Menu

Katharina Brunner

Bloggin' since 2007

Lesenswertes: Modelle und Simulationen in der Wissenschaft

Modelle gibt es in der Wissenschaft schon lange. Erst seit wenigen Jahren können sie aber dazu genutzt werden, Simulationen durchzuführen. Jon Turney fragt sich im Aeon Magazine, ob A model world sinnvoll ist.

Warum Simulationen gemacht werden:

„It is the dynamics that call for the computation. Somewhere in the model lies an equation or set of equations that represent how some variables are tied to others: change one quantity, and working through the mathematics will tell you how it affects the rest.“

„(…) the alternative is plain guessing. But it also brings new dimensions of uncertainty.“

Und genau das ist eine Herausforderungen der Felder, die sich Computersimulationen bedienen: mit dieser neuen Unsicherheit umzugehen.

„When the uncertainties are harder to characterise, evaluating a model depends more on stepping back, I think, and asking what kind of community it emerges from. Is it, in a word, scientific? And what does that mean for this new way of doing science?“

Genauer betrachtet er die Epidemiologie, Klimamodelle und ökonomische Modelle. Bei allen stellt er Defizite fest, besonders kritisch ist er aber gegenüber der Volkswirtschaftslehre:

„The computer models that economists operate have to use equations that represent human behaviour, among other things, and by common consent, they do it amazingly badly. Climate modellers, all using the same agreed equations from physics, are reluctant to consider economic models as models at all. Economists, it seems, can just decide to use whatever equations they prefer.“

Zahlenspiele

Rankings sind in Mode. Sehr beliebt: Universitäten. Vorreiter in dieser Hinsicht sind die USA. Man kennt die Schlagzeilen: Harvard ist die beste Uni der Welt! Nein, doch Yale! Princton! Ist ja eigentlich auch egal. Denn:

But because U.S. News doesn’t measure the most important thing on campus–actual learning–it is pushing colleges to prioritize in ways that are not necessarily the best.

Und:

It’s hard enough to quantify the quality of one person’s education, much less the quality of an entire college. There’s too much complexity, subtlety, and individuality to justify more than a rough score.

Doch: Es gibt das Ranking, es ist populär und verändert auch, wie der Artikel „Playing With Numbers“ in der Washington Monthly zeigt, das Verhalten der Universitäten. Diese wollen sich natürlich so gut es geht an den Algorithmus anpassen. Ein Beispiel: Je mehr Geld ehemalige Studierende geben, desto besser für die Punkte im Ranking. Also streichen einzelne Colleges Abbrecher aus der Alumniliste oder bezeichnen diejenigen, die länger als fünf Jahre kein Geld gespendet haben, als tot – streichen sie also auch – um das Verhältnis zwischen Gebenden und allen Alumni zu verbessern.

In diese Kerbe (Lernen zu messen ist nicht leicht) schlägt auch Paul Frijters, der auf „Core Economics“ schreibt, dass es ökonomische Phänomene gibt, die man leicht beobachten kann, aber man nur schwer messen kann. Er spricht dabei von Anreizen, Marktunvollkommenheiten, Gruppen, Macht und Korruption bzw. soziale Normen.

Wenn man alles quantifizieren will, aber man nicht alles zählen, messen und in Formeln quetschen kann, gibt es zwei Alternativen: Entweder gibt man sich mit einem unbefriedigendem Ergebnis zufrieden – und ist sich dieser Unuzulänglichkeiten bewusst und kommuniziert sie aktiv – oder man muss bestimmte Aspekte unter den Tisch fallen lassen.

Vielleicht ist das einer der Probleme der Volkswirtschaftslehre: Sie will alles quantifizieren, komme was wolle. Und zu was es keine Daten gibt, kann so wichtig nicht sein.

Zusätzlich: