Understanding of overshooting systems

• Autorzy: Moxnes E.

Identyfikatory

DOI

10.12846/j.em.2014.04.19

Warianty tytułu

PL

Modelowanie systemowe i jego granice

• Języki publikacji: EN

Abstrakty

EN

It is important to build good intuitive knowledge of dynamic systems in order to make good decision. However, this intuitive knowledge is often lacking. This is indicated by learning problems at schools, laboratory experiments to test understanding, and observed mismanagement of real world systems. While mathematics is needed to untangle the complexities of dynamic systems, many find mathematics difficult and develop mental blockages. This paper discusses how insights from the field of System Dynamics could be used to help develop intuitive understanding of dynamic systems. The teaching method has four key elements. First one starts with a water analogy. For the dynamic systems that are dealt with in this paper, the analogy consists of a funnel and glass system. Second, a generic symbol language is used to describe system structure with the necessary cause and effect relationships. Third, simulation is used to study the behaviour over time that follows from the system structure. Simulation can both be used to see if the model structure is able to explain and replicate observed problems, and to test the effects of policy interventions. Fourth, stock and flow diagrams for simple systems are used as starting points when studying the dynamics of systems from different fields. Hence, the method enables interdisciplinary teaching, research, and collaboration. A common language is also crucial for effective transfer of knowledge from a known to an unknown territory.

PL

Posiadanie dobrej wiedzy intuicyjnej w modelowaniu systemów dynamicznych jest ważne w celu podejmowania lepszych (optymalnych) decyzji. W rzeczywistości występuje brak wiedzy intuicyjnej. Potwierdzają to problemy spotykane w trakcie uczenia w szkole, eksperymenty laboratoryjne testujące wiedzę i obserwowane niegospodarności systemów rzeczywistych. Z pomocą przychodzi matematyka, aby rozwikłać zawiłości układów dynamicznych. Jednak dla wielu podejście matematyczne jest trudne do zrozumienia i blokują się psychicznie. W artykule omówiono, jak spostrzeżenia z dziedziny dynamiki systemów mogą być wykorzystane, aby pomóc rozwijać intuicyjne zrozumienie systemów dynamicznych (złożonych). Metoda nauczania ma cztery kluczowe elementy. Pierwszy rozpoczyna się od przykładu przepływu wody. Dla dynamicznych systemów, które zostały przewidziane w tym artykule, analogia składa się z systemu i lejka szklanego. Po drugie, zastosowano symbole, które są używane do opisu struktury systemu zależności między przyczynami i efektami. Po trzecie, zastosowano symulację do badanie zachowania przepływów w czasie, który wynika z konstrukcji danego systemu. Symulacja może być stosowane zarówno do sprawdzenia, czy struktura modelu jest w stanie wyjaśnić i replikować stwierdzone problemy jak i do testowania efektów interwencji w ramach polityki. Po czwarte, schematy przepływu i zasobów zbudowane na podstawie prostych modeli zależności systemowych stanowią pomoc i punkt wyjścia w badaniu systemów z różnych dziedzin. Metoda umożliwia interdyscyplinarne nauczanie, badania naukowe i współpracę. Wspólny język ma kluczowe znaczenie w skutecznym transferze wiedzy z obszarów gdzie jest ona znana na obszary gdzie wcześniej nie wystąpiła.

Słowa kluczowe

EN

teaching; system dynamics; stock and flow diagram; analogies; simulation; transfer of knowledge; interdisciplinary

PL

nauczanie; systemy dynamiczne; diagramy przepływu i zasobów; analogie; symulacja; transfer wiedzy; interdyscyplinarność

• Wydawca: Oficyna Wydawnicza Politechniki Białostockiej
• Czasopismo: Ekonomia i Zarządzanie
• Rocznik: 2014
• Tom: Vol. 6, no. 4
• Strony: 245--257
• Opis fizyczny: Bibliogr. 10 poz., rys.

Twórcy

autor

Moxnes E.

• University of Bergen, Department of Geography, System Dynamics Group, Norway

Bibliografia

• 1. Arango S., Moxnes E. (2012), Commodity cycles, a function of market complexity? Expanding the cobweb experiment, Journal of Economic Behavior & Organization 84, pp. 321-334
• 2. diSessa A. (1993), Towards an epistemology of physics, Cognition and Instruction 10 (2&3), pp. 105-225
• 3. Forrester J.W. (1961), Industrial Dynamics, Cambridge, MIT Press
• 4. Moxnes E. (1998), Not only the tragedy of the commons, misperceptions of bioeconomics, Management Science 44 (9), pp. 1234-1248
• 5. Moxnes E. (2004), Misperceptions of basic dynamics, the case of renewable resource management, System Dynamics Review 20 (2), pp. 139-162
• 6. Moxnes E., Jensen L.C. (2009), Drunker than intended; misperceptions and information treatments, Drug and Alcohol Dependence 105, pp. 63-70
• 7. Moxnes E., Saysel A.K. (2009), Misperceptions of global climate change: information policies, Climatic Change 93 (1-2), pp. 15-37
• 8. Rouwette E., A.J.A., Größler A.,Vennix J.A.M. (2004), Exploring influencing factors on rationality: a literature review of dynamic decision-making studies in system dynamics, Systems Research and Behavioral Science 21 (4), pp. 351-370
• 9. Sterman J. D. (2008), Risk communication on climate: Mental models and mass balance, Science 322 (5901), pp. 532-533
• 10. Sterman J.D. (2011), Communicating climate change risks in a skeptical world, Climatic Change 108, pp. 811-826