解決問題

“問題”在這裡重定向。有關其他用途，請參見問題（歧義） 。

解決問題是通過克服障礙，這是大多數活動的常見部分來實現目標的過程。需要解決方案的問題範圍從簡單的個人任務（例如如何打開設備）到業務和技術領域的複雜問題。前者是解決一個問題的簡單解決問題（SP）的一個例子，而後者是具有多個相互關聯的障礙的複雜問題解決（CPS）。解決問題的任務的另一個分類是將特定的障礙和目標定義明確的問題，並且當前情況很麻煩，但尚不清楚要採取什麼樣的解決方案。同樣，人們可能會區分需要心理智力的正式或基​​於事實的問題，而這些問題與社會情感問題相對於社會情感問題，這些問題取決於個人或群體的可變情緒，例如機智的行為，時尚或禮物選擇。

解決方案需要足夠的資源和知識來實現​​目標。律師，醫生，程序員和顧問等專業人士在很大程度上是解決問題的問題，這些問題需要超出一般能力的技術技能和知識。許多企業通過認識到一個問題並創建解決方案來找到有利可圖的市場：問題的普遍性和不便，開發可擴展解決方案的機會就越大。

在工程，商業，醫學，數學，計算機科學，哲學和社會組織等領域，有許多專門的解決問題的技術和方法。在心理學和認知科學中研究了識別，分析和解決問題的心理技術。還經過廣泛研究的是阻止人們找到解決方案的精神障礙。解決問題的障礙包括確認偏見，精神集和功能固定性。

定義

解決問題的術語根據學科的含義略有不同。例如，這是心理學和計算機科學中計算機化過程的心理過程。有兩種不同類型的問題：定義不明確且定義明確；每種方法都使用不同的方法。定義明確的問題具有特定的最終目標和明確的預期解決方案，而定義不明的問題則沒有。定義明確的問題允許比定義不明的問題更多的初始計劃。解決問題有時涉及處理語用學（上下文有助於意義）和語義（問題的解釋）。了解問題的最終目標以及可以應用哪些規則的能力代表了解決問題的關鍵。有時，問題需要抽象思維或提出創造性的解決方案。

解決問題有兩個主要領域：數學問題解決和個人問題解決。每個人都涉及遇到的一些困難或障礙。

心理學

心理學中的問題是指尋找生活中遇到的問題的解決方案的過程。這些問題的解決方案通常是特定於情況或上下文的。該過程始於發現和簡化問題的問題和問題塑造。下一步是生成可能的解決方案並評估它們。最後，選擇了解決方案以實現和驗證。問題可以達到最終目標；到達那裡的方式取決於問題導向（解決問題的應對方式和技能）和系統分析。

精神衛生專業人員使用內省，行為主義，模擬，計算機建模和實驗等方法研究人類問題解決過程。社會心理學家研究問題的人與環境關係方面以及獨立和相互依存的解決問題方法。解決問題已被定義為高階認知過程和智力功能，需要調節和控制更多常規或基本技能。

實證研究表明，許多不同的策略和因素會影響日常問題解決。研究額葉受傷的人的康復心理學家發現，情緒控制和推理的缺陷可以通過有效的康復來重新介導，並可以提高受傷人員解決日常問題的能力。人際關係的日常問題解決取決於個人動機和上下文組成部分。這樣的組成部分是“現實世界”問題的情感價，這可能會阻礙或幫助解決問題的表現。研究人員專注於情緒在解決問題中的作用，表明情緒控制差會破壞關注目標任務，阻礙問題解決問題，並導致諸如疲勞，抑鬱和慣性等負面結果。 在概念化中，人類問題解決由兩個相關的過程組成：問題取向以及有問題的情況和解決問題技能的動機/態度/情感方法。人們的策略與他們的目標相吻合，並源於將自己與他人進行比較的過程。

認知科學

在研究解決問題的第一批實驗心理學家中，是德國的野蠻主義者，例如生產思維心理學中的卡爾·鄧克（Karl Duncker ）（1935年）。也許最著名的是艾倫·紐厄爾（Allen Newell）和赫伯特·A·西蒙（Herbert A. Simon）的作品。

1960年代和1970年代初的實驗要求參與者解決相對簡單，定義明確但以前沒有看到的實驗室任務的實驗。這些簡單的問題，例如河內塔，承認可以快速找到的最佳解決方案，從而使研究人員可以觀察到完整的解決問題的過程。研究人員認為，這些模型問題將引起解決更複雜的“現實世界”問題的特徵認知過程。

這項研究發現的一種出色的解決問題的技術是分解原則。

計算機科學

計算機科學和人工智能的大部分內容涉及設計自動化系統以解決指定類型的問題：接受輸入數據併計算正確或適當的響應，合理地合理地。算法是指導此類系統（寫入計算機程序）的配方或說明。

設計此類系統的步驟包括問題確定，啟發式方法，根本原因分析，刪除，分析，診斷和修復。分析技術包括線性和非線性編程，排隊系統和仿真。一個大的多年生障礙是在計算機程序中查找和修復錯誤：調試。

邏輯

正式邏輯涉及有效性，真理，推論，論證和證明等問題。在解決問題的上下文中，它可以用來正式表示問題作為要證明的定理，並代表解決問題所需的知識，因為在證明該問題具有解決方案的前提中所需的前提。

使用計算機證明使用形式邏輯的數學定理作為1950年代證明的自動定理領域。它包括使用旨在模擬人類問題解決的啟發式方法，如邏輯理論機器，由艾倫·紐維爾（Allen Newell），赫伯特·A·西蒙（Herbert A.

除了用於查找數學定理證明的證明外，自動化定理還用於計算機科學的程序驗證。 1958年，約翰·麥卡錫（John McCarthy）提出了建議者，以代表正式邏輯中的信息，並使用自動化的定理提供了問題的答案。 Cordell Green於1969年邁出了一個重要的一步，他使用了決議定理供奉獻者進行提問，並在人工智能中的其他應用程序中使用了機器人計劃。

Cordell Green使用的分辨率理論孔與人類問題解決方法幾乎沒有相似之處。為了回應麻省理工學院研究人員對這種方法的批評，羅伯特·科瓦爾斯基（Robert Kowalski）開發了邏輯編程和SLD解決方案，該解決方案通過問題分解解決了問題。他倡導邏輯解決計算機和人類問題解決和計算邏輯，以改善人類思維。

工程

當產品或流程失敗時，可以使用解決問題的技術來製定糾正措施，以防止進一步的失敗。此類技術也可以在實際故障事件之前應用於產品或過程，以預測，分析和減輕潛在問題。諸如故障模式和效果分析之類的技術可以主動減少問題的可能性。

在反應性或主動情況下，有必要通過診斷過程來建立因果解釋。綁架會產生新的想法或假設（詢問“如何？”）時，在得出效果的解釋時；根據其他合理的前提來評估和完善假設（問“為什麼？”）；誘導證明了用經驗數據（詢問“多少？”）合理的假設。綁架的目的是確定要測試的假設或命題，而不是要採用或斷言的假設或命題。在Peircean邏輯系統中，綁架和演繹的邏輯有助於我們對現象的概念理解，而歸納邏輯則為我們的概念知識增加了定量細節（經驗證明）。

法醫工程是一種重要的故障分析技術，涉及追踪產品缺陷和缺陷。然後可以採取糾正措施以防止進一步的失敗。

反向工程試圖通過拆卸產品並開發出創建和組裝其部位的合理途徑來發現用於開發產品的原始解決邏輯。

軍事科學

在軍事科學中，解決問題與“最終國家”的概念，策略的目的是“最終國家”的概念。解決問題的能力在任何軍事級別都很重要，但在指揮和控制水平上至關重要。它是由於對可能場景的深刻和定量理解而產生的。在這種情況下的有效性是對結果的評估：最終狀態在多大程度上完成。計劃是確定如何影響這些最終州的過程。

過程

解決問題的一些模型涉及確定目標，然後確定一系列子目標來實現這一目標。介紹了認知ACT-R模型的安德森（Andersson）將目標和子目標集合為目標堆棧，其中大腦包含一堆目標和子目標要完成，並隨時執行一項任務。

在稱為轉移的過程中，可以將如何解決一個問題應用於另一個問題。

解決問題的策略

另請參閱：類別：解決問題的技能

解決問題的策略是克服實現目標的障礙的步驟。在解決問題過程中，此類策略的迭代是“解決問題的周期”。

在此週期中的常見步驟包括識別問題，定義問題，制定修復它的策略，組織知識和資源，監視進度並評估解決方案的有效性。一旦達到解決方案，通常會出現另一個問題，並且循環再次開始。

洞察力是突然的哈！解決問題的方法，即簡化複雜情況的新想法的誕生。通過洞察發現的解決方案通常比逐步分析的解決方案更敏銳。快速解決方案過程需要洞察力才能在解決問題週期的不同階段選擇生產性移動。與Newell和Simon對移動問題的形式定義不同，沒有關於洞察力問題的共識定義。

一些解決問題的策略包括：

抽象
在可訪問的模型系統中解決該問題，以深入了解真實係統
比喻
將解決方案調整為具有類似特徵或機制的先前問題
頭腦風暴
（尤其是在一群人中）建議大量的解決方案或想法，並結合和開發它們，直到找到最佳解決方案
批判性思維
分析可用的證據和論據，通過理性，懷疑和公正的評估形成判斷
分裂和征服
將一個大的複雜問題分解為較小的可解決問題
尋求幫助
獲得外部幫助以應對障礙
假設檢驗
假設對問題的可能解釋，並試圖證明（或在某些情況下反駁）假設
橫向思維
間接和創造性地解決解決方案
平均值分析
在每個步驟中選擇一個行動，以靠近目標
形態學分析
評估整個系統的產出和相互作用
不可能的證明
嘗試證明問題無法解決。證明失敗的點將是解決它的起點
減少
將問題轉換為解決方案的另一個問題
研究
採用現有想法或將現有解決方案適應類似問題
根本原因分析
確定問題的原因
試用
測試可能的解決方案，直到找到合適的解決方案

解決問題的方法

另請參閱：類別：解決問題方法和類別：問題結構方法

常見的障礙

解決問題的常見障礙包括阻礙有效搜索解決方案的心理結構。研究人員確定的最常見的五個是：確認偏見，精神集，功能固定性，不必要的約束和無關的信息。

確認偏見

主要文章：確認偏見

確認偏差是一種無意的傾向，用於收集和使用有利於先入為主概念的數據。這樣的觀念可能是偶然的，而不是出於重要的個人信念的動機：正確的願望可能是足夠的動機。

科學和技術專業人員還經歷了確認偏見。例如，一個在線實驗表明，心理學研究領域中的專業人員可能會觀察與他們先入為主的觀念相比，比衝突研究更有利的科學研究。根據雷蒙德·尼克森（Raymond Nickerson）的說法，人們可以看到在現實生活中的確認偏見的後果，從效率低下的政府政策到種族滅絕，嚴重程度的範圍。尼克森辯稱，那些殺害被指控涉嫌巫術的人的人表現出動力的確認偏見。研究員邁克爾·艾倫（Michael Allen）找到了證據證明確認偏見，並在小學生中動機，他們努力操縱科學實驗以產生有利的結果。

但是，確認偏見不一定需要動機。 1960年，彼得·卡斯卡特（Peter Cathcart）進行了一個實驗，參與者首先查看了三個數字，然後以規則的形式創建了一個假設，該假設可以用於創建該數字的三胞胎。在測試他們的假設時，參與者傾向於僅創建一些可以證實其假設的數字的三胞胎，並且傾向於不創建三胞胎，以否定或反駁其假設。

精神套裝

主要文章：心理集

心理設置是重新利用以前成功的解決方案，而不是尋找新的解決方案。這是對習慣的依賴。

1940年代，亞伯拉罕·盧欽斯（Abraham S.要求參與者使用其他具有不同最大能力的壺填充一罐用特定數量的水填充。在盧欽（Luchins）提出了一套可以通過單個技術解決的水罐問題之後，他提出了一個可以通過相同技術解決的問題，也可以通過一種新穎，更簡單的方法來解決。他的參與者傾向於使用習慣的技術，忽略了更簡單的選擇。在諾曼·梅爾（Norman Maier）的1931年實驗中再次證明了這一點，該實驗挑戰參與者以非常規的方式使用熟悉的工具（鉗子）解決問題。參與者通常無法以偏離其典型用途的方式查看對象，一種稱為功能固定性的心理集（請參見下一節）。

嚴格緊貼心理設置稱為固定，這可以加深對反复失敗的策略的痴迷或關注。在1990年代後期，研究員詹妮弗·威利（Jennifer Wiley）發現，領域的專業專業知識可以創造出一種心理，也許會導致固定。

每個人都採用小組其他成員的心態，可以產生和加劇心理集合。社會壓力導致每個人都在思考相同的事情並得出相同的結論。

功能固定性

主要文章：功能固定性

功能固定性是將對象視為只有一個函數的趨勢，並且無法想像任何新穎的用法，如上所述的Maier Pliers實驗中。功能固定性是一種特定的精神集合形式，是日常生活中認知偏見的最常見形式之一。

例如，想像一個男人想在他的房子裡殺死一個蟲子，但唯一的事情就是一罐空氣清新劑。他可能會開始尋找殺死該錯誤的東西，而不是用罐頭擠壓它，只是考慮其除臭的主要功能。

蒂姆·德文（Tim German）和克拉克·巴雷特（Clark Ba​​rrett）描述了這一障礙：“受試者在對象的設計功能上'固定'，而解決問題的問題相對於無法證明對像功能的控制條件遭受的解決。”他們的研究發現，幼兒對物體預期功能的有限了解減少了這項障礙研究在教育環境中發現的功能固定性，這是理解的障礙：“在學習概念以及解決化學問題中可以發現功能固定性。 ”

關於功能固定性與解決問題的關係的關係有幾種假設。它可能浪費時間，延遲或完全阻止正確使用工具。

不必要的約束

不必要的限制是在手頭的任務上無意識地施加的任意界限，這取消了解決方案的生產途徑。求解器可能僅固定在一種類型的解決方案上，就好像這是對問題的必然要求一樣。通常，這與心理集合結合在一起 - 與以前成功的方法相結合。

視覺問題還可以產生精神發明的約束。一個著名的例子是點問題：必須通過繪製四個直線段來連接以三x三個網格圖案排列的九個點，而不會從紙上抬起筆或沿著線路回溯。該主題通常假設筆必須留在點的外廣場內，但是解決方案需要在此框架之外繼續行駛，研究人員在短暫分配的時間內發現了0％的解決方案率。

這個問題產生了“框外思考”一詞。這些問題通常是通過突然的見解來解決的，這種見解經常在長期勞作後跳過精神障礙。這可能很困難，具體取決於主題如何在他們的腦海中構成問題，如何借鑒過去的經驗以及他們如何在工作記憶中兼顧這些信息。在示例中，設想在框架正方形外連接的點需要可視化非常規的佈置，這是工作記憶的壓力。

無關的信息

另請參閱：信息超載和大眾媒體

無關的信息是與解決方案無關的問題中顯示的規範或數據。如果求解器假設需要使用所有提供的信息，那麼這通常會使問題解決過程脫軌，從而使相對簡單的問題變得更加困難。

例如：“托皮卡（Topeka）的15％的人沒有電話號碼。您從托皮卡（Topeka）電話簿中隨機選擇200個名字。其中有多少人沒有電話號碼？” “顯而易見的”答案是15％，但實際上，未列出的人都不會在200中列出。這種“技巧問題”經常在能力測試或認知評估中使用。儘管本質上並不困難，但他們需要獨立思考，這不一定是普遍的。數學單詞問題通常包括無關的定性或數值信息，這是一個額外的挑戰。

通過改變問題表示來避免障礙

上述認知偏見引起的破壞可以取決於信息的表示方式：視覺，語言或數學上。一個經典的例子是佛教和尚問題：

佛教僧侶有一天從黎明開始，沿著山上走，在日落時到達頂部，在頂部冥想了幾天，直到他開始回到山腳下的一場黎明，他在日落時到達。在旅行期間，沒有對他的起步或停止或他的步伐做出任何假設，證明他在一天的同一時刻在兩次獨立的旅程中佔據的路上有一個位置。

這個問題不能在口頭上下文中解決，試圖描述每天和尚的進度。當段落用函數表示數學表示時，它變得容易得多：一個人可視化的圖形，其水平軸是一天中的時間，並且其垂直軸每次在路徑上顯示了和尚的位置（或高度）。疊加了兩條旅程曲線，矩形的對角線對角線橫穿對角線，看到它們必須在某個地方彼此交叉。圖形的視覺表示已解決了難度。

類似的策略通常可以改善測試解決問題。

個人的其他障礙

從事解決問題的人傾向於忽略減法性變化，即使是那些是有效解決方案的關鍵要素的人。這種趨勢首先通過，僅或主要是創建或添加元素，而不是減去元素或過程，以表明可以通過較高的認知負載（例如信息過載）加劇。

夢想：解決問題而不喚醒意識

人們還可以解決問題。有許多關於科學家和工程師在夢中解決問題的報導。例如，縫紉機的發明者埃里亞斯·豪（Elias Howe ）從夢中弄清楚了梭芯的結構。

化學家AugustKekulé正在考慮苯如何安排其六個碳和氫原子。考慮到這個問題時，他打了ze睡，夢見舞蹈原子落入了蛇形的圖案，這使他發現了苯戒指。正如Kekulé在日記中所寫的那樣

其中一條蛇抓住了自己的尾巴，形式在我眼前嘲笑。好像我醒了一陣閃電。這次，我還度過了整個晚上，以確定假設的後果。

還有關於人們如何在入睡之前有意識地思考問題的經驗研究，然後用夢想形象解決問題。夢想中的研究員威廉·C·迪蒙（William C. Dement）告訴他的500名學生的本科班級，他希望他們考慮一個無限的系列，其第一個元素是ottff，以查看他們是否可以推斷出其背後的原則，並說出該系列的下一個元素將會。他要求他們每天晚上考慮這個問題15分鐘，然後入睡並寫下當時的夢想。當他們早上醒來時，他們被指示再次考慮問題15分鐘。

序列OTTFF是數字的第一個字母：一，兩個，三，四，五。該系列的接下來的五個要素是SSENT（六，七，八，九，十）。一些學生通過反思自己的夢想解決了難題。一個例子是一個報告以下夢的學生：

我站在一個美術館裡，看著牆上的畫。當我走下大廳時，我開始算作畫作：一，二，三，四，五。當我進入第六和第七次時，這些畫是從它們的框架上撕下的。我以一種特殊的感覺凝視著空的框架，即即將解決一些謎。突然，我意識到第六和第七個空間是解決問題的解決方案！

有500多名本科生，有87個夢想與分配學生的問題有關（53個直接相關，間接相關34個）。然而，在有明顯解決這個問題的夢想的人們中，只有七個實際上能夠有意識地知道解決方案。其餘的（53分之4）認為他們不知道解決方案。

馬克·布雷希納（Mark Blechner）進行了這項實驗，並獲得了與癡呆症相似的結果。他發現，在試圖解決這個問題的同時，人們有夢想中的解決方案在夢中顯而易見，但是夢想家很少意識到自己的夢想如何解決了難題。哄騙或提示沒有讓他們意識到這一點，儘管一旦聽到了解決方案，他們就意識到自己的夢想是如何解決的。例如，一個OTTFF實驗中的一個人夢dream以求：

有一個大時鐘。您可以看到運動。時鐘的大手在第六名。您會看到它上升，數字按數字，六，七，八，九，十，十一，十二。夢想著眼於機械的小部分。您可以看到裡面的齒輪。

在夢中，該人算出了該系列的下一個要素 - 六個，七，八，九，十，十二，十二，他沒有意識到這是解決問題的解決方案。他沉睡的心靈解決了這個問題，但他清醒的思維腦卻不知道如何。

阿爾伯特·愛因斯坦（Albert Einstein）認為，許多解決問題的問題都在不知不覺中進行，然後該人必須弄清楚並有意識地表達了心態已經解決的問題。他認為這是他制定相對論的過程：“問題的創造者擁有解決方案。”愛因斯坦說，他在沒有言語的情況下解決了自己的問題，主要是在圖像中。 “單詞或語言是寫或說的，似乎在我的思想機制中沒有任何作用。在思想中似乎用作元素的心理實體是某些跡象，或多或少是清晰的圖像“自願”複製和組合。”

認知科學：兩所學校

解決問題的過程在知識領域和跨越專業知識的範圍內有所不同。因此，在實驗室中獲得的認知科學發現不一定會推廣到實驗室以外的解決問題的情況。自1990年代以來，這引起了人們對現實世界中問題解決的重視。但是，這種重點在北美和歐洲的表達截然不同。儘管北美研究通常集中於在不同的自然知識領域研究問題解決問題，但歐洲的許多研究都集中在新穎，複雜的問題上，並且已經通過計算機化的情況進行了。

歐洲

在歐洲，兩種主要方法浮出水面，一種由唐納德·布羅德（Donald Broadbent）在英國發起的，另一種是德國迪特里希·多納（DietrichDörner）在德國發起的。兩種方法都強調相對複雜，語義上豐富的計算機實驗室任務，該任務構成類似於現實生活中的問題。這些方法在其理論目標和方法論上有所不同。 Broadbent發起的傳統強調了在意識與意識之外運作的認知問題解決過程之間的區別，並且通常採用數學定義明確的計算機系統。另一方面，Dörner發起的傳統對解決問題的認知，動機和社會組成部分的相互作用感興趣，並利用了非常複雜的計算機場景，其中包含多達2,000個高度相互聯繫的變量。

北美

在北美，由赫伯特·A ·西蒙（ Herbert A.提取解決問題的全球理論。這些研究人員專注於在某些領域內解決問題的發展，即專業知識的發展。

在北美引起密集關注的地區包括：

  • 計算
  • 計算機技能
  • 遊戲玩
  • 律師的推理
  • 管理問題解決
  • 數學問題解決
  • 機械問題解決
  • 個人問題解決
  • 政治決策
  • 電子設備解決問題
  • 解決創新和發明的問題： Triz
  • 閱讀
  • 解決社會問題
  • 寫作

複雜問題的特徵

複雜的問題解決（CPS）與簡單的問題解決（SP）可以區分。在SPS中，有一個單一且簡單的障礙。在CP中，可能存在多個同時存在的障礙。例如，工作中的外科醫生的問題要比個人決定穿什麼鞋子要復雜得多。由DietrichDörner闡明，後來由Joachim Funke擴展，複雜的問題具有一些典型的特徵，其中包括：

  • 複雜性（大量項目，相互關係和決策）
  • 枚舉
  • 異質性
  • 連接性（等級關係，溝通關係，分配關係）
  • 動態（時間考慮）
  • 固有性（缺乏情況）
    • 開始不透明
    • 持續不透明度
  • 多一（多個目標）
    • 非表達者
    • 反對
    • 瞬間

集體問題解決

另請參閱：眾包，集體行動，協作情報，大規模合作，集體智慧，人群的智慧，分佈式知識，在線參與和小組決策

人們在許多不同層面上解決問題，從個人到文明。集體問題解決是指共同執行的解決問題。社會問題和全球問題通常只能集體解決。

當代問題的複雜性超過了任何個人的認知能力，需要不同但互補的專業知識和集體解決問題能力的互補品種。

集體情報是共享的，或者是從許多人的合作，集體努力和競爭中產生的團體情報。

在協作問題中，解決人員共同努力解決現實世界中的問題。解決問題群體的成員共同關心，類似的熱情和/或對他們工作的承諾。成員可以提出問題，驚奇並嘗試理解常見問題。他們共享專業知識，經驗，工具和方法。基於需求的組可能是流體的，只能暫時發生以完成指定的任務，或者根據問題的性質更永久。

例如，在教育背景下，一個小組的成員都可能對決策過程和在學習過程中的作用有意見。成員可能負責小組中所有成員的思維，教學和監視。小組工作可以在成員之間協調，因此每個成員對整個工作做出同等的貢獻。成員可以識別並基於自己的長處，以便每個人都可以為任務做出重大貢獻。協作小組工作具有促進批判性思維能力，解決問題技能，社交技能和自尊心的能力。通過使用協作和溝通，成員經常互相學習並構建有意義的知識，這些知識通常會比個人工作相比帶來更好的學習成果。

協作小組需要成員之間的共同智力努力，並涉及社會互動以共同解決問題。在交流，談判和材料生產過程中獲得了這些互動期間共享的知識。成員通過提出問題積極從他人那裡尋求信息。使用問題獲取新信息的能力增加了理解和解決問題的能力。

在1962年的研究報告中，道格拉斯·恩格巴特（Douglas Engelbart）將集體智慧與組織效能聯繫起來，並預測主動“增強人類的智力”將在群體問題解決中產生乘數效應：在解決複雜問題的有效性的三倍上是一個人獨自工作的增強人。

新媒體和媒體融合的理論家亨利·詹金斯（Henry Jenkins）借鑒了集體智能可以歸因於媒體融合和參與性文化的理論。他批評當代教育未能將集體問題解決的在線趨勢納入課堂上，並指出：“集體情報界鼓勵作為一個小組的工作所有權，學校成績為個人”。詹金斯（Jenkins）認為，知識社區內部的互動為年輕人建立了重要技能，並通過集體情報界通過團隊合作有助於發展這種技能。

集體影響是使用結構化協作形式的一組參與者對解決特定社會問題的共同議程的承諾。

第二次世界大戰後，聯合國，布雷頓·伍茲組織和世貿組織成立了。從1980年代開始，圍繞這三種類型的組織，在國際層面上解決集體問題解決。由於這些全球機構仍然像國家一樣或以國家為中心的機構，因此，它們將類似於國家或以國家為中心的國家解決集體問題解決而不是替代方面的方法永久化。

眾包是從許多獨立參與者那裡積累思想，思想或信息的過程，目的是為給定的挑戰找到最佳解決方案。現代信息技術允許許多人參與其中，並以提供良好結果的方式來管理他們的建議。互聯網允許集體的新能力（包括行星級）解決問題。

也可以看看