科学从根本上根据经验数据以及模型/理论的发展来对我们周围的世界进行调查，以描述我们在这些数据中发现的模式。
为了使知识被认为是科学的，它取决于满足许多基本要求：
- 首先，它必须随着时间的推移反复不断地与相关的经验数据相关联。
- 其次，它必须在一个基于一致逻辑的正式框架内工作，该逻辑可以抽象化现象的特定细节来描述未知或未来的事件。
作为一种互惠过程，通过该过程，一方面我们对环境中的现象的观察被汇总，合成和抽象以创建假设。另一方面，从形式语言（例如数学）衍生的理论模型也被用作将经验数据整合到连贯的理解框架中的机制。
“科学就是事实；正如房屋是用石头建造的，科学也是由事实构成的；但是一堆石头不是一所房子，事实的集合不一定是科学。” –朱尔斯·亨利·庞加莱（Jules HenriPoincaré）
还原论范式
解决这种复杂性的最古老的方法可能称为还原论，也称为分而治之，一种通过递归将问题分解或分解成小部分直到解决起来很简单，然后重新组合以获取理解的解决问题的方法整个系统。
还原论通过创建一个层次结构来提供对世界的详细描述，在该层次结构中，一个实体可以由其下一个层次完整地描述其组成部分，该层次结构一直持续下去，直到达到不可还原的元素（在本义上是原子）。
“将每个难题划分为可行的和尽可能多的部分，以解决该问题”-Rene Descartes
复杂性科学
尽管还原论这种方法似乎令人信服，但它的失败似乎存在，最根本的是还原论强调仅由系统的组成部分定义的系统的结构或顺序，而这种结构或顺序无法捕捉到如何出现新颖的顺序模式。
例如在生物系统或社会内部，只能在自己的上下文中正确理解。因此，似乎一个系统越先进或复杂，就越不适合它表现出自我的分析还原论者的研究方法。
非线性系统是传统科学遇到困难的另一个领域，还原论试图借助于线性来近似地处理它们，尽管在系统变得越来越复杂，相互联系，相互依存且越来越不复杂的许多情况下，这可能会很好地起作用。线性的，这些模型很可能无法捕获重要信息。
弥合鸿沟
可以说，复杂性科学在处理非线性系统（尤其是所谓的复杂自适应系统）时证明了自己的生产力和相关性，其中非线性主要是系统中各个元素所具有的“ if / then”逻辑的乘积，而系统的整体结构和顺序则是由各部分之间的交互作用所产生的涌现emgence模式所衍生的。
这种方法称为基于主体的建模，是社会科学许多领域的活跃研究领域，从管理和组织研究到经济学和社会学，再加上当前的计算能力，它代表了社会科学的强大理论和实践框架。
真正的挑战不是发展还原主义或整体主义，而是两者的融合，以提供详细的分析视角和更广阔的视野，以将其整合为对我们生活世界的更深刻理解。
“进行线性思考并没有错，但是线性思考必须存在于更大的圆形非线性思考之内，而不是相反，这样我们就不会犯将线性应用于非线性情况的错误，因为那是一个错误”-诺拉贝特森
康威定律的作者：什么是"涌现"分析建模方法？