# 政治符號學 2.0——共享政治世界、關係耦合與動態契約
## Paper 01：政治知識的多源性
### 為什麼政治學專業不等於政治全知

**Political Semiotics 2.0 — Shared Political Worlds, Relational Coupling, and Dynamic Contract**  
**Paper 01: The Plural Sources of Political Knowledge — Why Expertise in Political Science Does Not Equal Total Political Omniscience**

**作者：Neo.K × Aletheia**  
**機構：EveMissLab／一言諾科技有限公司**  
**版本：v0.1**  
**日期：2026-08-30**  
**性質：內部研究論文／系列認識論基礎篇**

---

## 摘要

政治是一個特殊的知識領域。它一方面形成了政治學、政治哲學、公共行政、國際關係、政治經濟學、選舉研究、歷史學與社會學等高度專業化的學術體系；另一方面，政治又不是只有專業研究者才能接觸的外部對象。一般公民每天都生活在法律、稅制、行政、教育、住宅、勞動、市場、安全、地方網絡、政黨競爭、媒體與公共政策之中，因此同時也是政治系統的觀察者、受影響者、參與者與資訊節點。

本文提出「政治知識多源論」（Plural-Source Political Epistemology, PSPE）作為本系列的認識論入口。其核心主張不是「普通人比政治學者更懂政治」，也不是「專業知識不重要」，而是拒絕以下過度推論：

$$
\text{Political Science Expertise}
\Rightarrow
\text{Superior Political Judgment in Every Political Domain}.
$$

本文將政治知識拆分為理論知識、方法知識、數據知識、歷史知識、地方知識、網絡知識、制度實作知識、生活經驗知識、策略知識與反身性知識等多個來源，並主張不同主體在不同知識維度上可能具有高度不對稱的優勢。政治專業性的主要價值，不在於取得對政治實在的認知壟斷，而在於提供較高程度的概念分辨、資料驗證、方法約束、可反駁推論、跨案例比較與累積性論證能力。

本文同時重新界定政治分析中的「客觀性」。政治研究者不可能徹底脫離本體論預設、價值權重、問題選擇與觀察尺度；因此，較可行的目標不是「沒有立場」，而是使立場、假設、資料來源、推論步驟與反證條件可見。本文提出：

$$
\boxed{
\text{Objectivity}^{*}
=
\text{Explicit Assumptions}
+
\text{Methodological Constraint}
+
\text{Counterevidence Access}
+
\text{Revisability}
}
$$

本文最後將政治知識多源論接回政治符號學 2.0：任何「這個人懂政治」「那個人不懂政治」「專家說了算」「民意只是情緒」等語句，都應被視為高壓縮政治符號，進一步拆解其所指向的知識類型、觀察位置、資料可達性、受影響關係與判斷任務。這一認識論基礎將直接導向下一篇：公民是否必須先成為政治專家，才具有批評政治人物與制度的正當性？

**關鍵詞：** 政治知識、多源認識論、政治專業、地方知識、生活經驗、方法論、客觀性、政治符號學、公民判斷、認知不對稱

---

# 第一部　問題：誰真正「懂政治」？

## 1. 政治專業與政治現實之間的張力

現代政治研究高度專業化。政治學者可能接受多年訓練，熟悉民主理論、比較政治、政治制度、因果推論、博弈模型、選舉資料、國際關係理論與政治思想史。這些能力顯然不是一般公民自動具備的。

然而，在實際政治討論中又會出現一個反覆可見的現象：某些未受正式政治學訓練的人，對地方派系、行政運作、政黨人物、歷史細節、政策副作用、社會情緒、利益交換或政治人物的行動習慣具有極高敏感度。他們未必能用學術語言表達，也未必掌握完整的資料驗證方法，但他們可能擁有研究者無法直接取得的一階資訊。

因此，真正的問題不是：

> 政治學者與普通公民誰比較聰明？

而是：

> **不同政治主體到底掌握了哪些不同類型的政治知識？這些知識在什麼任務下具有認知優勢？**

這要求我們放棄單軸的「懂／不懂政治」，改用多維知識模型。

---

## 2. 「懂政治」不是單一變量

若把政治理解能力簡化成：

$$
K_i^{politics}
\in[0,1],
$$

我們會假設存在一條共同尺度，可以把所有人從「最不懂政治」排到「最懂政治」。

這種模型對某些粗略評估或測驗有用，但不足以描述真實政治認知。本文改定義主體 $S_i$ 的政治知識向量：

$$
\mathbf{K}_i(t)
=
\left(
K_i^{th},
K_i^{meth},
K_i^{data},
K_i^{hist},
K_i^{local},
K_i^{net},
K_i^{inst},
K_i^{lived},
K_i^{strat},
K_i^{refl}
\right)_t
$$

其中：

- $K_i^{th}$：理論知識（Theory）；
- $K_i^{meth}$：方法知識（Methodology）；
- $K_i^{data}$：資料與統計知識（Data）；
- $K_i^{hist}$：歷史知識（Historical）；
- $K_i^{local}$：地方與場域知識（Local）；
- $K_i^{net}$：人際、組織與非正式網絡知識（Network）；
- $K_i^{inst}$：制度實作知識（Institutional-Practical）；
- $K_i^{lived}$：生活經驗與被治理經驗（Lived）；
- $K_i^{strat}$：策略與博弈知識（Strategic）；
- $K_i^{refl}$：反身性知識（Reflexive）。

因此，對兩個主體 $S_a,S_b$ 而言，完全可能：

$$
K_a^{th}>K_b^{th}
$$

同時：

$$
K_a^{local}<K_b^{local}.
$$

也可能：

$$
K_a^{meth}>K_b^{meth}
$$

但：

$$
K_a^{net}<K_b^{net}.
$$

這不是矛盾，而是知識來源不同。

---

# 第二部　政治知識的十個主要來源

## 3. 理論知識：把零散現象放入可比較結構

理論知識的價值在於壓縮與比較。

一個人看到選舉、政黨競爭、利益團體、官僚制度、民族動員與政權轉型，如果缺乏理論，可能只能把每個事件當成孤立故事。理論提供：

$$
\text{Event}
\rightarrow
\text{Concept}
\rightarrow
\text{Comparable Structure}.
$$

它使研究者可以問：這是委託—代理問題、集體行動問題、制度鎖定、精英分裂、資訊不對稱，還是民族建構、國家能力與合法性危機？

理論的強項是跨案例抽象；弱點則是抽象模型可能把重要的地方差異壓平。

## 4. 方法知識：限制自己不要想當然耳

方法知識不是「知道很多政治故事」，而是知道如何約束推論。它包括如何區分相關與因果、如何處理選擇偏差、如何確認樣本代表性、如何使用反例、如何區分觀察資料與規範判斷，以及如何在證據不足時降低結論強度。

因此方法知識的功能可表示為：

$$
\mathcal{M}:
\text{Raw Political Belief}
\rightarrow
\text{Constrained Inference}.
$$

專業研究的重要價值之一，就是讓「我覺得」不能無限制地冒充「我證明」。但方法本身也不能替代內容知識。如果輸入資料錯誤、分類錯誤、問題設定錯誤，再精緻的方法也可能只會產生精緻的錯誤。

## 5. 數據知識：從印象走向分布

人類對政治世界的直覺常受到可見事件與最近事件影響。一個犯罪新聞可能讓人高估犯罪率；一場大型抗議可能讓人誤判整體支持度；一個特別成功的政策案例可能掩蓋平均失敗率。

數據知識使分析者從：

$$
\text{Salient Event}
$$

轉向：

$$
\text{Distribution}.
$$

但數據也依賴分類與測量。若指標本身錯誤：

$$
\text{Good Statistics}
+
\text{Bad Measurement}
\rightarrow
\text{Reliable Measurement of the Wrong Thing}.
$$

## 6. 歷史知識：政治系統具有記憶

政治不是每次都從空白開始。制度、政黨、民族、法律、外交關係、地方網絡與集體記憶都有路徑依賴。

令政治系統狀態為：

$$
X(t).
$$

更合理的更新形式是：

$$
X(t+1)
=
F\left(X(t),H_t,U_t\right),
$$

其中 $H_t$ 表示歷史累積， $U_t$ 表示當期輸入。歷史知識可以避免把今天的政治語言誤認為今天才出現，也可以提醒我們：同一制度形式在不同歷史條件下可能產生完全不同結果。

## 7. 地方知識：中央看不到的細節

政治學術最容易被低估的一種知識，是場域性的地方知識。它可能包括某地方真正有影響力的人是誰、某法規在現場如何被繞過、某候選人正式政見之外的長期人際網、某行政窗口實際如何處理案件，以及某社群真正關心的並非公開議題而是另一個生活問題。

地方知識往往具有：

$$
\text{High Specificity}
+
\text{Low Transferability}.
$$

它未必能直接推廣到全國，但對特定情境的解釋力可能遠高於全國平均模型。

## 8. 網絡知識：正式制度之外的政治

政治不只發生在憲法、議會、選舉與政府公告。大量政治作用存在於政黨內部關係、商業與政治連結、地方人脈、官僚協調、媒體關係、派系、專業社群、非正式信任與口耳相傳。

因此正式制度圖：

$$
G_{formal}
$$

往往只是完整政治網絡：

$$
G_{political}
$$

的一部分：

$$
G_{formal}\subset G_{political}.
$$

某些長期身處網絡中的參與者，可能不知道完整理論，卻能非常準確地預測誰會跟誰合作、誰其實不會支持某案、哪個制度表面可行但現場不會動。這是一種真實政治知識。

## 9. 制度實作知識：知道規則與知道規則怎麼跑不同

閱讀法律條文與理解行政程序是一回事；真正知道制度如何被執行又是另一回事。

可以區分：

$$
K^{rule}
$$

與：

$$
K^{runtime}.
$$

因此：

$$
\text{Institutional Text}
\neq
\text{Institutional Runtime}.
$$

這種差距在行政、司法、醫療、教育、地方政府與軍事體系中特別重要。

## 10. 生活經驗知識：被治理者知道政策如何落到身上

一項政策可能在報告中表現為：

$$
\Delta GDP>0
$$

但對某些主體而言卻可能同時存在：

$$
\Delta Housing<0,
\qquad
\Delta Time<0,
\qquad
\Delta Security<0.
$$

生活經驗知識使主體直接接觸政策的微觀後果。它不能自動證明宏觀因果，但也不能被「只是個案」簡單取消。

因此：

$$
\text{Anecdote}
\neq
\text{Population Estimate}
$$

但也：

$$
\text{Anecdote}
\neq
\text{No Evidence}.
$$

個案可以揭示機制、生成假設與暴露指標盲區；人口推論仍需要更廣泛資料。

## 11. 策略知識：政治是多人互相預測

政治主體不只回應制度，也會預測其他主體。因此政治決策包含：

$$
S_i
\rightarrow
\widehat{S_j}
\rightarrow
a_i.
$$

長期參與談判、選舉、組織管理、商業競爭或派系互動的人，可能形成高度實用的策略知識，例如辨認談判姿態、讓步路徑、象徵問題與脆弱聯盟。這些判斷可能難以立刻形式化，卻具有行動價值。

## 12. 反身性知識：知道自己也是模型的一部分

政治分析者不是永遠站在系統之外。研究者可能支持某種制度、來自某個階級、使用特定語言、受某國法律保護、在某些議題上承擔直接成本，並選擇了某一套理論問題。

因此政治認識論需要：

$$
K_i^{refl}
=
\text{Knowledge of one's own epistemic position}.
$$

反身性不是要求研究者放棄立場，而是要求知道：我的資料來源、尺度、價值、職業訓練與生活位置，正在讓我更容易看見什麼，又更容易忽略什麼？

---

# 第三部　專業性的真正優勢

## 13. 專業不等於全知，但專業仍然有結構性價值

政治知識多源論若被誤讀成「人人都一樣懂」，就失去意義。

專業研究者的優勢通常集中在：

$$
\mathbf{K}_{expert}
=
\left(
K^{th},
K^{meth},
K^{data},
K^{hist},
K^{compare},
K^{verify}
\right).
$$

其重要能力包括把個案放入較大的比較框架、區分描述解釋與規範、辨識常見推論錯誤、追蹤資料來源、建立可公開檢查的論證、把零散觀察轉化成累積性知識，以及在反例出現時修正模型。

所以本文不是：

$$
\text{Expertise}\approx0.
$$

而是：

$$
\boxed{
\text{Expertise}
=
\text{Domain-Specific Epistemic Advantage},
\quad
\text{not Universal Political Supremacy}.
}
$$

## 14. 任務依賴：誰比較懂，取決於你問什麼

令政治任務為：

$$
T_k.
$$

某主體對任務的有效認知能力為：

$$
E_i(T_k)
=
\mathbf{w}_{T_k}^{T}\mathbf{K}_i.
$$

其中 $\mathbf{w}_{T_k}$ 表示該任務需要哪些知識維度。

若任務是分析選制改革的跨國效果，理論、方法、資料與比較政治知識可能具有較高權重；若任務是判斷某地方政治人物能否動員特定基層組織，地方、網絡、歷史與策略知識可能更重要；若任務是判斷某福利程序是否真的可使用，制度實作與生活經驗可能具有更高權重。

因此：

$$
\boxed{
\text{Epistemic Superiority}
=
\text{Task Relative}.
}
$$

而不是固定身分。

---

# 第四部　學術客觀性的重新定義

## 15. 「沒有立場」不是可操作的政治研究標準

任何政治研究都需要決定研究什麼、不研究什麼、哪些主體算一個單位、什麼叫自由、平等、國家成功與政策成本，以及哪個時間尺度重要。這些選擇本身已經包含本體論與價值預設。

所以：

$$
\text{Objectivity}
\neq
\text{Absence of Position}.
$$

若研究者宣稱完全沒有位置，反而可能把預設隱藏在分類與指標中。

## 16. 程序客觀性

本文提出較弱但更可操作的客觀性概念：

$$
\boxed{
\text{Objectivity}^{*}
=
A+M+C+R
}
$$

其中：

- $A$：Assumption Visibility，假設可見；
- $M$：Method Constraint，方法約束；
- $C$：Counterevidence Access，反證可進入；
- $R$：Revisability，可修正性。

它要求的不是研究者變成沒有價值的人，而是：即使讀者不同意研究者的價值立場，也能看清他的資料、方法與推論，並指出在哪一步不同意。

## 17. 本體論透明度

政治論文常在第一步就偷偷決定「什麼存在」。例如：國家是單一行動者嗎？人民是一個集合還是一個代理？民意是一個平均數還是一個分布？市場是自然存在還是制度生成？國家利益能否獨立於公民利益？

若這些問題沒有明說，後面的「客觀模型」可能只是：

$$
\text{Hidden Ontology}
\rightarrow
\text{Formal Analysis}.
$$

因此政治科學除了方法透明，也需要：

$$
\boxed{
\text{Ontological Transparency}.
}
$$

---

# 第五部　普通人的政治知識為什麼有時很犀利

## 18. 高頻接觸與微觀累積

一般公民可能每天接觸房價、通勤、薪資、稅務、教育、醫療、警政、地方行政、媒體、工作法規與公共建設。

令某政治領域的接觸頻率為：

$$
f_i^{contact}.
$$

長期累積後：

$$
K_i^{lived}
\sim
\int
f_i^{contact}(t)\cdot q_i(t)\,dt,
$$

其中 $q_i(t)$ 表示每次經驗被記憶、比較與反思的品質。因此即使沒有正式理論，一些人仍可能形成非常高解析度的模式辨識。

## 19. 小料、傳聞與非正式資訊的雙面性

政治實務中存在大量正式資料之外的資訊。這些資訊可能極有價值，也可能完全錯誤。

因此：

$$
\text{Informal Information}
=
\text{Potential Signal}
+
\text{High Noise Risk}.
$$

其正確處理方式不是：

$$
\text{Rumor}\Rightarrow\text{True}
$$

也不是：

$$
\text{Rumor}\Rightarrow\text{Ignore}.
$$

而是：

$$
\text{Rumor}
\rightarrow
\text{Hypothesis}
\rightarrow
\text{Independent Verification}.
$$

普通人的優勢可能在於較早取得訊號；專業方法的價值在於幫助判斷這個訊號是否真的成立。

---

# 第六部　認知整合，而不是專家與人民對立

## 20. 最差的兩種政治認識論

第一種錯誤是：

$$
\boxed{
\text{Expert Says It}
\Rightarrow
\text{Political Truth}.
}
$$

第二種錯誤則是：

$$
\boxed{
\text{People Experience It}
\Rightarrow
\text{General Political Truth}.
}
$$

兩者都把單一知識來源絕對化。

## 21. 多源驗證

較好的政治分析應把不同來源疊加：

$$
\mathcal{K}^{*}
=
\mathcal{F}
\left(
K^{th},
K^{meth},
K^{data},
K^{hist},
K^{local},
K^{net},
K^{inst},
K^{lived},
K^{strat},
K^{refl}
\right).
$$

但 $\mathcal{F}$ 不是簡單平均。如果某一任務依賴地方資訊，地方知識權重應增加；如果需要估計全國平均效果，數據與方法權重應增加；如果需要分析制度正當性，則規範理論與主體經驗都不能被刪除。

所以更精確的是：

$$
\mathcal{K}^{*}(T)
=
\mathcal{F}_{T}
\left(
\mathbf{K}_1,
\mathbf{K}_2,
\ldots,
\mathbf{K}_n
\right).
$$

政治知識整合因此本身也是一個任務依賴的加權問題。

---

# 第七部　政治符號學 2.0 的接口

## 22. 「懂政治」本身是一個高壓縮符號

當某人說：

> 他不懂政治。

這個句子至少可能表示不懂政治理論、不懂歷史、不懂數據、不懂地方政治、不懂行政、不懂人情網、不懂策略、不懂自己正在承受的制度作用，或只是「他的結論跟我不同」。

因此「不懂政治」不是一個充分精確的判斷。只有說明缺少哪一類知識，批評才具有較高解析度。

## 23. 知識位置也是政治關係的一部分

政治符號學 2.0 已把政治理解為對主體選擇底空間的變換。資訊與知識直接影響主體能否知道自己有哪些選項。

若某制度持續控制誰能知道什麼、哪些資料可取得、哪些概念可以被說、哪些歷史能被記住、哪些地方經驗可被公共化，那它不只是在影響「意見」，而是在改變主體能否形成有效政治判斷。

可寫成：

$$
\Pi^{info}:
\mathfrak{B}_i
\rightarrow
\mathfrak{B}'_i.
$$

因此認識論本身具有政治性。

---

# 第八部　九項核心命題

## 24. PSPE-A1：政治知識多源命題

$$
\boxed{
K^{politics}
\neq
K^{single}.
}
$$

政治知識不能還原為單一知識來源。

## 25. PSPE-A2：專業優勢局部性命題

$$
\boxed{
\text{Expertise}
\Rightarrow
\text{Local Epistemic Advantage},
\quad
\not\Rightarrow
\text{Universal Superiority}.
}
$$

## 26. PSPE-A3：任務依賴命題

$$
\boxed{
E_i
=
E_i(T).
}
$$

誰比較具有認知優勢取決於分析任務。

## 27. PSPE-A4：生活經驗非零證據命題

$$
\boxed{
\text{Lived Experience}
\neq
0
}
$$

但：

$$
\text{Lived Experience}
\neq
\text{Automatic Population Inference}.
$$

## 28. PSPE-A5：地方知識不可完全中央化命題

某些高場域依賴資訊在轉移過程中必然存在損失：

$$
I_{transfer}<I_{local}.
$$

因此全域模型需要地方輸入，而不能假設中央觀察者可完整重建一切。

## 29. PSPE-A6：方法約束不等於內容充分命題

$$
\boxed{
\text{Good Method}
\not\Rightarrow
\text{Good Conclusion}
}
$$

若問題定義、資料或本體分類錯誤，方法無法自動修正全部上游錯誤。

## 30. PSPE-A7：客觀性程序化命題

$$
\boxed{
\text{Objectivity}^{*}
=
\text{Visible Assumptions}
+
\text{Constraint}
+
\text{Counterevidence}
+
\text{Revision}
}
$$

## 31. PSPE-A8：知識整合非平均命題

$$
\boxed{
\mathcal{K}^{*}
\neq
\frac{1}{n}\sum_iK_i.
}
$$

不同任務需要不同知識權重。

## 32. PSPE-A9：政治知識不可形成身分壟斷命題

任何角色都不能僅憑身分宣稱：

$$
\operatorname{FinalPoliticalTruthAuthority}(S_i)=1.
$$

政治知識的可信度應來自其對特定問題的資料、方法、位置與驗證能力，而不是「學者」「官員」「記者」「選民」「在地人」等標籤本身。

---

# 第九部　限制與反例

## 33. 多源論不是相對主義

承認多種知識來源，不代表所有說法同樣可靠。

若某主張與可重複驗證的資料明顯衝突，即使它來自真實生活經驗，也必須修正。

所以：

$$
\text{Plural Sources}
\neq
\text{Equal Validity}.
$$

多源認識論要求的是擴大證據入口，而不是取消驗證。

## 34. 專業研究仍然具有不可替代的公共功能

大規模資料整理、因果分析、跨國比較、歷史檔案、理論累積與同行批判，通常需要長期專業分工。

因此本文不支持「既然人人都有經驗，就不需要政治學」。正確結論是：

> **政治學應該知道自己是哪一種高強度知識來源，而不是把自己誤認成政治實在的唯一入口。**

## 35. 群眾也會共同犯錯

大量人共享某種判斷，不保證判斷為真。資訊封閉、群體極化、恐懼、宣傳、身份壓力與錯誤記憶，都可能使：

$$
\operatorname{MajorityBelief}(p)
$$

和：

$$
\operatorname{Truth}(p)
$$

分離。

因此不能從「人民有政治知識」跳到「人民永遠正確」。

---

# 第十部　通往 Paper 02：從知識資格到批評正當性

## 36. 最重要的分離

本文最後需要建立一個對下一篇至關重要的區分：

$$
\boxed{
\text{Epistemic Quality}
\neq
\text{Political Standing}.
}
$$

一個人的政治判斷可能非常粗糙，他仍可能是被政策直接作用的人、納稅人、被法律約束的人、風險承擔者、選民、共同體成員，或被某公職代表的人。

因此「他不夠專業」最多先影響：

$$
Q_i^{critique}
$$

即批評的認知品質。

它是否同時取消：

$$
L_i^{critique}
$$

即批評的政治正當性，則是另一個問題。

這正是 Paper 02 的起點。

---

# 結論

本文拒絕兩種簡化：第一，政治學專業訓練自動產生對全部政治現實的認知優越；第二，只要生活在政治之中，每個人的任何政治判斷都同樣可靠。

政治知識更合理的形式是：

$$
\boxed{
\mathbf{K}_i
=
\left(
K^{th},
K^{meth},
K^{data},
K^{hist},
K^{local},
K^{net},
K^{inst},
K^{lived},
K^{strat},
K^{refl}
\right)
}
$$

每種知識都有可見域與盲區。

專業性的真正優勢不是「我沒有立場」或「我比所有人更懂政治」，而是：

> **我能更清楚地說明我用了什麼概念、資料與方法，哪些地方我知道，哪些地方我不知道，什麼證據會讓我修正。**

而普通公民的政治知識也不應被浪漫化。其價值在於提供生活世界、地方網絡、制度實作與受治理經驗中不可被中央模型完整取代的資訊。

政治科學如果能把這些來源重新整合，就不需要在「專家治理」與「民粹反專業」之間二選一。真正需要建立的是一套多源、可驗證、可修正、任務依賴的政治認識論。

因此本系列第一篇最終提出：

$$
\boxed{
\text{Political Knowledge}
=
\text{Plural}
+
\text{Situated}
+
\text{Task-Relative}
+
\text{Verifiable}
+
\text{Revisable}.
}
$$

下一篇將進一步處理：

> **即使公民的批評並不專業，他是否仍然具有要求政治人物、政府與制度回答的政治資格？**

---

# 內部理論接口

1. EveMissLab，《政治符號學 2.0：主體、選擇底空間與不可代決政治的統一公理框架》，2026。
2. EveMissLab，《政治科學的診斷革命：四光譜理論與治理科學的範式重構》，2025。
3. EveMissLab，《學科量化程度與思維模式：為何經濟學家與社會學家看見不同的世界》，2025。
4. EveMissLab，《政治關係動力學的綜合框架：階級聯盟、注意力場與系統相變的統一理論》，2026。
5. EveMissLab，《民主的合法性來源——人民作為權力的母集》，2025。
6. EveMissLab，《資訊可見性與認知選項封閉》，政治符號學 2.0 結構機制論文 III，2026。

# 經典理論接口

- Friedrich A. Hayek, “The Use of Knowledge in Society.”
- Michael Polanyi, *The Tacit Dimension*.
- James C. Scott, *Seeing Like a State*.
- Max Weber, writings on political authority and bureaucracy.
- Robert A. Dahl, works on political power and democracy.
- Thomas S. Kuhn, *The Structure of Scientific Revolutions*.

---

**Canonical source note:** 本文件以 UTF-8 Markdown 為正式原始稿。數學原始碼只使用 ` $...$ ` 與 `$$...$$` 作為 canonical delimiters；不以渲染後公式替代原始碼。