Modelagem científica

Origem: Wikipédia, a enciclopédia livre.

Modelagem científica é uma atividade científica, cujo objetivo é tornar uma parte ou característica específica do mundo mais fácil de entender, definir, quantificar, visualizar ou simular fazendo referência a um conhecimento existente e geralmente aceito. Requer selecionar e identificar aspectos relevantes de uma situação no mundo real e, em seguida, usar diferentes tipos de modelos para diferentes objetivos, como modelos conceituais para melhor compreender, modelos operacionais para operacionalizar, modelos matemáticos para quantificar e modelos gráficos para visualizar o assunto.

A modelagem é uma parte essencial e inseparável de muitas disciplinas científicas, cada uma com suas próprias ideias sobre tipos específicos de modelagem. [1] [2] O seguinte foi dito por John von Neumann [3]: " (...) as ciências não procuram explicar, dificilmente tentam interpretar, principalmente fazem modelos. Por modelo entende-se uma construção matemática que, com a adição de certas interpretações verbais, descreve fenômenos observados. A justificativa de tal construção matemática é única e precisamente que se espera que funcione - isto é, descrever corretamente os fenômenos de uma área razoavelmente ampla".

Há também uma atenção crescente relacionada à modelagem científica [4] em campos como educação científica, [5] filosofia da ciência, teoria de sistemas e visualização do conhecimento . Há uma crescente coleção de métodos, técnicas e meta- teoria sobre todos os tipos de modelagem científica especializada.

Visão geral[editar | editar código-fonte]

Um modelo científico busca representar objetos empíricos, fenômenos e processos físicos de uma forma lógica e objetiva . Todos os modelos estão em simulacros, ou seja, reflexos simplificados da realidade que, apesar de serem aproximações, podem ser extremamente úteis. [6] Construir e contestar modelos é fundamental para o empreendimento científico. A representação completa e verdadeira pode ser impossível, mas o debate científico freqüentemente diz respeito a qual é o melhor modelo para uma dada tarefa, por exemplo, qual é o modelo climático mais preciso para previsões sazonais. [7]

As tentativas de formalizar os princípios das ciências empíricas usam uma interpretação para modelar a realidade, da mesma forma que os lógicos axiomatizam os princípios da lógica . O objetivo dessas tentativas é construir um sistema formal que não produza consequências teóricas contrárias ao que se encontra na realidade . As previsões ou outras afirmações extraídas de tal sistema formal espelham ou mapeiam o mundo real apenas na medida em que esses modelos científicos são verdadeiros. [8] [9]

Para o cientista, um modelo também é uma forma pela qual os processos de pensamento humano podem ser ampliados. [10] Por exemplo, os modelos renderizados em software permitem que os cientistas aproveitem o poder computacional para simular, visualizar, manipular e obter intuição sobre a entidade, fenômeno ou processo que está sendo representado. Esses modelos de computador são chamados de in silico. Outros tipos de modelos científicos são in vivo (modelos vivos, como ratos de laboratório ) e in vitro (em vidraria, como cultura de tecidos ). [11]

Fundamentos[editar | editar código-fonte]

Modelagem como um substituto para medição direta e experimentação[editar | editar código-fonte]

Os modelos são normalmente usados quando é impossível ou impraticável criar condições experimentais nas quais os cientistas possam medir diretamente os resultados. A medição direta de resultados sob condições controladas (ver Método científico ) sempre será mais confiável do que estimativas de resultados modeladas.

Na modelagem e simulação, um modelo é uma simplificação e abstração proposital e orientada por tarefas de uma percepção da realidade, moldada por restrições físicas, legais e cognitivas. [12] É orientado por tarefas porque um modelo é capturado com uma determinada pergunta ou tarefa em mente. As simplificações deixam de fora todas as entidades conhecidas e observadas e sua relação que não são importantes para a tarefa. A abstração agrega informações importantes, mas não necessárias com os mesmos detalhes do objeto de interesse. Ambas as atividades, simplificação e abstração, são feitas propositalmente. No entanto, eles são feitos com base na percepção da realidade. Essa percepção já é um modelo em si, pois vem com uma restrição física. Existem também restrições sobre o que somos capazes de observar legalmente com nossas ferramentas e métodos atuais, e restrições cognitivas que limitam o que somos capazes de explicar com nossas teorias atuais. Este modelo compreende os conceitos, seu comportamento e suas relações de forma informal e é frequentemente referido como um modelo conceitual . Para executar o modelo, ele precisa ser implementado como uma simulação de computador . Isso requer mais opções, como aproximações numéricas ou o uso de heurísticas. [13] Apesar de todas essas restrições epistemológicas e computacionais, a simulação foi reconhecida como o terceiro pilar dos métodos científicos: construção de teoria, simulação e experimentação. [14]

Simulação[editar | editar código-fonte]

Uma simulação é uma forma de implementar o modelo, frequentemente empregada quando o modelo é muito complexo para a solução analítica. Uma simulação de estado estacionário fornece informações sobre o sistema em um instante específico no tempo (geralmente em equilíbrio, se tal estado existir). Uma simulação dinâmica fornece informações ao longo do tempo. Uma simulação mostra como um determinado objeto ou fenômeno se comportará. Essa simulação pode ser útil para teste, análise ou treinamento nos casos em que sistemas ou conceitos do mundo real podem ser representados por modelos. [15]

Estrutura[editar | editar código-fonte]

Estrutura é uma noção fundamental e às vezes intangível que abrange o reconhecimento, observação, natureza e estabilidade de padrões e relacionamentos de entidades. Da descrição verbal de um floco de neve feita por uma criança à análise científica detalhada das propriedades dos campos magnéticos, o conceito de estrutura é um fundamento essencial de quase todos os modos de investigação e descoberta na ciência, filosofia e arte. [16]

Sistemas[editar | editar código-fonte]

Um sistema é um conjunto de entidades em interação ou interdependentes, reais ou abstratas, formando um todo integrado. Em geral, um sistema é uma construção ou coleção de diferentes elementos que, juntos, podem produzir resultados que não podem ser obtidos apenas pelos elementos. [17] O conceito de um 'todo integrado' também pode ser expresso em termos de um sistema que incorpora um conjunto de relações que são diferenciadas das relações do conjunto com outros elementos e formam relações entre um elemento do conjunto e elementos que não fazem parte do regime relacional. Existem dois tipos de modelos de sistema: 1) discreto, no qual as variáveis mudam instantaneamente em pontos separados no tempo, e 2) contínuo, onde as variáveis de estado mudam continuamente em relação ao tempo. [18]

Gerando um modelo[editar | editar código-fonte]

Modelagem é o processo de geração de um modelo como representação conceitual de algum fenômeno. Normalmente, um modelo tratará apenas de alguns aspectos do fenômeno em questão, e dois modelos do mesmo fenômeno podem ser essencialmente diferentes - ou seja, que as diferenças entre eles compreendem mais do que apenas uma simples renomeação de componentes.

Essas diferenças podem ser devido a requisitos diferentes dos usuários finais do modelo, ou a diferenças conceituais ou estéticas entre os modeladores e a decisões contingentes tomadas durante o processo de modelagem. Considerações que podem influenciar a estrutura de um modelo podem ser a preferência do modelador por uma ontologia reduzida, preferências em relação a modelos estatísticos versus modelos determinísticos, tempo discreto versus tempo contínuo, etc. Em qualquer caso, os usuários de um modelo precisam entender as suposições feitas que são pertinentes à sua validade para um determinado uso.

Construir um modelo requer abstração . Suposições são usadas na modelagem a fim de especificar o domínio de aplicação do modelo. Por exemplo, a teoria da relatividade especial assume um quadro de referência inercial . Essa suposição foi contextualizada e posteriormente explicada pela teoria geral da relatividade . Um modelo faz previsões precisas quando suas suposições são válidas e pode muito bem não fazer previsões precisas quando suas suposições não são válidas. Essas suposições costumam ser o ponto em que teorias mais antigas são substituídas por novas (a teoria geral da relatividade também funciona em referenciais não inerciais).

Avaliando um modelo[editar | editar código-fonte]

Um modelo é avaliado primeiro e principalmente por sua consistência de acordo com os dados empíricos; qualquer modelo inconsistente com observações reproduzíveis deve ser modificado ou rejeitado. Uma maneira de modificar o modelo é restringindo o domínio sobre o qual ele é creditado como tendo alta validade. Um caso em questão é a física newtoniana, que é altamente útil, exceto para os fenômenos muito pequenos, muito rápidos e muito massivos do universo. No entanto, um ajuste apenas aos dados empíricos não é suficiente para que um modelo seja aceito como válido. Outros fatores importantes na avaliação de um modelo incluem: 

  • Capacidade de explicar observações anteriores
  • Capacidade de prever observações futuras
  • Custo de uso, especialmente em combinação com outros modelos
  • Refutabilidade, permitindo estimar o grau de confiança no modelo
  • Simplicidade ou mesmo apelo estético

As pessoas podem tentar quantificar a avaliação de um modelo usando uma função de utilidade.

Visualização[editar | editar código-fonte]

Visualização é qualquer técnica para criar imagens, diagramas ou animações para comunicar uma mensagem. A visualização por meio de imagens visuais tem sido uma forma eficaz de comunicar ideias abstratas e concretas desde o surgimento do homem. Exemplos da história incluem pinturas rupestres, hieróglifos egípcios, geometria grega e métodos revolucionários de Leonardo da Vinci de desenho técnico para fins científicos e de engenharia.

Mapeamento do espaço[editar | editar código-fonte]

O mapeamento espacial se refere a uma metodologia que emprega uma formulação de modelagem "quase global" para vincular modelos "grosseiros" (ideais ou de baixa fidelidade) com modelos "finos" (práticos ou de alta fidelidade) de diferentes complexidades. Na otimização de engenharia, o mapeamento de espaço alinha (mapeia) um modelo grosseiro muito rápido com seu modelo fino caro para calcular relacionado, de modo a evitar a otimização cara direta do modelo fino. O processo de alinhamento refina iterativamente um modelo grosso "mapeado".

Veja também[editar | editar código-fonte]

Referências

  1. Cartwright, Nancy. 1983. How the Laws of Physics Lie. Oxford University Press
  2. Hacking, Ian. 1983. Representing and Intervening. Introductory Topics in the Philosophy of Natural Science. Cambridge University Press
  3. von Neumann, J. (1995), "Method in the physical sciences", in Bródy F., Vámos, T. (editors), The Neumann Compendium, World Scientific, p. 628; previously published in The Unity of Knowledge, edited by L. Leary (1955), pp. 157-164, and also in John von Neumann Collected Works, edited by A. Taub, Volume VI, pp. 491-498.
  4. Frigg and Hartmann (2009) state: "Philosophers are acknowledging the importance of models with increasing attention and are probing the assorted roles that models play in scientific practice". Source: Frigg, Roman and Hartmann, Stephan, "Models in Science", The Stanford Encyclopedia of Philosophy (Summer 2009 Edition), Edward N. Zalta (ed.), (source)
  5. Namdar, Bahadir (18 de fevereiro de 2015). «Modelling-Oriented Assessment in K-12 Science Education: A synthesis of research from 1980 to 2013 and new directions». International Journal of Science Education. 37: 993–1023 
  6. Box, George E.P. & Draper, N.R. (1987). [Empirical Model-Building and Response Surfaces.] Wiley. p. 424
  7. Hagedorn, R. et al. (2005) http://www.ecmwf.int/staff/paco_doblas/abstr/tellus05_1.pdf[ligação inativa] Tellus 57A:219–33
  8. Leo Apostel (1961). "Formal study of models". In: The Concept and the Role of the Model in Mathematics and Natural and Social. Edited by Hans Freudenthal. Springer. pp. 8–9 (Source)],
  9. Ritchey, T. (2012) Outline for a Morphology of Modelling Methods: Contribution to a General Theory of Modelling
  10. C. West Churchman, The Systems Approach, New York: Dell Publishing, 1968, p. 61
  11. Griffiths, E. C. (2010) What is a model?
  12. Tolk, A. (2015). Learning something right from models that are wrong – Epistemology of Simulation. In Yilmaz, L. (Ed.) Concepts and Methodologies in Modelling and Simulation. Springer–Verlag. pp. 87–106
  13. Oberkampf, W. L., DeLand, S. M., Rutherford, B. M., Diegert, K. V., & Alvin, K. F. (2002). Error and uncertainty in modelling and simulation. Reliability Engineering & System Safety 75(3): 333–57.
  14. Ihrig, M. (2012). A New Research Architecture For The Simulation Era. In European Council on Modelling and Simulation. pp. 715–20).
  15. Systems Engineering Fundamentals. Arquivado em 2007-09-27 no Wayback Machine. Defense Acquisition University Press, 2003.
  16. Pullan, Wendy (2000). Structure. Cambridge: Cambridge University Press. ISBN 0-521-78258-9 
  17. Fishwick PA. (1995). Simulation Model Design and Execution: Building Digital Worlds. Upper Saddle River, NJ: Prentice-Hall.
  18. Sokolowski, J.A., Banks, C.M.(2009). Principles of Modelling and Simulation. Hoboken, NJ: John Wiley and Sons.

Leitura adicional[editar | editar código-fonte]

Hoje existem cerca de 40 revistas sobre modelagem científica que oferecem todos os tipos de fóruns internacionais. Desde a década de 1960, há um número crescente de livros e revistas sobre formas específicas de modelagem científica. Também há muita discussão sobre modelagem científica na literatura de filosofia da ciência. Uma seleção:

  • Rainer Hegselmann, Ulrich Müller e Klaus Troitzsch (eds.) (1996). Modelagem e Simulação nas Ciências Sociais do Ponto de Vista da Filosofia da Ciência . Biblioteca de Teoria e Decisão . Dordrecht: Kluwer.
  • Paul Humphreys (2004). Expandindo-nos: Ciência Computacional, Empirismo e Método Científico . Oxford: Oxford University Press .
  • Johannes Lenhard, Günter Küppers e Terry Shinn (Eds.) (2006) "Simulation: Pragmatic Constructions of Reality", Springer Berlin.
  • Tom Ritchey (2012). "Esboço para uma morfologia dos métodos de modelagem: Contribuição para uma teoria geral da modelagem". In: Acta Morphologica Generalis, Vol. 1. Não 1. pp. 1–20.
  • William Silvert (2001). "Modelagem como Disciplina". In: Int. J. General Systems. Vol. 30 (3), pp. 261.
  • Sergio Sismondo e Snait Gissis (eds.) (1999). Modelagem e Simulação. Edição especial da Science in Context 12
  • Eric Winsberg (2018) "Philosophy and Climate Science" Cambridge: Cambridge University Press
  • Eric Winsberg (2010) "Science in the Age of Computer Simulation" Chicago: University of Chicago Press
  • Eric Winsberg (2003). "Experimentos Simulados: Metodologia para um Mundo Virtual". In: Philosophy of Science 70: 105-125.
  • Tomáš Helikar, Jim A. Rogers (2009). “ ChemChains : uma plataforma de simulação e análise de redes bioquímicas voltada para cientistas de laboratório”. BioMed Central .

Links externos[editar | editar código-fonte]