Science & Method
科学与方法全景图
这条分支负责回答五个经常被混在一起的问题：什么算知识，什么算证据，科学是怎样演进的，为什么系统思维能帮助我们看清复杂现实，以及人的认知偏差会怎样持续扭曲判断。
它不是把“科学史”“研究方法”“批判性思维”拆成互不相干的小专题，而是把它们重新装成一张能支撑阅读、讨论、决策和建模的总地图。
系统判断
面对复杂问题时不再只盯局部变量和短期症状
它的价值不只是“了解科学”，而是训练一种更不容易自欺的思考方式。
什么算知识
不是所有“说得通”的东西都算知识。一个主张要想进入知识世界，至少得能被说明、被比较、被检验、被修正，而不是只靠权威感和叙事力度存活。
主张
→
模型
→
可检验
什么算证据
证据不是“我看见了”这么简单。样本怎么来、测量是否可靠、因果链是否成立、有没有更好的解释，这些都决定了一条证据的重量。
观察
→
测量
→
比较
为什么会看错世界
人脑天然会偷懒、补故事、挑顺耳的证据。没有方法意识和偏差意识，再聪明的人也会在复杂问题里反复被骗。
直觉
→
偏差
→
校正
这五个主题共同构成“科学与方法”分支的骨架，后续加书和加专题时都可以往这里挂。
这一分支先用两本骨架书立住“科学如何变化”和“复杂系统如何理解”，再用偏差、批判性思维、统计判断、因果推断、研究设计、实验方法和方法论边界补齐判断链路。
先读能搭骨架的作品，再按兴趣补偏差、统计、因果推断、研究设计、实验方法、证据表达和方法论边界。
这条线特别适合那些已经感觉到“知道很多信息，但判断仍然不稳”的人。
工程师往往擅长解决明确问题，但未必习惯质疑证据质量、识别偏差和理解范式边界。这个分支能补的方法意识非常关键。
工程判断
建模能力
证据意识
越往上走，越容易面对复杂系统、指标误导和认知偏差。系统思维和方法论会直接改善你看问题、问问题和做取舍的方式。
复杂决策
结构判断
长期视角
如果你想让知识库不仅能装内容，还能装判断标准，这条线几乎是必须的。它会帮你减少“知道很多但连不起来”的状态。
通识结构
判断框架
元学习
方法论最容易出问题的地方，不是太难，而是太容易被读成口号。
更准确的说法是：科学是一套不断修正、不断竞争、不断改进解释力的社会化求知过程。
数据只是材料。没有设计、没有比较、没有反事实和因果讨论，数据很容易只是在放大已有偏见。
真正的系统思维不是增加术语，而是找到反馈结构、时间延迟和杠杆点，进而改变干预方式。
认知偏差不是背名词能解决的，必须用流程、对照、讨论机制和方法纪律持续抵消。
科学与方法不是一个孤立知识岛，它更像其他分支的判断底盘。
连到文学与人性
方法帮助你辨认证据和解释的边界，文学提醒你这些判断一旦落到真实的人身上，会带来怎样的恐惧、误判和承受代价。
连到技术与工程
系统设计、实验评估、故障复盘和指标治理，本质上都离不开证据意识、模型意识和系统思维。
方法
→
建模
→
工程判断
连到历史与文明
一旦你开始追问“历史解释凭什么成立”，就会自然进入证据、叙事、模型和范式之争的问题空间。
连到社会与制度
国家能力、制度绩效和社会合作这些议题，如果不区分证据强弱、比较方式和因果路径，很容易被立场先行地误读。
连到商业与组织
组织设计、战略判断、市场分析和管理动作，几乎都属于复杂系统问题。没有系统思维和偏差意识，很容易持续误诊。
先搭骨架，再补工具，不要一上来就陷进局部术语和技术细节里。
路线一：先理解科学如何变化
适合对“知识世界为什么会改写地图”更好奇的人。先立起范式感，再去读方法细节，会更容易理解为什么方法会跟着共同体一起变化。
路线二：先建立复杂性判断
适合已经在工作里反复碰到“局部优化越做越乱”的人。先把系统思维装上，再回头看组织、技术和社会问题，会明显更稳。
路线三：从判断偏差反推方法
适合对“为什么人总会误判”更敏感的人。先看到偏差，再理解为什么科学和方法必须如此麻烦，收获通常会更强。
路线四：从证据与因果进入
适合已经知道“相关不等于因果”，但还没有真正把统计、预测和干预判断装进脑子里的人。先补统计直觉，再补因果框架，会让整条方法线更扎实。
路线五：从研究设计进入
适合已经意识到“证据重要”，但还不会把一个问题做成完整研究的人。先识别统计误导，再学怎么提问、收证据、搭论证，整条方法线会开始真正落地。
路线六：从实验与边界进入
适合已经在做研究、分析或实验，但对“结论凭什么成立、理论凭什么算科学”仍不够踏实的人。先补实验设计，再补方法边界，整条方法线会更硬也更稳。
这一页的使用方式:
不要把它当成“科学类书单”，更适合把它当成判断力分支的入口。
后续如果新增书页，优先判断它是在补哪一种能力：补知识标准、补证据质量、补科学演进、补系统建模，还是补认知偏差校正。
这样这条分支会越来越像一张结构地图，而不是越来越长的概念堆。