这项清单如何工作

简体中文基础问卷是改编测试版

简体中文版在保留题目结构、答题选项标识和计分规则的前提下，对题干、选项与说明进行了中文改编。它不是逐字翻译，也没有被验证为与英文版等价。

系统会分别记录问卷结构版本、计分版本、语言文案版本和完成时所用语言。中文与英文完成记录可以分别查看，但不会合并为同一语言样本，也不会据此声称跨语言可比。

• 语言不会改变计分方向、权重、阈值或世界观家族。
• 简体中文结果使用单独审校的中文解释，不会静默调用英文长篇结果文字。
• 如需开展研究，必须先完成独立的跨语言验证与同意程序。

结果可以告诉你什么

国际关系世界观清单最适合被理解为一项经过编辑设计的解释工具。它询问你通常觉得哪些论证更有说服力、这些判断在哪里聚集，又在哪里朝不同方向拉扯。

结果是对你答案的摘要。它没有被验证为科学诊断，也不衡量专业水平，更不识别永久的人格类型。

• 这份编辑型问卷尚未被验证为科学测量工具。
• 传统名称只是多维画像的简写。
• 混合结果很常见，也可能最有解释价值。
• 任何分数都不是百分位，任何答案也不表示道德高下。

隐私与研究数据

除非你主动分享，结果和历史记录只保存在当前浏览器。网站不收集研究回答，也不会把联系方式与结果相连。

未来如开展研究，必须先另行说明目的、数据范围、同意、保存期限、删除、安全和访问规则。产品分析保持粗粒度，不接受答案、画像、结果链接或自由文本。

如何阅读结果

先读七维画像，再把传统名称当作相邻模式的简短参照。画像是主要结果；名称和修饰项只帮助读者概括。

适合哪些读者

主要读者是认真思考外交政策、国际秩序或战略事务的人，包括学生、实务工作者、研究者和长期关注国际事务的读者。具备一些国际关系背景会有帮助，但主要题干使用普通语言，不要求先掌握理论术语。

它也可以作为课堂或讨论工具。价值往往不在得到一个预期中的传统名称，而在发现七维画像比单一标签更为混合。

七个维度

基础画像由国际关系主要争论中提炼出的七个维度构成。它们用于整理宽泛的解释前提和判断风格，并不声称测量所有重要问题。

情境推演如何工作

情境推演中的每个答案都会向一个或多个基础维度加入预先设定的变化。结果把调整后的分数与已保存的基线比较。

基础画像仍是基线。情境推演不会另行分配世界观家族，也不会把分数写回基础问卷。

小幅差异应当轻读。结果会指出变化最大的情境，以及与基线保持接近的维度。

世界观地图如何生成

世界观地图用人工设定的系数，把七个基础维度投影到两个屏幕轴上。个人基线、情境推演和符合证据要求的思想家或公开立场都经过同一投影。

地图只用于定位和并列阅读。它没有经过验证的距离、人口密度、不确定性或统计相似度量尺。两点在屏幕上的距离不代表某个已测量的意识形态差异。

世界观画像使用经过编辑设定的指纹。低、中、高三个水平分别转为内部基础量尺上的 2.5、4 和 5.5；指纹未覆盖的维度使用中点 4。画像点是编辑型示例，没有人口样本作为基础。

思想家与公开立场如何编码

思想家与公开立场根据有日期的来源台账，对公开立场作出摘要。每条记录都包含证据时间窗、各维度支持、争议说明、带日期的修订，以及发布前的第二位审读者。

公开阅读卡至少需要五个基础维度得到支持。地图位置需要七个维度都有相连证据，因为投影会使用全部七个数值。缺失值保持缺失，记录也不会进入地图。

内部编码沿用基础问卷的 1 至 7 量尺。公开默认页面显示支持度、编码说明、来源和争议，但不显示系数。强支持要求至少两个来源条目提供相连证据。

AI 治理公开立场使用另一套轴和独立可视化。两套工具的数值不会合并为一个坐标。

保存历史与分享链接

浏览器可以保存当前及此前的基础、议题专题、AI 和情境推演结果。你可以在隐私页删除这些历史。

共享画像链接可以带上 AI 治理结果和有日期的情境推演。较早版本的共享链接可能包含较少的结果类型。

为什么议题专题单独保留

宽泛的判断前提与具体议题中的直觉彼此相关，但并不相同。一个总体偏制度主义的读者，可能在安全专题中更重视威慑；另一个通常从权力竞争理解世界政治的读者，也可能在具体危机中反对升级。

因此，清单把基础结果与议题专题分开。专题用于观察画像如何进入现实争论，不会把额外分数写回核心分类。

专题卡承担三种不同任务：解释卡询问什么最能解释案例；决策卡询问回应时什么应优先；行为方视角卡询问从特定行为方的位置看，哪种逻辑最有说服力。第三类单独记录，避免对他方处境的推演覆盖读者自己的判断。

在当前共享结果流程中，主要链接携带基础画像、最相邻传统和风格结果。专题解释作为单独的应用读法处理。

议题专题的结构大致参考国际事务项目常见的议题划分，包括 SAIS MAIR 课程。项目独立运作，不表示任何隶属或背书。

为什么主要题干使用普通语言

题干应当让没有理论训练的读者也能理解。技术术语放在可选说明中，不进入主要题干。

术语密集的题目可能奖励既有训练，而不是揭示题目真正要检验的判断。普通语言可以减少这一问题，也让分歧更容易解释。

计分如何工作

计分从基础问题开始。题型包括普通语言的同意度题、取舍题和小型案例题；它们共同映射到七个维度，并在 1 至 7 的量尺上取平均，形成七维画像。

模型随后把画像与四个经过简化的传统参考轮廓比较：现实主义、制度主义、建构主义和批判政治经济学。最相邻的一个或两个传统会作为解释性简写出现。

战略风格和规范风格分别来自克制维度、秩序与正义维度。它们帮助描述画像，但不会新增世界观家族。

专题分数只适用于具体议题。行为方视角回答会被保存和显示，但不会像读者自己的判断那样成为专题主要读法。

政治经济重要性较高，并不会自动生成批判政治经济学结果；还需要更强的批判性或系统性组合。

本清单不报告置信度或“清晰度”数字，因为模型没有经过验证的量尺可以支持这两项主张。

哪些设置来自编辑判断

计分模型有三项设置并非由校准数据推导，而是明确的编辑选择。把它们说清楚，是诚实设计测量工具的一部分。

重要局限

来源与参考文献

理论内容参考国际关系主要传统，以及测量设计、政治判断和信念体系的经典研究。这些文献的作用不是提供必须服从的权威，而是提醒读者：本工具可以诚实主张什么，又不能主张什么。

原文：Likert, Rensis. “A Technique for the Measurement of Attitudes.” Archives of Psychology, no. 140 (1932). 中文显示译名：《态度测量技术》。它奠定了同意度量尺的基本形式，也提醒读者：给答案赋值不等于验证了一项工具。

原文：Converse, Philip E. “The Nature of Belief Systems in Mass Publics.” In Ideology and Discontent (1964). 中文显示译名：《大众公众的信念体系性质》。它指出世界观清单面对的基本难题：许多人不会在所有议题上持有完全系统化的信念结构。

原文：Zaller, John R. The Nature and Origins of Mass Opinion (1992). 中文显示译名：《大众意见的性质与起源》。它提醒读者，问卷回答可能反映当时最容易被调动的考虑，并不一定是永久不变的内在信条。

原文：Tetlock, Philip E. Expert Political Judgment: How Good Is It? How Can We Know? (2005). 中文显示译名：《专家政治判断：有多准确？如何判断？》。这项研究与本工具相关，因为能够综合多种视角的判断者，往往优于把所有问题都套入单一框架的人。

原文：Sil, Rudra and Peter J. Katzenstein. Beyond Paradigms: Analytic Eclecticism in the Study of World Politics (2010). 中文显示译名：《超越范式：世界政治研究中的分析折衷主义》。它为认真对待混合结果提供了直接理由。