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.Cartwright, Nancy. 1983. How the Laws of Physics Lie. Oxford University PressHacking, Ian. 1983. Representing and Intervening. Introductory Topics in the Philosophy of Natural Science. Cambridge University Press O seguinte foi dito por John von Neumann: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. " (...) 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 científicaFrigg 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) em campos como educação científica, 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 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.Box, George E.P. & Draper, N.R. (1987). [Empirical Model-Building and Response Surfaces.] Wiley. p. 424 Construir e contestar modelos é fundamental para o empreendimento científico. A representação completa e verdadeira pode ser impossível, mas o debate científico frequentemente diz respeito a qual é o melhor modelo para uma dada tarefa, por exemplo, qual é o modelo climático mais preciso para previsões sazonais.Hagedorn, R. et al. (2005) http://www.ecmwf.int/staff/paco_doblas/abstr/tellus05_1.pdf Tellus 57A:219–33
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.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)],Ritchey, T. (2012) Outline for a Morphology of Modelling Methods: Contribution to a General Theory of Modelling
Para o cientista, um modelo também é uma forma pela qual os processos de pensamento humano podem ser ampliados.C. West Churchman, The Systems Approach, New York: Dell Publishing, 1968, p. 61 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).Griffiths, E. C. (2010) What is a model?
Fundamentos
Modelagem como um substituto para medição direta e experimentação 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.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 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.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. 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.Ihrig, M. (2012). A New Research Architecture For The Simulation Era. In European Council on Modelling and Simulation. pp. 715–20).
Simulação 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.Systems Engineering Fundamentals. Defense Acquisition University Press, 2003.
Estrutura 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.
Sistemas 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.Fishwick PA. (1995). Simulation Model Design and Execution: Building Digital Worlds. Upper Saddle River, NJ: Prentice-Hall. 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.Sokolowski, J.A., Banks, C.M.(2009). Principles of Modelling and Simulation. Hoboken, NJ: John Wiley and Sons.
Gerando um modelo 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 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