Mallinnuksen pitäisi olla mahdollisuus testata oletuksiasi, ei vain vahvistaa niitä. Shutterstock

Turnbullin hallituksen lippulaivahanke, Kansallinen energiahuolto, tarkoituksena oli lopettaa Australian energia- ja ilmastopolitiikan vuosikymmenen pituinen umpikuja.

Ironista kyllä, sen jälkeen paljastaminen lokakuussa 2017, keskustelu on kohonnut huomattavasti, minkä seurauksena hallitus nyt on käveli pois politiikan päästöjä vähentävästä osasta.

Paljon huomiota on kiinnitetty korkeaan poliittiseen draamaan - ja perustavanlaatuisiin konflikteihin päästöjen vähentämisen merkityksestä. Mutta toinen keskeinen kysymys on epäluottamus hallituksen malleissa, jotka ennustavat politiikkojensa tuloksia.

Esimerkiksi hallitus väitti tässä kuussa, että NEG vähentää kotitalouslaskuja A $ 150: lla vuodessa. Riippumattomat analyytikotSekä työ ja Vihannekset poliitikot, ovat kyseenalaistaneet tämän luvun. He huomauttavat, että muut mallit ehdottaa erilaisia ​​tuloksia - varsinkin liittovaltion energiaministeri Josh Frydenberg ilmoitti lokakuussa 2017, joka ennusti A $ 100 -vähennyksen. Kaikki nämä ryhmät ovat vaatineet hallituksen mallinnustyön täydellistä vapauttamista.

Mutta jos mallinnus on tieteellisen analyysin muoto, miksi eri mallit antavat erilaisia ​​tuloksia?

Mikä on malli?

Malli on yksinkertaistettu todellisuuden esitys, mutta mallinnus määrittelee ”todellisuuden”. Annamme mallille joukon panoksia ja se tuottaa joukon tuotoksia.

Mallinnusprosessiin kuuluu "valintoja", jotka mallinnusohjelma tekee käyttötavoista, syötettävistä tiedoista syötettäväksi ja näiden tietojen väliset suhteet (eli mikä vaikuttaa mihin).

Antamalla joillekin tekijöille enemmän painoa - joko tarkoituksella tai tahattomasti - mallinnusohjelma voi tehdä yhden tuloksen näyttävämmäksi, todennäköisemmäksi tai tärkeämmäksi kuin muut.

Kuvittele, että pyydät 100-kokkeja eri maista tekemään parasta nuudeli keittoa maailmassa. He valitsivat kaikki eri ainesosat, nuudelit ja keinot ruoanlaittoon.

Nämä valinnat heijastaisivat jo tiedossa olevia reseptejä, makuja, joita he henkilökohtaisesti pitävät tai eivät pidä, sekä ne ainesosat, joita he tuntevat. Nämä muodostavat puolueettomuutensa sen suhteen, mitä hyvän nuudelikoiran pitäisi olla. Sinun ei olisi yllättynyt, jos näet 100in hyvin erilaiset nuudelikoirat tämän kilpailun lopussa!

Kuten nuudelikeitto, myös politiikkamalleja valmistetaan monilla eri ainesosilla, joita muotoilijoiden ja sidosryhmien valinnat ja puolueet muokkaavat. Näiden valintojen kumulatiivinen vaikutus luo erilaisia ​​malleja ja siten erilaisia ​​tuloksia.

Siksi jotkut mallinnajat ja analyytikot väittävät nyt, että mikään malli ei ole oikea malli, aivan kuten mikään makaronikeitto ei ole oikea nuudeli keitto, eikä mikään yksittäinen malli johtaisi "totuudenmukaisuus".

Joten, miten voimme suunnitella käytäntöjä malleilla, jotka ovat täynnä ennakkoluuloja ja etuja?

Tutkimus, ei ennustaminen

Tässä on vastauksemme: meidän ei pidä harkita "ennustamiseen" tarkoitettuja malleja, vaan "tutkimusta". Emme saisi odottaa malleilta, että me annamme meille vastauksen poliittisiin kysymyksiimme. Tarvitsemme malleja, joiden avulla tutkitaan erilaisia ​​skenaarioita, joiden avulla voidaan tiedottaa poliittisista keskusteluista.

Käytämme esimerkkiä kasvihuonekaasupäästöjen vähentämisestä. On monia tapoja tehdä tämä. Voimme muuttaa sähköntuotantojärjestelmämme uusiutuvien energialähteiden määrän lisäämiseksi; voimme parantaa rakennuksen tehokkuutta; voimme käyttää puhtaampia kuljetusvälineitä.

Jokaisella reitillä on vastustajansa ja kannattajansa. He saattavat väittää niiden etuja, seurauksia ja kuinka paljon kukin investointi ansaitsee rajallisesta rahastosta.

Perinteisessä ennakoivassa lähestymistavassa mallinnettaisiin kukin toimintavaihtoehto (tai vaihtoehtojen yhdistelmä) ja arvioimme sen vaikutuksia päästöihin. (Ja luultavasti kukin puoli tekisi oman mallintamisen omilla implisiittisillä oletuksillaan.)

Tutkimuksellisessa lähestymistavassa me kuitenkin kohtelemme mallia pelattavaksi "testata" toimintavaihtoehtoja. Muutamme mallin taustalla olevia olettamuksia ja tarkastelemme, miten tulokset muuttuvat. Muutamme tulevia skenaarioita ja suoritamme lukuisia skenaarioita ja tarkastelemme, miten toimintavaihtoehdot toimivat eri skenaarioissa. Ja tämän leikkisän harjoituksen lopussa ei ole yhtä vastausta! Jokainen tulos riippuu oletuksista ja skenaarioista, joista se on tuotettu, ja - ratkaisevasti - nämä oletukset dokumentoidaan ja tehdään avoimiksi.

Käytimme tätä lähestymistapaa Intian tutkimiseen siirtyminen puhtaaseen energiaan. He, kuten Australia, käsittelevät erittäin monimutkaisia ​​poliittisia ja sosiaalisia kysymyksiä, jotka eivät taiteta kunnolla tavanomaisiin mallintamistapoihin, jotka pyrkivät antamaan yhden vastauksen.

Emme todellakaan viittaa siihen, että tutkimusmallinnus on hopealenkki poliittisten erojen ratkaisemiseksi monimutkaisissa poliittisissa kysymyksissä. Se voi kuitenkin muuttaa meidän käsityksemme malleista "blackbox" -prosessista läpinäkyvään, avoimeen prosessiin. Se voi kääntää implisiittiset oletukset selkeiksi skenaarioiksi, jotka voidaan testata ja keskustella. Tällä tavoin meillä voi olla enemmän politiikkoja, jotka antavat lupauksensa - ja yhteisesti sovitun perustan, jota väitettäisiin.

Author

Shirin Malekpour, strategisen suunnittelun ja tulevaisuuden tutkimusten johtaja, Monashin kestävän kehityksen instituutti, Monashin yliopisto ja Enayat A. Moallemi, tutkija, UNSW

Tämä artikkeli julkaistiin alunperin Conversation. Lue alkuperäinen artikkeli.

Liittyvät kirjat

at InnerSelf Market ja Amazon