Моделювання має бути шансом перевірити свої припущення, а не просто підтвердити їх. Shutterstock

Ведучий енергетичний план уряду Тернбулла Національна гарантія енергії, мав на меті покінчити з десятиліттям безладдя в енергетичній та кліматичній політиці в Австралії.

Як не дивно, з моменту свого відкриття у жовтні 2017, дискусія є посилений значно, в результаті чого уряд має зараз відійшли від складової політики щодо скорочення викидів.

Багато уваги було приділено високій політичній драмі та фундаментальним конфліктам щодо важливості скорочення викидів. Але ще одне ключове питання - це відсутність довіри в урядових моделях, що прогнозують результати своєї політики.

Наприклад, уряд цього місяця стверджував, що NEG зменшить рахунки для домогосподарств на $ 150 на рік. Незалежні аналітики, А також Праця та Зелень політики, поставили під сумнів цю цифру. Вони вказують на те, що інше Моделі пропонують різні результати - особливо такий, який оголосив федеральний міністр енергетики Джош Фріденберг у жовтні 2017, який передбачив зниження курсу на $ 100. Усі ці групи закликали повністю звільнити роботу уряду з моделювання.

Але якщо моделювання є формою наукового аналізу, чому різні моделі дають такі різні результати?

Що таке модель?

Модель - це спрощене представлення реальності, але ця "реальність" визначається модельєром. Ми даємо моделі набір входів, і вона виробляє набір виходів.

Процес моделювання включає в себе послідовність "виборів", які модельєр робить щодо методів використання, вхідних даних для подачі та взаємозв'язків між цими даними (тобто, що впливає на що).

Надаючи деяким факторам більше ваги - навмисно чи ненавмисно - модельєр може зробити один результат більш привабливим, ймовірним або важливим, ніж інші.

Уявіть, що попросите поварів 100 з різних країн зробити найкращий суп з локшини у світі. Всі вони обирали різні інгредієнти, види локшини та способи приготування.

Ці варіанти відображають рецепти, які вони вже знають, смаки, які їм особисто подобаються чи не подобаються, та інгредієнти, з якими вони знайомі. Вони формують свої упередження щодо того, яким повинен бути хороший суп з локшиною. Ви не здивуєтесь, якщо в кінці цього змагання побачите дуже різні супи з локшиною 100!

Як і суп з локшини, також розробляються моделі з різноманітними інгредієнтами, які формуються за вибором та упередженості їхніх модельєрів та зацікавлених сторін. Сукупний ефект цих виборів створює різні моделі, а отже, і різні результати.

Ось чому деякі модельєри та аналітики зараз стверджують, що жодна модель не є "правильною моделлю", так як суп з локшини не є правильним супом з локшиною, і що жодна модель не призведе до "встановлена ​​правдивість".

Отже, як ми можемо розробити політику, використовуючи моделі, наповнені упередженнями та інтересами?

Дослідження, а не прогнозування

Ось наша відповідь: ми не повинні розглядати інструменти моделей для “прогнозування”, а для “дослідження”. Не слід очікувати, що моделі дадуть нам "відповідь" на наші політичні питання. Нам потрібні моделі для вивчення різноманітних сценаріїв для інформування про політичні дискусії.

Давайте скористаємося прикладом зменшення викидів парникових газів. Існує багато способів зробити це. Ми можемо перетворити наші системи виробництва електроенергії, щоб збільшити кількість відновлюваних джерел енергії; ми можемо підвищити ефективність будівництва; ми можемо використовувати більш чисті транспортні засоби.

Кожен шлях має своїх опонентів та прихильників. Вони можуть сперечатися з приводу їх вигоди, їх наслідків та того, скільки інвестицій заслуговує кожен із грошових коштів.

У традиційному прогностичному підході ми б моделювали кожен варіант політики (або комбінацію варіантів) та оцінювали його вплив на викиди. (І, ймовірно, кожна сторона братиметься за власне моделювання з власними неявними припущеннями.)

Але в дослідницькому підході ми розглядаємо модель як щось, з чим можна грати, "перевіряти" варіанти політики. Ми змінюємо припущення, що лежать в основі моделі, і бачимо, як змінюються результати. Ми змінюємо майбутні сценарії, запускаємо численні сценарії та бачимо, як працюють різні варіанти політики в різних сценаріях. І наприкінці цієї грайливої ​​вправи немає єдиної відповіді! Кожен результат залежить від припущень та сценаріїв, з яких він був зроблений, і - головне - ці припущення всі задокументовані та зроблені прозорими.

Цей підхід ми використовували для дослідження Індії перехід до чистої енергії. Вони, як і Австралія, мають вирішення дуже складних політичних та соціальних питань, які не вкладаються в традиційні способи моделювання, які прагнуть дати однозначну відповідь.

Ми, безумовно, не припускаємо, що дослідницьке моделювання є срібною кулею для вирішення політичних розбіжностей у складних політичних питаннях. Однак, це може перетворити наше розуміння моделей із процесу «чорної скриньки» на прозорий процес, відкритий для вивчення. Це може перетворити неявні припущення в явні сценарії, які можна перевірити і обговорити. Таким чином, ми можемо мати більше політик, які забезпечуватимуть те, що вони обіцяють - і загально узгоджений фундамент інформації, над яким можна сперечатися.

про автора

Ширін Малекпур, керівник наукових досліджень у галузі стратегічного планування та досліджень з питань майбутнього, Інститут сталого розвитку Монаш, Університет Монаш та Енаят А. Моаллемі, науковий співробітник, UNSW

Ця стаття була спочатку опублікована на Бесіда. Читати оригінал статті.

Суміжні книги

at InnerSelf Market і Amazon