进行德尔菲研究，使推理在多轮中得以保留

这个小组讨论的结果没有人能解释。

德尔菲研究的第三轮结束，主持人给小组发邮件：达成共识。十年采纳问题的中位数从6.1上升到7.8；标准差减半；报告几乎自己写好了。然后一位小组成员——一位谨慎的成员——回复了一个揭示真相的问题："我修正了我的估计，因为第二轮总结说小组对乐观有充分的理由。我可以看看那些理由吗？我想知道我同意了什么。”

没有好的答案。这些轮次是调查。在它们之间，专家小组看到了中位数、四分位数和一位主持人的两段摘要。原因——无论是什么具体论点促使十一位专家上调——都被输入到自由文本框中，压缩到摘要中，然后消失了。专家小组达成了一致；基于什么推理，没人能说。

这不是一个失败的研究；这是标准实践，使用标准工具，并且浪费了该方法最好的特性。Delphi 是围绕一个精确的洞察设计的：匿名性和独立性消除了扭曲面对面小组的主导和地位效应，而受控反馈让真实的判断在没有社会压力的情况下转变。调查软件提供了独立性，但失去了反馈的实质。这个教程保持推理，进行相同的轮次。

基于调查的德尔菲法在轮次之间失去的内容

德尔菲法的一个回合产生两样东西：一个分布（小组的立场）和一套推理（原因）。调查工具是为第一个而构建的。第二个则被压缩成自由文本字段，然后转化为主持人的总结——这在专家之间悄然插入了一个无法追责的编辑。第二轮的参与者并不是在回应同伴的论点；他们是在回应这些论点的释义。对于一个其整个认识论是结构化集体判断的方法来说，失去这一点是件奇怪的事情——集体方法的历史在很大程度上是关于这一反馈步骤的争斗历史。

设置：问题、评审团——以及匿名决定

在其他任何事情之前，方法论者首先会检查的一个决定是：您的小组实际上需要什么——独立性还是匿名性——因为它们并不是同一回事，而平台默认提供其中之一。

1. 1将命题框架设定为根本主张 — 可证伪，而非开放式的："到2032年，X将成为标准临床实践"，而不是"X的未来是什么？" 一个模糊的根本会产生无法评估的立场。检查点：根本主张可以被支持和反对。

第一轮：独立职位，然后是数字

1. 1独立提交窗口。 每位小组成员在根下添加支持或反对的立场 — 在提交之前看不到其他人的立场。这是该方法所要求的独立性，由媒介而非对主持人过程的信任来强制执行。检查点：每位小组成员都有≥1个立场；没有人看到或编辑过其他人的立场。
2. 2可选：标记的AI评审员。 从多个模型中生成额外的职位。每个论点都有来源标记，因此机器的立场总是可以与专家的立场区分开来。这扩大了立场空间；它并不增加专业知识——这种区分很重要，并应包含在您的报告中（请参见下面的混合小组部分）。检查点：AI立场明显标记。
3. 3第一轮评分。 每位评审对每个职位进行评分 — 一个数值加一个标签，使用您定义的锚点（“1 = 不可信 … 9 = 几乎确定”）。这是本轮的定量记录。检查点：完整的评分矩阵；锚点一次性声明，始终如一地使用。

带有推理的控制反馈

现在步骤调查工具无法做到。第二轮的反馈文档不是主持人写的总结——而是树本身：每个位置，都是其作者（或模型）自己的话，附带其评分分布。小组成员可以清楚地看到小组认为哪些论点强有力，哪些论点分歧，哪些论点沉没——中间没有任何编辑性的改述。主持人的工作缩减为后勤：宣布时间窗口，指向树。

第二轮：审问、挑战、调和

第二轮是经典的德尔菲法所说的“根据反馈进行修订”。随着推理的可见性，修订变得积极——三个结构化的步骤，每个步骤都是与立场作者的四轮对话：

1. 1审问 — 问答链。 在修正立场之前，先理解它：你的问题、作者的回答、后续问题、回答 — 完整。对于人工智能立场，模型会自动回答，因此小组不会因为某个成员而被阻塞。检查点：改变意见的立场会有链条解释原因。
2. 2挑战 — 评审链。 评估一个立场为不支持；作者回应；后续；回应。N 名小组成员挑战一个立场 = N 条平行链 — 这正是德尔菲所希望的结构：平行独立的批评，绝不通过一个小组线程重新进入状态。检查点：有争议的立场携带已完成的挑战。
3. 3调和近似重复项 — 妥协链。 两位持有几乎相同观点的专家在评分中重复计算了一个观点。一个专家向另一个专家提出合并的表述，并记录在案。检查点：没有未合并或未解释的重复对。
4. 4第二轮评级。 在相同的基准下重新评级所有内容。检查点：第二个完整矩阵，准备进行比较。

混合面板：在不增加专业知识的情况下添加模型

因为AI撰写的立场回答它们自己的链条——回溯到写出它们的模型——人类与AI混合的专家小组确实是可行的：使用模型来扩展第一轮的立场空间，然后让人类专家在第二轮中交叉审查机器的立场，并在没有任何人负责机器一方的情况下获得实质性的回复。要明确这带来了什么：更广泛的输入，而不是增加的专业知识。模型的立场是一个措辞得当的模式，而不是一个判断的职业，标签的存在是为了让你的收敛数字可以在有和没有机器行的情况下进行计算。何时扩大输入有帮助，何时仅仅是稀释，这是其自身的文献——当人群出错时涵盖了失败模式；反面，为什么独立判断在真正独立时聚合得如此良好，是加尔顿和孔多塞的故事。

测量趋同，报告异议

收敛是回合之间评分分布的缩小，你可以通过比较它们来衡量——诚实地说，可以手动或导出：没有内置的收敛统计，没有自动的肯德尔W，没有稳定性测试。导出这两个矩阵并计算你的领域所期望的，或者定性地报告分布（“十四个位置中有十二个缩小；两个进一步分裂”）。

并报告异议。一个小组在多个回合中稳定地不同意的立场——相同的分布，两个极端在完成的链条中都有辩护——是一项发现，可以说是最有价值的类型：它标志着专家判断真正分歧的地方，并附有两个极端的推理。将其平均化是德尔菲法中唯一不可原谅的罪过。树状图使异议可引用：存活的反对意见、其作者（或其匿名的公共租户替代者）以及它所经历的挑战。

诚实的局限性

• ✗独立并不等于匿名 — 这句话需要明确指出并值得重申：私人租户的论点是有归属的。如果匿名在方法论上是必要的，请使用 Argumentree.AI 的公共租户，并在您的写作中说明。
• ✗没有回合经理。 没有关闭第一回合的按钮，也没有每回合的可见性限制。回合是你通过时间限制和指示来执行的一个促进性约定——明确说明，不要暗示不存在的自动化。
• ✗没有内置的收敛统计量。 Kendall's W、稳定性测试等需要您从导出的评分中计算。
• ✗评分是一个单一的标记值，而不是带有验证锚点的李克特量表。请在标签中定义您的锚点，并在各轮中保持不变。
• ✗一条链是四个回合，然后完成。 需要更多的专家争论会得到一个电话——链条记录了已经问过和回答过的内容。

实用课程

• ✓在第一轮之前写下锚点并将其粘贴到每个窗口公告中。所有混乱的德尔菲数据中有一半是锚点漂移。
• ✓跨时区慷慨的时间框窗口 — 每轮72小时适用于国际小组；链条本质上是异步的。
• ✓每位评审的Cap Round-1职位（三个就足够了）。德尔菲奖励考虑的是职位，而不是数量。
• ✓在回合之间冻结树。 宣布在窗口外的提交将被移除 — 只有在主持人进行时，回合约定才有效。

您最终可以发送的回复

回到那位谨慎的评审员的电子邮件："我可以看看理由吗？我想知道我同意了什么。" 在这个版本的研究中，答案是一个链接。这里有十四个职位；这里是那个在两个评审链未能影响后其评分范围崩溃的职位；这里是感动了你和其他十一人的交流。附带理由的共识——这一直是该方法的承诺。