第一章 绪论Word文件下载.docx
《第一章 绪论Word文件下载.docx》由会员分享，可在线阅读，更多相关《第一章 绪论Word文件下载.docx（15页珍藏版）》请在冰豆网上搜索。
在大量涌现的新观念、新技术、新架构、新概念面前难以作出审慎明智的判断抉择，表现出亦步亦趋地盲目跟风或不知所措，在真正的机遇到来之时却表现得完全的漠然或无动于衷。
全面考察信息技术的发展规律、考察信息系统的一般演化规律，并自觉地借鉴其他系统演化发展的规律，应用一般系统论的研究方法来归纳和总结现有信息技术的发展规律及趋势、重新审视现有信息系统的一般理念、开发设计和管理的一般方法和原则，成为一些信息系统理论研究者追求的目标，也成为信息系统领域最有挑战性的研究议题。
欧盟技术合作框架项目（FP，FrameProject）的60多位研究者在“回应复杂性科学给信息技术带来的机遇和挑战”的工作报告中指出：
目前的方法已经无法应对信息技术未来的发展，只有应用基于复杂性思维方式的新方法才能给出一个解决方案，在未来十年，复杂性科学的兴起将会支撑起具有巨大价值的新一代技术，欧洲不能承受失去这次机会的可能。
这份报告对信息技术未来发展的可能路径（FuturepathwaysforIT）进行了系统分析[68]。
本书以近两年突然爆发兴起的社会性软件和Web2.0为应用研究背景，以系统思维和系统理论为指导，把系统研究（特别是复杂性系统研究）的一些研究方法应用到信息系统的架构设计中去。
在系统剖析社会性软件和Web2.0发生发展的内在成因基础上，重点研究如何从各种社会性软件和Web2.0中抽取出系统间共同的行为规范、共同的动态演化机制和系统形态的演进模式、具有普遍适用性的设计原则、可推广的设计方法、设计理念以及适用技术等，并上升到理论高度，结合系统思维、系统理论和方法加以整合，参照复杂科学范式，提出一个新的信息系统范式；
旨在为日趋复杂的信息系统提供规范化的开发方法、指导性的设计原则和启发性的技术创新依据，并为研究信息系统生态提供基础理论框架和一般研究方法。
在信息系统的定义中，不同角色的用户也是系统的构成要素，“信息系统”这一称谓本身就有社会—技术综合性系统工程的涵义，但片段思维和局部思考[1]让人们在设计信息系统或实施信息系统工程时常常不自觉地忽略了系统中人和社会的因素，表现出只重视技术和算法而轻视了对用户群体智力和经验输入的综合、只重视系统功能设计而忽略了用户之间协同协作的需要、只重视系统本身功能的设计而轻视系统之间的交互协作等倾向。
社会性软件和Web2.0的出现正在开始改变这种状况。
社会性软件和Web2.0在设计中包含了主体参与式架构（ParticipativeArchitecture）、社会关系网络和复杂网络的分析与设计、复杂的非线性协作机制、多层次的反馈循环机制以及开放的系统间交互机制等，把人的行为设计、社会关系、组织设计和人群协作机制、资源网络的动力学演化机制纳入到系统之内。
然而，也正是这种人—机综合设计的整体系统观，让信息系统无论是内部结构的演化机制，还是外部由系统间多样化协作带来的协同进化机制，都变得复杂起来，给人们的科学理解和认识带来了很多困难，从而制约了这方面的研究，也造成这个领域无序盲动的发展现状。
本研究正是对这一问题的回应，试图在信息系统的架构研究与设计中，全面引入系统思维、系统理论和系统方法，以加强对日趋复杂的信息系统的研究及开发设计的支持。
正如当代著名思想家、法国国家科学研究中心名誉导师埃德加•莫兰（EdgarMorin）所言：
“对复杂事物的研究和设计必须要用复杂性思维方式”[3,4]，对Web2.0这一综合用户社会关系网络、知识关联网络、系统交互网络并存在多层次间反馈关系的复杂对象的研究和设计，也必须要用复杂性思维方式进行思考与设计。
如应用群体社会心理分析进行以用户社会交互体验为中心的设计，以社群关系网络的分析计算（社会计算）来实现注重用户参与之后群体智能的涌现设计，以复杂网络分析算法实现系统内知识网络与内容网络关联及拓扑结构的优化，用系统动力学分析和设计系统各个设计要素和环节间存在综合反馈，如人-机智能的反馈等。
1.1信息系统的系统研究概述
1.1.1信息技术与信息系统的发展趋势
信息技术相关的知识更新是最快的，没有哪项技术能够有信息技术那样的发展速度，信息系统及其开发设计方法都处在快速演变的进程当中。
从信息系统形态的演化发展来看，信息系统从最早的单用户、单机系统（或一台主机带多台终端），发展到主要应用于局域网或封闭网络环境的客户机/服务器模式（C/S）的系统，再到主要应用于开放式互联网络环境的浏览器/服务器模式（B/S）的系统、以及在B/S基础上扩充的三层架构和多层架构，最近又开始出现所谓的胖客户端模式及去中心化的P2P对等网络模式，信息系统朝着越来越个性化、智能化、分布式去中心化的方向发展。
在信息系统演变的同时，信息系统的开发设计方法也经历了从面向过程、面向对象、组件设计、面向主体、到面向服务（SOA）的发展。
以前在结构化设计中，模块是一个不能独立工作的函数；
随着模块向可重用的对象、可方便集成的组件、可分布式组合的独立子系统的方向发展，系统组分（注：
即系统的组成部分，下同）的独立性越来越高，系统架构由完全的自顶向下设计，到越来越多地选用自底向上的方法构建，从只注重系统本身的功能完备性和独有专属的信息格式，到越来越注重与其他系统间的协作能力和信息处理格式的标准化。
这里有两个看上去背向发展的趋势：
一方面是系统越来越注重平台无关性，减少自己对底层系统的依赖，增加了系统自身的独立性（如可跨平台运行的基于Java开发的软件、基于WebOS的Javascripts开发的信息系统等）；
另一方面，则采用方便交互标准交换格式和标准协议，为第三方系统软件形成互动提供方便，从而增强与其他信息系统之间的协作能力，在增加了与别的信息系统之间的相互依赖的同时、部分降低了自身的完整性和独立性（如寄生在Outlook上的Plaxo软件，就是在Outlook开放的功能扩展接口之上构建的）。
其实这两个方向并不矛盾，前者是增加系统的独立自主性，后者是增加系统的自主交互性，系统只有具有平台无关的独立性，才可能和更大范围的别的信息系统协作交互；
系统只有尽可能地开放交互协作接口，才可能获得来自各种平台的支持，从而能广泛应用于各种平台而不受具体平台的制约。
信息系统及设计方法的发展可总结为以下几个趋势：
1）从系统开发到系统集成（FromSystemDevelopmenttoSystemIntegration）[5,6]。
程序设计和系统架构由最初的面向过程、面向对象（OOP：
ObjectOrientedProgram）和组件设计、到面向主体（AOP:
AgentOrientedProgram）、再到面向服务的体系结构（SOA：
Service-OrientedArchitecture），系统的基本构件越来越大：
从函数到对象库，到控件、中间件、或分布式控件（ActiveX）、插件（Plug-in）等，再到智能Agent，最后是Web-Services和完全独立的子系统；
系统的设计与开发越来越依赖于集成。
2）从以程序为中心到以信息内容（数据）中心（FromProgramCenteredSystemstoInformationContentsCenteredSystems）或以用户为中心（Human-CenteredSystems）[6]。
一些人甚至提出要用迅件（Infoware）来取代软件（Software）这一概念。
3）从孤立封闭的集中控制式系统、到协同开放的分布式系统。
以前C/S体系是端到端封闭的体系结构，必须使用特定的客户端；
B/S体系虽然打破了对客户端的限制，但服务端的集中控制的体系仍然没有开放，功能或规模的扩展依然受限制；
P2P体系结构则把系统从集中控制的服务体系中解放出来，打破了服务器专有、专属的限制，成为开放式分布的体系，所有的组成节点都可以是对等的，任何节点都可以自由地加入和退出；
传统的P2P体系依赖于特定的协议和特定的服务类别，系统虽然是开放的，但集成的节点依然限制为同质（homogeneous）的；
多智能主体系统MAS（MultiAgentSystem）通过智能主体间交互协议语言的标准化、面向服务的架构SOA通过Web-Services间互操作（inter-operatability）标准的制订打破了这个限制，使开放的异质节点（heterogeneous）的集成体系成为可能。
4）系统的外在表现方面，从设计者固定的界面、到用户可调节的界面、再到适应性用户界面等。
表1-1是以系统的组分、组分的耦合度及组分的可重用性和独立性为指标，对各系统设计方法进行的比较。
表1-1系统设计方法对应组分的特征对照
系统设计方法
组分
耦合度
重用性和独立性
面向过程
函数function
很高
很低
面向对象
对象object
较高
低，依赖于特定的程序开发语言
组件设计
控件component
中
较低，依赖宿主语言，集成需要二次开发
面向主体
主体Agent
较低
中，交互性依赖Agent的交互协议
面向服务SOA
Web-Services
低
较高，接口标准化，但非开放，Web-Services
的实现和升级控制在原开发者手中，由系统架构师或系统集成的技术工程是负责集成
社会性软件/Web2.0时代的系统设计
人件Humanware和独立功能子系统（Web2.0部件）
高，接口标准化且开放，与底层实现无关，系统具有生态多样性，功能细分为用户视角中的一个独立任务，最终用户的操作行为决定其相互之间的操作与组合方式。
信息系统的组分在规模上越来越大、功能上越来越独立，组分间的耦合度越来越低。
这符合系统由低级向高级发展的一般规律，越低层次的系统，其组分越简单、各组分之间相互依存性越高，组分间的关联越紧密固化、难以分解，且一旦分解还难以恢复；
如无机化合物、单细胞生物体、机械系统等；
越高层次的系统，其组分越复杂、组分间的独立性越高，组分间的关联协作模式越灵活自主，容易分解并且能够在分解后重新组合、恢复系统；
如有机化合物、多细胞生物体、生物群体、人类社会经济系统等[7]。
信息系统的复杂性也在这个发展过程中不断升级，在智能Agent和Web-Services之前的早期信息系统可以看作是一些函数的机械焊接、或一些模块构件的固定装配、或同质个体的重复叠加，信息系统更多地具有机械系统的特征，可称为信息系统的初级阶段；
智能Agent和Web-Services大规模应用时期，信息系统则可以看作是一些具有完整功能、并有一定独立性的系统之间的松散联盟，信息系统具有相当的复杂度和灵活度，初步具有一些类生命系统的特征。
在社会性软件和Web2.0中，由于采用了主体参与式架构，更加具有自主性的“人件”（Humanware）引入系统设计，让这些新信息系统发展成为社会——技术混合系统，从而具有了社会系统的复杂性。
随着信息系统组分的独立性和自主性的增强，组分间更灵活方便的搭配组合让系统具有越来越高的适应性，信息系统也越来越接近于生命系统、社会经济系统等复杂系统。
因而，在其研究设计中也越来越多的需要应用和借鉴那些曾在生物学、生态学和社会科学等领域的复杂系统研究中获得广泛应用的系统方法和系统理论。
事实上，这方面的研究尝试也越来越多，下一节，我们对系统科学应用于信息系统研究的现状进行了基于文献的回顾与分析。
1.1.2系统科学在信息系统研究中的应用
科学研究一般分为两个层次，一是观察实验或调查统计，掌握研究对象的内在组成结构，用简化模型方法研究对象的动态演化机制和运动发展规律；
一是在掌握这些知识的基础上，自觉地对研究对象进行有效的控制规划或干预调节。
前者属于对象式研究、非参与式研究，即把研究对象作为外在客观的考察对象，而不试图对研究对象进行控制改造和设计；
后者属于参与式研究，即试图参与到研究对象的控制设计中去。
系统科学在信息系统研究中的应用也可分为“对象式研究”和“参与式研究”两类。
一、对象式研究
对象式研究是把信息系统作为系统科学的普通研究对象，研究信息系统的演化变迁的一般规律、信息系统之间复杂的协作关系形成的类生态现象，从整体上研究互联网的复杂结构[8,9]，或一些具体的多用户复杂系统内的信息组织及用户组织的结构演化[10]，一些具体的网络拓扑结构对信息检索和知识扩散的影响研究等[11]。
约翰·
霍兰的复杂适应系统（CAS:
ComplexAdaptiveSystem）理论[12]是研究复杂系统从低层到高层的涌现行为的主要理论，其最基本的思想可以概述为：
“系统中的成员称为具有适应性的主体（AdaptiveAgent），简称主体。
所谓具有适应性，就是指它能够与环境以及其他主体进行交流，在这种交流的过程中‘学习’或‘积累经验’，并且根据学到的经验改变自身的结构和行为方式。
整个系统的演变或进化，包括新层次的产生、分化和多样性的出现，新的、聚合而成的、更大的主体的出现等等，都是在这个基础上出现的。
”
早在1997年，就有人把万维网类比一个复杂适应系统（CAS）[13]，认为网页类似于适应性的主体，页面编辑者可以不断地修改其中的超级链接，超级链接在功能上类似于主体间的交互，修改相当于对外在环境的适应性处理，这种适应性处理不仅改变了自身的内容构成，也改变了整个万维网的拓扑结构。
这种类比启发了很多后续的研究，许多人开始对巨大的万维网的拓扑结构产生兴趣，这方面最有影响力的研究结果是万维网与许多别的复杂网络一样都可以归类为无标度网络（Scale-freeNetwork）[8,9]。
无标度网络的度分布具有一条幂律尾部：
。
以后又有很多研究者分别对万维网进行了不同广度、不同粒度的实证研究（有向万维网的出度分布，三次独立研究的
分别测定为2.45、2.38、2.72，对于三次独立研究的入度分布，
都是2.1）[14]。
二、参与式研究
由于信息系统日趋复杂，把信息系统看作一个机械控制系统进行设计越来越难以适应不断变化的、多样化的用户需求，也难以适应复杂多变的外部运行环境。
系统科学在信息系统中的参与式研究是指在对象式研究的基础上，有意识地运用系统科学的一些理论和方法，改进信息系统的架构与设计，尝试在增加系统组件独立性和可重用性的同时，增加它们的自适应性，即对外在环境（包括用户行为和系统运行环境）的自适应性和自由搭配组合的协作性，从而让信息系统具有灵活适应的能力与动态演化的机制。
参与式研究也可分为两类，一类是秉承系统复杂性研究的相关理论，借鉴CAS理论，通过增加组分之间的交互能力，以及在交互过程中的学习适应能力来增强系统组分的设计，从而增加系统的自搭配、自组织的能力；
另一类则从系统仿生学的角度提出让信息系统模仿生物间的简单协作，来增加系统及其组分的适应能力。
下面分别对这两类研究进行介绍。
当系统组分具有一定的独立性和标准开放的交互性之后，组分之间的组合也就可以由设计者预先设定转变为用户的自由选配，甚至自动调整组合关系以适应用户的行为；
这样，在用户交互使用的行为“刺激”下，具有一定数量规模的简单组件间的交互关联可以形成非常复杂的结构。
这很容易让人联想到CAS理论。
霍兰（1994）在提出复杂适应系统（CAS）理论时，就提到过通过信息系统的设计把社会组织建设成一个CAS的设想[15]。
后来，虽然CAS理论在许多学科中都有成功的应用，在信息系统设计领域内的研究却不多。
Munnecke曾提出过复杂适应信息系统（CAIS:
Complexadaptiveinformationsystem）的概念[16]，但没有对适应性主体（Adaptiveagent）进行明确的定义；
A.I.Ková
cs和上野晴树（2004）丰富了这个概念的内涵，第一次给出一个与CAS同构的信息系统的抽象架构，对如何规划一个信息系统让它具有CAS的特征进行了研究，对信息系统中的涌现机制与涌现出的特征之间的关系进行了考察[17-20]。
cs和上野晴树提出CAIS的问题背景是在线海量信息的模糊检索和个性化检索中存在的一些问题，如个性化搜索与隐性知识挖掘困难间的矛盾问题（比如找MAS，经济学仿真研究者希望查找基于多主体系统的建模研究资料，人工智能实验室关注的是并行智能Agent，在另外一些学科里面也许是另外一些意义的缩写）。
为了解决检索问题，他们认为需要从以下几个问题进行分析：
什么样的知识需要以什么样的形式检索？
什么人需要检索什么样的信息？
什么样的人才能检索到信息？
（高级检索的功能、组合逻辑的表达式并不是所有用户都能够应用的）什么样的人以前可能知道什么？
怎么样让非专家也能贡献其信息分类的知识？
（因为最终用户的检索依赖于最符合他们认知模型的分类方法）。
对这些问题进行分析后，他们提出在信息检索中有以下三个难题是传统架构设计所无法解决的。
知识获得难题（KAP:
Knowledgeacquisitionproblem）系统内的信息都按照一定的关联规则或分类原则构成一个信息关联网络，这种信息之间的关联属于系统的隐性知识；
由于用户认知的个性化差异，系统很难让用户也能完全按照设计者的意图理解系统内的信息关联网络，这造成了知识获得难题：
无论如何设计，只要系统的知识是预先设计的，就不可能同时满足具有不同知识背景的用户。
不可知性问题（UP:
UnknowabilityProblem）在建立信息系统时，无法预先知道什么样的分类法或术语在未来是最合适的（最适合用户，因为术语或分类与适合的用户群有关，也与时间有关），也不能知道它们是否会被应用，甚至也无法知道它们将来在某个个性化查询中的意义，这里有太多的可能背景，几乎不可能知道或预测在所有这些背景中应该如何处理。
就如同不断产生新的学科和新的分类划分的情景下，图书馆里给图书分类的人员不可能预先知道所有书的正确分类一样。
明确表达的问题（EP:
ExplicationProblem）无法在一个逻辑形式框架内应用形式语义表达一个模糊的知识，（模糊逻辑也无济于事），因为没有办法描述“和某某有点像”、“最好的”、“大一点”之类的含糊表达。
针对这些问题，他们提出一个把信息系统映射为CAS的框架，并称之为复杂适应信息系统（CAIS）。
其基本思想是把信息系统中的信息知识块作为活动主体，信息知识块之间可以主动建立关联（正相关或负相关），用户作为CAIS的外在环境，用户不断地使用系统和系统交互，相当于开放的CAIS系统的外在信息输入，信息知识块根据用户行为调整彼此之间的关联。
比如对应用户一次输入的多个关键词，每个关键词对应检索系统中的信息块，并相应地调整彼此之间的关联，每个信息知识块都力图增加被检索的概率，在信息知识块构建的关联网络中竞争优势地位。
这样系统内信息之间的关联地图（即系统的知识）、信息的分类和信息的联想都是在用户使用过程中建立起来的，是根据大量用户交互行为中、从用户的集体认知中学习而来的，从而克服了设计者与用户之间的认知差异带来的问题。
由于是动态可调整的，因此对于那些无法预测的新知识的分类和编码也无需在设计时预先加以确定，也都会在应用中由用户奉献自己的分类知识和语义联想关联规则。
cs和上野晴樹对他们提出的CAIS框架的适用范围进行了限定，只有海量的信息和大规模用户群交互使用的信息系统适合于该框架，用户的交互是CAIS系统保持动态平衡和演化的必须[17]。
爱尔兰都柏林大学计算机科学系的适应信息群组（AdaptiveInformationCluster，网址：
http:
//www.adaptiveinformation.ie）也对如何增强信息系统的适应性进行了研究。
虽然没有明确提出具有一般意义的复杂适应信息系统的概念，但在研究具体的信息检索系统中借鉴了适应性系统的思路，如通过对用户行为的数据流进行分析挖掘，增加信息系统的反馈、改善信息的组织，从而增强信息系统内容对于检索的适应性。
该研究小组中的KarenChurch、MarkT.Keane和BarrySmyth等人对个性化搜索引擎中初次点击对于信息分类判断的重要性进行了研究[21]，在分析用户的检索行为的基础上，他们认为用户在输入一个关键词后，在系统返回的诸多结果中，用户首次挑选点击的行为数据非常关键，尽管这样类似的行为在一个搜索引擎中每天有几百万次。
依据这个假设，他们在一些个性化搜索引擎中做了一些实证研究，发现现有的搜索引擎返回的命中记录第一条被用户点击的概率并不好。
最后，他们给出一个让系统从用户行为中判断学习提高搜索引擎对用户的适应性的框架设计。
日本早稻田大学有一个非常庞大的“分布适应性信息系统框架和机制—21世纪的信息系统与软件工程”项目计划[6]。
在该项目综合介绍中，他们提出要对信息技术和信息系统的发展进行全面地系统分析和总结，希望在把握信息技术未来发展趋势的基础上，提出一个可适应未来不断涌现的新技术的软件开发工程。
计划中的项目跨度很大，子项目包括操作系统、开发平台、应用信息系统、软件工程和项目管理等，试图全方位打造推动分布式适应信息系统发展所需要的基本环境。
此外，他们还提出“所有的信息系统都是一个人机系统”的观点，这意味着设计人员不仅设计系统的机器部分，还需要设计系统的人件。
甚至对这个项目本身的管理，也采用适应性管理的方式，而没有给这个项目设定一个明确的时间限制和终极目标限制，他们认为这些也应该是可适应性调整和变动的。
国内方面，著名学者钱学森很早就提出复杂巨系统的概念和人机集成理论来解决社会复杂性问题，并提出综合人—机智能的多人协作决策系统，即“综合集成式研讨厅”计划，坚持把智能的社会化协作、社会组织系统和
升级会员 