一项面向全球学者的协作计划

在科学发展的过程中，没有任何学科是一成不变的。复杂系统科学与网络科学同样如此，其理论框架、方法体系与应用边界始终处于不断演化之中。

本项目为一项非商业学术计划，由帕多瓦大学的Manlio De Domenico研究团队发起。

Manlio De Domenico教授长期从事统计物理与复杂系统交叉领域研究，主要聚焦复杂系统与复杂网络动力学，研究对象涵盖生物系统、社会—技术系统及工程网络等现实世界复杂系统，重点探索多层耦合与相互依赖关系对系统涌现行为、传播过程及韧性机制的影响。

本项目旨在：

系统识别并梳理真正奠定学科基础的关键贡献

构建一个跨领域、结构化的知识图谱

反映复杂性科学在不同子领域中的实际使用方式与理解框架

为什么需要这项工作？

近年来，大模型与自动化工具使我们能够快速整合海量科研信息。然而，要识别哪些成果是基础性的——即真正塑造学科概念与方法核心的工作——仍然离不开专家的判断。

本项目旨在作为算法方法的有益补充，通过汇聚来自不同领域研究者的独立视角，借助集体智慧（collective intelligence），构建一个更加全面且结构化的学科基础认知。

需要强调的是，本项目的目标并非简单地对高被引论文进行排名，而是尝试构建一个反映学科真实基础结构的知识图谱，包括那些可能被关键词或引用分析所忽略的重要贡献。

项目范围

目前，项目已基于专家意见与精选资料建立了一个初步文献库。当前阶段的重点在于通过社区参与，对该文献库进行扩展与完善，特别关注识别那些尚未被充分代表的重要工作。

本项目的范围不限于明确标注为复杂系统或网络科学的研究，还包括来自相关领域的基础性贡献，这些工作在概念层面深刻影响了该学科的发展，例如信息、动力学、演化、计算、组织与适应等。

换言之，我们关注的是构成复杂性科学概念基础的来源，而不仅仅是学科标签本身。

如何参与？

如果你从事复杂系统、网络科学或相关交叉领域的研究，欢迎参与本次调研。

你只需提交少量关键论文（使用 DOI 形式），包括被广泛认可的经典工作，以及你认为重要但可能被忽视的贡献。

问卷填写时间不到10分钟。

所有提交内容将被汇总、去重，并在不同子领域与贡献类型之间进行分析，例如理论框架、方法、应用、跨学科桥梁，以及来自邻近领域的基础性输入。

参与者将有机会获得署名致谢，并可优先获取该项目研究成果。

与既有工作的关系

本项目是对当前基于计算与计量方法的复杂系统研究图谱的一种补充，例如基于关键词的文献分析、大规模书目数据库挖掘以及自动化主题发现等方法。

这些方法有助于揭示研究的显性结构，但往往难以捕捉那些不使用当代术语的概念源头，或跨学科引入的重要思想。

此外，本项目也借鉴了以往的社区实践经验，例如 Complexity Explained（已被翻译为15种语言）以及 Complexity Thoughts（复杂性科学传播项目）。本次工作在此基础上，进一步迈向更加系统化与社区驱动的综合性梳理。

学术背景

研究成果将向所有参与者及更广泛的学术社区开放共享。

本项目不收集个人隐私信息，所有数据仅以汇总形式使用。

结语

复杂性科学的形成，从来不是单一学科内部演化的结果，而是多种思想长期交汇的产物。

本项目希望通过集体智慧，勾勒出这一学科真正的知识底座。

如果你也在这一领域探索，欢迎贡献你的视角，让我们吸引更多的研究人员加入复杂系统与网络科学研究。

原文: 

https://manliodedomenico.com/complexity_map.php