基于MIPS形成方案环节的智库群体决策路径建构与应用

冯佳昊 陈安

摘要：[目的/意义]随着有待智库解决的问题域不断拓宽，智库研究的对象变得复杂而广泛，学科交叉属性日益凸显。科学把握智库研究的基本逻辑，积极优化与探索智库决策路径尤为重要。[方法/过程]通过对逻辑层次法（MIPS）中的形成方案环节进行勾勒，本文构建了智库群体决策路径模型。该模型由汇总匹配环节与择优决策环节组成，其中汇总匹配环节包括汇总匹配工具箱等，择优决策环节包括问题认知、解析、求解和决策与统筹等模块。随后本文运用案例对其进行实证。[结果/结论]经散发疫情防控的实证环节证明，基于MIPS形成方案环节构建的智库群体决策路径模型具有合理性与可用性。

关键词：智库研究    雙螺旋结构    逻辑层次法（MIPS）   群体决策

分类号：C93-03

DOI： 10.19318/j.cnki.issn.2096-1634.2022.03.04

1  引言

自2015年我国国家高端智库建设试点工作启动以来，各地的智库建设如火如荼，大量智库机构和智库产品喷涌而出。有学者通过对现有智库研究方法，如德尔菲法、技术预见方法、未来技术分析（FTA）等进行调研，发现当前相关研究普遍缺乏对智库研究过程系统性的思考与归纳[1]。潘教峰[2]从智库研究全过程的视角提出了智库研究的过程融合法即收集数据-揭示信息-综合研判-形成方案（data-information-intelligence-solution，DIIS）[1]，随后又从智库研究的逻辑层次视角提出了逻辑层次法即机理分析-影响分析-政策分析-形成方案（mechanism-imapct-policy-solution，MIPS）。DIIS与MIPS分别从研究流程和研究逻辑的角度描述智库研究反复迭代最终形成解决方案的过程，二者构成智库研究的双螺旋结构。智库研究的双螺旋结构适用于智库研究中群体分析与决策的过程。1987年，黄清莱（Hwang）对群体决策进行了明确的定义：群体决策，是指不同成员提出自己认同的决策方案，随后组织者将所有方案汇集，决策参与者基于某种规则，最后形成一致性的决策方案排序，这是一个不断协商与调整的过程[3]。群体决策作为一种决策方式，可以汇集多方面的利益，克服决策个体认知、知识等方面的不足，在决策过程中融合了知识管理、智慧管理、智库决策等内容，是科学决策的重要路径。国内外学者围绕群体决策过程进行了大量研究。赫伯特·西蒙认为决策过程包括探查环境阶段、设计活动阶段、抉择活动阶段和审查活动阶段[4];李照顺等[5]认为群体决策过程包括五个阶段即发现问题、确定目标、设计决策方案、方案评选和执行反馈;埃雷拉别德玛（Herreraviedma）等提出群体决策过程主要包括两个过程即共识过程和选择过程，其中共识过程是为了使得最终解决方案与专家之间达成共识，而选择过程则是对各决策备选方案进行最优选择的过程[6];马拉科特（Malakooti）构建了一个基于四维度的决策过程模型，分别是信息处理、替代生产、替代评估和最终决议[7]。基于上述研究成果，本文拟从智库研究双螺旋结构的系统视角出发，根据双螺旋结构中MIPS形成方案（solution）环节的内涵构建智库群体决策模式路径，最后以新冠肺炎疫情防控的案例来验证该理论模型的合理性，以期为智库双螺旋结构的完善与发展做出贡献。

2  基于MIPS形成方案环节的智库群体决策路径建构

“solution”一词，在牛津词典中的语意为“为达成某种目标或目的而实施的一种解决方法或手段”。在智库领域的相关研究中，有学者将其定义为“针对具体的问题，为实现智库研究的目标，经过分析与判断后而提出的解决措施”[8]。据此可以看出，在常规的智库语境下，“solution”（解决方案）指的是为解决问题或达成目标而采取的必要措施。在智库研究的双螺旋结构中，“solution”一词则有着更加丰富的内涵。潘教峰提出智库研究整体应遵循“解析-融合-还原”的过程逻辑，即在进行智库研究前，首先对智库问题进行解析，将其分解为一系列的子问题，然后结合各类知识对子问题进行融合研究，最后进行综合还原，提出解决问题的方案[2]。由此可见，在智库双螺旋结构中，形成方案环节表征的更多的是一个汇总与还原的过程，即对前期分解的智库子问题进行逐一解决和融合，随后将众多子问题的研究结果汇总、还原、归一，最终形成解决方案。形成方案是双螺旋结构中的最后一环也是最重要的一环，在形成方案环节内还原的过程中应考虑与机理分析、影响分析和政策分析环节的衔接，因此，本文将MIPS中的形成方案环节阐释为：形成方案环节是一个综合还原的过程，是将机理分析环节、影响分析环节和政策分析环节中分析与研判产生的结果进行汇总与还原，并对结果进行择优决策，择出最优解决方案的过程。

根据上述形成方案环节的内涵，本文将基于形成方案环节的智库群体决策路径分为汇总匹配环节和择优决策环节。如图1所示，机理分析、影响分析和政策分析是指逻辑层次法中的前三个分析环节;运行DIIS流程是指在机理分析、影响分析和政策分析中，每个环节均进行收集数据-揭示信息-综合研判-形成方案的操作流程;S1M、S1I和S1P分别是指每个环节均进行DIIS流程化操作后得到的分析结果与判断。

在智库群体决策路径中（见图1），S1M、S1I和S1P会被汇总起来并输入汇总匹配环节，该环节内的汇总匹配工具箱会对S1M、S1I和S1P进行汇总整理，判断学科所属边界，匹配专家对问题进行研判等，最终形成融合了不同学科背景专家智慧的判断结果。择优决策环节是对上一环节输出的判断结果进行择优决策，该环节设置有四个阶段：决策问题认知（包括划分问题结构、明确决策目标、明确决策准则和明确约束条件）、决策问题解析（包括描述问题特征和识别问题类型）、决策问题求解（包括问题求解和结果评价）和方案统筹与决策（包括方案统筹与最终决策）。这四个阶段依次运行并输出最终的解决方案。B01A86D0-EB3A-46CC-A46F-BC0598190637

2.1  智库群体决策路径中的汇总匹配环节

汇总匹配环节是形成方案环节中最初始和最基础的一环。在该环节中，机理分析、影响分析和政策分析环节运行DIIS流程后产生的分析与研判结果将在此汇总，并进入汇总匹配工具箱。作为汇总匹配环节中最核心的组成部分，汇总匹配工具箱对各个环节分析与研判产生的结果进行识别，并匹配相关领域专家进行研判与分析，最终输出融合了专家智慧的判断结果等待进入择优决策环节。

汇总匹配工具箱的主要功能如图2所示，主要包括汇总、匹配与研判。该工具箱包括两个库和三个模块，即案例库与专家库，以及问题识别模块、专家匹配模块和专家研判模块（见图3）。汇总匹配工具箱的主要作用是汇总上文所述的S1M、S1I和S1P，对其进行学科属性的判断，并寻找合适的专家对其进行综合研判。

汇总匹配工具箱的运行流程如下：首先，输入S1M、S1I以及S1P，问题识别模块通过与案例库进行信息交换，对输入的内容进行识别，识别方式为通过扫描工具箱内的案例库，与输入的内容进行比对，判断其所属学科领域与关键问题;其次，在专家匹配模块中，专家匹配模块与专家库进行数据交换，从专家库挑选与问题领域相关的能够对此进行分析与研判的专家;最后，在专家研判模块中，对输入工具箱的内容进行研判，并融入专家智慧，最终输出融合专家智慧的解决方案，记为S2。

2.1.1  案例库    案例库是汇总匹配工具箱的基础，应作为基础资源大力建设。在案例库运行的前期，应将大量关于智库研究的非结构化、半结构化的学科与研究数据进行结构化处理，储存进案例库并不断进行更新与完善，使得输入相关问题后能够检索匹配問题所属领域与学科。这既有利于全面地、准确地掌握当前智库领域发展的态势，又有利于对输入的问题进行快速的分析与比对，迅速判断出问题所属学科与领域。

（1）案例库的构建思路

案例库的构建包括：首先，通过调研和专家座谈方式得到相应的需求以确定案例库建立的标准;其次，互联网等现代手段与阅读纸质文件等传统方式相结合，寻找各个学科各个领域的案例;最后，建立包括案例名称、案例所属学科、案例所属领域大类的案例库。

（2）案例库的功能

案例库的功能包括：首先，搜集不同领域、不同学科的智库决策报告，将其内容与学科进行结构化处理，提供问题识别与比对服务，一旦问题输入，快速对案例库内容进行检索，框定输入问题的学科与领域;其次，不断丰富案例库，对输入的问题与专家研判模块输出的解决方案进行匹配、整理与完善，形成结构完整的智库案例，重新纳入案例库内。

（3）案例库构建的原则

案例库构建的原则包括以下几个方面。

第一，全面性原则。全面搜集纸制文件和互联网内的各大资源库，最大范围地覆盖政治、经济、社会、文化等各个领域，寻找相应的智库决策报告，以保障案例库的全面覆盖性。

第二，典型性原则。案例库选取的案例应均可代表此类案例，当遇到此类问题需要匹配时，可快速地找到此类案例对应的学科与领域。

第三，持续性原则。案例库基础数据是否充足直接影响数据库的质量，若案例库内案例数量过少，则难以满足实际需要，这就要求不断添加最新的案例以保证案例库的质量与匹配准确性。

2.1.2  专家库    专家库是汇总匹配工具箱中核心的战略资源，需将智库研究涉及领域中尽可能多的、不同学科、不同方向的专家纳入专家库，使得能够尽快匹配到可以胜任研判问题的专家。

（1）专家库的构建思路

专家库的构建思路包括：首先，通过调研和专家座谈方式得到相应的需求以确定选择专家的标准;其次，根据案例库中搜集的案例所属学科类别搜集相关领域内较为权威与知名的专家;最后，建立包括专家姓名、单位、研究方向、所属学科领域等信息的专家库。

（2）专家库的功能

专家库的功能包括：首先，作为囊括不同领域、不同学科专家的数据库，内部拥有相关的搜索匹配算法为专家匹配模块提供检索与比对的功能;其次，随着匹配工具箱的不断运作，专家库应不断纳入越来越多不同背景的专家，以满足相应的需求。

（3）专家库的构建原则

专家库的构建原则包括以下几个方面。

第一，全面性原则。专家学科背景的覆盖应有足够的广度，除了搜集案例库内所属领域的相关专家外，还应全面搜集互联网以及各大数据库资源，以保证全面性。

第二，权威性原则。专家的选取应慎重，尽量选取在某一领域深耕多年、拥有代表性成果且颇有声望的专家学者，以保证专家库内专家的专业性。

2.1.3  问题识别模块    问题识别是汇总匹配工具箱发挥作用的基本前提和必要条件，该环节通过问题采集、定位、建模和预处理等一系列方法对输入的问题进行快速查找与确认，这也是工具箱体系运行的初始阶段。问题采集过程一般情况下是输入一个或者一系列待识别学科与领域的问题，在已建立的数据库中，根据存储的大量智库报告数据进行比对筛选。现有的数据库存储的是经过结构化的信息编码，问题识别系统输出的是一组或多组信息编码，用于表明问题的学科属性。问题识别模块的针对性与时效性，对快速识别输入问题的类型具有重要的实践意义。与此同时，随着各学科交叉融合速度的加快，输入的问题的跨学科属性将愈发凸显。问题识别模块可以对输入的复杂的问题进行快速分析和识别，从而有效地缩短解决问题的时间。

2.1.4   专家匹配模块    专家匹配模块是连接待匹配问题与专家的桥梁。该模块通过对问题识别模块输出的问题学科与领域信息编码进行分析，将其与专家库内的专家信息特征进行比对与匹配，输出适合解决此问题或可能解决此问题的专家名单。专家匹配模块将内置搜索与匹配算法库，能够随时对问题识别模块输出的信息编码进行搜索与匹配，匹配逻辑为优先匹配学科细分方向。若匹配失败，则以学科大类为匹配原则，寻找适合解决此问题或可能解决此问题的专家。B01A86D0-EB3A-46CC-A46F-BC0598190637

2.1.5  专家研判模块    专家研判模块是汇总匹配工具箱中的核心模块。该模块将根据专家匹配模块输出的推荐专家进行专家咨询与研判活动。匹配到的专家应对输入汇总匹配工具箱中的S1M、S1I以及S1P进行分析与研判。首先，对S1M、S1I以及S1P进行整理与汇总;其次，结合专家自身经验与阅历对汇总后的S1M、S1I和S1P进行研判，最大限度地融入专家智慧;最后，尽可能多地给出科学、准确的解决方案S2（S2是融合了不同学科领域专家智慧的产物）。

2.2  智库群体决策路径中的择优决策环节

经过汇总匹配环节的分析与研判，本文已经尽可能多地得到了融合不同学科领域专家智慧的S2。那么如何对诸多的S2进行选择，挑选出一个最适合当前智库问题的解决方案？本文认为对S2进行选择与挑选，其本质是一个由不同人员（专家、决策人员、工作人员）参与的群体决策过程。

赫伯特·西蒙将决策过程划分为四个阶段[4]：第一，探查环境阶段（寻找决策的条件）;第二，设计活动阶段（制定和分析所有能够实施的行动方案）;第三，抉择活动阶段（从能够实施的方案中择优挑选出一个方案）;第四，审查活动阶段（对上一阶段做出的选择进行评价与总结）。

杜威将决策过程划分为定义问题、制作与收集备选方案、选择可行的最优行动方案三个阶段。法埃、马佐里尼、明茨伯格、斯里瓦斯塔瓦和格朗均建立了概念化的决策过程模型，把决策过程大致分为三个步骤：问题描述与目标建立、识别与决策方案产生、分析并选择可行方案[9]。

综合上述决策过程的研究成果，参照智库问题研究中普遍遵循的发现问题-分析问题-解决问题的思路，本文将择优决策环节划分为四个阶段：决策问题认知、决策问题解析、决策问题求解和方案統筹与决策。在决策过程中，组织专家、决策人员与工作人员等对相关问题进行群体研讨活动。

2.2.1  决策问题认知阶段    决策问题认知阶段是对决策问题进行初步探索的阶段。在此过程中，应明确决策的对象、目标及决策准则与约束条件，并对复杂的决策问题进行分解[10]。

首先，划分决策问题。对决策问题的划分应坚持问题导向，根据现实具体情况将决策问题划分为若干个子问题，子问题下可继续分割为更加细分的子问题，直到不能再划分为止。在后续的工作中对这些子问题进行各个击破。子问题划分的原则是：根据子问题间的关系与规则，对其中的关键问题进行识别，随后把所有的关键问题分解为子问题树。

其次，明确决策目标。在研讨活动开始时，应明确研讨决策目标，这样才能让参与者更好地了解研讨某一特定决策问题所需要达到的结果。在研讨过程中，参与者应根据问题基本情况、背景和条件约束等客观事实提出符合自身认知规律的决策目标。经过几轮群体研讨，最终明确每一个子问题的决策目标。

再次，明确决策准则。针对一个决策问题有许多种方案，哪一种才是最合适的，决策准则能够提供一个标准，用来检测方案是否达到标准。

最后，明确约束条件。资源总是稀缺并有限的，决策过程总是时时刻刻地受到人、财、物等资源的限制。明确约束条件，才能够最终形成合适和可行的决策方案。

2.2.2  决策问题解析阶段    决策问题解析就是对决策问题认知阶段已划分的子问题进行识别与解析。对决策问题进行解析，应对问题以及子问题进行特征描述与识别类型。

首先，描述问题特征。描述问题特征包括对问题所含属性及背景的介绍以及对问题从历史域、现实域以及未来域方面的判断等。要完成决策问题，应阐明决策问题中包含的所有问题特征，例如问题背景、目标、路径、准则等[11];除此之外，还应对上一阶段划分的所有子问题进行问题特征的描述。

其次，识别问题类型。识别问题类型是为了运用合适、恰当的解决方法对问题进行求解。对子问题所属的学科领域、学科边界以及解决子问题所需要的具体方法等识别与分析，能够进一步勾勒子问题的轮廓。

2.2.3  决策问题求解阶段    对决策问题的求解就是运用上一阶段确定的解决方法对问题求解，得出结果并对结果及其求解过程进行评价。

首先，问题求解。研讨人员根据子问题的决策目标、决策准则、约束条件以及在决策问题解析阶段最终确定的问题求解方法，对子问题进行求解（包括收集数据、参数调整、揭示信息等），获得求解结果。每一个子问题求解完毕后，将其集中起来等待对其结果进行评价。

其次，结果评价。研讨人员对汇集的子问题的求解结果进行分析，包括对结果的完整性、准确性、科学性以及获取过程的规范性进行评价等。若评价结果得不到研讨人员的认可，则重新进入解析环节进行问题描述、问题类型识别、问题求解等，直至最终得到研讨人员的认可。

2.2.4  方案统筹与决策阶段    经过决策问题求解阶段阶段，各个子问题均有了结果。那么如何使得子问题的结果汇集起来也能变得最优，形成最佳的解决方案？这就需要决策方案统筹阶段。在该阶段需要将上一阶段的子问题求解结果和评价结果汇集起来进行一系列的反复研讨与迭代，最终得出全局性的方案，这是参与研讨人员的智慧结晶。

3  基于MIPS形成方案环节的智库群体决策路径模型

基于MIPS形成方案环节的智库群体决策路径是将机理分析（mechanism）、影响分析（impact）和政策分析（policy）各个环节运行DIIS流程后的结果汇总并择优决策的过程。如图4所示，本文将各个环节经过DIIS1后产生的结果分别记为S1M、S1I和S1P，汇总整理后，记为S汇，进入汇总匹配环节。汇总匹配环节的第一个环节是问题识别模块，在该模块，将S汇进行结构化的数据整理，使其符合问题识别所需的规范与标准格式，通过问题识别模块与案例库的交互运作，识别模块识别出输入的S汇属于何种学科与领域并将学科领域信息写入S汇，案例库则将其整理为新的案例并重新纳入案例库中;根据S汇内写入的学科领域特征信息，专家匹配模块对其进行读取，并在专家库内运用算法搜索相关领域和学科的专家学者，若针对细分学科搜索的匹配度不高，则针对其学科大类搜索，选出大概率适合解决此问题的专家学者，进入专家研判模块;在该模块中，挑选出的专家应结合自身的学科背景与知识对S汇进行系统性的分析与研判，最终形成诸多凝结专家智慧的S2。B01A86D0-EB3A-46CC-A46F-BC0598190637

至此，汇总匹配环节完成，进入择优决策环节。S2进入决策问题认知阶段，在该阶段研讨人员将反复研讨以将问题划分为子问题，同时，确定问题结构，明确决策目标、决策准则和约束条件;随后进入决策问题解析阶段，研讨人员需要描述问题特征、识别问题类型以及寻找解决问题的具体方法;在问题求解阶段需使用确定的具体方法对问题进行求解并评价，若评价得不到研讨人员的肯定，则需重复问题解析阶段的步骤，直至评价结果被研讨人员接受;全局性的、符合现实情境的最终解决方案在方案统筹与决策阶段被确定。

4  基于MIPS形成方案环节的智库群体决策路径应用——以新冠肺炎疫情防控为例

2019年爆发的新冠肺炎疫情在世界范围内蔓延，给各国的经济、社会生活等诸多方面造成了巨大影响。自疫情暴发以来，中国境内多地疫情呈现出散发的态势，如何能够及时、有效地控制住散点状、密集暴发的散发疫情是当前亟待解决的问题。本节以2021年7月南京散发疫情防控为例，以验证前文构建理论框架的合理性。

4.1  汇集散发疫情防控案例中的S1M、S1I和S1P

在此案例中，机理分析阶段，经过DIIS流程后，对散发疫情的判断如下所示：

（1）此次南京基础散发疫情的主要病毒类型为德尔塔病毒，其具有病毒载量高、传播速度快等特性，比以往的病毒亚型更具有破坏性;

（2）已经接种疫苗的人群并不能完全对德尔塔病毒免疫，但能够降低重症率;

（3）疫情来源为境外输入，在隔离、转运等环节出现纰漏，出现病毒扩散，最终造成散发疫情;

……

以上即前文所提S1M。

在影响分析阶段，经过DIIS流程后，对散发疫情的判断如下所示：

（1）散发疫情，对暴发地的消费影响较大;

（2）若散发疫情发现不及时，还将影响暴发地周围的地区，形成蔓延趋势;

……

以上即前文所提S1I。

在政策分析阶段，经过DIIS流程后，对散发疫情的判断如下所示：

（1）散发疫情的出现导致该地相关政策（如就业政策、税收政策等）的变动;

（2）散发疫情的出现导致该地出现部分区域的封闭，此举会对该地的交通运输政策等产生影响;

……

以上即前文所提S1P。

将S1M、S1I和S1P汇总起来记为S汇，进入汇总匹配环节。

4.2  运行汇总匹配环节

将S汇进行整理，通过问题识别模块，与当前案例库比对，判断出当前问题跨学科领域比较广泛，涉及生物学、公共卫生学、经济学、国际关系、管理学、社会学等各大领域及其细分领域。检索专家库，寻找相应领域的专家对问题进行研判，形成S2。经过研判与分析，生成的S2如下：此次散发疫情中毒株为德尔塔病毒，应尽早接种疫苗、戴口罩;在接种疫苗的基础上，做好自身防护，佩戴口罩，尽量减少去人员密集的场所，勤洗手，多通风;应严格执行航班熔断机制，严格执行机场内的境内境外分区机制;加强境外输入人员的隔离管理，严格执行“14+7”等入境隔离政策，并根据特殊情况酌情“加码”;应慎重考虑疫情暴发区域封闭的程度;应做到在尽量不影响居民正常生产活动的基础上进行疫情防控……

4.3  运行择优决策环节

在此环节，组织相关领域与学科的专家进行群体研讨，经过以下四个阶段的研讨与反复迭代，最终得出疫情防控措施。

4.3.1  问题认知阶段    在该阶段，首先应明确此次的目标是制定散发疫情防控策略，对目标进行问题分解，将其分解成若干个不同领域的子问题。例如，如何根据德尔塔病毒的特点制定适宜的防控策略;散发疫情如果控制不及时会造成什么后果;如何实现散发疫情的精细化防控，避免大规模的区域封闭，等等。其次，应明确决策准则与约束条件。此次疫情的第一要务是保护人民群众的生命财产安全，因此，准则条件是最大限度地保护人民的生命安全，确保疫情不扩散和蔓延;疫情的防控受到多种资源条件的限制，例如，人力资源、医疗资源、财政资源等。组织相关领域专家对上述问题进行研讨，随后进入下一阶段。

4.3.2  问题解析阶段    在该阶段，参与研讨的专家与参会人员对问题特征进行描述，即此次散发疫情具备哪些与之前疫情的不同之处，对此有什么看法;此次疫情严重程度如何等。随后参与研讨的人员针对问题寻找合适的解决方案，例如，针对此次疫情的蔓延程度与严重程度，应采取何种措施去消解其危害;针对其传播速率快、载毒量高的特性，如何针对性地加强核酸检测力度和加强隔离管理等。

4.3.3  问题求解阶段    在该阶段，参与研讨的人员对上文分解的诸多子问题进行研讨与求解，随后工作人员将结果汇集并进行研讨与评价，经过反复的研讨，最终意见趋于统一。在意见逐渐统一的过程中，专家与研讨人员不断进行信息反馈与调整。例如，针对此次德尔塔病毒与早期病毒特征异同的问题，参与研讨的有关流行病学专家会进行研讨与分析并对此做出相应的判断，然后将此判断直接或间接地反馈给管理学、社会学领域的专家，使其能够根据此次德尔塔病毒传播速度快、病毒载量高等特征，针对不同场所有针对性地设计相应的防疫措施。

4.3.4  统筹与决策階段    经过几轮迭代后，专家们的意见最终趋同，形成对此次南京散发疫情防控的措施建议，具体为以下几点：加强境外输入口岸（如机场、港口等）的疫情防控管理，强化机场境内境外隔离分区管理;提高核酸检测质量及速度，建议对重点人群（入境人员、重点地区工作人员）增加核酸检测频次;严格执行定点医院的隔离制度，避免院内感染的发生;强化疫情防控链条中每个点的作用，做到不懈怠、不放松。B01A86D0-EB3A-46CC-A46F-BC0598190637

5  結论

本文通过对MIPS中形成方案环节的内涵进行阐释与勾勒，构建了基于MIPS形成方案环节的智库群体决策路径，主要有两个环节：汇总匹配环节和择优决策环节。其中，汇总匹配环节包括案例库、专家库、问题识别模块、专家匹配模块和专家研判模块，而择优决策环节则包括问题认知阶段、问题解析阶段、问题求解阶段和统筹与决策阶段。最后，本文以2021年7月发生在南京的散发疫情防控为案例，系统地验证了基于MIPS形成方案环节智库群体决策路径模型的合理性。经实践后发现，本模型尚存在专家库规模较小、匹配过程准确度较低、问题求解阶段流程设计冗余、研讨效率低下等问题，仍有待在未来的研究中做进一步的优化。

参考文献：

[1] 潘教峰， 杨国梁， 刘慧晖. 智库DIIS三维理论模型[J]. 中国科学院院刊， 2018， 33（12）： 1366-1373.

PAN J F， YANG G L， LIU H H. Three-dimensional theoretical model in think tank DIIS[J]. Bulletin of Chinese Academy of Sciences， 2018， 33（12）： 1366-1373.

[2] 潘教峰. 智库研究的双螺旋结构[J]. 中国科学院院刊， 2020， 35（7）： 907-916.

PAN J F. Double helix structure of think tank research[J]. Bulletin of Chinese Academy of Sciences， 2020， 35（7）： 907-916.

[3] HWANG C L， LIN M J. Group decision making under multiple criteria： Methods and applications[M]. Berlin， Heidelberg： Springer Science & Business Media， 2012： 5.

[4] （美）赫伯特·西蒙. 管理决策新科学[M]. 李柱流， 译. 北京： 中国社会科学出版社， 1982： 34.

SIMON H. The new science of management decision[M]. LI Z L， translated. Beijing： China Social Sciences Press， 1982： 34.

[5] 李照顺， 宋祥斌， 许锦洲. 决策支持系统及其军事应用[M]. 北京： 国防工业出版社， 2011： 16.

LI Z S， SONG X B， XU J Z. Decision support system and its military application[M]. Beijing： National Defense Industry Press， 2011： 16.

[6] HERRERA-VIEDMA E， ALONSO S， CHICLANA F， et al. A consensus model for group decision making with incomplete fuzzy preference relations[J]. IEEE Transactions on Fuzzy Systems， 2007， 15（5）： 863-877.

[7] MALAKOOTI B. Decision making process： Typology， intelligence， and optimization[J]. Journal of Intelligent Manufacturing， 2012， 23（3）： 733-746.

[8] 朱旭峰. 构建中国特色新型智库研究的理论框架[J]. 中国行政管理， 2014（5）： 29-33.

ZHU X F. A theoretical framework for the study on new-style think tanks with Chinese characteristics[J]. Chinese Public Administration， 2014（5）： 29-33.

[9] SABHERWAL G， GROVER V. Computer support for strategic decision-making processes： Review and analysis[J]. Decision Sciences， 1989， 20（1）： 54-76.

[10] 顾基发， 王浣尘， 唐锡晋， 等. 综合集成方法体系与系统学研究[M]. 北京： 科学出版社， 2007： 85.

GU J F， WANG H C， TANG X J， et al. Meta-synthesis method system and systematology research[M]. Beijing： Science Press， 2007： 85.

[11] 张志强， 张朋柱. 面向复杂决策任务的综合集成决策研讨总体框架设计[J]. 系统工程理论与实践， 2006， 27（1）： 9-17， 41.

ZHANG Z Q， ZHANG P Z. Design the overall framework of metasynthetic engineering for argumentation towards complex decision tasks[J]. Systems Engineering-Theory and Practice， 2006， 27（1）： 9-17， 41.B01A86D0-EB3A-46CC-A46F-BC0598190637

作者贡献说明：

冯佳昊：收集资料，设计论文结构，撰写论文初稿;

陈  安：提出论文选题，提出重要观点，提供研究指导。

Construction and Application of Group Decision-Making Path for Think Tanks Based on MIPS-Solution

Feng Jiahao1，2  Chen An1，3

1University of Chinese Academy of Sciences， Beijing  100049

2School of Public Policy and Management， UCAS， Beijing  100049

3Institutes of Science and Development， Chinese Academy of Sciences， Beijing  100190

Abstract： [Purpose/significance] With the increasing scope of problems to be solved by think tanks， the research objects of think tanks have become complex and extensive， and the interdisciplinary nature of think tank research has become increasingly prominent. It is particularly important to scientifically grasp the basic logic of think tank research， and actively optimize and explore new paths for think tank decision-making. [Method/process] This paper constructs the solution stage in MIPS， and builds a think tank group decision-making path model. The model consists of a summary matching stage and a merit-based decision-making stage. The summary matching stage includes the summary matching toolbox. The optimal decision-making link includes the modules of problem cognition， analysis， solution， decision-making and overall planning. Based on the theoretical model， this paper uses cases to demonstrate it. [Result/conclusion] The empirical results proves that the think tank group decision-making path model  based on the MIPS-Solution is reasonable and usable.

Keywords： think tank research    double helix structure    logical hierarchy method（MIPS）    group decision-making

收稿日期：2021-10-08      修回日期：2022-02-16

?本文系国家社科基金后期资助项目“智库研究方法：源起、发展与建构”（项目编号：19FGLB028）研究成果之一。

作者简介：冯佳昊，中国科学院大学公共政策与管理学院博士研究生，E-mail： justchange95@163.com;陈安，通信作者，中国科学院科技战略咨询研究院研究员，博士生导师，E-mail： change1970@163.com。B01A86D0-EB3A-46CC-A46F-BC0598190637