رویکرد دینامیک سیستم‌ها به «مدل سازی»
مدل‌های ذهنی
پرسش‌های این درس
  • رویکرد دینامیک سیستم‌ها به مدلسازی چگونه است؟
  • دینامیک سیستم‌ها چگونه می‌تواند یادگیری را تقویت کند؟
  • چه اصولی را در مدلسازی سیستم‌ها باید رعایت کرد؟
  • چگونه می‌توانیم مرز سیستم و مرز مدل را مشخص کنیم؟
  • نقش ابهام در شناخت و حل مسایل پیچیده چیست؟
  • کتاب‌ها و مقالاتی که در این جلسه ارایه می‌شوند:

    1985, Jay W. Forrester, "The" Model Versus a Modeling "Process"

    19۹4, John Sterman, Learning In and About Complex Systems

    2001, John Sterman, System Dynamics Modeling: Tools For Learning In a Complex World

    2002, John Sterman, All models are wrong: reflections on becoming a systems scientist

    2010, Ali N. Mashayekhi, Soheil Ghili, System dynamics problem definition as an evolutionary process using the concept of ambiguity

    "The" Model Versus a Modeling "Process"

    1985, Jay W. Forrester, "The" Model Versus a Modeling "Process"

    • Emphasis on "The" Model is Unrealistic and Alarming
    • Published Models are only a snapshot in time from a continuously evolving set of ideas about a social system.
    • The Models are always in a continuous state of evolution.
    • Each question, each reaction, each new input of information, and each difficulty in explaining the models leads to modification, clarification, and extention.
    • We are proposing the "Process" of Modeling rather than particular frozen and final models.
      • Models will help to clarify our processes of thought
      • Make explicit the assumptions we are already making
      • Show the consequences of the assumptions
      • As our understanding, our assumptions, and our goals change, the models can change.
    • For real life implementation, we can expect that there will be a series of models simultaneously existing and simultaneously in evolution.
    • Process of Modeling as a continuing companion to, and tool for, the improvement of judgment and human decision making

    Learning In and About Complex Systems

    19۹4, John Sterman, Learning In and About Complex Systems

    • Learning is a feedback process
    • Barriers to Learning
      • Dynamic Complexity
      • Limited Information
      • Confounding variables and ambiguity
      • Misperceptions of Feedback
      • Flawed Cognitive Maps of Causal Relations
      • Erroneous Inferences about dynamics
      • Unscientific Reasoning; Judgmental errors and biases
      • Defensive Routines and Interpersonal Impediments to Learning
      • Implementation failure
    • Requirements for successful learning in complex systems
      • Improving the Learning Process
      • Pitfall of the Virtual Worlds
      • The necessity of Simulation

    System Dynamics Modeling: Tools For Learning In a Complex World

    2001, John Sterman, System Dynamics Modeling: Tools For Learning In a Complex World

    • Dynamic Complexity
    • Feedback
    • Time Delays
    • Stocks and Flows
    • Attribution Errors and False Learning
    • Tools of System Dynamics
      • Causal Loop Diagram
      • Causal Diagram Showing Stock and Flow Structure
      • Model Equations
      • Simulation
    • Applications

    All models are wrong: reflections on becoming a systems scientist

    2002, John Sterman, All models are wrong: reflections on becoming a systems scientist

    • Systems thinking and modeling for a complex world
    • Policy resistance
    • (Almost) nothing is exogenous
    • Bathtub dynamics
    • Model boundary: Invisible fences in the mind
    • Model testing
    • A hard look at soft variables
    • Why simulation is essential
    • All decisions are based on models ... and all models are wrong
    • The importance of ‘‘Why’’ questions

    System dynamics problem definition as an evolutionary process using the concept of ambiguity

    2010, Ali N. Mashayekhi, Soheil Ghili, System dynamics problem definition as an evolutionary process using the concept of ambiguity

    • The Concept of Ambiguity
    • The Role of Ambiguity in Problem Definition and Model Building Process
      • The Role of Ambiguity in Selecting Main Variables
      • The Role of Ambiguity in Momentum Policies
    • The Role of Ambiguity in Using Dynamic Model to Finding Solutions for Difficulties
      • The Role of Ambiguity in Model Analysis
      • An Example: Problem Definition for Real Estate Bubble
    • Some Guidelines to Use Ambiguity to Enrich Problem Definition

    برای فهم ساختار سیستم‌ها نیاز به مدل داریم
  • ما دنیای واقع را با تمام جزییاتش در ذهنمان نداریم.
  • برای شناخت پدیده‌ها، یک مدل از دنیای واقع در ذهنمان می‌سازیم.
  • بر مبنای همین مدل به تحلیل و نتیجه‌گیری می‌پردازیم.
  • بر مبنای همین مدل تصمیم می‌گیریم و اقدام می‌کنیم. شکل گیری مدل ذهنی از اطلاعات دنیای واقع
  • ویژگی‌های مدل‌های ذهنی
  • شکل گیری سریع
  • شکل گیری بدون نیاز به تمرین و کسب مهارت
  • دارای ابهام
  • در دسترس دیگران قرار ندارد
  • محدودیت تعداد عواملی که ذهن می‌تواند به صورت هم زمان در نظر بگیرد
  • امکان وجود ناسازگاری درونی (تناقض گویی)
  • عدم اطمینان از استنتاج
  • دو نفر که هم زمان یک پدیده را مشاهده می‌کنند، ممکن است مدل ذهنی متفاوتی از آن در ذهنشان پدید آید
  • در زمان‌های مختلفی که یک نفر به یک پدیده فکر می‌کند، ممکن است مدل‌های ذهنی متفاوتی از آن در ذهنش پدید آید
  • مدل‌های تشریحی
  • از «زبان» می‌توانیم برای ثبت یک مدل ذهنی استفاده کنیم.
  • شرح مکتوب مدلی که از یک پدیده در ذهن داریم، یک مدل تشریحی به وجود می‌آورد.
  • هر نوشته‌ای به صورت کتاب، مقاله، گزارش یا خبر که یک پدیده را شرح می‌دهد، یک مدل تشریحی است.
  • نوشتن یک مدل تشریحی به رفع ابهام‌ها و اصلاح و تقویت مدل ذهنی کمک می‌کند: «آهان!»

    ن والقلم و ما یسطرون
  • ویژگی‌های مدل‌های تشریحی
  • مهارت‌های زبانی در شکل گیری، کیفیت و قابلیت فهم آنها اثر دارد
  • دارای ابهام هستند اما ابهام آنها می‌تواند کمتر از مدل‌های ذهنی باشد
  • برای نقد و بررسی دیگران در دسترس هستند
  • تعداد عوامل و روابط مدل نامحدود است
  • امکان وجود ناسازگاری درونی (تناقض گویی)
  • عدم اطمینان از استنتاج
  • امکان استفاده از ابزارهایی مثل جدول و نمودار برای انتقال بهتر مفاهیم و کاهش خطاها
  • مدل‌های ریاضی

    در مدل‌های ریاضی مفاهیم و متغیرهای مورد نظر برای تحلیل پدیده‌ها به صورت علائم ریاضی معرفی می‌شوند.
    فرضیات و روابط بین مفاهیم به صورت روابط و معادلات ریاضی بین متغیرها نوشته می‌شوند.
    پارامترهای با مقادیر ثابت در معادلات ریاضی به روش‌های کیفی یا کمی برآورد می‌شوند.
    مدل ریاضی یک پدیده به صورت مجموعه‌ای از معادلات و روابط ریاضی بین متغیرهای معرف عوامل مدل نوشته می‌شود.

    v=a.t+v0
    V سرعت جسم بر حسب متر بر ثانیه
    a شتاب بر حسب متر بر مجذور ثانیه
    t زمان بر حسب ثانیه
    V0 سرعت اولیه جسم بر حسب متر بر ثانیه

    ویژگی‌های مدل‌های ریاضی
    • نیاز به مهارت و دانش ریاضی برای ایجاد آن
    • بدون ابهام
    • در دسترس بودن برای نقد و بررسی
    • عدم وجود محدودیت در تعداد عوامل
    • سازگاری درونی
    • اطمینان از استنتاج
    • محدودیت در فرضیات
    روش مدل‌سازی در دینامیک سیستم‌ها
    • مدلی که از دنیای واقع در ذهنمان داریم، شامل عوامل مختلف و روابط بین آنهاست.
    • در دینامیک سیستم‌ها این عوامل به دو دسته اصلی تقسیم می‌شوند:
      • متغیرهای حالت (مخزن)
      • متغیرهای نرخ (جریان)
    • روابط بین این متغیرها توسط فلش‌های بازخوردی نشان داده‌می‌شود.
    • از متغیرهای کمکی دیگر برای فهم بهتر مدل استفاده می‌‌‌شود.
    همیشه پای یک مدل در میان است
    • انسان‌ها برای فکر کردن و برای تصمیم‌گیری به مدل نیاز دارند.
      • مدل ذهنی
      • مدل نوشتاری
      • مدل ریاضی
      • مدل دینامیکی
    • تمام مدل‌های دیگر فقط برای تقویت مدل ذهنی استفاده می‌شوند و در نهایت معمولا انسان‌ها بر اساس مدل ذهنی خودشان تصمیم می‌گیرند.
    تمام مدل‌ها غلط هستند، اما بعضی از آنها مفیدند
    • با توجه به اینه یک مدل، ساده شده از یک واقعیت بیرونی است، پس ماهیتا منطبق بر تمام واقعیت بیرونی نیست.
    • از این جهت تمام مدل‌ها غلط هستند و جستجو برای رسیدن به مدل کاملا درست بیهوده است.
    • تصمیم در مورد استفاده کردن یا استفاده نکردن از یک مدل، باید با توجه به سناریوهای جایگزین انجام شود.
    مروری بر پرسش‌های این درس
  • رویکرد دینامیک سیستم‌ها به مدلسازی چگونه است؟
  • دینامیک سیستم‌ها چگونه می‌تواند یادگیری را تقویت کند؟
  • چه اصولی را در مدلسازی سیستم‌ها باید رعایت کرد؟
  • چگونه می‌توانیم مرز سیستم و مرز مدل را مشخص کنیم؟
  • نقش ابهام در شناخت و حل مسایل پیچیده چیست؟
  • در پناه خدا باشیم
    Previous
    Next

    اشتراک گذاری

    Share on telegram
    Telegram
    Share on twitter
    Twitter
    Share on linkedin
    Linkedin
    Share on facebook
    Facebook
    Share on whatsapp
    WhatsApp
    Share on email
    Email
    فیل مولوی

    دوره آموزشی آنلاین

    آشنایی با «تفکر سیستمی»

    مدرس: محمدعلی اسماعیل زاده اصل