在資訊不足的複雜系統裡，一次性的大規模改造很難辨別成功或失敗的真正原因。可將政策拆成小型、可逆、可觀察的試驗，先檢驗關鍵因果假說，再逐步調整。這不是拒絕長期願景，而是讓長期方向透過反覆學習而更貼近真實條件。
思與行
- 選擇一個可在數週內觀察的變化，例如活動報名提醒或剩食資訊透明。
- 事先定義預期機制、觀察指標、可能副作用與停止條件。
- 試驗後更新因果圖，保留未能解釋的結果。
參考
- 延伸連結：行動研究、情境分析、模型驗證
- 研究依據：情境模擬是政策學習而不是預言、模型可信度來自多種測試而非擬合優度單一指標。
脈絡入口：System_dynamics