Framing：一种面向系统设计的可计算原则

《Proceedings of the Design Society》：Framing: a computable principle of design for systems

　　

为什么所有设计行为都始于阐明一个有界的工作框架？在设计本体论中，框架（Framing）是对系统中组件和特征的选择与表征，用以引导设计人员的感知与决策，但其仍保持隐式。作为一种结构抽象，它成为一种显式原则，通过计算方法形式化，该方法参数化边界（Bounds, B）并投影具有加权属性（weights, w）的设计元素，置于关系上下文中。因此，认知行为变为可知的（epistemic），可用于计算和生成及评估框架，使设计推理与科学论述保持一致。

研究背景与问题提出

设计旨在明确构成人工制品或人工系统的意图。西蒙（Simon）将设计定义为通过有限理性（bounded rationality）将现有情境转化为偏好情境的过程。每一次设计行为都构建一个系统，将相关内部与外部无关区分开。这种边界条件不仅定义了对象及其属性的界限，也定义了表述任何棘手问题（wicked problem）的认知范围。舍恩（Sch?n）将设计描述为一种与情境的反思性对话，认为从业者必须首先命名关注元素，然后框定（frame）所关注的上下文。然而，尽管框架在设计认知中处于核心地位，它在正式设计理论与实践中大多未被阐明且保持隐式，通常被视为描述性而非规定性。这暴露了一个双重空白：本体论空白，即缺乏关于框架及其结构组件和属性的正式定义；认识论空白，即缺乏超越主观判断、直觉或回顾性解释的系统性、可重复方法来识别、评估或比较框架决策。因此，广泛实践的设计原则可能被视为低阶操作，其实用性完全依赖于先前的框架。为了弥补这一空白，研究人员提出将框架作为一种形式化、可计算的抽象，一种高阶设计构造，从而阐明对设计推理进行可操作建模所需的结构条件。

研究内容与结论概述

这项发表在《Proceedings of the Design Society》的研究旨在将框架从一种隐式认知操作转变为显式、客观的可计算构造。研究人员将框架定义为一个有序元组F = ?B, π, w?，其中边界（Bounds, B）指定包含或排除的元素，投影（Projection, π）决定所选元素的表征方式，权重（weights, w）为描述这些元素的属性分配相对显著性。这些算子共同定义了系统被限定、表征和优先化的结构条件。此外，研究人员引入了一个目标评分函数J(F) = (I(F;Y), E(F), S(F))，通过信息量（Informativeness, I）、清晰度（Clarity, E）和成本（Cost, S）三个标准来评估框架，并产生帕累托前沿（Pareto front）而非单一标量最优值。该研究的重要意义在于建立了计算和建模设计推理本身的基础，使设计意图、意义、感知和决策变得可测量、可模拟和可转移。

关键技术方法

研究人员采用设计科学研究（Design Science Research, DSR）方法，结合机器学习与自然语言处理技术，构建了可计算的框架模型。首先，从维基百科、DBpedia等开源仓库编译了包含约103,977个句子的语料库，覆盖多学科领域。文本预处理使用spaCy进行分词、词形还原和基于命名实体识别的剪枝。句子通过SentenceTransformers（all-MiniLM-L6-v2）嵌入到384维语义空间。降维通过UMAP实现，聚类采用K-Means（n=25，轮廓系数优化为0.0196）。主题建模使用BERTopic（零样本模型）揭示潜在结构（n=5）。复合评分模型结合词频-逆文档频率（Term Frequency-Inverse Document Frequency, TF-IDF）（50%）、跨簇流行率（30%）和潜在主题贡献（20%）对术语进行加权。排名最高的单元词（n=300）通过词云可视化，并使用截断奇异值分解（Truncated Singular Value Decomposition, TSVD）进行潜在语义分析（Latent Semantic Analysis, LSA），识别出52个主成分。随后，将语义术语转化为Scopus和Web of Science的结构化检索式，手动映射文献以追溯理论先例。整个流程提供了外部化设计认知的系统数据驱动途径。

研究结果

1. 2.
   文献综述
   2.1. 设计本体论与系统科学
   功能-行为-结构（Function-Behaviour-Structure, FBS）本体论将设计形式化为抽象功能、行为和物理结构之间的转换，这些转换关键依赖于框架表征。专家在发散与收敛框架间交替，而设计类比（Design-by-Analogy）中框架控制远近类比映射。一般系统论（General Systems Theory）指出，任何系统都由元素间关系和区分环境与系统的边界构成，没有边界就没有系统身份。这与框架定义内部、外部及其通过界面关系交互的原理相呼应。
   2.2. “框架”综合的理论基础
   2.2.1. 边界：系统限制
   边界B将系统边界概念推广至认知与感知领域，对应工程设计的“问题结构化”。形式化定义为B ? ??，其中??是有限宇宙，选择可容许元素，执行域限制，将无界复杂性转化为可处理结构。
   2.2.2. 投影：结构映射
   投影π将边界元素映射到表征空间?，可能是视觉、几何、符号或数值的。它建立表征逻辑，使边界元素可理解，对应艺术中的构图透视、工程设计中的功能-物理域映射或计算几何中的投影算子。
   2.2.3. 权重：相对显著性
   权重w为投影元素的每个属性分配相对重要性，产生加权属性向量?_i= w(a_i)。它编码显著性，诱导层次与主导性，类似感知心理学中的显著性图、多准则决策中的权衡方案或机器学习中的注意力系数。
   2.2.4. 关系：上下文联系
   关系r源于投影元素在共享上下文空间中的交互，表示为r ? ?_B× ?_B，形成加权图C = (?_B, r)。边权重基于科学原理，如相互作用强度或信息流，体现了符号学中意义来自关系而非孤立单元的观点。
   2.3. “框架”分析的理论基础
   2.3.1. 清晰度：秩序或熵
   清晰度E(F)通过结构熵衡量框架配置的内部规律性，定义为H_s(F) = -∑_ip_ilog₂p_i，其中p_i是投影和加权结构导出的概率分布。更高清晰度对应更低结构熵和更大规律性。
   2.3.2. 成本：信号或噪声
   成本S(F)代表因不平衡、低效或噪声导致的连贯性退化。它量化了感知信号被噪声掩盖的程度，类似于信号处理中的信噪比（Signal-to-Noise Ratio, SNR），最小化成本可提高可解释性和效率。
   2.3.3. 信息量：效用或无效性
   信息量I(F;Y)衡量框架配置相对于观察者、任务或环境响应减少不确定性的程度，定义为互信息。它捕获结构与功能的相干性，不同于测量内部秩序的清晰度，信息量强调任务相关性。
   2.3.4. 因素：主观性或客观性
   系数α、β、γ调节各评估维度的相对影响，可通过人类反馈或实验测量校准，将主观判断转化为可量化评估，支持多属性效用理论中的偏好聚合。
2. 3.
   计算建模
   3.1. 使用参数化合成框架
   框架作为生成约束数据结构，有序元组F = ?B, π, w?在上下文空间C中运行。B约束可容许存在，π指定表征中介，w调制属性显著性，关系r构建相互依赖。该模型是通用的结构抽象，可扩展至时间索引以模拟演化系统。
   3.2. 使用多准则优化分析框架
   框架质量通过向量目标函数J(F) = (I(F;Y), E(F), S(F))评估，采用帕累托支配（Pareto dominance）进行比较，反映真实设计中各维度的权衡。标量化的J_α(F) = αI + βE - γS可选用于排序，而模糊阈值可界定“足够好”的框架。
   3.3. 程序实现
   计算框架被表达为由四个算子组成的参数化程序序列：边界定义（B）、投影映射（π）、显著性分配（w）和上下文结构化（r ∈ C）。该序列定义了执行逻辑，适用于物理制品、数字装配、视觉组合等多种模态。迭代工作流包括意图规范、参数化合成、系统实现、分析评估、搜索最优解、选择和迭代优化。
   3.3.2. 框架的通用“高阶”性质
   框架先于并制约平衡、层次、统一、对比等组合原则，这些隐式设计规则作为预期行为从先验框架条件中涌现。没有显式框架，它们就缺乏上下文意义。
   3.4. 示例、应用与启示
   3.4.1. 计算机视觉与感知系统示例
   在计算机视觉中，框架通过感兴趣区域（Bounding Box）实例化边界，通过相机模型和卷积滤波器实现投影，通过注意力图分配权重，关系来自空间邻接。错误的框架会导致过拟合或欠拟合。
   3.4.2. 工程设计与结构分析示例
   在工程分析中，边界选择子系统，投影通过网格划分实现，权重应用于应力或位移等属性，关系编码负载路径。不同框架可能导致对同一构件性能或安全性的不同结论。
3. 4.
   当前局限、未来工作与结论
   任何计算模型都有固有局限：边界模糊性、投影过度简化、加权偏差、定性细微差别难以完全表示、参考框架依赖性以及算法过度自信。未来工作需要通过设计师研究、行为实验和跨领域应用进行实证验证，并改进语义基础。通过将框架操作化为可计算构造，研究人员为调查设计推理提供了明确的结构基础，使这一基础认知行为成为可测试和可再生框架，尽管并未声称完全捕捉意义或意图。

总结讨论与结论翻译

研究结论指出，框架是所有设计行为的前提，它通过限定系统边界、选择表征和优先化属性，将无界复杂性转化为可处理的智能系统。计算形式化F = ?B, π, w?和评估函数J(F)使设计推理变得可知且可计算，为人工智能辅助设计、可解释人工智能和教育提供了原则基础。尽管存在主观维度难以完全编码的限制，该模型作为通用高阶抽象，统一了多学科的设计认知机制。