒我们，知识不是待发掘的宝藏，而是待共同编织的织锦。通过汇集更多的手和更多认知的方式到织机上，我们创造出的最终产品不仅更坚固、更复杂，而且更美丽、更真实。