XiaoMi-AI文件搜索系统
World File Search System经验主义
数学是否过时？
这些对比使哲学家迷上了多年。历史学家将十七世纪和18世纪的早期现代哲学家归类为理性主义者或经验主义者；理性主义者将知识以抽象的思想为基础，这些思想是通过理性和独立于经验获得的，而经验主义者认为，物理世界是我们所有知识的最终来源。这些年来这些特征发展了。在二十世纪中叶，逻辑经验主义运动将数学知识归类为分析性，这就是说，与科学的综合知识相反，凭借正确使用语言和我们共同的语言框架而言。哲学辩论中的危险通常是模糊的。有时候，这是本体论的问题，是我们谈论的对象以及如何谈论它们的描述。有时候，这是认识论的问题，可以整理出为知识辩护的适当方式。哲学立场通常是主观偏好的表达。如果您喜欢数学，则很容易将抽象的数学知识视为关于世界的知识和事实最原始的知识形式，只不过是理想定律和数学真理的淡阴影。如果您更科学地倾向，经验和观察是重要的，并且您更倾向于将数学视为我们用来描述它们的语言。没有人可以否认数学和科学相互需要。我们关心数学的原因之一是，它为我们提供了一种对世界思考的强大手段，无论您对数学的感觉如何，就无法想象没有它，当代科学会是什么样。用伊曼纽尔·康德（Immanuel Kant）的话说，没有内容的思想是空的，没有概念的直觉是盲目的。关于想法或数据是否首先是一个鸡肉和蛋的问题：我们建立概念上的脚手架以理解我们的经验，而脚手架又决定了我们能对它们做些什么。
以 MOR 相关策略为重点的现有阿片类药物的替代
除阿片类药物危机外，市场上止痛药的稀缺性和有限的风险/收益比也值得我们思考新的创新策略。镇痛药药典通常基于陈旧且源自临床经验主义的产品，这些产品功效有限或作用范围有限，或导致耐受性不理想。尽管阿片类药物是治疗伤害性疼痛的参考镇痛药，但它们也受到同样的批评。鸦片作为镇痛药的使用由来已久。吗啡是在 19 世纪初合成的。阿片类药物在某些疼痛情况下的功效有限，并且这些药物可能引起严重甚至致命的不良反应。当前北美阿片类药物危机就是一个悲剧性的例证，因过量服用阿片类药物而死亡的人数不断上升。因此，有必要研究能够维持或提高阿片类药物疗效同时提高其耐受性的分子。目前正在探索几种途径，包括靶向 μ 阿片受体 (MOR) 剪接变体、开发偏向激动剂或靶向其他受体（如具有 MOR 的异源体）。作为 MOR 效应器的离子通道也是靶向的，以便提供没有 MOR 依赖性副作用的化合物。另一种途径是开发具有外周作用或有限中枢神经系统 (CNS) 通路的阿片类镇痛药。最后，正在开发用作改变内源性阿片类药物代谢的药物或化合物（双重 ENKephalinase 抑制剂）的内源性阿片类药物。本综述的目的是根据阿片类药物的当前适应症、对其广泛使用（特别是在慢性非癌症疼痛中）的担忧以及限制阿片类药物滥用和误用风险的方法介绍这些不同的目标/策略。© 2020 Elsevier Inc. 保留所有权利。
为什么这么难以理解我们不...
在尝试理解系统性红斑狼疮 (SLE) 时，我们发现自己处于疾病分类学、致病性导向科学、哲学、经验主义和合格猜想的智力交叉点。科学理论的一个重要结果是，未经批判性研究的科学假设有可能被转变为科学教条 1。这种说法对本研究有影响。我们讨论了两个主要的问题方面。首先，我们必须考虑分类标准的新选择原则 — — 这意味着整合因果关系原则。其次，如果我们想要了解 SLE，就必须实施核心历史数据。这些数据包含与遗传机制相关的独特的、动态变化的 DNA 结构的著名描述。自几十年前发现以来，这些独特的结构在 SLE 研究中大多被忽视。同样，尚无定论的教条数据表明，不同的肾小球配体可被肾炎抗 dsDNA 抗体识别——暴露的染色质片段或固有的膜配体。这些不一致的模型尚未得到比较和系统的研究。本文将深入讨论三个研究领域：(i) SLE 分类标准的选择和作用，该过程必须暗示因果关系原则；(ii) 抗 dsDNA 结构特异性抗体的定义和影响；(iii) 解释狼疮性肾炎的不一致的致病模型。一个精确且至关重要的问题是，SLE 本身是对引发一系列下游效应（标准）的主导统一原因的反应，还是 SLE 代表对多个因果事件随机相互作用的综合反应。这些原则上不同的解释如今并未被正式排除或接受。目前，SLE 可能被视为一种具有表型多样性的疾病，其表现形式独立分离，病因不明，并非单一 SLE 表型所独有。本讨论的重点基本上是
B.Tech机械工程 - （机器人和自动化）Ph.D.博士学位的入学考试课程大纲在环境科学领域（博士学位考试）博士学位（博士学位）在环境科学中由两个部分组成Ph.D.博士学位的入学考试课程大纲在环境科学领域（博士学位考试）博士学位（博士学位）在环境科学中由两个部分组成
研究基础：意义，目标，动机，实用性。理论，经验主义，演绎和归纳理论的概念。科学方法的特征 - 了解研究的语言 - 概念，构造，定义，可变。研究过程。问题识别和表述：定义和制定研究问题，定义问题的必要性，在定义问题中的重要性，研究问题 - 进行研究问题 - 测量问题 - 测量问题 - 假设 - 良好假设的质量 - 无效假设和替代假设。假设检验 - 逻辑和重要性。研究设计：研究中的概念和重要性 - 良好的研究设计的特征 - 探索性研究设计 - 概念，类型和用途，描述性研究设计 - 概念，类型和用途。实验设计 - 独立和因变量的概念。定性和定量研究：定性 - 定量研究 - 测量，因果关系，概括，复制的概念。合并两种方法。数据收集和分析：研究的执行 - 数据收集数据方法的观察和收集，假设测试 - 概括和解释。测量：测量概念 - 测量的内容？研究中的问题 - 有效性和可靠性。测量水平 - 名义，序数，间隔，比率。抽样：统计人群，样本，抽样框架，采样误差，样本量，无响应的概念。一个好样本的特征。概率样本 - 简单的随机样本，系统样本，分层随机样品和多阶段采样。确定样本的大小 - 采样和样本量的实际考虑。数据分析：数据准备 - 单变量分析（频率表，条形图，饼图，百分比），双变量分析 - 跨列表和卡方检验，包括关联的测试假设。数据和纸质写作的解释：研究论文的布局，计算机科学期刊，期刊的影响因素，何时何地发布？与出版，窃和自位态主义有关的道德问题。使用百科全书，研究指南，手册等，相关学科的学术数据库。
人工智能与人类交互舒适度研究
[1] Michael Ahn、Anthony Brohan、Noah Brown、Yevgen Chebotar、Omar Cortes、Byron David、Chelsea Finn、Keerthana Gopalakrishnan、Karol Hausman、Alex Herzog 等人。2022 年。尽我所能，不要照我说的做：为机器人可供性奠定语言基础。arXiv 预印本 arXiv:2204.01691 (2022)。[2] Chris Baker、Rebecca Saxe 和 Joshua Tenenbaum。2011 年。贝叶斯心智理论：建模联合信念-愿望归因。在认知科学学会年会论文集，第 33 卷。[3] Chris L Baker、Noah D Goodman 和 Joshua B Tenenbaum。2008 年。基于理论的社会目标推理。在认知科学学会第三十届年会论文集。 Citeseer，1447–1452。[4] Chris L Baker 和 Joshua B Tenenbaum。2014 年。使用贝叶斯心理理论对人类计划识别进行建模。计划、活动和意图识别：理论与实践 7 (2014)，177–204。[5] Andreea Bobu、Marius Wiggert、Claire Tomlin 和 Anca D Dragan。2021 年。特征扩展奖励学习：重新思考人类输入。在 2021 年 ACM/IEEE 人机交互国际会议论文集上。216–224。[6] Andreea Bobu、Marius Wiggert、Claire Tomlin 和 Anca D Dragan。2022 年。通过学习特征在奖励学习中诱导结构。国际机器人研究杂志 (2022)，02783649221078031。[7] Mustafa Mert Çelikok、Tomi Peltola、Pedram Daee 和 Samuel Kaski。2019 年。具有心智理论的交互式人工智能。arXiv 预印本 arXiv:1912.05284 (2019)。[8] Aakanksha Chowdhery、Sharan Narang、Jacob Devlin、Maarten Bosma、Gaurav Mishra、Adam Roberts、Paul Barham、Hyung Won Chung、Charles Sutton、Sebastian Gehrmann 等人。2022 年。Palm：使用路径扩展语言建模。arXiv 预印本 arXiv:2204.02311 (2022)。[9] Harmen De Weerd、Rineke Verbrugge 和 Bart Verheij。 2013. 了解她知道你知道的事情有多大帮助？一项基于代理的模拟研究。人工智能 199 (2013)，67–92。[10] Jacob Devlin、Ming-Wei Chang、Kenton Lee 和 Kristina Toutanova。2018. Bert：用于语言理解的深度双向变压器的预训练。arXiv 预印本 arXiv:1810.04805 (2018)。[11] Prafulla Dhariwal 和 Alexander Nichol。2021. 扩散模型在图像合成方面击败了 gans。神经信息处理系统进展 34 (2021)，8780–8794。[12] Prashant Doshi、Xia Qu、Adam Goodie 和 Diana Young。2010. 使用经验主义交互式 POMDP 对人类的递归推理进行建模。在第九届自主智能体和多智能体系统国际会议论文集：第 1 卷-第 1 卷。1223–1230。[13] 段佳飞、余志强、谭辉、朱宏远和陈志东。2022 年。具身人工智能调查：从模拟器到研究任务。IEEE 计算智能新兴主题汇刊 (2022 年)。[14] 段佳飞、余志强、谭辉、易立和陈志东。2022 年。BOSS：对象上下文场景中人类信念预测的基准。arXiv 预印本 arXiv:2206.10665 (2022 年)。[15] David Engel、Anita Woolley、Lisa Jing、Christopher Chabris 和 Thomas Malone。2014 年。从眼睛读懂心思还是从字里行间读懂心思？心智理论在线上和面对面时同样能预测集体智慧。PloS one 9 (12 2014)，e115212。https://doi.org/10.1371/journal.pone.0115212 [16] Dylan Hadfield-Menell、Stuart J Russell、Pieter Abbeel 和 Anca Dragan。2016 年。合作逆强化学习。神经信息处理系统的进展 29 (2016)。[17] Yanlin Han 和 Piotr Gmytrasiewicz。2018 年。使用交互式 POMDP 在多智能体环境中学习他人的意向模型。神经信息处理系统的进展 31 (2018)。 [18] 何开明、张翔宇、任少卿和孙健。2016 年。深度残差学习在图像识别中的应用。IEEE 计算机视觉与模式识别会议论文集。770–778。[19] Jonathan Ho、Ajay Jain 和 Pieter Abbeel。2020 年。去噪扩散概率模型。神经信息处理系统进展 33（2020 年），6840–6851。[20] Kyriaki Kalimeri 和 Ingvar Tjostheim。2020 年。人工智能与对未来的担忧：挪威案例研究。在《分布式、环境和普适交互》中，Norbert Streitz 和 Shin'ichi Konomi（编辑）。Springer International Publishing，Cham，273–284。 [21] Max Kleiman-Weiner、Mark K Ho、Joseph L Austerweil、Michael L Littman 和 Joshua B Tenenbaum。2016 年。协调合作或竞争：社交互动中的抽象目标和共同意图。《认知科学》。[22] Yann LeCun、Yoshua Bengio 和 Geoffrey Hinton。2015 年。深度学习。《自然》521，7553（2015 年），436–444。[23] Maria D. Molina 和 S. Shyam Sundar。0. 对人类的不信任是否预示着对人工智能的更大信任？个体差异在用户对内容审核反应中的作用。新媒体与社会 0, 0 (0), 14614448221103534。https://doi.org/10.1177/14614448221103534 arXiv:https://doi.org/10.1177/14614448221103534 [24] David Premack 和 Guy Woodruff。1978 年。黑猩猩有心理理论吗？行为与脑科学 1, 4 (1978)，515–526。[25] David Premack 和 Guy Woodruff。1978 年。黑猩猩有心理理论吗？行为与脑科学 1, 4 (1978)，515–526。 https://doi.org/10.1017/S0140525X00076512 [26] Neil Rabinowitz、Frank Perbet、Francis Song、Chiyuan Zhang、SM Ali Eslami 和 Matthew Botvinick。2018 年。机器心智理论。国际机器学习会议。PMLR，4218–4227。[27] Aditya Ramesh、Mikhail Pavlov、Gabriel Goh、Scott Gray、Chelsea Voss、Alec Radford、Mark Chen 和 Ilya Sutskever。2021 年。零样本文本到图像生成。国际机器学习会议。PMLR，8821–8831。org/10.1371/journal.pone.0115212 [16] Dylan Hadfield-Menell、Stuart J Russell、Pieter Abbeel 和 Anca Dragan。2016 年。合作式逆强化学习。神经信息处理系统进展 29（2016 年）。[17] Yanlin Han 和 Piotr Gmytrasiewicz。2018 年。使用交互式 POMDP 在多智能体环境中学习他人的意向模型。神经信息处理系统进展 31（2018 年）。[18] Kaiming He、Xiangyu Zhang、Shaoqing Ren 和 Jian Sun。2016 年。用于图像识别的深度残差学习。IEEE 计算机视觉与模式识别会议论文集。770–778。[19] Jonathan Ho、Ajay Jain 和 Pieter Abbeel。 2020. 去噪扩散概率模型。神经信息处理系统进展 33 (2020)，6840–6851。[20] Kyriaki Kalimeri 和 Ingvar Tjostheim。2020. 人工智能与对未来的担忧：挪威案例研究。在分布式、环境和普适交互中，Norbert Streitz 和 Shin'ichi Konomi（编辑）。Springer International Publishing，Cham，273–284。[21] Max Kleiman-Weiner、Mark K Ho、Joseph L Austerweil、Michael L Littman 和 Joshua B Tenenbaum。2016. 协调合作或竞争：社交互动中的抽象目标和共同意图。在 CogSci 中。[22] Yann LeCun、Yoshua Bengio 和 Geoffrey Hinton。2015. 深度学习。 nature 521, 7553 (2015), 436–444。[23] Maria D. Molina 和 S. Shyam Sundar。0. 对人类的不信任是否预示着对人工智能的信任度更高？个体差异在用户对内容审核的反应中的作用。新媒体与社会 0, 0 (0), 14614448221103534。https://doi.org/10.1177/14614448221103534 arXiv:https://doi.org/10.1177/14614448221103534 [24] David Premack 和 Guy Woodruff。1978 年。黑猩猩有心智理论吗？行为与脑科学 1, 4 (1978), 515–526。[25] David Premack 和 Guy Woodruff。 1978. 黑猩猩有心智理论吗？行为与脑科学 1, 4 (1978)，515–526。https://doi.org/10.1017/S0140525X00076512 [26] Neil Rabinowitz、Frank Perbet、Francis Song、Chiyuan Zhang、SM Ali Eslami 和 Matthew Botvinick。2018. 机器心智理论。在国际机器学习会议上。PMLR，4218–4227。[27] Aditya Ramesh、Mikhail Pavlov、Gabriel Goh、Scott Gray、Chelsea Voss、Alec Radford、Mark Chen 和 Ilya Sutskever。2021. 零样本文本到图像生成。在国际机器学习会议上。PMLR，8821–8831。org/10.1371/journal.pone.0115212 [16] Dylan Hadfield-Menell、Stuart J Russell、Pieter Abbeel 和 Anca Dragan。2016 年。合作式逆强化学习。神经信息处理系统进展 29（2016 年）。[17] Yanlin Han 和 Piotr Gmytrasiewicz。2018 年。使用交互式 POMDP 在多智能体环境中学习他人的意向模型。神经信息处理系统进展 31（2018 年）。[18] Kaiming He、Xiangyu Zhang、Shaoqing Ren 和 Jian Sun。2016 年。用于图像识别的深度残差学习。IEEE 计算机视觉与模式识别会议论文集。770–778。[19] Jonathan Ho、Ajay Jain 和 Pieter Abbeel。 2020. 去噪扩散概率模型。神经信息处理系统进展 33 (2020)，6840–6851。[20] Kyriaki Kalimeri 和 Ingvar Tjostheim。2020. 人工智能与对未来的担忧：挪威案例研究。在分布式、环境和普适交互中，Norbert Streitz 和 Shin'ichi Konomi（编辑）。Springer International Publishing，Cham，273–284。[21] Max Kleiman-Weiner、Mark K Ho、Joseph L Austerweil、Michael L Littman 和 Joshua B Tenenbaum。2016. 协调合作或竞争：社交互动中的抽象目标和共同意图。在 CogSci 中。[22] Yann LeCun、Yoshua Bengio 和 Geoffrey Hinton。2015. 深度学习。 nature 521, 7553 (2015), 436–444。[23] Maria D. Molina 和 S. Shyam Sundar。0. 对人类的不信任是否预示着对人工智能的信任度更高？个体差异在用户对内容审核的反应中的作用。新媒体与社会 0, 0 (0), 14614448221103534。https://doi.org/10.1177/14614448221103534 arXiv:https://doi.org/10.1177/14614448221103534 [24] David Premack 和 Guy Woodruff。1978 年。黑猩猩有心智理论吗？行为与脑科学 1, 4 (1978), 515–526。[25] David Premack 和 Guy Woodruff。 1978. 黑猩猩有心智理论吗？行为与脑科学 1, 4 (1978)，515–526。https://doi.org/10.1017/S0140525X00076512 [26] Neil Rabinowitz、Frank Perbet、Francis Song、Chiyuan Zhang、SM Ali Eslami 和 Matthew Botvinick。2018. 机器心智理论。在国际机器学习会议上。PMLR，4218–4227。[27] Aditya Ramesh、Mikhail Pavlov、Gabriel Goh、Scott Gray、Chelsea Voss、Alec Radford、Mark Chen 和 Ilya Sutskever。2021. 零样本文本到图像生成。在国际机器学习会议上。PMLR，8821–8831。在 IEEE 计算机视觉与模式识别会议论文集上。770–778。[19] Jonathan Ho、Ajay Jain 和 Pieter Abbeel。2020 年。去噪扩散概率模型。神经信息处理系统进展 33 (2020)，6840–6851。[20] Kyriaki Kalimeri 和 Ingvar Tjostheim。2020 年。人工智能与对未来的担忧：挪威案例研究。在《分布式、环境和普适交互》中，Norbert Streitz 和 Shin'ichi Konomi（编辑）。Springer International Publishing，Cham，273–284。[21] Max Kleiman-Weiner、Mark K Ho、Joseph L Austerweil、Michael L Littman 和 Joshua B Tenenbaum。 2016. 协调合作或竞争：社会互动中的抽象目标和共同意图。在 CogSci 中。[22] Yann LeCun、Yoshua Bengio 和 Geoffrey Hinton。2015. 深度学习。自然 521，7553（2015），436–444。[23] Maria D. Molina 和 S. Shyam Sundar。0. 对人类的不信任是否预示着对人工智能的更大信任？个体差异在用户对内容审核反应中的作用。新媒体与社会 0, 0 (0)，14614448221103534。https://doi.org/10.1177/14614448221103534 arXiv：https://doi.org/10.1177/14614448221103534 [24] David Premack 和 Guy Woodruff。 1978. 黑猩猩有心智理论吗？行为与脑科学 1, 4 (1978), 515–526。[25] David Premack 和 Guy Woodruff。1978. 黑猩猩有心智理论吗？行为与脑科学 1, 4 (1978), 515–526。https://doi.org/10.1017/S0140525X00076512 [26] Neil Rabinowitz、Frank Perbet、Francis Song、Chiyuan Zhang、SM Ali Eslami 和 Matthew Botvinick。2018. 机器心智理论。国际机器学习会议。PMLR，4218–4227。 [27] Aditya Ramesh、Mikhail Pavlov、Gabriel Goh、Scott Gray、Chelsea Voss、Alec Radford、Mark Chen 和 Ilya Sutskever。2021 年。零样本文本转图像生成。国际机器学习会议。PMLR，8821–8831。在 IEEE 计算机视觉与模式识别会议论文集上。770–778。[19] Jonathan Ho、Ajay Jain 和 Pieter Abbeel。2020 年。去噪扩散概率模型。神经信息处理系统进展 33 (2020)，6840–6851。[20] Kyriaki Kalimeri 和 Ingvar Tjostheim。2020 年。人工智能与对未来的担忧：挪威案例研究。在《分布式、环境和普适交互》中，Norbert Streitz 和 Shin'ichi Konomi（编辑）。Springer International Publishing，Cham，273–284。[21] Max Kleiman-Weiner、Mark K Ho、Joseph L Austerweil、Michael L Littman 和 Joshua B Tenenbaum。 2016. 协调合作或竞争：社会互动中的抽象目标和共同意图。在 CogSci 中。[22] Yann LeCun、Yoshua Bengio 和 Geoffrey Hinton。2015. 深度学习。自然 521，7553（2015），436–444。[23] Maria D. Molina 和 S. Shyam Sundar。0. 对人类的不信任是否预示着对人工智能的更大信任？个体差异在用户对内容审核反应中的作用。新媒体与社会 0, 0 (0)，14614448221103534。https://doi.org/10.1177/14614448221103534 arXiv：https://doi.org/10.1177/14614448221103534 [24] David Premack 和 Guy Woodruff。 1978. 黑猩猩有心智理论吗？行为与脑科学 1, 4 (1978), 515–526。[25] David Premack 和 Guy Woodruff。1978. 黑猩猩有心智理论吗？行为与脑科学 1, 4 (1978), 515–526。https://doi.org/10.1017/S0140525X00076512 [26] Neil Rabinowitz、Frank Perbet、Francis Song、Chiyuan Zhang、SM Ali Eslami 和 Matthew Botvinick。2018. 机器心智理论。国际机器学习会议。PMLR，4218–4227。 [27] Aditya Ramesh、Mikhail Pavlov、Gabriel Goh、Scott Gray、Chelsea Voss、Alec Radford、Mark Chen 和 Ilya Sutskever。2021 年。零样本文本转图像生成。国际机器学习会议。PMLR，8821–8831。//doi.org/10.1177/14614448221103534 arXiv:https://doi.org/10.1177/14614448221103534 [24] David Premack 和 Guy Woodruff。1978 年。黑猩猩有心理理论吗？行为与脑科学 1, 4 (1978)，515–526。 [25] David Premack 和 Guy Woodruff。1978 年。黑猩猩有心理理论吗？行为与脑科学 1, 4 (1978)，515–526。 https://doi.org/10.1017/S0140525X00076512 [26] Neil Rabinowitz、Frank Perbet、Francis Song、Chiyuan Zhang、SM Ali Eslami 和 Matthew Botvinick。2018 年。机器心智理论。国际机器学习会议。PMLR，4218–4227。[27] Aditya Ramesh、Mikhail Pavlov、Gabriel Goh、Scott Gray、Chelsea Voss、Alec Radford、Mark Chen 和 Ilya Sutskever。2021 年。零样本文本到图像生成。国际机器学习会议。PMLR，8821–8831。//doi.org/10.1177/14614448221103534 arXiv:https://doi.org/10.1177/14614448221103534 [24] David Premack 和 Guy Woodruff。1978 年。黑猩猩有心理理论吗？行为与脑科学 1, 4 (1978)，515–526。 [25] David Premack 和 Guy Woodruff。1978 年。黑猩猩有心理理论吗？行为与脑科学 1, 4 (1978)，515–526。 https://doi.org/10.1017/S0140525X00076512 [26] Neil Rabinowitz、Frank Perbet、Francis Song、Chiyuan Zhang、SM Ali Eslami 和 Matthew Botvinick。2018 年。机器心智理论。国际机器学习会议。PMLR，4218–4227。[27] Aditya Ramesh、Mikhail Pavlov、Gabriel Goh、Scott Gray、Chelsea Voss、Alec Radford、Mark Chen 和 Ilya Sutskever。2021 年。零样本文本到图像生成。国际机器学习会议。PMLR，8821–8831。
什么是单声道方法定量研究
在本文中探讨了期货研究领域内开发研究方法和构建研究设计的概念。进行了系统的分析，以检查通常在商业研究中使用的“研究企业”模型的相关性和适当性，用于在期货研究中的应用。该研究概述了制定研究方法和构建研究设计设计的七个步骤过程，以研究未来，从定义主要的哲学姿态开始，并在研究设计的构建中达到顶峰。关键字：期货研究，方法论，研究洋葱，研究设计。引言期货研究的开始对于学生和学者带来了新的机会，但提出了基本问题，这可能是令人生畏的。至关重要的考虑是在开始论文或论文时如何处理方法。期货研究专家坚持认为，大多数方法都是从其他领域借来的，使该领域具有灵活性，但也容易适应各种技术。但是，关于期货研究中方法论的文献的稀缺性使区分哲学和方法之间的过程变得复杂，从而使新移民建立独特的研究设计的挑战。大多数学术文章都集中在特定方法上，因此不清楚选择一种方法或结合多种方法的逻辑。尽管期货研究过去曾面临过方法论，但远见研究人员已经完成了实质性的工作，以提高该领域的方法学连贯性。2016年。（2016）。然而，现代社会现实的快速变化的性质为期货研究带来了新的挑战，质疑现有方法是否可以有效地应对复杂而不确定的未来。对未来的探索是一种相对较新的科学方法，这使得分析期货研究的发展是一种科学学科，以更好地了解其潜力和局限性。在未来学领域的期货研究的一致理论框架的发展仍然是一个重大挑战。尽管人们广泛讨论了期货研究的方法，但需要良好的期货方法发展模型。要解决这一差距，分析来自相关字段的现有系统模型可以提供有价值的见解。由Saunders等人开发的“研究洋葱”模型已在社会科学中广泛采用，并已被证明是构建理论框架的有效工具。但是，其对期货研究背景的适用性需要进一步的评估和适应。预期的概念或远见是理解与未来事件相关的人类行为和决策过程至关重要的。该学科着眼于以后影响现实的方式，从而有意识地使用目前的未来元素。预期包括各种认知和方法论方法，包括探索性和预测性思维。通过采用系统的期货研究方法，学者可以开发有效的方法来探索和预测未来的结果。（2016）。鼓励个人预见未来的情况，做出明智的决定，平衡短期和长期利益，确定重大事件的原因，并增强实现既定目标的动力。渴望知道接下来会发生什么，而不仅仅是关于个人未来计划，还涉及政府和领导人在整个历史上寻求远见。从雇用占星家到建立特殊研究委员会，他们将时间和资源投入到未来的战略规划中。但是，变更的不可预测性使得在该领域应用现代工具或专家系统变得困难。许多科学家质疑未来的“研究能力”及其科学依据，这是由于各种原因包括：社会现实不断发展，因此根据Popper（1965），科学预测不可能。科学预测仅适用于罕见的孤立系统。社会系统是一个无法科学预测的开放系统。从当前因素中得出的预测可能会在将来发生变化或变得无关紧要，从而对首先要出现的事情造成了错误的假设。当精确得出当前条件时，这些预测也可以看作是合成的和无礼的。此外，预测太远的前进会导致乌托邦式的思想，而不是变量之间的因果关系。对期货研究的批评者表明，大多数批评源于误解该领域的关键方面。为了讨论期货研究的科学基础，要区分“科学”需要什么。Ruse（1982）指出，定义“科学”很复杂，但是特征包括搜索法律，解释，预测，可检验性和确认。测试科学理论后，它要么由积极证据证实，要么根据观察结果被拒绝。这个过程固有地涉及预测，这是科学方法的重要方面。Niiniluoto（2001）指出，在经济学，物理学和心理学等学科中，基于当前条件的未来事件进行预测。这些预测创造了一个理解未来的框架，使科学家可以针对可观察的事件进行测试。Niiniluoto（2001）认为，如果没有做出预测的能力，任何科学理论都将无法满足可检验性标准。同样，Patomaki（2006）提出，即使在通常不使用预测的社会科学中，预期期货也是所有行动不可或缺的一部分。这意味着社会科学还应该有能力提供有关在当今环境中可能存在相关期货的解释。但是，鉴于柏拉图的经典观点，即知识是合理的，niiniluoto（2001）质疑“远见”是否可以视为一种知识形式。作者指出，尽管有关于未来的命题，目前可以验证为真实，但这主要适用于精确的科学。对未来的偶然事件或状态的预测在经典的意义上是不可知的。诸如愿望，恐惧和期望之类的产品是主观的，不能与科学联系在一起。屠杀（1990年）反对考虑过时的世界观的远见，理由是它依赖与当前情况或需求不符的假设。在回应中，Niiniluoto（2001）提出清楚地区分研究的对象和研究证据：期货研究的重点应该放在理解当前的目前，这是有关可能未来的证据。另一种方法将期货研究的对象定义为“分支树”或现实世界中尚未体现的各种替代可能性。这种观点承认，未来由现有环境中的多种可能性和不实现的权力组成，这可能在特定条件下展开。在研究开放系统中的未来方面，当代期货研究已从预测分析，可能性探索和场景构建转移（Patomaki，2006年）。这种转变强调了远见 - 可以分析可能的，更可取的未来，并设计未来，而不是预测或预测它。这一想法是由Polak and Boulding在1973年进一步提出的。研究人类看法的研究人员承认，现实具有双重性质 - 现在和想象中的。这种双重性塑造了我们对时间的理解，使我们能够区分过去，现在和未来。Polak and Boulding（1973）还强调，必须通过即将发生的事情来感知和塑造未来。在2003年贝尔引入倾向概念时，期货研究范式发生了重大转变。根据Poli（2011），核心差异在于理解多种可能性，在某些情况下，处置是可以实现的事实。从本体论的角度来看，处置不再是一种认知产品，而是有可能调节未来的事实。尽管这为建立研究框架创造了坚实的基础，但它并不能为设计研究方法和选择独特的研究设计提供连贯的概念。要开发一种连贯的期货研究设计，至关重要的是要确定将认识论和本体论假设与研究方法和解释发现方法联系起来的逻辑步骤。一种方法是基于Saunders等人提出的“研究工具”概念（图1）。此框架提供了对制定有效方法的主要层或阶段的疲惫描述，如Raithatha在2017年所指出的那样。研究方法首先要描述哲学，选择方法，方法和策略，并定义时间范围 - 最终导致了研究设计和数据收集和分析的技术。研究企业由六个主要层组成：研究理念，理论发展方法，研究策略的选择，案例内分析，跨案例分析和发现。期货研究的研究过程涉及多个阶段，包括假设发展，数据收集和分析。所使用的方法取决于该研究的目的是测试现有理论还是发展新理论。有三种主要方法：演绎，电感和绑架。演绎方法通常用于测试理论，而归纳方法则首选用于发展有限的研究理论或研究领域。方法论选择决定使用定量和定性方法或两者的组合。研究策略包括实验，调查，档案研究，案例研究，人种学，行动研究，扎根理论和叙事探究。时间范围可以是横断面（短期研究）或纵向（长期研究）。研究人员还必须考虑技术和程序，包括数据收集和分析方法，例如主要数据和次要数据，样本组和问卷内容。最初为商业研究设计的研究洋葱模型需要适应期货研究。对该模型的批判性审查揭示了需要附加层的：未来研究的方法。具有七个主要层的修订模型包括研究理念，期货研究的方法，理论发展，战略，方法论选择，时间范围以及技术和技术和程序。新层为理解研究基础的科学探究提供了一种关键方法。从历史的角度来看，有四个主要的研究哲学立场：实证主义者，解释主义者，实用主义和批判现实主义者。实证主义反映了自然科学家的哲学立场，重点是观察实体并存在于社会参与者外部的客观主义假设上。知识是通过基于因果关系的观察和找到事件规律来获得的。相反，解释主义采用了主观主义的本体论假设，即实体是由话语，现有或社会建构的现实构成的，仅通过意识或语言等社会结构进行研究。现实是社会建构的，并且不断发展，使知识和事实相对和主观。实证主义和解释主义立场之间的二分法因不考虑个人在社会现实中的作用而受到批评。同时，批判现实主义挑战了古典经验主义的原子事件的观念是知识的最终对象，而是区分传递性（由人类活动产生的知识）和不及物的（与人类生存无关）类型的及非传染性（稳定对象）。根据Bhaskar的说法，真实实体独立于事件，可以区分域：真实，实际和经验的领域。科学的核心目的是产生有关机制的知识（不及物对象）和描述这些机制的陈述。传统的科学方法着重于通过受控环境中的实验来发现自然序列，定律和因果关系机制。事件1之后的事件2的概念不是绝对的，并且可能会根据所讨论的系统而变化很大。而不是直接链接的因素和效果的封闭系统，现实是更复杂和动态的，导致“开放系统”一词。在这样的系统中，事件2并不总是遵循事件1，因为环境中存在非策略的可能性和权力。在研究策略方面，Saunders等。因果定律是自然的生成机制，在封闭和开放系统中都可以理解。它们是作为趋势的运作，而不是解释正在发生的事情，而是在某些情况下可能发生的事情。批判现实主义调和积极和解释性的本体论立场，为桥接解释和理解提供了基础。经验观察不足以解释因果关系，因为需要考虑隐藏的机制。因果解释的发展应集中于探索生成机制，而不是寻找规律性。从事件到机制的重点转变对科学研究具有重要意义，特别是在期货研究中，探索生成机制可以帮助预测未来的事件。存在未来的三个基本观点：预测性，解释性和批判性。预测观点假定未来是确定性的，可以知道。相比之下，解释性观点依靠对各种图像的解释性分析寻求洞察力而不是预测。批判性观点认为，没有一个预定的未来，而是多个可能的未来。Kosow和Gaßner（2008）和Inayatullah（2013）提出了与这些观点相似的观点，这可以与实证主义，解释主义和批判现实主义的科学研究哲学立场有关。实证主义基于当前和过去的知识，假定未来的可预测性和可控性，通过因果，法律般的和功能关系来寻找事件规律性。这允许通过外推精确地计算未来事件。解释主义假定未来的不可预测性，将其视为随机，混乱和不可预测的事件链。在这种观点中，对未来的控制或预测是不可能的，只有通过直觉策略才能获得知识。批判现实主义假定未来的灵活性，但考虑到它是真实的，尽管尚未表现出来，包括通过变革事件实现的多种可能性。这允许参与参与者的未来（至少在某种程度上）影响（至少在某种程度上）。Patomaki（2006），Bell（2003）和Van der Heijden（2000）声称，批判现实主义为期货研究提供了独特的基础。List（2005）和Aligica（2011）合理地注意到，可以采用关键的现实主义方法来解释可能的未来约束。期货研究集中于正在进行的过程和行动，而不是过去的事件。未来学家使用理论框架来解释社会结构的发展，设定边界条件并预测可能的未来情况。批判现实主义者的哲学通过探索因果机制和推断趋势到将来的某个点，为期货研究提供了一个独特的框架。积极的哲学可以为具有人口统计学和经济发展等有形数据的领域的期货研究提供理论基础。解释性立场集中在理解未来的图像范围上，而批判现实主义则假定可能受时事影响的不同可能的未来。期货研究的方法各不相同，包括基于数学运营的定量预测，专注于多种可能性的替代期货以及强调发展未来的参与式行动学习/研究。Kosow和Gaßner声称，方法已从定量预测逐渐发展为基于预见的定性技术，适合研究复杂的期货。根据Kuosa（2011），期货研究主要将归纳推理与直观技术联系起来，而基于物理论证的演绎推理则侧重于控制功能和指导知识。Kuosa（2011）还强调，鉴于其本质上可变的和不可预测的性质，当代期货研究中的重要错误之一是期望控制或准确预测未来。无法提供确切的预测通常被当代科学家视为缺乏科学基础。然而，承认失败是科学方法不可或缺的一部分至关重要，因为这是现实生活中的普遍现象，有助于科学知识。演绎和归纳推论在期货研究中广泛使用，但Kuosa（2011）指出向绑架推理的转变。绑架推理涉及基于可用证据和观察线索样符号的结论。（2016）提出了各种方法，包括实验，调查，档案研究，案例研究，人种学，行动研究，扎根理论和叙事探究。可以在期货研究中区分三种研究方法：演绎，旨在指导知识和控制功能；归纳，专注于控制信息；并绑架了，旨在识别结构，连接，上下文和约束。但是，期货研究可以用不同的方式分类，研究策略是选择数据收集方法来回答研究问题并满足目标的一般框架。List（2005）确定了两种主要研究方法类型：定量和定性，而Kosow和Gaßner（2008）和Puglisi（2001）也区分了探索性和规范方法。探索方法检查了多个未来和可能的发展，而规范方法旨在塑造理想或不良的未来。期货研究中的三种主要研究策略是描述性的，规范性的（规范性）和探索性的，可以用来描述未来的发展模式，规定实现理想未来的行动或探索可能的未来事件。最终，期货研究中的方法论选择取决于研究目标，Saunders等人。（2016）定义与定量和定性方法有关的研究选择。研究方法包括各种方法，包括两者的直接或复杂混合物或单方法的利用。定量方法涉及数值数据和数学操作，但定性方法需要收集广泛的描述性信息。要进行，研究人员必须选择一种期货研究方法。单方法；混合方法将定量和定性方法结合在单个研究中，以实现各种目标，并减轻使用孤立方法的局限性；多方法选择会破坏定性和定量方法的使用，尽管一种方法是主要基础，而另一种方法则提供了辅助支持。根据Saleh等人（2008年），研究选择的这种选择也与期货研究有关，其中方法的范围可以分为定量技术，例如时间序列分析，因果分析，趋势分析，趋势分析以及诸如Delphi Surveys，Delphi Surveys，Futures Wheel，Futures Wheel，环境扫描等的定性方法。某些方法（例如方案构建和建模）成功地弥合了定量和定性领域。期货研究中的时间范围通常包括研究的期限或不同广度的时间顺序。Kosow andGaßner（2008）确定了三个基本时间范围：短期（长达10年），中期（长达25年）和长期（超过25年）。他们还将静态观察与将来的某个点区分开，通常与规范策略作为替代时间范围。技术和程序的最后一层将研究设计指向数据收集和分析。所有上述选择都决定了基本数据收集和分析程序的类型，这些方法将有助于回答研究问题。远见采用定性和合并的技术来探索多个未来。在期货研究中构建研究设计可以基于Saunders等人的研究概念。通过将这一概念调整为期货研究，研究局提出了一种将理论知识整合到现场的系统，可以将其汇总为七层。选择研究方法并在期货研究中构建研究设计涉及遵循与研究洋葱七层相对应的七个步骤：哲学选择，方法，策略，选择，时间范围，时间范围，技术和程序。由于缺乏关于未来的经验证据，期货研究中的哲学选择很复杂。要选择一种适当的理念，必须确定研究和可用数据源的运营领域。实证主义可以作为研究的主要哲学态度，在该研究中，有切实的定量数据可获得，实现了未来的“计算”并做出确切的预测，通常在人口统计学和经济发展等领域。期货研究经常采用定性数据，这可能导致采用解释主义或批判现实主义作为主要的哲学立场。如果重点是构建未来的叙述并理解未来的各种形象，则可以选择一种解释性方法。批判的现实主义同时，假设可能存在不同的未来，并且可以受到当今因素的影响，从而适合于机构，文化和政治等领域的场景建设。所选的哲学和方法将影响理论发展的方法。预测涉及诸如外推和计量模型之类的数学操作，通常以积极的哲学姿态使用。演绎推理可能与预测相关，因为它会根据逻辑必需品得出某些结论，然后通过数据收集对其进行测试或验证。归纳和绑架方法从数据收集开始，然后朝着开发明确的理论立场发展。在期货研究中，演绎和归纳方法依赖于预测过去的概率，而绑架的方法着重于识别“弱信号”，即最初的变化迹象。绑架方法通常用于从有限的知识中得出结论。研究策略包括描述性，规范性和探索性方法。描述性策略与预测和演绎推理有关，旨在确切描述未来事件。规范策略探讨了未来应该或不应该的样子，并寻求实现它的方法。探索性策略研究多个未来和可能的发展。研究方法的选择取决于研究问题，问题和整体目标。这可能涉及特定任务的单声道，混合或多方法。研究时间范围的范围可以从长期到短期期货，甚至是回顾时间。在此阶段，构建了一个研究工具，例如调查表或访谈，以适合所有以前的选择。在这种情况下，与立陶宛乔纳斯将军的Aleksandras Melnikovas建立了信件。期货研究的研究洋葱是研究人员和从业人员借鉴期货研究领域中现有方法和方法的指南。此模型通过允许研究人员从各个层中选择合适的理论或实践，从而为方法论开发提供了灵活的框架，从而使他们能够以连贯的方式解决研究问题。研究洋葱的过程指导研究的理论框架，确保所选工具，技术和基础哲学之间的一致性。这导致了研究设计的连贯和逻辑发展。通过借鉴现有方法，研究人员可以基于该领域的既定知识，同时促进其进步。引用的参考文献包括Aligica（2011），Amara（1991），Aspinwall（2005），Bell（2002＆2003），Bhaskar（2008），Danermark等。（2002），de Jouvenel（1967），Delaney（2002），Heijden（2000），Inayatullah（2004，2008，＆2013），Kosow和Gaßner（2008），Kuosa（2011）和Saunders等。这些来源有助于理解期货研究方法及其在研究中的应用。几位学者在他们的研究中探索了场景规划的概念。例如，List（2005）开发了一种社会查询的方法，其中包括方案网络映射。Lloyd（2012）研究了如何使用互联网应用程序来传播知识并促进职业管理。5月（2000年）讨论了与未来研究有关的各种假设和类型。此外，还有几项关于预期学科的研究，包括Miller等人的工作。（2013），Mingers（2006），Molis（2008）和Myers（2008）。 这些学者探讨了系统思维在管理科学中的作用以及考虑期货研究中多种观点的重要性。 其他研究人员将未来研究的性质作为一门学科进行了调查。 例如，Niiniluoto（2001）质疑期货研究应视为科学还是艺术。 Patokorpi和Ahvenainen（2009）开发了一种期货研究的方法，该方法融合了绑架，而Polak and Boulding（1973）探索了未来学的概念。 Poli（2011）讨论了对未来的明确本体论的必要性，以便更好地了解该领域的复杂性。 Popper（1965）认为，预测和预言是包括期货研究在内的社会科学的重要组成部分。 最后，一些学者检查了特定方法或方案计划的方法。 例如，Puglisi（2001）提供了各种期货研究方法的概述，而Ramos（2002）探讨了将行动研究用作一种先知方法的使用。 总的来说，这项工作的集合代表了方案规划及其与其他领域的关系的一系列观点，例如管理科学，社会探究和期货研究。 Sardar和Sweeney在其2016年出版物“三个正常时期的三个明天”中探索了季节及其三个明天的概念。（2013），Mingers（2006），Molis（2008）和Myers（2008）。这些学者探讨了系统思维在管理科学中的作用以及考虑期货研究中多种观点的重要性。其他研究人员将未来研究的性质作为一门学科进行了调查。例如，Niiniluoto（2001）质疑期货研究应视为科学还是艺术。Patokorpi和Ahvenainen（2009）开发了一种期货研究的方法，该方法融合了绑架，而Polak and Boulding（1973）探索了未来学的概念。Poli（2011）讨论了对未来的明确本体论的必要性，以便更好地了解该领域的复杂性。Popper（1965）认为，预测和预言是包括期货研究在内的社会科学的重要组成部分。最后，一些学者检查了特定方法或方案计划的方法。例如，Puglisi（2001）提供了各种期货研究方法的概述，而Ramos（2002）探讨了将行动研究用作一种先知方法的使用。总的来说，这项工作的集合代表了方案规划及其与其他领域的关系的一系列观点，例如管理科学，社会探究和期货研究。Sardar和Sweeney在其2016年出版物“三个正常时期的三个明天”中探索了季节及其三个明天的概念。在2001年出版的扫罗的书《 This This The Future》中也涉及了这个想法。在2016年发行的桑德斯，刘易斯和索恩希尔的文本中概述了针对商科学生的研究方法。Slaughter在1990年的文章“远见原则”中引入了远见原则。此外，屠杀和屠宰在其出版物中探索了第三千年的未来，“第三千年的期货：启用前瞻性”。voros在2017年发行的手册《预期手册》中讨论了巨大的历史和期待。welch，Piekkari，Plakoyiannaki和Paavilainen-Mantymaki在其2011年出版物中分享了从案例研究中的理论化的思想：“案例研究的理论：迈向国际商业研究杂志上的国际商业研究的多元化未来”。