以模型为中心的框架中的科学发现：可重复性、创新与认知多样性

相互独立获得的一致确认赋予了科学结果可信度。我们将满足这种一致性的结果称为可重复的，并假设可重复性是科学发现的一个理想属性。然而，科学似乎在不可重复结果的情况下依然取得进展，这表明可重复性与科学发现的其他理想属性之间的关系尚未被充分理解。这些属性包括对真理的早期发现、一旦发现真理便对其的坚持，以及在长期科学探索中花在真理上的时间。我们构建了一个科学发现的数学模型，该模型提供了一个可行的框架来研究其包括可重复性在内的理想属性。在此框架中，我们假设科学家采用以模型为中心的方法，在科学发现的随机过程中发现生成数据的真实模型。我们使用 Markov 链理论、Monte Carlo 方法和基于主体的建模分析了该过程的属性。我们表明，即使科学结果是可重复的，科学过程也可能不会收敛于真理，并且不可重复的结果不一定意味着不真实的结果。科学总体中不同研究策略的比例、科学家对方法论的选择、真理的复杂性以及信号的强度共同促成了这一反直觉的发现。重要见解包括，创新研究通过促进对模型空间的探索加速了科学真理的发现，而认知多样性在科学发现的各项理想属性之间实现了优化。