مدل سازی باید فرصتی برای تست فرضیات شما باشد، نه فقط آنها را تأیید کنید. شاتر

برنامه انرژی گلخانه ای دولت Turnbull، تضمین انرژی ملی، در نظر گرفته شده بود برای پایان دادن به یک حوادث ده ساله در سیاست انرژی و آب و هوا در استرالیا.

با وحشتناك، از آن زمان افتتاحیه در ماه اکتبر 2017، بحث این است بالا بردن به طور قابل توجهی، با نتیجه که دولت در حال حاضر از جزء کاهش انتشار گازهای گلخانه ای این سیاست گذشت.

توجه زیادی به درام سیاسی بالا - و درگیری های اساسی در مورد اهمیت کاهش انتشار گازهای گلخانه ای گرفته شده است. اما یکی دیگر از مسائل کلیدی است عدم اعتماد در مدل های دولت پیش بینی نتایج سیاست های خود را.

به عنوان مثال، دولت ماه اینده را اعلام کرد که NEG حسابهای خانوار را با A $ 150 در سال کاهش می دهد. تحلیلگران مستقل، و همچنین کار و سبزی سیاستمداران، این رقم را مورد سوال قرار داده اند. آنها اشاره می کنند که دیگر مدل پیشنهادات مختلف - به ویژه توسط وزیر انرژی فدرال جاش فریدنبرگ در اکتبر 2017، که پیش بینی کاهش A $ 100 اعلام کرد. همه این گروه ها خواستار آزادی کامل مدل سازی دولت شده اند.

اما اگر مدلسازی یک شکل از تحلیل علمی است، چرا مدلهای مختلف چنین نتایجی را ارائه میدهند؟

یک مدل چیست؟

یک مدل نمایشی ساده از واقعیت است، اما این «واقعیت» توسط مدلساز تعریف شده است. ما یک مدل مجموعه ای از ورودی ها را ارائه می دهیم و مجموعه ای از خروجی ها را تولید می کنیم.

فرایند مدل سازی شامل یک توالی از "انتخاب ها" است که مدلساز در مورد روش های استفاده می کند، داده های ورودی برای تغذیه، و روابط بین این داده ها (یعنی چه تاثیری بر چه چیزی).

با دادن برخی از عوامل بیشتر وزن - چه به طور عمدی یا ناخواسته - مدلساز می تواند یک نتیجه را جذاب تر کند، احتمالا یا مهم تر از دیگران باشد.

تصور کنید از آشپزی های 100 از کشورهای مختلف بخواهید بهترین سوپ رشته فرنگی در جهان را تهیه کنید. آنها همه را انتخاب مواد تشکیل دهنده، انواع رشته فرنگی، و روش های پخت و پز.

این انتخابات، دستورالعمل هایی را که قبلا می دانند را منعکس می کنند، طعمی که آنها شخصا دوست ندارند یا دوست ندارند و مواد تشکیل دهنده آنها آشنا هستند. اینها تعصب خود را با توجه به آنچه که یک سوپ رشته نان خوب باید باشد. شما نمی توانید تعجب کنید اگر 100 کاملا متفاوت از سوپ رشته فرنگی در پایان این مسابقه ببینید!

مانند سوپ نودل، مدلهای سیاست نیز با انواع مواد تشکیل دهنده ساخته می شوند که از طریق انتخاب و تعصب الگوها و ذینفعان آنها شکل می گیرد. اثر تجمعی این گزینه ها مدل های مختلفی را ایجاد می کند و بنابراین نتیجه های مختلفی دارد.

به همین دلیل است که برخی از مدلسازان و تحلیلگران در حال حاضر استدلال می کنند که هیچ مدل مدل "درست" نیست، همانطور که هیچ سوپ ماکارونی سوپ ماکارونی درست نیست و هیچ مدل واحد نمی تواند "حقیقت را ثابت کرد".

بنابراین، چگونه می توانیم سیاست هایی را با استفاده از مدل هایی که با تعصبات و منافع خاص پر شده است، طراحی کنیم؟

اکتشاف، پیش بینی نیست

در اینجا این است پاسخ ما: ما نباید ابزارهای مدل را برای پیش بینی، بلکه برای «اکتشاف» در نظر بگیریم. ما نباید مدل ها را انتظار داشته باشیم که پاسخ "سوالات" ما را به "پاسخ" بدهند. ما نیاز به مدل برای کشف طیف وسیعی از سناریوها برای اطلاع رسانی در مورد بحث های سیاسی است.

بگذارید از مثال کاهش انتشار گازهای گلخانه ای استفاده کنیم. خیلی راه ها برای انجام دادن این وجود دارد. ما می توانیم سیستم های تولید برق ما را به منظور افزایش مقدار انرژی تجدید پذیر تبدیل کنیم؛ ما می توانیم کارایی ساخت و ساز را بهبود بخشیم؛ ما می توانیم از وسایل حمل و نقل پاک تر استفاده کنیم.

هر مسیر دارای مخالفان و طرفداران آن است. آنها ممکن است بر مزایای خود، عواقب آن و سرمایه گذاری هر کدام از پول نقد محدودی بحث کنند.

در رویکرد پیش بینی معمول، ما هر گزینه سیاست (یا ترکیبی از گزینه ها) را مدل می کنیم و تاثیر آن را بر انتشار گازهای گلخانه ای بررسی می کنیم. (و احتمالا هر یک از طرفین مدل سازی خود را با دلایل ضمنی خود انجام می دهند).

اما در یک رویکرد اکتشافی، ما مدل را به عنوان چیزی که با آن بازی میکنیم در نظر میگیریم تا گزینههای سیاست را آزمایش کنیم. فرضیه های زیر را تغییر می دهیم و نتایج را تغییر می دهیم. ما سناریوهای آینده را تغییر می دهیم و سناریوهای متعددی را اجرا می کنیم و ببینید چگونه گزینه های سیاست تحت سناریو های مختلف عمل می کنند. و در پایان این بازی شاداب، هیچ پاسخ واحد وجود ندارد! هر نتیجه بستگی به مفروضات و سناریوهایی که از آن تولید شده است و - به طور حتم - این فرضیه ها همه مستند و شفاف هستند.

ما از این روش برای بررسی هند استفاده کردیم انتقال به انرژی پاک. آنها، مانند استرالیا، با مسائل بسیار پیچیده سیاسی و اجتماعی مواجه هستند که به طور منظم به روش های معمول برای مدل سازی، که در تلاش برای پاسخ واحد هستند، مرتفع نمی شوند.

ما قطعا پیشنهاد نمیکنیم که مدل سازی اکتشافی یک گلوله نقره ای برای حل اختلافات سیاسی در مسائل سیاست پیچیده است. اما می تواند درک ما از مدل ها از یک فرایند "جعبه سیاه" را به یک فرآیند شفاف بازرسی کند. این می تواند مفروضات ضمنی را به سناریوهای صریح تبدیل کند که می تواند مورد آزمایش و بحث قرار گیرد. به این ترتیب، ما ممکن است سیاست های بیشتری داشته باشیم تا آنچه را که قول می دهیم تحویل دهیم - و پایه و اساس توافق شده که به طور کلی توافق شده است.

درباره نویسنده

شیرین ملک پور، پژوهشگر برنامه ریزی استراتژیک و مطالعات آینده، موسسه توسعه پایدار موناش، دانشگاه موناش و ان یات A. موملمی، دانشیار، UNSW

این مقاله در اصل در تاریخ منتشر شد گفتگو. دفعات بازدید: مقاله.

کتاب های مرتبط

بازار داخلی

آمازون