مدل های ذهنی و مدل‌سازی دینامیک سیستم ها

در مطلب قبلی گفته شد که “مدل های ذهنی، مدلی ساخته و شبیه‌سازی شده در یک فکر هوشیار هستند.” قسمت کلیدی این تعریف ایستا نبودن مدل های ذهنی است. این مدل‌ها قابلیت اجرا رو به جلو یا عقب دارند؛ مانند دستگاه پخش ویدئو که در حال نشان دادن یک فیلم است. اما با شبیه‌سازی خروجی‌های متفاوت با تغییر فرضیات در حالت‌های مختلف، مدل ذهنی عملکردی بسیار پیچیده‌تر از چنین دستگاهی دارد.

شبیه‌سازی ذهنی

مثال مطلب قبلی را درباره کودکی که نزدیک اجاق گاز بود، به خاطر داریم. یکی از خروجی‌هایی که می‌توانیم شبیه‌سازی کنیم، این است که بچه نسورد. چنین چیزی را با تغییر فرضیاتمان ممکن است. والدی را در آشپزخانه اضافه می‌کنیم که درست سر بزنگاه او را نجات می‌دهد. یا اینکه شبیه‌سازی را طوری انجام می‌دهیم که بچه زمین خورده و به تابه روی اجاق نمی‌رسد؛ چون در شکل زمین به نظر لیز است.

چنین شبیه‌سازی‌های ذهنی به ما کمک می‌کند آنچه امکان رخ دادنش هست را بر اساس شرایط متفاوت، برآورد کنیم و سیستم تصمیم‌گیری خود را تغذیه اطلاعاتی کنیم. هرچند نیازی نیست در خصوص آنچه در تصویر می‌بینید تصمیم بگیرید، ولی تصور کنید که اقداماتی انجام می‌دادید اگر این صحنه درست روبروی شما روی می‌داد.

به نظر چنین شبیه‌سازی‌های ذهنی بدون تلاش انجام می‌شود. در بیشتر مواقع اصلا آگاه نیستیم که در حال انجام این کار هستیم. اما در مواقعی هم کاملا مشخص است که مغز به شدت در حال کار کردن می‌باشد. مثلا به صفحه شطرنج زیر نگاه کنید، آیا می‌توانید بگویید دروضعیت کیش و مات قرار گرفته؟

 

بله حالت کیش و مات شده. اما شرط می‌بندم که بسیار بیشتر از تصویر کودک و اجاق گاز تلاش کردید تا سناریوی این بازی شطرنج را شبیه‌سازی ذهنی کنید. حال تصور کنید بازیکنان شطرنج پس از چند حرکت چقدر تلاش کرده‌اند.

در مقاله‌ای تحت عنوان “عدد جادویی هفت، بعلاوه و منهای دو: برخی از محدودیت‌های ظرفیتی ما برای پردازش اطلاعات” نوشته جی ای میلر (G.A. Miller) که در آن عنوان شده است: به طور کلی افراد می‌توانند هفت مورد (عدد، حرف، کلمه و …) را به طور همزمان در حافظه در حال کار خود حفظ کنند.

حافظه در حال کار را می‌توان به حافظه در کامپیوتر تشبیه کرد. مانند میزان رمی (RAM) است که برای انجام محاسبات ذهنی در اختیار داریم. و خیلی هم نیست. بدین معنی که اگر افراد بخواهند پردازش‌های پیچیده اطلاعاتی انجام دهند، به کمک نیاز خواهند داشت. در 50 سال اخیر این کمک از سمت رایانه‌ها ارائه شده است (فراموش نکنیم که IBM کامپیوتری مخصوص انجام بازی شطرنج طراحی کرد: آبی عمیق (Deep Blue)).

کامپیوترها توانایی بشر را در طراحی، تست و ساخت تکنولوژی‌های جدید در مدت زمان اندکی به سطوح بسیار بالا رساندند. دست‌یابی  به کاوش فضا، ارتباطات جهانی و تکنولوژی‌های مدرن سلامتی، بدون کمک کامپیوترها غیر ممکن می‌بود. ما قادریم شبیه‌سازی‌های مربوط به سیستم های پیچیده را به یاری کامپیوترها به جای ذهن خود، انجام دهیم. انجام شبیه‌سازی‌ها با یک کامپیوتر بسیار سریع‌تر و مطمئن‌تر است.

مدل های ذهنی چطور کاربردی می‌شوند؟

مدل‌هایی که با استفاده از کامپیوترها شبیه‌سازی می‌کنیم می‌توانند به شکل‌های مختلف باشند. مثل مدلی مالی در یک فایل اکسل، مدل مهندسی طراحی شده با اتوکد و یا مدل‌های دینامیک جمعیتی که با Vensim ساخته می‌شوند. اما چه چیزی باعث مفید شدن این مدل‌ها می‌شود؟ نتایج مدل؟ پیش‌بینی‌های آن؟ به نظر توانایی توضیح نتایج چیزیست که یک مدل را کاربردی می‌کند.

مدل‌ها ابزارهایی هستند که به ما در فرآیند فهم و تصمیم‌گیری کمک می‌کنند. برای گرفتن تصمیم، شخص باید مقادیری فهم از سیستمی که مدل معرف آن است، داشته باشد. مثلا مدل مالی یک کسب و کار، درصورتی که بدانید آن کسب و کار چطور کار می‌کند، می‌تواند مدلی بسیار مفید باشد.

مدلی را در نظر بگیرید که هیچ محتوای توضیحی ندارد؛ فقط نتایج. معمولا به چنین مدلی “جعبه سیاه” گفته می‌شود. به شما تمام پاسخ‌ها را می‌دهد، اما اطلاعی ندارید که چطور کار می‌کند. افراد به ندرت به چنین مدل‌هایی اعتماد می‌کنند. همچنین برای ایجاد فهم نیز خیلی مفید نیستند.

کاربردی‌ترین مدل‌ها به نحوی ساختاربندی شده‌اند که خود مدل چارچوبی توضیحی فراهم می‌کند، که افراد را قادر می‌سازد سوالات مفید درباره آن بپرسند. چنین سوالاتی به کمک تجربه کردن با مدل (شبیه‌سازی پاسخ داده می‌شود، که به همراه آن فهم افراد از سیستم عمیق‌تر می‌شود.

این حلقه بازخورد مهمی در فرآیند یادگیری افراد است. در صورتی که مدل به همراه خود توضیحات داشته باشد و بتوان آن را با کامپیوتر شبیه‌سازی کرد، این حلقه بازخورد تسریع نیز می‌شود.

تبدیل مدل های ذهنی به مدل‌های بصری که فهمیدنشان راحت‌تر است و می‌توان آن‌ها را تجربه کرد، درک شما را عمیق‌تر کرده و کمک می‌کند مدل‌هایتان را بهتر به اشتراک گذارید.

مدل‌سازی دینامیک سیستم

سیستم‌های دینامیک در این که فهم‌شان دشوار است بدنام شده‌اند. اگر پژوهشی درباره وقایع جهانی اخیر مانند بحران اقتصادی، تغییرات آب و هوایی، گسترش تروریست و مسائل بهداشتی درمانی انجام دهیم، با مدل های ذهنی بسیاری درباره نحوه عملکرد سیستم‌ها و اقدامات مفید برای بهبود آن‌ها، مواجه خواهیم شد.

فهم چنین سیستم‌هایی دشوار است چرا که ظرفیت ذهنی ما را برای مدل‌سازی و شبیه‌سازی آن‌ها به چالش می‌کشد. مشکلات سیستمی با صفاتی مانند غیر خطی بودن، تاخیرها و درگیری حلقه‌های بازخورد، شناخته می‌شوند، که همگی فهمی دشوار دارند.

در نتیجه‌ی همین پیچیدگی که در ذات سیستم‌های دینامیکی وجود دارد، معمولا شاهد بحث و عدم اعتماد بسیار برای تغییرشان هستیم. یک لحظه به خاطر آورید که چطور موضوعات پیچیده در روزنامه‌ها، بلاگ‌ها، تلویزیون و حتی محل کار تحلیل می‌شوند. به طور معمول هم پیش‌بینی‌ها پیرامون اینکه درصورت اجرای یک راهکار چه چیزی اتفاق خواهد افتاد، با توضیح بسیار اندکی درباره نحوه تغییر رفتار سیستم، ارائه می‌شود. افراد هم اگر فهمی مشترک درباره دینامیک سیستم‌های دخیل نداشته باشند، برای مشارکت در مکالماتی معنادار برای حل واقعی مشکلات، موفق نخواهند بود.

به همین خاطر توسعه یک مدل بصری از چگونگی ساختار سیستم، زیربنای فلسفه‌ی موجود در پس تفکر سیستمی و نرم‌افزارهای شبیه‌سازی مانند iThink و STELLA است. در ادامه نحوه عملکرد آن را به کمک STELLA توضیح می‌دهیم.

متغیرهای انباره و جریان

مدل ذهنی فرآیند یادگیری که در بالا آوردیم، معرف تصویری از روابط علت و معلولی است. چنین روابطی را می‌توان به کمک متغیرهای انباره و جریان در نرم‌افزارهایی مثل STELLA مدل کرد.

یک انباره، معرف انباشتگی در سیستم است. می‌توان آن را مثل یک وان حمام فرض کرد. پس یک انباره هم می‌توان پر و خالی شود. در اکثر نرم‌افزارها این متغیر به شکل یک مستطیل نشان داده می‌شود. پس متغیرهایی مثل آب، پس انداز، جمعیت، خشم و انگیزه از نوع انباره (حالت) هستند.

متغیرهای جریان نیز آن دسته از متغیرهایی هستند که به انباره‌ها اضافه یا کم می‌شوند. شیر آبی را در نظر بگیرید که با باز شدن آن آب وارد وان حمام می‌شود. در این حالت انباره، آب داخل وان و جریان همان نرخ ورود آب است.

به طور مشابه نرخ مرگ و میر باعث خروج افراد از جمعیت و کاهش سطح آن به مرور زمان می‌شود.

 

ابرهای ابتدا و انتهای جریان‌ها نشان دهنده منبعی نامحدود است. در این مدل مرگ وارد یک ابر می‌شود، که به معنای خروج آن از مرز سیستم است و به همین خاطر در محدوده مطالعه ما نیست.

حلقه‌های بازخورد

حلقه‌های بازخورد عامل حرکت سیستم روی پای خودش هستند. شبیه‌سازی ذهنی آن‌ها دشوار است، اما به کمک متغیرهای انباره و جریان ساختشان ساده‌تر می‌شود. یک فلش (در شکل زیر قرمز) نشان دهنده وابستگی بین دو عضو سیستم است. در مدل زیر، میزان زاد و ولد وابسته به سطح جمعیت و نرخ زاد و ولد است.

نرخ زاد و ولد با یک دایره نشان داده شده است. دایره‌ها می‌توانند شامل اصطلاحات یا ثوابتی باشند که برای اصلاح سایر قسمت‌های سیستم استفاده می‌شوند. حتما حدس زده‌اید که میزان زاد و ولد حاصل ضرب جمعیت در نرخ زاد و ولد است.

این ساختار یک حلقه‌ی بازخورد تقویتی است. به همین خاطر نتیجه شبیه‌سازی آن بر حسب زمان رشد نمایی جمعیت خواهد بود. چون چیزی رشد جمعیت را محدود نمی‌کند. یک راه محدود کردن رشد جمعیت، افزودن حلقه‌ای تعادلیست.

رابطه بین میزان جمعیت و نرخ مرگ و میر، یک حلقه تعادلی تشکیل می‌دهد. نرخ مرگ و میر بر مبنای میزان جمعیت تغییر می‌کند و به همین خاطر محدود کننده رشد جمعیت است. اگر جمعیت خیلی زیاد شود، مرگ و میر با نرخ بالاتری رخ می‌دهد.

 

 

 

 

سایر مطالب تفکر سیستمی:

  1. در سیستم پیچیده دینامیک بال پروانه طوفان به پا می‌کند
  2. هر سیستم یک مجموعه است و نه بالعکس
  3. هدف، روح نا پیدای سیستم
  4. مراقب کوه یخ سیستم‌ها باشیم
  5. دشمن را ملاقات کردیم : خود ما! (قسمت اول)
  6. دشمن را ملاقات کردیم : خود ما! (قسمت دوم)
  7. مثال‌هایی از مقاومت در برابر سیاست
  8. مقاومت علی سیاست: اشکال در سیستم یا سیاست؟
  9. بازخور (فیدبک): دستان پشت پرده سیستم‌ها
  10. وبسایت‌هایی برای مطالعه تفکر سیستمی
  11. تفکر سیستمی: یک جهان‌بینی عملیاتی (قسمت اول)
  12. تفکر سیستمی: یک جهان‌بینی عملیاتی (قسمت دوم)
  13. تفکر در زمینه‌ی تفکر سیستمی: چطور می توانیم راحت تر به آن تجهیز شویم؟
  14. 7 مهارت اساسی اندیشیدن (ابزارهای تفکر سیستمی)
  15. تفکر سیستمی: چه چیزی؟ چرا؟ چه زمانی؟ کجا؟ وچطور؟
  16. تفکر سیستمی: نیاز رهبران برای رشد پایدار کسب و کار
  17. معرفی چند کتاب تفکر سیستمی
  18. مربی‌گری و تسهیل تفکر سیستمی در سازمان
  19. 6 گام سیستمی اندیشیدن در عمل
  20. چطور ساختار سیستمی را ببینیم؟
  21. تفکر دینامیک (پویا) چیست؟
  22. ماتریس استقرار چشم انداز: چارچوبی برای تغییرات بزرگ
  23. از تفکر رویداد محور تا تفکر سیستمی
  24. کلیپ تفکر سیستمی
  25. مدل ذهنی چیست؟
  26. مدل های ذهنی و مدل‌سازی دینامیک سیستم ها
  27. معرفی سه ابزار تفکر سیستمی تحت وب
  28. مسئولیت پذیری سازمانی : چطور جلوی یکی از سنگین‌ترین هزینه‌های سازمانمان را بگیریم؟
  29. سطوح مسئولیت پذیری سازمانی : درمانی برای پدیده‌ای خطرناک در سازمان
  30. تئوری‌پردازی برای خلق حلقه های علت و معلولی
  31. استفاده از نمودارهای حلقه علیت برای شفاف کردن مدل ذهنی
  32. شناسایی تاخیر ؛ چطور در سازمان در فرصت کمتر کار بیشتری انجام دهیم
  33. چرا معضل ترافیک کلانشهرها ساخت اتوبان و بزرگراه نیست؟
  34. معرفی تفکر سیستمی به سازمان ؛ چطور دیگران را با خود همراه کنیم؟
  35. عشق در تفکر سیستمی [ویدئو]: مثالی عملی در زندگی روزانه
  36. تفکر سیستمی و سازمان ناب : چطور تویوتا نوسانات بازار را در خود حل کرد
  37. تفکر سیستمی و چاقی : چرا گرسنگی راه لاغر شدن نیست؟
  38. نقطه اهرمی چیست؟ 12 نوع آن از دید تفکر سیستمی
  39. تفکر ساختارمند : گله گاو شیرده و تیم فروش چه شباهتی به هم دارند؟
  40. نقاط اهرمی در سیستم‌ها (1): معرفی سه نمونه آن
  41. نردبان استنتاج: چطور به کمک این مدل از سوء برداشت جلوگیری کنیم؟
  42. سطوح فهم از دید تفکر سیستمی: رویداد، الگو، ساختار و چشم‌انداز
  43. زبان تفکر سیستمی: چطور با تغییر زبان دنیا را واقعی‌تر ببینیم؟
  44. حلقه های علت و معلولی: سنگ بناهای سیستم‌های دینامیکی
  45. حلقه های علیت تا دیاگرام گرافیکی عملکرد : ابزار قدرتمند تفکر سیستمی
  46. تفکر سیستمی با راسل ایکاف [ویدئو]
  47. سیستم‌ها با راسل ایکاف [ویدئو]: چرا نظام سلامت و آموزش به ما ضرر می‌زنند؟

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *