Modelowanie powinno być okazją do przetestowania twoich założeń, a nie tylko ich potwierdzenia. Shutterstock

Flagowy plan energetyczny rządu Turnbull, Krajowa gwarancja energetyczna, miał zakończyć dziesięcioletni impas w polityce energetycznej i klimatycznej w Australii.

Jak na ironię, ponieważ jest odsłonięcie w październiku 2017, debata ma podwyższone znacznie, w wyniku czego rząd ma teraz odszedł od elementu polityki dotyczącej redukcji emisji.

Wiele uwagi poświęcono wysokiemu dramatowi politycznemu - i fundamentalnym konfliktom dotyczącym znaczenia redukcji emisji. Ale kolejną kluczową kwestią jest brak zaufania w modelach rządowych przewidujących wyniki swoich polityk.

Na przykład, rząd twierdził w tym miesiącu, że NEG obniży rachunki domowe o A $ 150 rocznie. Niezależni analitycy, jak również Praca i Zielenina politycy, zakwestionowali tę liczbę. Wskazują na to inne modele sugerują różne wyniki - zwłaszcza ten ogłoszony przez federalnego ministra energii Josha Frydenberga w październiku 2017, który przewiduje redukcję A $ 100. Wszystkie te grupy wezwały do ​​pełnego uwolnienia prac modelowych rządu.

Ale jeśli modelowanie jest formą analizy naukowej, dlaczego różne modele dają tak różne wyniki?

Co to jest model?

Model jest uproszczoną reprezentacją rzeczywistości, ale ta „rzeczywistość” jest definiowana przez modelarza. Dajemy modelowi zestaw danych wejściowych i tworzy on zestaw wyników.

Proces modelowania obejmuje sekwencję „wyborów” dokonywanych przez modelarza w zakresie metod, danych wejściowych, które należy wprowadzić, oraz relacji między tymi danymi (czyli co wpływa na to, co).

Nadając niektórym czynnikom większą wagę - celowo lub niezamierzenie - modelarz może sprawić, że jeden wynik będzie bardziej atrakcyjny, prawdopodobny lub ważny niż inne.

Wyobraź sobie, że prosisz kucharzy 100 z różnych krajów o przygotowanie najlepszej zupy z makaronem na świecie. Wszyscy wybierali różne składniki, rodzaje makaronów i sposoby gotowania.

Te wybory odzwierciedlałyby przepisy, które już znają, gusta, które osobiście lubią lub nie lubią, oraz składniki, które są im znane. Tworzą one uprzedzenia co do tego, jak powinna wyglądać dobra zupa z makaronem. Nie zdziwiłbyś się, gdybyś zobaczył bardzo różne zupy z makaronem 100 na koniec tego konkursu!

Podobnie jak zupa z makaronem, modele polityki są również tworzone z różnych składników, które są kształtowane przez wybory i uprzedzenia ich modelarzy i interesariuszy. Łączny efekt tych wyborów tworzy różne modele, a zatem różne wyniki.

Dlatego niektórzy modelerzy i analitycy twierdzą teraz, że żaden model nie jest „właściwym” właściwym modelem, podobnie jak żadna zupa z makaronem nie jest właściwą zupą z makaronem i że żaden pojedynczy model nie dałby „ustalona prawdomówność".

Jak więc możemy zaprojektować zasady przy użyciu modeli wypełnionych uprzedzeniami i zainteresowaniami?

Eksploracja, a nie przewidywanie

Oto nasza odpowiedź: nie powinniśmy brać pod uwagę modeli narzędzi do „przewidywania”, ale raczej do „eksploracji”. Nie powinniśmy oczekiwać, że modele dadzą nam „odpowiedź” na nasze pytania dotyczące polityki. Potrzebujemy modeli do zbadania szeregu scenariuszy w celu prowadzenia dyskusji na temat polityki.

Użyjmy przykładu redukcji emisji gazów cieplarnianych. Istnieje wiele sposobów, aby to zrobić. Możemy przekształcić nasze systemy wytwarzania energii elektrycznej, aby zwiększyć ilość odnawialnych źródeł energii; możemy poprawić wydajność budynków; możemy użyć czystszych środków transportu.

Każda ścieżka ma swoich przeciwników i zwolenników. Mogą się kłócić o swoje korzyści, konsekwencje i ile inwestycji każda z nich zasługuje na skończoną pulę pieniędzy.

W konwencjonalnym podejściu prognostycznym modelujemy każdą opcję polityczną (lub kombinację opcji) i oceniamy jej wpływ na emisje. (I prawdopodobnie każda ze stron przeprowadziłaby własne modelowanie, z własnymi domniemanymi założeniami).

Ale w podejściu eksploracyjnym traktujemy model jako coś do zabawy, do „testowania” opcji politycznych. Zmieniamy założenia leżące u podstaw modelu i widzimy, jak zmieniają się wyniki. Zmieniamy przyszłe scenariusze i uruchamiamy wiele scenariuszy i sprawdzamy, jak opcje polityki działają w różnych scenariuszach. Pod koniec tego żartobliwego ćwiczenia nie ma jednej odpowiedzi! Każdy wynik zależy od założeń i scenariuszy, z których został wytworzony, i - co najważniejsze - wszystkie te założenia są udokumentowane i przejrzyste.

Zastosowaliśmy to podejście do zbadania Indii przejście do czystej energii. Podobnie jak Australia mają do czynienia z bardzo skomplikowanymi kwestiami politycznymi i społecznymi, które nie składają się jednoznacznie na konwencjonalne sposoby modelowania, które starają się dać jedną odpowiedź.

Z pewnością nie sugerujemy, że modelowanie eksploracyjne jest srebrną kulą w rozwiązywaniu różnic politycznych w złożonych kwestiach politycznych, może jednak przekształcić nasze rozumienie modeli z procesu „czarnej skrzynki” w przejrzysty proces otwarty do kontroli. Może przekształcić domniemane założenia w jawne scenariusze, które można przetestować i omówić. W ten sposób możemy mieć więcej polityk, które zapewnią to, co obiecują - i wspólnie uzgodnioną podstawę informacji, o które można się kłócić.

O autorze

Shirin Malekpour, kierownik badań w zakresie planowania strategicznego i badań przyszłości, Monash Sustainable Development Institute, Uniwersytet Monash i Enayat A. Moallemi, Research Associate, UNSW

Ten artykuł został pierwotnie opublikowany w Konwersacje. Przeczytać oryginalny artykuł.

Powiązane książki

at Rynek wewnętrzny i Amazon