1.1 質性案例研究
1.1.1 認知民族誌
1.2 量化案例研究
1.2.1 文本探勘與分析
1.2.2 網絡分析
1.2.3 問卷分析
1.3 質性與量化混合型：工具箱計畫 (Toolbox Project)
3.1 跨域溝通、能力與專家
3.2 科學認知
3.3 科學建模
3.4 模型遷移
3.5 科學推理：類比推論
3.6 知識依賴與信任
科學實作哲學是以科學實作為分析單位的科學哲學進路。科學實作可以被理解為科學家為了實踐某種目標而進行的科學活動。以科學實作為分析單位的哲學研究，會面臨下述的挑戰：科學實作是一種在實作現場發生的活動，學術論文上所書寫的往往不是科學實作的全貌或原貌。因此，哲學家們該透過什麼方法才能掌握科學實作的歷程原貌呢？以研究跨領域實作為例，在進行跨領域的研究歷程中，當科學家們想要將不同領域的實作運用在處理某個議題上時，他們遇到了什麼挑戰？他們實際上做了什麼去處理這些挑戰？這些都是在實作現場發生的科學活動。哲學家若想對這些科學歷程與活動進行分析，第一步就是需要相關研究方法協助取得關於實作現場的資料。因此，科學實作哲學的重要特色之一在於實作哲學家們所使用的研究方法。
以下將以科學實作哲學家們進行案例研究時所使用的研究方法來說明他們研究方法的特色。使用案例來進行研究是許多領域都有的特色。此外，「如何挑選案例？」、「如何收集與案例相關的資料？」與「如何使用案例？」等方法學議題，是任何使用案例進行研究的學者都需思考的問題。社會科學家們已針對案例研究方法 (case study methods) 進行了相當程度的分析，然而科學史與科學哲學家們卻較少進行相關議題的討論 (Morgan, 2019)。直到近十年來，哲學家們才開始討論如何將取得的單一案例知識移轉或推廣到其他案例或領域上 (Chang 2012; Morgan 2012, 2014 & 2019; Ankeny 2007, 2011 & 2014; Pietsch 2016; Currie 2015)，如何針對一個主題或一個領域挑選出具有代表性的案例來進行研究 (Yan, Tsai, Huang, 2020)，和可以使用什麼樣的資料收集與分析方式來進一步研究案例 (Nersessian, 2019; O’Rourke and Crowley, 2013)。以下我將介紹三種科學實作哲學家們用來收集與分析跨領域科學實作案例資料的方式。有趣的是，這些方法都是從其他領域移轉過來的研究法，因此，就方法學層面而言，科學實作哲學的研究本身就是一種跨領域研究實作 (Hoffmann, Schmidt and Nersessian, 2013)。[1]
質性的案例研究特色在於收集非結構化或半結構化的資料。這裡所謂的非結構化是指資料並不是透過預先設計好的結構來收集，舉例來說，問卷的題目設計就是一種結構化的設計，透過問卷收集到的資料就是一種結構化的資料。質性研究的特色在於以非結構化或半結構化的方式，如田野觀察、焦點團體、或深度訪談，來收集案例資料，然後再進行資料的分析。以下我將介紹一個質性案例研究方法：認知民族誌 (cognitive ethnography)。此方法已被哲學家們用於研究跨領域科學實作，是目前哲學文獻中發展較完整的一套質性研究法。
認知民族誌是使用民族誌 (ethnography) 的研究方法來研究實際情境下發生的認知活動 (Ball and Ormerod, 2000; Hutchins, 2003)。民族誌是社會人類學的研究方法，強調研究者要走入真實情境內，以長時間的參與式觀察，盡可能地感受與了解被研究對象所處的生活全貌與視角，並透過訪談的方式收集相關資料，而後試圖對研究對象發展出一種動態的、情境式的與多面向的描繪或解釋 (Hammersley & Atkinson, 2019)。Nancy Nersessian 是將認知民族誌的方法用來研究科學實作的先驅 (Nersessian, Newstetter, Kurz-Milcke and Davies, 2002)。[2] Nersessian 和她的合作者用認知民族誌的研究方式深入多個生醫工程的實驗室進行長期研究，並透過收集到的資料來探討多個重要的科學哲學問題，如模型推論 (Nersessian and Patton, 2009)、科學概念與創新 (Nersessian, 2012)、科學理解 (MacLeod & Nersessian, 2015, Stuart and Nersessian, 2019)、跨領域研究的問題解決策略 (MacLeod & Nersessian, 2017) 等。讀者若想深入了解如何使用認知民族誌的研究方法來研究科學實作，可參考 Nersessian (2022) 的書 Interdisciplinarity in the Making: Scientific Problem Solving on the Frontier。[3]
近年來，哲學家們不斷在哲學研究方法上進行跨域創新，透過引入其他領域的量化研究方法與工具，並與哲學分析與議題相結合，開展出以跨領域的研究方式進行科學實作哲學的研究，以下我將介紹五個量化案例研究方法。
2018 年至 2020 年，科學哲學界突然急速出現多篇以文本探勘來進行科學哲學與科學史研究的論文 (Zou and Laubichler, 2018; Gibson and Ermus, 2019; Yan, Tasi, Huang, 2020 and Forthcoming; Mizrahi, 2020b & 2021; Malaterre, Lareau, Pulizzotto & St-Onge, 2020; Radomski, Šešelja, Naumann, 2020; Allen and Murdock, 2022)[4] 文本探勘是一種資料處理技術，主要透過各種文本分析技術，探索文字資料中對研究者有用的資訊或知識，常見的文本分技術包括詞頻分析、主題建模 (topic modeling)、詞彙向量化生成、文本標註等。[5]
上述這些哲學期刊論文都不約而同地使用文本探勘的技術，對大量科學或科學哲學的文獻進行文本的量化分析。Manfred Laubichler 與他的博士生 Yawen Zou (Zou and Laubichler, 2018) 針對系統生物學領域的 9,923 篇文章，以文本探勘的量化工具進行分析，試圖找出 1992 年至 2013 年間系統生物學領域變遷發展的特色，他們的分析指出系統生物學漸漸從以數學和計算科學背景為主的系統進路轉向以傳統生物學進路為主。Gibson and Ermus (2019) 則針對 Laubichler 實驗室所創造的文本分析流程，探討使用其分析流程進行科學史與科學哲學研究的利弊。他指出用此流程的優點是相關資料可以公開取用、促進跨領域合作、以及提供新觀點；缺點是並非所有歷史資料都已經電子化，因此可能會有無法公平地處理所有相關資料的疑慮，以及資料保存與維護的相關問題。
Yan, Tasi, Huang (2020) 則是透過分析 19,795 篇與心跳速率變異有關的生醫文章，展示如何整合文本探勘技術、引用分析的量化工具、與科學實作的文本分析。他們的目的是提出一套能協助人文社會研究者，從當代發展快速的大量生醫文獻中，挑選出合適的案例研究。Yan, Tasi, Huang (2020) 的量化分析牽涉到三個部分：一是從心跳速率變異的龐大文獻中找出引用率高的文章群、二是對所有文獻進行分類分析、三是對所有文獻的文章標題進行詞頻分析。他們基於這三種量化分析所得的資料來產出研究問題，並用此問題來引導後續的質性文本分析。他們進一步展示如何透過質性的文本分析來產出經驗性的假說，以供研究者進行後續的研究。
另一方面，Yan, Tasi, Huang (2022) 也展示了如何將文本探勘技術與既有的整合的科學史與科學哲學 (integrated history and philosophy of science) 研究架構，結合成一個兼顧量化與質性的經驗型研究架構。Radomski, Šešelja, Naumann (2020) 則是分析了 1943 年至 1953 年發表的 163 篇跟消化性潰瘍 (Peptic Ulcer Disease) 有關的文章，並對文本進行詞頻分析，以便證明科學史與科學哲學社群中對於此段科學史的主流詮釋是有誤的。Mizrahi (2021) 使用文本探勘技術對科學文獻的文本進行分析，以便探究科學家的認知或知識價值。他的研究結果指出，科學家在討論理論、模型或假說時，確實會直接地討論認知或知識價值，但出現的頻率不算高。而他們會討論的價值中，較常見的有準確性 (accuracy)、一致性 (consistency)、簡單性 (simplicity)。Mizrahi (2020b) 則是檢視三個關於科學進步的哲學理論，何者更貼近科學實作。這三個科學進步的哲學理論分別以「真理」、「知識」和「理解」作為主要的核心哲學概念。而 Mizrahi 的分析結果指出，科學家們較少使用「真理」這個詞，「知識」與「理解」兩個詞的使用程度則是沒有統計上的顯著差別。Allen and Murdock (2022) 則是對如何使用主題建模這個文本探勘工具進行科學史與科學哲學研究提出一個系統性的分析。
除了透過文本探勘工具來研究大量科學文獻，某些哲學家也用相關工具來研究科學史與科學哲學領域自身，試圖提供哲學家們對於自身領域一個更全盤性的理解。Mizrahi (2020a) 以文字探勘技術對科學哲學文獻進行分析，探討科學哲學界目前使用案例研究的盛行率有多高。Malaterre, Lareau, Pulizzotto & St-Onge (2020) 針對 1930 年至 2017 年之間，在八個主要科學哲學期刊所發表的 15,897 篇文章，進行主題建模分析，並找出 25 個研究主題、8 個研究主題叢集 (cluster)，他們進一步分析，自 1930 年起至今，科學哲學圈的研究主題變遷，以及這8個主要的科學哲學期刊各自如何貢獻到這個整體變遷的趨勢。
網絡分析 (network analysis) 是透過圖論 (graph theory) 來研究關係。圖論是數學的一個分支，以圖 (graph) 為研究對象。一個圖或者網絡 (network)[6] 至少包含兩個節點 (node) 和一個連結 (edges)。節點常被用來表徵物體或人物等存在項，連結則用來表徵兩者之間的關係。透過分析網絡這個對象，可以探索網絡具有什麼樣的結構關係 (relational structure) 特徵，如是否具有模組 (module) 特徵，誰是樞紐節點 (hub) 等。網絡分析被廣泛地應用在各個領域中，包含工程、生醫工程、醫學、神經科學、圖書資訊、社會學等。
McLevey 等人 (2018) 以網絡分析的方式針對科學哲學與其他科學領域之間的出版與引用關係進行分析，他們的研究指出，有些科學哲學家經常性地進行跨領域的研究，也在科學期刊發表文章，這些文章也被科學家們引用。但是當他們在科學期刊上發表文章時，仍是較常引用哲學文章。此外，這些科學期刊上發表的文章，對於這些科學哲學家在科學哲學領域的影響力沒有顯著的改變。
Yan, Liao, and Hricko (2020) 也是使用網路分析的方式針對經驗型心智哲學 (empirically-informed philosophy of mind) 領域變遷進行分析。經驗型心智哲學的研究特色在於會以某種方式與心智科學實作細節或成果有連結。[7]他們針對心智哲學領域文章引用了哪些科學文章，如何引用這些科學文章進行分析，共分析了 14,555 篇文章。他們的研究結果顯示，整個領域的發展趨勢是較多使用經驗科學中的經驗宣稱，但較少使用經驗科學的實驗細節或對實驗細節進行評價性的工作。
Khelfaoui 等人 (2021) 則是分析於 1980 年至 2018 年之間，科學領域、科學期刊與科學作者們引用十七個知名科學哲學期刊文章的次數，並與其他哲學領域比較，提供了一個系統性的經驗證據來支持科學哲學領域的研究成果在其他科學領域的能見度，反駁了科學哲學研究成果是高度專業化且封閉的刻板印象。
還有其他學者用網路分析的方式來分析不同的議題，例如科學哲學領域中最重要的期刊是哪些 (Wray, 2010)、科學哲學與科學史之間的關係 (Weingart, 2015)、科學哲學與知識論之間的關係 (Kreuzman, 2001)、演化生物學的領域變遷 (Rosa, 2017)。
自 2000 年開始，實驗哲學 (experimental philosophy) 學派開始推廣一種跨領域的哲學研究進路 (Weinberg et al. 2001; Knobe and Nichols, 2008)。此跨領域的特色在於引入心理學家們常使用的問卷研究方法來分析哲學問題。而此結合問卷法的跨領域研究進路已逐漸被新生代的哲學學者視為常態，不少哲學家也使用實驗哲學的進路來研究科學實作或科學史與科學哲學的領域變遷。Beebe and Dellsén (2020) 對七個不同領域的科學家以及科學史與科學哲學家進行問卷調查。他們試圖探究這些學者對於科學實在論與反實在論的立場，而問卷分析結果顯示自然科學家較社會科學家而言有更強的實在論傾向、而科學史與科學哲學家較自然科學家而言有更強的反實在論傾向。
1.3 質性與量化混合型：工具箱計畫 (Toolbox Project)
O’Rourke 與 Crowley (2013) 設計了工具箱計畫，以便證明科學家之間的哲學對話可以促進跨領域研究科學團隊成員之間的跨領域溝通。[8] 工具箱計畫的核心工具是 34 個關於研究預設的哲學陳述，可再進一步細分為知識論類別（包含動機、方法與驗證三個子類別）與形上學類別（包含實在論、價值與化約論三個子類別）。舉例來說，在知識論類別中的驗證子類別所使用的哲學陳述如下：
核心提問：哪一類的證據支持是生產科學知識的必備條件？
- 對測量工具的有效性 (validity) 具有嚴格的要求
- 對經驗資料是否驗證假說具有嚴格的要求
- 證據必須是可複製的才是有效
- 無法複製的研究結果，如果可以被多種不同方法同時驗證的話，此結果也可以算是有效
- 對研究結果的詮釋必須要能處理相關的不確定性
- 團隊內的成員們對於上述的問題與你有類似的態度 (O’Rourke and Crowley, 2013, p. 1952, Appendix)
工具箱計畫會在一個約 90 分鐘的工作坊環境下進行施測，所有參與工作坊的成員先填寫手上的問卷。填寫完畢後，成員們會被邀請自由地分享他們如何思考問卷上的題目以及他們的答案。工作坊結束後，成員們會被要求再次填寫問卷，以及分享他們參與工作坊的經驗。O’Rourke 與 Crowley (2013) 在過去七年內已經完成了八十個工具箱工作坊，累積了許多相關資料，並透過分析這些資料證明了，以哲學對話為基礎而設計的工作坊，確實有助於跨領域研究團隊成員了解彼此的領域觀點 (Piso, O'Rourke and Weathers, 2016)。
跨領域研究（Cross-Disciplinarity Research, 簡稱 CDR）還可至少被細分為多領域研究（Multi-Disciplinarity Research, 簡稱 MDR）、領域間研究（Inter-Disciplinarity Research, 簡稱 IDR）與超領域研究（Trans-Disciplinarity Research, 簡稱 TDR）。在文獻上，探討最多的是 IDR，因為許多研究者不自覺的會預設 IDR 是跨領域的成功型態，而 MDR 是不成功的跨領域型態，TDR 要不被認為與 IDR 是同義詞，或者被認為是更強調產業界在其中扮演的角色，又或者更強調處理回應社會需求的複雜社會議題。此外，Holbrook (2013) 指出，文獻上習於以整合與否作為標準來區分 MDR 與 IDR（或 TRD）。關於跨領域型態的分類，文獻相當繁雜，且似乎是很容易創造出新詞來描述新型態的跨領域研究 (Holbrook, 2013, p. 1866)。但是，即便如此，大體上還是可以先以 MDR, IRD, TDR 這三類做為起始或基本的概念分類架構來討論 (Holbrook, 2013; Stokols, et al., 2008)。
在 1990 年代時，學界對於 IDR 的定義已經有一個初步的共識：當研究議題或問題的範圍超過一個單一領域可處理的時候，研究者必須使用多個領域資源並將其整合成一個具整體性的跨領域觀點，這個引用多個領域資源並將其整合的過程就稱之為 IDR。[9]
Jantsch (1972) 是討論 IDR 的先驅學者之一，後續重要的 IDR 學者之一是 Klein (1990, 1996, 2010)。他們的共通特色是以「整合」這個概念來重新闡述已經在科學哲學中討論許久的「理論統一 (unification)」的概念。理論統一，相較於領域整合，是一個比較窄的概念，因為理論統一只討論理論與理論之間關係，但是領域整合，就可以討論不只理論的整合，還包括領域中使用的語言、概念、研究設計、模型與其他類型的科學實作。同時，許多學者對領域整合採取一個較強的規範觀點，主張領域整合是 IDR 的必要條件之一。
然而，學者們仍是持續爭論該如何理解與闡述 IDR 中所牽涉到的整合過程，什麼是成功的整合？什麼是失敗的整合？不同學者從不同的角度切入分析，有人從跨領域溝通來分析、有人從問題定義與闡述層次來談整合、有人從認知、有人從整合的程度或強弱來談、有人從哪些類型的科學實作被整合的層次來談 (Apostel, et al., 1972; Van der Steen, 1993; Klein, 1996; Lattuca, 2001; Aboelela, et al., 2007; Huutoniemi, et al., 2010; Newell, 2013; Palermos, 2014). 下一節將針對文獻上關於跨領域整合的分析做更深入的介紹。
至於 TDR 的定義，學界目前則是沒有清楚的共識，意見分歧。有學者將 TDR 與 IDR 當作同義詞使用 (Schmidt, 2008, 2011)。也有學者以是否產生創新的整合模型作為基準來區辨 TDR 與 IDR 的差別，若有產生創新整合模型則是 TDR (Stokols, et al., 2008)。另有學者以是否有非學術界的人士或組織參與其中來辨別 TDR 與 IDR 的差別 (Klein, 2010; Hirsch-Hadorn, et al., 2010; Alvargonzález, 2011; Bergmann, 2013; Aneas, 2015)。
Mennes (2020) 指出多數跨領域研究文獻在探討分類時，MDR 時常被預設為是 CDR 類型中最粗糙的型態，但 Mennes 認為這種對 MDR 的偏見是有問題，且主因起於目前對於 CDR 的主流分類論述中，對 MDR 型態的描述不公平，只談 MDR 的缺點，對於 MDR 的優點幾乎沒有著墨。Mennes 試圖改善這個問題，針對 MDR 提出一個修正版本的描述。MDR 研究的特色在於依特定目的選擇多個領域的研究計劃來進行比較對照 (juxtaposition) 的分析。這些不同領域的研究計畫，大多是可以獨立運作，
但是他們都與某一研究議題相關。透過針對這些計畫進行比較對照的分析，可以找出這些計畫之間是否有互補、相互支持或者彼此衝突的關係，並藉此產生出對於不同領域計畫關係圖的整體理解。Mennes 認為 MDR 的價值就在於產生出這樣的整體理解，並且這樣的研究並不在挑戰既有領域的邊界，所以 MDR 的風險程度是所有 CDR 類型中最低的。
然而上述的基本跨領域概念分類描述中，對於相關概念是屬於描述型還是規範型往往未能清楚定位。因此，Grüne-Yanoff (2016) 主張應對文獻上如何使用跨領域這個詞，先區分出是描述性的用法還是規範性的用法。描述性的用法所指的是實際上發生的科學活動或事件有跨領域的特色。規範性的用法是指跨領域是一個規範概念，指涉到一個規範標準，值得透過某些方式實踐。規範性的用法也因此衍生出跨領域標準是否成功達成與否的問題。
但複雜的是，成功的達成跨領域標準至少有以下兩種意涵。一是跨領域本身就是目標，執行或實踐了跨領域的研究型態就是成功。二是跨領域是一種手段或工具，用來達成特定的目標，如果跨領域作為手段或工具可以有效地達成目標，則可稱此跨領域手段或工具是成功的。在目前負責分配研究經費的機構中，兩種理解跨領域成功的方式都有出現，舉例來說，美國的國衛院 (National Institute of Health) 於 2007 年所資助的六個跨領域研究團隊，其目的就是為了改變學術研究文化，要讓跨領域型態的研究變得更容易執行，以便讓有興趣以非傳統方式進行研究的學者有空間與資源可以嘗試。另一方面，英國的經濟與社會科學研究理事會 (Economic and Social Research Council) 則是於 2013 年將跨領域定位為是一種手段或工具，可以用來協助特定科學研究目標的執行，特別是牽涉到經濟與社會議題的複雜研究問題 (Grüne-Yanoff , 2016)。因此跨領域成功這個概念至少有兩種闡述方式，而相對應的評價方式也會不同。
針對將跨領域作為手段或工具的理解方式，還可以依據目標的性質，區分為兩類，一種是學術性目標，例如提供更細節或精準的科學解釋、更好的預測力或更有效的控制。另一種是非學術目標，例如增進經濟上的發展、美學的考量或滿足某個政治性的目的。
上述 CDR 主流論述中對於 MDR 描述的不公，很大的原因來自於學者們對於跨領域整合這個知識價值的偏好，並將之預設為評價跨領域成功與否、品質高低的黃金規範標準 (Klein, 1990, 1996, 2010)。學者們近乎不假思索的偏好整合這個價值，甚至讓如下的問題，在跨領域文獻中變成是一個很怪異的問題：「IDR 是否牽涉到整合？」然而，也有部分學者試圖提出這個問題來挑戰整合是 IDR 必要條件的主張 (Holbrook, 2013; Grüne-Yanoff, 2016)，或者深入分析跨領域整合這件事情可以從哪些更細膩的科學實作細節來分析。這一節我將介紹從不同的科學實作角度來分析或評價跨領域研究品質的文獻，並在相關的地方介紹反對整合是 IDR 必要條件的主張。
Holbrook (2013) 提出了一個分析跨領域溝通的架構，並且指出跨領域整合的討論需要預設學者之間有產生跨越領域邊界的溝通。而目前以整合與否來區分 MDR, IDR 與 TDR 的跨領域研究文獻中，普遍預設一個特定的語言意義與理解理論來定義或描述何謂跨領域溝通，Holbrook 將之稱為「Habermas-Klein」觀點。根據此觀點，跨領域溝通是透過整合兩個不同領域的語言，並產生一個共享的語言或共享的理解（也就是共識），在此觀點下，IDR 被視為是一種語言溝通行動，以達成共識或共享的語言為目標。此主流觀點正是深受 Habermas (2015/1981) 的溝通行動理論 (theory of communicative action) 影響，同時也是跨領域研究重要學者之一 Klein 長年來所持的核心主張。
雖然 Habermas-Klein 觀點是分析跨領域整合與溝通的主流觀點，Holbrook (2013) 指出關於跨領域溝通，至少還有另外兩種觀點也值得參考。其一觀點他稱為「Kuhn-MacIntyre」觀點，此觀點從 Kuhn 的語言不可共量性出發， 主張我們不能從自己領域使用語言的標準去理解其他領域使用語言的方式，即便是同一個字詞。舉例來說，不能以經濟學或物理學領域使用模型這個詞的標準，來理解生態學或神經科學使用模型這個詞的標準。同時，再加上 MacIntyre 主張語言素養 (linguistic competence) 不等同於翻譯語言的能力。他主張學習一個新語言，不是只有學會如何將新語言翻譯成自己的母語，而是也包含學習跟這個語言有關的語言素養。換句話說，對 MacIntyre 而言，學習一個新語言就是要以學習第二個母語的方式來學習，其中必須包含能即興的在新脈絡中使用相關語詞或語句，以及能夠找到第二母語中無法翻譯到第一母語中的語詞或語句。從 MacIntyre 的觀點來分析不同領域學者在學習與理解彼此的領域語言時，必須著重在語言素養 (linguistic competence) 的習得，而不僅僅是語言翻譯能力的習得。因此 Kuhn-MacIntyre 觀點主張跨領域溝通所需要的不是發展出一個共享的語言，而是以學習母語的方式來學習對方的語言，以便真正掌握對方領域語言的意義，以及使用相關語言的標準。若將 Kuhn-MacIntyre 觀點拿來分析跨領域溝通，則我們必須正視且接受領域間語言上的不可共量性，因此需要達到一定程度或相對高的語言素養門檻，才能進行跨領域溝通，例如，要具備對方領域的研究所學位、或者有實際且多年的實驗室經驗等。
另一個選項則是「Bataille-Lyotard」觀點。此觀點將溝通分為弱溝通與強溝通。弱溝通指得是我們一般很不費力在進行的溝通，這些一般型態的溝通往往能夠產生表層上看來清楚的表達，且有助於雙方一起進行活動。但是當這種弱溝通失敗時，才是強溝通發生的時機，而強溝通就是發生在，參與人員都已經決定不再回到原本慣用的語言資源中，或者不再願意維持原有社群的社群認同，且願意協力打造出一個新的語言來。若以此觀點來分析跨領域溝通的話，則原本區分的 MDR, IRD, 與 TDR 變得不重要，甚至可以捨棄，因為這個區分對於理解跨領域溝通的型態成功與否，沒有提供實質的貢獻。
另一個對於跨領域溝通的重要分析來自於 Collins, Evans & Gorman (2007) 於 Studies in History and Philosophy of Science 所出版的 Trading Zones and Interactional Expertise。此篇文章是跨領域文獻中被引用次數且年度平均引用次數最高的一篇文章。[10]文章的最大特色是借用 Galison 與 Galison (1997) 所提出的「交易區」(trading zone) 這個譬喻概念，並將之擴增，以便分析出四種形態的跨領域溝通與協作模式。交易區是跨領域溝通與協作發生的區域，不同領域的學者在此區域處理跨領域溝通與協作上遇到的困難與挑戰。Galison 與 Galison 版本的交易區大多只側重在分析不同領域所使用的語言，Collins 等人則是將交易區依據兩條軸線區分成四個象限來分析。第一個軸線是根據跨領域協作的發生是否在某種權力的要求所進行的，或者是屬於自願性的合作。第二個軸線則是關於跨領域的產出是一種同質性或異質性的成果。而交易區則可根據這兩條軸線區分成四個象限，並分析出相對應的四大類跨領域溝通與協作型態，如下圖：
圖一 Collins, Evans & Gorman (2007, p. 659) 等人所區分的四類型交易區
第一類是左上角的平等溝通語言交易區 (inter-language trading zones)，此區的特色是高度自願跨域合作且產生的結果也是高度同質性，經典的例子就是生化領域的產生。生化領域是由一群能針對生物機制進行平等溝通的生物學家與化學家，他們的同質性高，能以合作的方式，透過平等溝通，發展出生化這樣一個同質性高的跨領域研究。
第二類是左下角的顛覆性交易區 (subversive trading zones)，是指在此交易的不同領域，其一領域的主宰性較強，以某種逼迫的方式顛覆其他領域原有的東西，因此，此區的特色是被主宰方強迫進行跨域，而產生的結果之所以是高度同質也是因為主宰方的內容取代了其他領域。
第三類是右下角的強制執行交易區 (enforced trading zones)，是指透過機構的政治力、法律約束力、或經濟實力來強制執行某種跨領域互動，這種形態可能產生壞的也可能產生好的跨領域結果，但通常都是異質性很高，因為是為了強制達成某特定政策、法律或經濟目標而進行的交易，被強制方多數只是被動地接受強制方所強制的內容。
第四類是右上角的分割交易區 (fractionated trading zones)，還可以再細分為兩個子類別。第一個子類別是邊界物體交易區 (boundary object trading zones)，是以物質性的物件作為交易媒介來進行跨域。第二個子類別是互動型專家交易區 (interactional expertise trading zones)，是以互動型專家作為媒介來進行跨域。
Collins 等人 (2007) 進一步針對互動型專家所具備的跨域能力進行分析，並指出這樣的跨域能力是社會學家、人類學家或民族學家對科學進行研究與分析時必須具備的跨域能力。Collins 等人對跨領域中互動型專家的分析，也直接或間接的影響學界開始重視何謂專家的分析 (Quast 2018; Watson 2020)。
另一個分析跨領域的角度是從參與跨領域的科學家們所具有的科學認知切入。此進路中最具代表性學者便是 Nersessian (1992, 1998, 1999, 2002, 2008)。Nersessian 以認知民族誌的研究方法分析跨領域科學實作，她的主要研究案例為生醫工程和系統生物學的實驗室。她的分析特色在於引入分佈認知 (distributed cognition) 的分析架構來詮釋她透過認知民族誌所收集到的質性資料。以實驗實作場域中問題解決歷程為分析對象為例，Nersessian 指出，科學家們的問題解決歷程是一種分散式認知歷程，其中至少牽涉到多種型態的模型（物理的、數學的、認知的）與科技物（儀器、工具等）。Nersessian 的許多作品都會強調科學家自身對於所要研究對象（或所使用的實驗系統）所持有的認知或心智模型所扮演的角色，特別是針對這些科學家們的認知模型在科學概念創新、科學推論、與跨領域研究實際上扮演的角色進行分析。[11]
MacLeod 也是跟隨 Nersessian 所開啟的研究進路與方法並與 Nersessian 長期合作 (MacLeod and Nersessian, 2013a, 2013b, 2013c, 2014, 2015, 2016)。MacLeod (2018) 引入了認知心理學所討論的領域特定性 (domain specificity) 來提出跨領域研究會面臨到什麼樣的認知挑戰。首先，他提出以學術組織來個體化一個領域不等同於以認知系統來個體化一個領域。也就是說，以一個學校的生醫工程院為單位來辨別生醫工程領域跟以一個分散式認知系統來辨別生醫工程領域是不一樣的分析。MacLeod 主張，以認知系統來個體化領域時，必須要使用到認知系統的相關特色，例如領域特定性便是其中之一。他和 Nersessian 針對生物學家、經濟學家和生態學家進行認知民族誌研究 (MacLeod and Nersessian, 2014 & 2016)，並基於他們對相關質性資料的分析提出下列假說：假設領域是一個認知系統的話，則這個領域具有領域特定性的特色。領域特定性包含下述兩種特質：一是只能處理一組範圍相對窄的特定議題或問題與，二是由於只能處理特定議題，因此缺乏處理其他議題的彈性 (MacLeod, 2018, p. 703)。假設此假說成立，MacLeod 接著分析領域特定性的特色會造成四種型態的跨領域互動上的認知困難 (MacLeod, 2018, pp. 705-716)。
Boon 與 Van Baalen (2019) 則是分析科學家們的後設認知與技能，以便進一步分析跨領域研究時所面臨的知識論上的挑戰。Boon and Van Baalen 先是從教育學文獻引入了一個預設，後設認知或技能在連結或統整不同領域知識時扮演必要的角色 (Spelt, et al., 2009; Khosa and Volet, 2013; Zohar and Barzilai, 2013; Van den Beemt, et al., 2020; Ivanitskaya, et al., 2002; Lourdel, et al., 2007; DeZure, 2010; Zohar and Barzilai, 2013; Goddiksen and Andersen, 2014)。然後，他們以後設認知鷹架 (metacognitive scaffold) (Zohar and Barzilai, 2013) 來指稱連結或整合不同領域知識所需的相關認知能力，並將之闡述如下：有能力理解科學知識的本質，並且此理解會影響他們如何連結或整合來自不同領域的知識。Boon (2017) 整理出兩種不同型態的後設認知鷹架，一種是她稱之為物理典範的後設認知鷹架，另一種是她稱之為工程典範的後設認知鷹架。Boon 與 Van Baalen (2019) 試圖指出使用物理典範的後設認知鷹架來進行跨領域知識連結或整合時，會使得研究者傾向於將跨領域困難理解為是語意與溝通上的問題。他們指出，若採取工程學典範的後設認知鷹架，則分析焦點將可以被導往以科學模型實作作為一種知識工具為核心的分析，他們認為這樣的分析方式比較好。
科學模型在科學哲學文獻中已經有相當多的論述 (Frigg, and Hartmann, 2020)，而科學建模 (modeling) 指的是科學家建構科學模型時所進行的各種活動、帶入的認知或知識價值、與使用的策略等。MacLeod 與 Nagatsu (2018) 便是從科學建模的角度切入，分析跨領域研究時，不同領域的建模活動、價值與策略之間如何互動。MacLeod 與 Nagatsu 認為目前的跨領域研究文獻中，多數是針對語言、溝通、文化的譬喻說法與分析，缺乏進入跨領域科學實作細節的分析，特別是他們所分析的建模架構、策略與價值。他們以環境科學中的跨領域建模活動作為案例，其中牽涉到的領域包含環境工程、經濟學、生態學、大氣科學、社會學、都市規劃學等。MacLeod 與 Nagatsu 根據他們所蒐集到的質性資料，整理出四種環境科學中跨領域建模策略：資料驅動型、整合型、模組型與取代型 (2018, pp. 78-80)。這四種建模策略提供了四種不同的方式讓跨領域學者將各自的資料、建模架構、與知識價值整合在一起，他們認為這四種模式可以提供「跨領域整合」這個概念一個具有經驗細節的分析。此外，這四種建模策略其實都是相對保守的策略，因為皆是以既有的建模架構為基礎所發展出來的，並非創造出一個全新的建模架構，與一般跨領域研究常被歌頌的創新形象不同，但 MacLeod 與 Nagatsu 認為環境科學中相對保守的建模策略是相當合理的，因為這符合 MacLeod (2018) 所觀察到領域因為領域特定性所帶來的認知限制 (cognitive constraints)，採取相對保守的建模策略，才有更高的機會達成領域整合。
MacLeod 與 Nersessian (2016) 則是針對系統生物學中的建模活動進行分析，由於系統生物學，不像經濟學有很多既有的數學模型架構可以使用，所以 MacLeod 與 Nersessian 針對系統生物學家如何透過借助其他領域的建模資源，將某個難以描述的複雜生物問題，轉型為可以用建模實作處理的問題。
Grüne-Yanoff (2011) 則是以演化賽局理論 (evolutionary game theory) 模型的發展歷史，來分析生物學與經濟學兩個領域之間的跨領域建模實作。他的分析指出演化賽局理論模型的發展歷史牽涉到的兩個重要的跨領域模型交換事件：一是生物學家將賽局理論模型引入生物學的建模實作，二是經濟學家將生物學家發展出來的演化賽局理論引入經濟學家的建模實作中。Grüne-Yanoff 仔細地分析這兩個歷史事件中，理論模型的那些細節被科學家引入生物學或經濟學建模實作中、為什麼科學家要引入、引入後如何被使用，以及既有的科學實作之間的關係為何。他指出生物學家在使用演化賽局理論模型時，重視的是要將模型中的抽象變數與參數對應到具體的經驗情境，而經濟學家則是較重視理論模型可以抽象地推導或探索出什麼樣的可能結果。此外，他指出這些他整理出來的細節，難以被傳統科學哲學中的科學理論統一或解釋統一的架構所處理。此外，Grüne-Yanoff (2016) 也指出演化生物學中的跨領域模型交換，產生了具有更精細解釋力的模型，成功地滿足了跨領域研究作為一種達成學術性目標（更高的解釋力）的工具，並且造成生物學領域內部實質的改變，如模型的使用方式等。但是，這兩個領域中並沒有發生如 Klein (2010) 觀點下的領域整合，也就是產生共享的語言或共識。因此，Grüne-Yanoff 主張，跨領域模型交換作為一種達成學術性目標的工具是成功的，但是這種成功不需要達成跨領域整合。
Knuuttila 與Loettgers (2016) 以伊辛模型 (Ising model) 作為案例，分析跨領域建模實作中，同一個方程式、數學或計算方法，被不同領域的學者使用時，會出現的差異與相關的推理模式，並藉此分析，科學家們可以如何支持模型從一個領域遷移到另一個領域時的可行性或合理性。他們的案例分析指出伊辛模型在物理學領域內部遷移時，可以透過證明不同物理子領域內的模型們皆屬於同一個類型 (university class)，並以此為基礎來證明模型遷移的合適性。但是，若將伊辛模型用來解釋社會經濟系統，則此模型遷移缺乏如物理學領域中有的數學證明來支持模型遷移的適用性。因此，他們主張用伊辛模型來模擬社會經濟系統的研究結果是有不少限制的。
Bradley 與 Thebault (2019) 提出模型遷移 (model migration) 與帝國主義 (imperialism) 兩個概念來描述兩種跨領域建模實作的型態。以模型遷移的方式來進行跨領域建模，不是以擴增原本模型所具有的表徵力或解釋力為目的，而是透過在新領域下重新證成相關模型中所設計的理想化假設，以便使模型可以被用來處理完全不一樣的現象，例如用原本處理分子動能交換的模型，透過模型遷移的建模方式，轉型成處理財富分配的經濟學模型。而帝國主義式的跨領域建模實作則是強調要擴增原模型的表徵力或解釋力。建模者通常會預期原本用來證成原模型中的理想化假設，在新領域也一樣適用。
模型遷移的文獻討論還可以被置放在一個更大的跨領域分析架構之下：知識遷移。Herfeld 與 Lisciandra (2019) 所編輯的專刊包含了 12 篇（含 Bradley & Thebault, 2019）從不同角度來討論知識遷移。知識遷移可先被拆解下列三個子議題：從何角度切入談科學知識、遷移的脈絡要如何分析、與遷移的歷程有哪幾種。專刊中的作者群，各自選了不同的視角分析跨領域研究中的知識遷移。
除了從科學認知與科學建模實作切入，也有學者從科學推理模式來分析跨領域研究。Knuuttila 與Loettgers (2014) 分析合成生物學家們如何透過使用類比推論模式，將工程學中的概念資源引入生物學研究之中。他們的分析指出在合成生物學中，負面類比 (negative analogy) 比正面類比 (positive analogy) 扮演更重要的知識論角色。換句說話，生物系統和工程系統之間的負面類比，也就是兩種類型的系統有何不同的類比推論分析，對於合成生物學家們在設計合成生物系統時，才是最核心的推理模式。舉例來說，雖然合成生物學家們會將生物系統正面類比為如同處理資訊的工程系統，但是他們更在意的是，不同於工程系統大多是屬於刺激反應的線性運作，生物系統有內在自生的系統動態性。這個生物系統與工程系統之間的負面類比，正是合成生物學家們在引入工程概念資源來設計合成生物系統時，會特別注重的類比推論分析，並試圖使用工程的概念資源創造出能夠反應生物系統特性的合成生物系統。
Andersen 與 Wagenknecht (2013) 以及Andersen (2016) 則是從科學知識的社會面向切入分析跨領域研究，特別是不同領域專家之間的知識依賴與信任關係，以及相對應的跨領域研究品質與學術責任 (accountability)。Andersen (2016) 提出以兩個光譜來區分科學研究活動結構。第一個光譜是由認知匯聚 (cognitive convergence) 與認知分化 (cognitive divergence) 所構成。第二個光譜是由知識依賴 (epistemic dependence)與知識獨立 (epistemic independence)。認知匯聚與認知分化是根據參與跨領域研究的科學家們的訓練歷程與背景、帶入的科學概念、模型、律則與方法的同質性高低來判斷。知識信任與獨立則是根據參與跨領域研究的科學家們在同一個跨領域合作計劃中，依賴對方所產生知識的程度。根據上述兩個光譜，Andersen 區分出圖二中的四種理想類型的科學研究活動。右下角是單領域內的分工，參與其中的研究者們通常具有類似的學術訓練與認知資源，藉由分工合作，彼此產生知識依賴關係。由於他們具備相似的學訓練與認知資源，分工後各自產出的成果較容易整合在一起。右上角則是跨領域的分工，參與其中的研究者們通常具有不同的學術訓練與認知資源，藉由分工合作，彼此產生知識依賴關係；但由於她們的學術訓練與認知資源差異較大，需要額外投入較多的資源才能將它們各自分工後產出的成果整合在一起。左下角是指領域內的傳奇人物，知識上完全獨立，可以靠自己一個人就完成相關研究。但 Andersen 認為這種型態實際上不存在，因為科學家們總是需要仰賴其他科學家們過去或現在的研究成果。左上角是指跨領域的全才型天才，也就是一個人同時具備多個領域的學術訓練與認知資源，所以在知識上不需要仰賴他人，自己本身就夠。Andersen 指出，但即便如此，跨領域的全才型天才還是需要面對如何將不同領域的研究成果整合在一起的挑戰。
圖二 Andersen 所區分的四種理想類型科學活動 (2016, p. 5, Fig. 3)
Andersen (2016) 指出，當越來越多的跨領域研究趨向較高的認知分化程度，這樣的跨領域研究學者之間的知識信任程度也越高。傳統上我們習於以單一科學家個體的知識獨立性與學術責任來進行學術品質控管，但是高認知分化與高知識信賴程度的跨領域研究團隊與成果似乎不適合使用上述這種個體化的學術責任模型。
跨領域哲學不僅是將跨領域實作作為研究對象，也在方法學層次上實踐跨領域研究。這是因為研究跨領域的科學實作哲學家們，需要相對應的工具才能收集到跟跨領域實作有關的經驗資料。換句話說，當實作家們想要將不同領域的實作結合在一起，以便處理某個複雜議題時，他們實際上到底遇到了什麼挑戰？他們實際上做了什麼去處理這些挑戰？這些都是在實作現場發生的活動細節，往往不見得會寫在已發表的學術期刊文章中。哲學家們若想對這些跨領域歷程與活動進行哲學分析，就需要有相對應的經驗方法來收集相關資料。但由於傳統科學哲學的研究方法為非經驗型的研究方法，較無法在此點上協助研究跨領域的哲學家收集資料，相關哲學家們只好從其他領域借用經驗型的研究方法來幫助他們收集資料。跨領域哲學家們引入的經驗研究方法包含，使用質性研究觀察、紀錄與分析跨領域實作、系統性地分析相關文獻、系統性地收集實作家們實際的意見、或舉辦工作坊來觀察與干預跨領域對話等。因此，
跨領域哲學為哲學領域設立了新的經驗型研究典範。期待未來有更多哲學新生代能參與此經驗型哲學研究典範的發展！
[1] 以下將介紹的質性研究法與問卷調查法是社會科學中常見的研究方法，讀者若想了解更多相關方法的細節，建議可參考中譯版的社會科學研究方法教科書：https://www.worldcat.org/oclc/1267580937?referer=di&ht=edition
[2] Nancy Nersessian長年持續發表以認知民族誌的研究方法來研究生醫工程實驗室的科學實作，相關作品請見：https://www.researchgate.net/profile/Nancy-Nersessian
[3] 此書將於2022年11月出版：https://mitpress.mit.edu/books/interdisciplinarity-making
[4] 可參考此篇哲學部落格文章，介紹使用Topic Modeling來進行科學史與科學哲學研究的近期發展：http://dailynous.com/2020/06/17/history-philosophy-journals-topic-modeling-weatherson/
[5] 更多關於文本探勘技術的入門介紹，可參考：http://www.cc.ntu.edu.tw/chinese/epaper/0031/20141220_3101.html
[6] 在網絡分析的脈絡下，圖被視為是網絡。
[7] 先驗 (a priori)型的心智哲學研究則是用來指稱未使用心智科學研究實作細節或成果的心智哲學研究。
[8] 更多細節請參考Toolbox Project的網站：https://tdi.msu.edu/
[9] 原文：“[a] process of answering a question, solving a problem, or addressing a topic that is too broad or complex to be dealt with adequately by a single discipline or profession . . . [interdisciplinary research] draws on disciplinary perspectives and integrates their insights into a more comprehensive perspective” (Newell, 2013, 24).
[10] 數據來源Web of Science，取用日期2020/12/08。
Aboelela, S. W., Larson, E., Bakken, S., Carrasquillo, O., Formicola, A., Glied, S. A., Haas, J., & Gebbie, K. M. (2007). Defining Interdisciplinary Research: Conclusions from a Critical Review of the Literature. Health Services Research, 42(1p1), 329–346. https://doi.org/10.1111/j.1475-6773.2006.00621.x
Allen, C., & Murdock, J. (2022). LDA Topic Modeling: Contexts for the History & Philosophy of Science. In Ramsey, G., De Block, A. (Eds.). The Dynamics of Science: Computational Frontiers in History and Philosophy of Science. Pittsburgh University Press.
Alvargonzález, D. (2011). Multidisciplinarity, Interdisciplinarity, Transdisciplinarity, and the Sciences. International Studies in the Philosophy of Science, 25(4), 387–403. https://doi.org/10.1080/02698595.2011.623366
Andersen, H. (2016). Collaboration, interdisciplinarity, and the epistemology of contemporary science. Studies in History and Philosophy of Science, 56, 1–10. https://doi.org/10.1016/j.shpsa.2015.10.006
Andersen, H., & Wagenknecht, S. (2013). Epistemic dependence in interdisciplinary groups. Synthese, 190(11), 1881–1898. https://doi.org/10.1007/s11229-012-0172-1
Aneas, A. (2015). Transdisciplinary technology education: A characterisation and some ideas for implementation in the university. Studies in Higher Education, 40(9), 1715–1728. https://doi.org/10.1080/03075079.2014.899341
Ankeny, R. A. (2007). Model organisms as case-based reasoning. In A. Creager, M. Norton Wise, & E. Lunbeck (Eds.), Science without Laws: Model Systems, Cases, Exemplary Narratives (pp. 46–58). Duke University Press.
Ankeny, R. A. (2011). Using cases to establish novel diagnoses: Creating generic facts by making particular facts travel together. In P. Howlett & M. S. Morgan (Eds.), How Well do Facts Travel? (pp. 252–272). Cambridge University Press.
Ankeny, R. A. (2014). The Overlooked Role of Cases in Causal Attribution in Medicine. Philosophy of Science, 81(5), 999–1011. https://doi.org/10.1086/677693
Apostel, L., Berger, G., Briggs, A., & Michaud, G. (Eds.). (1972). Interdisciplinarity Problems of Teaching and Research in Universities. Organization for Economic Cooperation and Development.
Aram, J. D. (2004). Concepts of interdisciplinarity: Configurations of knowledge and action. Human Relations, 57(4), 379–412. https://doi.org/10.1177/0018726704043893
Ball, L. J., & Ormerod, T. C. (2000). Putting ethnography to work: The case for a cognitive ethnography of design. International Journal of Human-Computer Studies, 53(1), 147–168. https://doi.org/10.1006/ijhc.2000.0372
Bammer, G. (n.d.). Disciplining Interdisciplinarity. ANU Press. https://doi.org/10.22459/DI.01.2013
Beebe, J. R., & Dellsén, F. (2019). Scientific Realism in the Wild: An Empirical Study of Seven Sciences and History and Philosophy of Science. Philosophy of Science, 87(2), 336–364. https://doi.org/10.1086/707552
Beemt, A. V. den, MacLeod, M., Veen, J. V. der, Ven, A. V. de, Baalen, S. van, Klaassen, R., & Boon, M. (2020). Interdisciplinary engineering education: A review of vision, teaching, and support. Journal of Engineering Education, 109(3), 508–555. https://doi.org/10.1002/jee.20347
Bergmann, M. (2013). The integrative approach in transdisciplinary research. In M. Bergmann, T. Jahn, T. Knobloch, W. Krohn, C. Pohl, & E. Schramm (Eds.), & R. C. Faust (Trans.), Methods for Transdisciplinary Research: A Primer for Practice (pp. 22–49). Campus Verlag.
Boon, M. (2017). An engineering paradigm in the biomedical sciences: Knowledge as epistemic tool. Progress in Biophysics & Molecular Biology, 129, 25–39. https://doi.org/10.1016/j.pbiomolbio.2017.04.001
Boon, M., & Van Baalen, S. (2019). Epistemology for interdisciplinary research—Shifting philosophical paradigms of science. European Journal for Philosophy of Science, 9(1), 16. https://doi.org/10.1007/s13194-018-0242-4
Bracken, L. J., & Oughton, E. A. (2006). “What Do You Mean?” The Importance of Language in Developing Interdisciplinary Research. Transactions of the Institute of British Geographers, 31(3), 371–382. JSTOR.
Bradley, S., & Thébault, K. P. Y. (2019). Models on the move: Migration and imperialism. Studies in History and Philosophy of Science Part A, 77, 81–92. https://doi.org/10.1016/j.shpsa.2017.11.008
Brigandt, I. (2013). Integration in biology: Philosophical perspectives on the dynamics of interdisciplinarity. Studies in History and Philosophy of Science Part C: Studies in History and Philosophy of Biological and Biomedical Sciences, 44(4, Part A), 461–465. https://doi.org/10.1016/j.shpsc.2013.09.009
Bruce, A., Lyall, C., Tait, J., & Williams, R. (2004). Interdisciplinary integration in Europe: The case of the Fifth Framework programme. Futures, 36(4), 457–470. https://doi.org/10.1016/j.futures.2003.10.003
Calvert, J., & Fujimura, J. H. (2011). Calculating life? Duelling discourses in interdisciplinary systems biology. Studies in History and Philosophy of Biological and Biomedical Sciences, 42(2), 155–163. https://doi.org/10.1016/j.shpsc.2010.11.022
Chang, H. (2012). Beyond Case-Studies: History as Philosophy. In S. Mauskopf & T. Schmaltz (Eds.), Integrating History and Philosophy of Science: Problems and Prospects (pp. 109–124). Springer Netherlands. https://doi.org/10.1007/978-94-007-1745-9_8
Collins, H., Evans, R., & Gorman, M. (2007). Trading zones and interactional expertise. Studies in History and Philosophy of Science Part A, 38(4), 657–666. https://doi.org/10.1016/j.shpsa.2007.09.003
Crow, M. M., & Dabars, W. B. (2015). Designing the New American University (1 edition). Johns Hopkins University Press.
Currie, A. (2015). Philosophy of Science and the Curse of the Case Study. In C. Daly (Ed.), The Palgrave Handbook of Philosophical Methods (pp. 553–572). Palgrave Macmillan UK. https://doi.org/10.1057/9781137344557_22
DeZure, D. (2010). Interdisciplinary pedagogies in higher education. In R. Frodeman, J. T. Klein, & C. Mitcham (Eds.), The Oxford Handbook of Interdisciplinarity (pp. 372–387). Oxford University Press.
Frigg, R., & Hartmann, S. (2020). Models in Science. In E. N. Zalta (Ed.), The Stanford Encyclopedia of Philosophy (Spring 2020). Metaphysics Research Lab, Stanford University. https://plato.stanford.edu/archives/spr2020/entries/models-science/
Frodeman, R. (2012). The Future of Interdisciplinarity: An Introduction to the 2nd Edition. In R. Frodeman, J. T. Klein, & C. Mitcham (Eds.), The Oxford Handbook of Interdisciplinarity (pp. 3–8). Oxford University Press.
Galison, P., & Galison, J. P. U. P. P. (1997). Image and Logic: A Material Culture of Microphysics. University of Chicago Press.
Gibson, A., & Ermus, C. (2019). The History of Science and the Science of History: Computational Methods, Algorithms, and the Future of the Field. Isis, 110(3), 555–566. https://doi.org/10.1086/705543
Goddiksen, M., & Andersen, H. (2014, November 14). Expertise in Interdisciplinary Science and EDucation [Preprint]. http://philsci-archive.pitt.edu/11151/
Gray, B. (2008). Enhancing transdisciplinary research through collaborative leadership. American Journal of Preventive Medicine, 35(2 Suppl), S124-132. https://doi.org/10.1016/j.amepre.2008.03.037
Grüne-Yanoff, T. (2011). Models as products of interdisciplinary exchange: Evidence from evolutionary game theory. Studies in History and Philosophy of Science Part A, 42(2), 386–397. https://doi.org/10.1016/j.shpsa.2010.12.004
Grüne-Yanoff, T. (2016). Interdisciplinary success without integration. European Journal for Philosophy of Science, 6(3), 343–360. https://doi.org/10.1007/s13194-016-0139-z
Khelfaoui, M., Gingras, Y., Lemoine, M., & Pradeu, T. (2021). The visibility of philosophy of science in the sciences, 1980–2018. Synthese. https://doi.org/10.1007/s11229-021-03067-x
Kreuzman, H. (2001). A co-citation analysis of representative authors in philosophy: Examining the relationship between epistemologists and philosophers of science. Scientometrics, 51(3), 525–539. https://doi.org/10.1023/A:1019647103469
Habermas, J. (2015). The Theory of Communicative Action: Reason and the Rationalization of Society, Volume 1. John Wiley & Sons.
Hammersley, M., & Atkinson, P. (2019). Ethnography: Principles in Practice.
Herfeld, C., & Lisciandra, C. (2019). Knowledge transfer and its contexts. Studies in History and Philosophy of Science Part A, 77, 1–10. https://doi.org/10.1016/j.shpsa.2019.06.002
Hirsch Hadorn, G., Pohl, C., & Bammer, G. (2010). Solving problems through transdisciplinary research. In R. Frodeman, J. T. Klein, & C. Mitcham (Eds.), The Oxford Handbook of Interdisciplinarity (pp. 431–452). Oxford University Press.
Hoffmann, M. H. G., Schmidt, J. C., & J. Nersessian, N. (2013). Philosophy of and as interdisciplinarity. Synthese, 190(11), 1857–1864. https://doi.org/10.1007/s11229-012-0214-8
Holbrook, J. B. (2013). What is interdisciplinary communication? Reflections on the very idea of disciplinary integration. Synthese, 190(11), 1865–1879. https://doi.org/10.1007/s11229-012-0179-7
Hutchins, E. (2003). Cognitive Ethnography. Proceedings of the Annual Meeting of the Cognitive Science Society, 25(25). https://escholarship.org/uc/item/16t462hb
Huutoniemi, K., Klein, J. T., Bruun, H., & Hukkinen, J. (2010). Analyzing Interdisciplinarity: Typology and Indicators. Research Policy, 39, 79–88. https://doi.org/10.1016/j.respol.2009.09.011
Ivanitskaya, L., Clark, D., Montgomery, G., & Primeau, R. (2002). Interdisciplinary Learning: Process and Outcomes. Innovative Higher Education, 27(2), 95–111. https://doi.org/10.1023/A:1021105309984
Jacobs, J. A., & Frickel, S. (2009). Interdisciplinarity: A Critical Assessment. Annual Review of Sociology, 35(1), 43–65. https://doi.org/10.1146/annurev-soc-070308-115954
Jantsch, E. (1972). Inter- and transdisciplinary university: A systems approach to education and innovation. Higher Education, 1(1), 7–37. https://doi.org/10.1007/BF01956879
Khosa, D. K., & Volet, S. E. (2013). Promoting effective collaborative case-based learning at university: A metacognitive intervention. Studies in Higher Education, 38(6), 870–889. https://doi.org/10.1080/03075079.2011.604409
Klein, J. T. (1990). Interdisciplinarity: History, theory, and practice. Wayne State University Press.
Klein, J. T. (1996). Crossing Boundaries: Knowledge, Disciplinarities, and Interdisciplinarities. University Press of Virginia.
Klein, J. T. (2010). A taxonomy of interdisciplinarity. In R. Frodeman, J. T. Klein, & C. Mitcham (Eds.), The Oxford handbook of interdisciplinarity (pp. 15–30). Oxford University Press.
Kline, S. J. (1995). Conceptual foundations for multidisciplinary thinking. Stanford University Press.
Knobe, J., & Nichols, S. (Eds.). (2008). Experimental Philosophy. Oxford University Press.
Knuuttila, T., & Loettgers, A. (2014). Varieties of noise: Analogical reasoning in synthetic biology. Studies in History and Philosophy of Science Part A, 48, 76–88. https://doi.org/10.1016/j.shpsa.2014.05.006
Knuuttila, T., & Loettgers, A. (2016). Model templates within and between disciplines: From magnets to gases – and socio-economic systems. European Journal for Philosophy of Science, 6(3), 377–400. https://doi.org/10.1007/s13194-016-0145-1
Krohn, W. (2010). Interdisciplinary cases and disciplinary knowledge. In R. Frodeman, J. T. Klein, & C. Mitcham (Eds.), The Oxford Handbook of Interdisciplinarity (pp. 15–30). Oxford University Press.
Krott, M. (2003). Evaluation of transdisciplinary research. In Encyclopedia of life-support systems. EOLSS Publishers.
Lattuca, L. R. (2001). Creating Interdisciplinarity: Interdisciplinary Research and Teaching among College and University Faculty. Vanderbilt University Press.
Lepori, B., van den Besselaar, P., Dinges, M., Potì, B., Reale, E., Slipersæter, S., Thèves, J., & van der Meulen, B. (2007). Comparing the evolution of national research policies: What patterns of change? Science and Public Policy, 34(6), 372–388. https://doi.org/10.3152/030234207X234578
Lourdel, N., Gondran, N., Laforest, V., Debray, B., & Brodhag, C. (2007). Sustainable development cognitive map: A new method of evaluating student understanding. International Journal of Sustainability in Higher Education, 8(2), 170–182. https://doi.org/10.1108/14676370710726634
MacLeod, M. (2018). What makes interdisciplinarity difficult? Some consequences of domain specificity in interdisciplinary practice. Synthese, 195(2), 697–720. https://doi.org/10.1007/s11229-016-1236-4
MacLeod, M., & Nagatsu, M. (2018). What does interdisciplinarity look like in practice: Mapping interdisciplinarity and its limits in the environmental sciences. Studies in History and Philosophy of Science Part A, 67, 74–84. https://doi.org/10.1016/j.shpsa.2018.01.001
MacLeod, M., & Nersessian, N. (2013a). The creative industry of integrative systems biology. Mind & Society: Cognitive Studies in Economics and Social Sciences, 12(1), 35–48.
MacLeod, M., & Nersessian, N. J. (2013b). Building Simulations from the Ground Up: Modeling and Theory in Systems Biology. Philosophy of Science, 80(4), 533–556. https://doi.org/10.1086/673209
MacLeod, M., & Nersessian, N. J. (2013c). Coupling simulation and experiment: The bimodal strategy in integrative systems biology. Studies in History and Philosophy of Biological and Biomedical Sciences, 44(4 Pt A), 572–584. https://doi.org/10.1016/j.shpsc.2013.07.001
MacLeod, M., & Nersessian, N. J. (2014). Strategies for coordinating experimentation and modeling in integrative systems biology. Journal of Experimental Zoology Part B: Molecular and Developmental Evolution, 322(4), 230–239. https://doi.org/10.1002/jez.b.22568
MacLeod, M., & Nersessian, N. J. (2015). Modeling systems-level dynamics: Understanding without mechanistic explanation in integrative systems biology. Studies in History and Philosophy of Biological and Biomedical Sciences, 49, 1–11. https://doi.org/10.1016/j.shpsc.2014.10.004
MacLeod, M., & Nersessian, N. J. (2016). Interdisciplinary problem- solving: Emerging modes in integrative systems biology. European Journal for Philosophy of Science, 6(3), 401–418. https://doi.org/10.1007/s13194-016-0157-x
Mäki, U. (2016). Philosophy of interdisciplinarity. What? Why? How? European Journal for Philosophy of Science, 6(3), 327–342. https://doi.org/10.1007/s13194-016-0162-0
Malaterre, C., Lareau, F., Pulizzotto, D., & St-Onge, J. (2020). Eight journals over eight decades: A computational topic-modeling approach to contemporary philosophy of science. Synthese. https://doi.org/10.1007/s11229-020-02915-6
McLevey, J., Graham, A. V., McIlroy-Young, R., Browne, P., & Plaisance, K. S. (2018). Interdisciplinarity and insularity in the diffusion of knowledge: An analysis of disciplinary boundaries between philosophy of science and the sciences. Scientometrics, 117(1), 331–349. https://doi.org/10.1007/s11192-018-2866-8
Mennes, J. (2020). Putting multidisciplinarity (back) on the map. European Journal for Philosophy of Science, 10(2), 18. https://doi.org/10.1007/s13194-020-00283-z
Mizrahi, M. (2020a). The Case Study Method in Philosophy of Science: An Empirical Study. Perspectives on Science, 28(1), 63–88. https://doi.org/10.1162/posc_a_00333
Mizrahi, M. (2020b). Conceptions of scientific progress in scientific practice: An empirical study. Synthese. https://doi.org/10.1007/s11229-020-02889-5
Mizrahi, M. (2021). Theoretical Virtues in Scientific Practice: An Empirical Study. The British Journal for the Philosophy of Science. https://doi.org/10.1086/714790
Morgan, M. S. (2012). Case Studies: One Observation or Many? Justification or Discovery? Philosophy of Science, 79(5), 667–677. https://doi.org/10.1086/667848
Morgan, M. S. (2014). Resituating Knowledge: Generic Strategies and Case Studies. Philosophy of Science, 81(5), 1012–1024. https://doi.org/10.1086/677888
Morgan, M. S. (2018). Exemplification and the use-values of cases and case studies. Studies in History and Philosophy of Science Part A. https://doi.org/10.1016/j.shpsa.2018.12.008
National Academy of Sciences, National Academy of Engineering, & Institute of Medicine. (2004). Facilitating Interdisciplinary Research. https://doi.org/10.17226/11153
Nersessian, N. (n.d.). The cognitive basis of model-based reasoning in science. In P. Carruthers, S. Stich, & M. Siegal (Eds.), The Cognitive Basis of Science (pp. 133–153). Cambridge University Press.
Nersessian, N. (1992). do scientists think? Capturing the dynamics of conceptual change in science. In R. N. Giere (Ed.), Cognitive Models of Science (pp. 3–45). University of Minnesota Press.
Nersessian, N. (1998). Conceptual change. In W. Bechtel & G. Graham (Eds.), A Companion to Cognitive Science (pp. 155-166.). Blackwell.
Nersessian, N. (1999). Model-based reasoning in conceptual change. In L. Magnani, N. Nersessian, & P. Thagard (Eds.), Model-Based Reasoning in Scientific Discovery (pp. 5–22). Kluwer Academic/Plenum Publishers.
Nersessian, N. J. (2008). Creating Scientific Concepts. A Bradford Book.
Nersessian, N. J. (2012). Modeling Practices in Conceptual Innovation: An ethnographic study of a neural engineering research laboratory. In U. Feest & F. Steinle (Eds.), Scientific Concepts and Investigative Practice (pp. 245–26). DeGruyter.
Nersessian, N. J. (2019). Interdisciplinarities in Action: Cognitive Ethnography of Bioengineering Sciences Research Laboratories. Perspectives on Science, 27(4), 553–581. https://doi.org/10.1162/posc_a_00316
Nersessian, N. J. (2022). Interdisciplinarity in the Making: Models and Methods in Frontier Science. MIT Press.
Nersessian, N. J., Newstetter, W. C., Kurz-milcke, E., & Davies, J. (2002). A mixed-method approach to studying distributed cognition in evolving environments. Proceedings of the International Conference on Learning Sciences.
Nersessian, N., & Patton, C. (2009). Model-based reasoning in interdisciplinary engineering. In A. W. M. Meijers (Ed.), The handbook of the philosophy of technology & engineering sciences (pp. 678–718). Springer.
Newell, W. H. (2013). The State of the Field: Interdisciplinary Theory. Issues in Interdisciplinary Studies. https://eric.ed.gov/?id=EJ1101054
O’Rourke, M., Crowley, S., & Gonnerman, C. (2016). On the nature of cross-disciplinary integration: A philosophical framework. Studies in History and Philosophy of Science Part C: Studies in History and Philosophy of Biological and Biomedical Sciences, 56, 62–70. https://doi.org/10.1016/j.shpsc.2015.10.003
O’Rourke, M., & Crowley, S. J. (2013). Philosophical intervention and cross-disciplinary science: The story of the Toolbox Project. Synthese, 190(11), 1937–1954. https://doi.org/10.1007/s11229-012-0175-y
Osbeck, L. M., & Nersessian, N. J. (2017). Epistemic Identities in Interdisciplinary Science. Perspectives on Science, 25(2), 226–260. https://doi.org/10.1162/POSC_a_00242
Palermos, S. O. (2014). Knowledge and cognitive integration. Synthese, 191(8), 1931–1951. https://doi.org/10.1007/s11229-013-0383-0
Pietsch, W. (2016). Two Modes of Reasoning with Case Studies. In T. Sauer & R. Scholl (Eds.), The Philosophy of Historical Case Studies (pp. 49–67). Springer International Publishing. https://doi.org/10.1007/978-3-319-30229-4_4
Piso, Z., O’Rourke, M., & Weathers, K. C. (2016). Out of the fog: Catalyzing integrative capacity in interdisciplinary research. Studies in History and Philosophy of Science Part A, 56, 84–94. https://doi.org/10.1016/j.shpsa.2016.01.002
Porter, A. L., Carley, S. F., Cassidy, C., Youtie, J., Schoeneck, D. J., Kwon, S., & Solomon, G. E. A. (2019). Measuring Interdisciplinary Research Categories and Knowledge Transfer: A Case Study of Connections between Cognitive Science and Education. Perspectives on Science, 27(4), 582–618. https://doi.org/10.1162/posc_a_00317
Porter, A., Roessner, J., Cohen, A., & Perreault, M. (2006). Interdisciplinary research — Meaning, metrics and nurture, Research Evaluation, 15(3): 187-195. Research Evaluation, 15, 187–196. https://doi.org/10.3152/147154406781775841
Quast, C. (2018). Towards a Balanced Account of Expertise. Social Epistemology, 32(6), 397–419. https://doi.org/10.1080/02691728.2018.1546349
Radomski, B. M., Šešelja, D., & Naumann, K. (2020). Rethinking the History of Peptic Ulcer Disease: From digital textual analysis to declining research programs. ScienceOpen Preprints. https://doi.org/10.14293/S2199-1006.1.SOR-.PPAAH0L.v1
Rosa, L. N. de la. (2017). Computing the Extended Synthesis: Mapping the Dynamics and Conceptual Structure of the Evolvability Research Front. Journal of Experimental Zoology Part B: Molecular and Developmental Evolution, 328(5), 395–411. https://doi.org/10.1002/jez.b.22741
Sá, C. M. (2008). ‘Interdisciplinary strategies’ in U.S. research universities. Higher Education, 55(5), 537–552. https://doi.org/10.1007/s10734-007-9073-5
Schmidt, J. C. (2008). Towards a philosophy of interdisciplinarity. Poiesis & Praxis, 5(1), 53–69. https://doi.org/10.1007/s10202-007-0037-8
Schmidt, J. C. (2011). What is a problem? Poiesis & Praxis, 7(4), 249–274. https://doi.org/10.1007/s10202-011-0091-0
Spelt, E. J. H., Biemans, H. J. A., Tobi, H., Luning, P. A., & Mulder, M. (2009). Teaching and Learning in Interdisciplinary Higher Education: A Systematic Review. Educational Psychology Review, 21(4), 365. https://doi.org/10.1007/s10648-009-9113-z
Stokols, D., Hall, K. L., Taylor, B. K., & Moser, R. P. (2008). The Science of Team Science: Overview of the Field and Introduction to the Supplement. American Journal of Preventive Medicine, 35(2, Supplement), S77–S89. https://doi.org/10.1016/j.amepre.2008.05.002
Thorén, H. (2015). The Hammer and the Nail: Interdisciplinarity and Problem Solving in Sustainability Science. PhD thesis. Lund University.
Thorén, H., & Persson, J. (2013). The Philosophy of Interdisciplinarity: Sustainability Science and Problem-Feeding. Journal for General Philosophy of Science, 44(2), 337–355. https://doi.org/10.1007/s10838-013-9233-5
Turner, V. K., Benessaiah, K., Warren, S., & Iwaniec, D. (2015). Essential tensions in interdisciplinary scholarship: Navigating challenges in affect, epistemologies, and structure in environment-society research centers. Higher Education, 70(4), 649–665.
Van Der Steen, W. J. (1993a). Towards disciplinary disintegration in biology. Biology and Philosophy, 8(3), 259–275. https://doi.org/10.1007/BF00860429
Van Der Steen, W. J. (1993b). Towards disciplinary disintegration in biology. Biology and Philosophy, 8(3), 259–275. https://doi.org/10.1007/BF00860429
Watson, J. C. (2020). Expertise: A Philosophical Introduction.
Weinberg, J., Nichols, S., & Stich, S. (2001). Normativity and epistemic intuitions. Philosophical Topics, 29, 429–460.
Weingart, S. B. (2015). Finding the History and Philosophy of Science. Erkenntnis, 80(1), 201–213. https://doi.org/10.1007/s10670-014-9621-1
Wray, K. B. (2010). Philosophy of Science: What are the Key Journals in the Field? Erkenntnis, 72(3), 423–430. https://doi.org/10.1007/s10670-010-9214-6
Yan, K., Liao, C., & Hricko, J. (2020). How Empirically-Informed is Empirically-Informed Philosophy of Mind? Taiwan Philosophical Association, Chang Jung Christian University, Tainan, Taiwan.
Yan, K., Tsai, M.-L., & Huang, T.-R. (2020). Improving the quality of case-based research in the philosophy of contemporary sciences. Synthese. https://doi.org/10.1007/s11229-020-02657-5
Yan, K., Tsai, M.-L., & Huang, T.-R. (2022). Integrating Scientonomy with Scientometric. In H. Barseghyan, P. Patton, G. Rupik, & J. Shaw (Eds.), Scientonomy: The Challenges of Constructing a Theory of Scientific Change. Vernon Press.
Zohar, A., & Barzilai, S. (2013). A review of research on metacognition in science education: Current and future directions. Studies in Science Education, 49(2), 121–169. https://doi.org/10.1080/03057267.2013.847261
Zou, Y., & Laubichler, M. D. (2018). From systems to biology: A computational analysis of the research articles on systems biology from 1992 to 2013. PLoS ONE, 13(7). https://doi.org/10.1371/journal.pone.0200929
%E7%AD%89%E4%BA%BA%E6%89%80%E5%8D%80%E5%88%86%E7%9A%84%E5%9B%9B%E9%A1%9E%E5%9E%8B%E4%BA%A4%E6%98%93%E5%8D%80.png)
.png)