Что же приносит исследователю применение метода моделирования?
При использовании моделей, замещающих собой оригинал, достигаются различного рода полезные эффекты. Модели выполняют множество функций в научном познании, причём использование модели в научной практике приводит, как правило, сразу к нескольким существенным результатам. Назовём некоторые наиболее яркие функции моделей.
1. Теоретическая, обобщающая. Удачная модель может оказаться достаточно адекватной формой для представлений знаний. В науке нередки ситуации, когда введение подобной модели в систему научного знания служило целям теоретизирования в данной предметной области. Модель в этом случае приобретает самостоятельную теоретическую ценность. Например, в биологических науках многие результаты «хранятся» именно в виде концептуальных моделей: модель Ходжкина—Хаксли в теории мембранного возбуждения, модель Лотка в теории открытых биохимических систем и др. Кроме того, с построения основополагающих моделей могут брать начало целые новые области научного знания, так, возникновение популяционнной генетики как науки непосредственно связано с исходными моделями Харди и Вайнберга (1908).
|
|
2. Эвристическая. Здесь термин «эвристический» используется в узком смысле — как то, что способствует порождению новых идей. Эвристичность модели в этом понимании означает её способность вести за собой творческую интуицию, активизировать процесс «озарений», появления неожиданных догадок и т.п. Для выполнения этой функции модели вовсе не обязательно быть точной, она может быть и весьма приближенной (даже в чем-то ошибочной), но, тем не менее, служить приросту научных идей, «прорыву» в исследованиях. Если при реализации обобщающей функции
модели её результатом является создание научной теории, то эвристическая функция, как правило, реализуется в выдвижении новых гипотез.
Примером может служить модель Друде, предложенная в XIX в. физиком Паулем Друде для изучения явления проводимости металлов и стремившаяся согласовать электродинамику с классической термодинамикой (она изображала совокупность электронов в проводнике как идеальный газ, подчиняющийся законам термодинамики). Некоторые явления были успешно объяснены с её помощью; однако эта модель стимулировала новые поиски скорее не своими успехами, а как раз расхождениями с экспериментальными данными, что в результате упорной работы учёных привело к пересмотру её исходных положений и соединению электронной теории металлов с квантовой механикой.
3. Трансляционная. Модель может способствовать переносу концептуальных схем, методологических форм из одной области знания в другую. В этом случае обычно модель берётся из другой предметной области относительно исходного объекта, и на этапе экстраполяции происходит перенос знаний из одной предметной области в другую.
|
|
Примером подобной трансляции может служить применение теории игр, основы которой были заложены Дж. фон Нейманом; подходы, разработанные в этой области, демонстрируют, что большой класс конфликтных ситуаций (в экономике, психологии, социологии, статистике и др.) можно описывать и изучать с единых позиций как поиск рациональной стратегии игрока в некоторой игре. Теоретико-игровые модели способствовали прежде всего переносу математических методов в те области, которые раньше казались не поддающимися никакому рациональному подходу.
Примером использования трансляционной модели для решения конкретных задач является также интересная модель гемодинамики, разработанная в нашей стране совместными усилиями математиков, физиологов и врачей; здесь исходные положения и термины были взяты из экономической науки: клетки и ткани определяли «спрос» на кислородное обеспечение, скорость кровотока — «предложение», кислородный долг являлся «ценой»; результатом исследования явился ряд практических рекомендаций1.
4. Конструктивная, проектирующая. Разработка модели может служить целям создания нового объекта на основании данной модели как
исходной матрицы. Это характерно, прежде всего, для задач прикладной
науки, где по итогам испытания модели (скажем, двигателя с требуемыми
1 Куприй В.Т. Моделирование в биологии и медицине. Философский анализ. Л., 1989. С. 210.
характеристиками) осуществляют разработку и производство собственно нового технического устройства. Но эта же функция моделирования может реализовываться и в сугубо теоретических науках.
Например, в математике построение модели как создание нового математического объекта может иметь самостоятельное значение, вносящее существенный вклад в развитие науки и само по себе служащее решением сложной проблемы. Так, фундаментальные результаты относительно аксиомы выбора и континуум-гипотезы были получены К. Геделем (1939) и П. Дж. Коэном (1963) методом построения соответствующих моделей.
5. Прагматическая. Использование удачной модели может способствовать достижению ряда прагматических эффектов, связанных с улучшением формы репрезентации исходного знания. К полезным практическим следствиям, повышающим эффективность использования знания, относятся такие достоинства модели, как осуществляемое с ее помощью упрощение формы представления знания, придание информации большей наглядности и логической прозрачности, благодаря чему это знание легче использовать в процессах аргументации, в преподавании и обучении. Большое значение может представлять собой на ранних этапах формирования теории проблема наглядности. В этом случае используют различного рода модели, служащие средством рассуждения по аналогии (скажем, искривлённая плоскость как способ придать наглядность представлениям об искривлённом пространстве). В дальнейшем при оформлении теоретического «здания» подобного рода «подпорки» теряют своё значение. Например, в электродинамике на первых порах использовались метафоры из механики — «упругие трубки». Это было подвергнуто критике уже П. Дюгемом и вскоре отброшено.
6. Интерпретационная. Модель выполняет также функцию частичного толкования. Ведь рассуждение и объяснение с помощью модели изначально односторонне, неполно. Поэтому, как правило, та или иная модель часто соседствует с другими, альтернативными моделями или же заменяется ими в дальнейших исследованиях. Выступая как средство интерпретации, модели оказываются формой связи теоретического и эмпирического уровней. Так, модель может быть как средством истолкования теории, когда мы ищем подходящий объект, в котором воплощается теория (как в математической логике), тогда это реализующая модель, так и средством интерпретации фактов, когда ищется определённая концептуальная схема, в которой эмпирические данные могут обрести свой смысл, тогда это объяснительная модель.
|
|
Для иллюстрации интерпретативной функции моделей возьмём пример из экономики. Известно, что экономическая система представляет собой сложнейший объект, реагирующий на самые разнообразные факто-
ры (социальные, психологические, природные и т.п.). Один из удачных способов осмыслить многообразие экономических взаимосвязей — это модель народного хозяйства как гигантского компьютера, который, как пишет В.В. Леонтьев, трудится над бесконечным потоком количественных проблем, решая из года в год сложные системы уравнений задолго до того, как их начали решать экономисты1.
При удачном использовании модели обычно реализуются сразу несколько функций моделирования: например, достаточно адекватная модель одновременно и предлагает возможное объяснение феноменам, и стимулирует рождение новых идей, и способствует достижению большей наглядности имеющихся знаний.
Трудности современного моделирования
Выше говорилось о тех полезных эффектах, которые достигаются при его успешном применении. Однако этот метод, как всякий другой, сталкивается и с определёнными трудностями.
Например, в медико-биологических науках существует проблема принципиальной непрозрачности при экстраполяции данных с лабораторных животных на человека. Применять полученные результаты к человеку (особенно при испытании новых лекарственных препаратов) приходится с большой осторожностью, проводя при этом дальнейшие серии проверок. К сожалению, в истории медицины известны досадные промахи.
|
|
Далее, если говорить о математическом моделировании (которое занимает важнейшее место в современной методологии моделирования), то в литературе отмечаются не только положительные, но и отрицательные его черты. Например, его отрицательными чертами являются следующие:
1) искусственность, проистекающая из символической переинтерпретации естественных связей, присущих оригиналу;
2) негибкость, или ригидность, состоящая в том, что малые изменения в исследуемом объекте могут повлечь за собой большие изменения в модели;
3) громоздкость, проистекающая из длины компьютерных программ2. (Впрочем, последняя трудность преодолевается по мере совершенствования компьютерных технологий.)
Укажем и на другие трудности методологии моделирования. Использование моделирования (особенно математического) в современной на-
1 Леонтьев ВВ. Экономические эссе. М, 1990. С. 230-231.
2 Heller M., Lubanski M., Slaga S. Zagadnenia filozoficzne wspolczesnej nauki. Akad.
TeologiiKatolickiej. Warszawa, 1992. S. 114. Авторы ссылаются на: EwansG.W., II, Wallase G.F.,
Sutherland G.L. Symulacja na maszyne cyfrowa. Warszawa, 1973. S. 27-28.
уке часто требует сотрудничества учёных различных специальностей, ведь исходные допущения для построения модели должны, с одной стороны, базироваться на содержательных положениях конкретной науки, а с другой — иметь специфически математический характер. При этом нередко возникает проблема взаимного непонимания сотрудников из-за барьеров специализации.
Ещё раз напомним, что общий новационный эффект моделирования зависит от взаимного соответствия разработанной модели и исходной предметной области. Поэтому уже с начальных стадий построения модели необходимо учитывать согласованность базисных допущений модели со спецификой оригинала, т.е. уже с первых этапов помнить о будущей экстраполяции. Но задача выбора базисных допущений сама по себе достаточно сложна и основывается на содержательных аспектах предметной области. Типичной проблемой в дисциплинах, особенно активно использующих математическое моделирование (в экономике, медико-биологических науках), является проблема неоднозначности полученной модели: то, что один исследователь считает существенным для построения и для анализа модели, другой может отвергать как неадекватное. Поэтому экстраполяция полученных на той или иной конкретной модели результатов нередко становится весьма спорной, что приводит к потере ее эвристической ценности. Имевшее место в недавний период (1960-1970-е гг.) чрезмерное увлечение моделированием, при котором создание моделей стало своего рода самоцелью и не давало эвристического прироста, привело к некоторому разочарованию в этом методе. Сейчас период некритичного использования моделей в целом можно считать пройденным, и отношение учёных к возможностям моделирования стало более сдержанным.
Итак, метод моделирования, как и другие методы научного познания, не имеет доминирующего, универсального значения. Для своего успешного применения он на каждом этапе требует серьёзного и вдумчивого отношения к себе со стороны исследователя. Методология моделирования, несмотря на заслуженное признание в науке, не должна останавливаться на достигнутом, и будущее этого метода зависит от способности учёных совершенствовать его и сочетать с другими методами научных исследований.
2.6. Обобщение и обработка эмпирических данных
Индуктивная направленность стадии
Завершающей стадией эмпирического исследования является обобщение и обработка данных, полученных в ходе исследовательской работы. Заметим, что среди методологов нет достаточного единства в отношении
того, как лучше представить эту стадию в общей структуре научной деятельности: её можно или включать в эмпирический уровень (как его последний и высший этап), или же выделять в отдельный, промежуточный эмпирико-теоретический уровень. Но вне зависимости от того, куда мы отнесём этот этап, надо помнить о том, что он действительно имеет собственную специфику.
Содержанием деятельности этого этапа исследований является заключительная обработка эмпирического материала, в ходе которой наработанный материал структурируется, обобщается и формулируется в виде эмпирических законов и регулярностей.
Под эмпирическими законами и регулярностями понимаются утверждения, суммирующие единичные данные и описывающие взаимосвязи между наблюдаемыми в опыте явлениями (величинами, состояниями, событиями и т.п.). Понятие «закон» по сравнению с регулярностью означает более категоричную и универсальную форму суждения; сравним, например, утверждение-регулярность «все изученные в испытаниях тела при нагреваний расширялись» и закон теплового расширения тел «все тела при нагревании расширяются». Конечно, исследователь всегда останавливается на некоторой конечной совокупности проведённых им испытаний, но формулируемый им эмпирический закон по своей форме принципиально выходит за рамки имеющихся опытных данных, охватывая бесконечное множество однородных явлений данного класса.
Во время обобщения и обработки эмпирических данных используются некоторые процедуры и приёмы теоретического уровня исследования, о которых мы будем говорить в следующих параграфах. Во избежание путаницы необходимо сразу же решить вопрос о характеристике данной стадии как индуктивной. Действительно, общая направленность рассматриваемого нами этапа является индуктивной в смысле продвижения от фактов к обобщениям, от частного к общему. Но это ни в коем случае не означает, что данный этап со своей логической стороны может быть сведен к процедурам индуктивных заключений. Тема индукции вообще является достаточно трудной, о чем мы будем подробнее говорить в § 2.8: В методологии и логике науки сегодня предпочитают говорить не об-индуктивных выводах, а об индуктивном поведении исследователя. Спорным также является вопрос о существовании единого индуктивного метода (см. § 2.8).
Применяемые методы
На стадии обработки данных учёный старается извлечь максимум полезной информации из результатов проведённой совокупности испытаний.
Цель анализа данных — выявить тенденции, общие принципы, стоящие за единичными данными, изучить те или иные отношения между индивидуальными феноменами, описать структуру области данных. Эмпирический материал оценивается и обрабатывается с разных сторон. Здесь используются различные операции и приёмы: точные дедуктивные методы, заключения по аналогии, приёмы классификации, выдвижение гипотез эмпирического характера. Происходит первичная оценка полученных результатов; если эти результаты имеют количественный вид, то исследователь производит известного рода сглаживание эмпирических данных, ищет и подбирает математическую формулу, максимально точно воспроизводящую тенденции в эмпирическом материале. Применяются также методы визуализации данных в виде таблиц, графиков, диаграмм и других графических объектов. Их цель — представить материал в форме, наиболее адекватной для научного использования. Особенно велико многообразие графических объектов в исследованиях, использующих статистические методы, прежде всего в экономике и теории управления. Здесь применяют множество различных видов графических объектов для широкого круга целей. Например, т.н. динамические графики используются для представления и изучения процессов.
Существуют научные области, где результатом обобщения данных становится некоторая совокупность качественных утверждений. Например, в медико-биологических науках в ходе морфологического анализа могут появиться какие-либо важные находки, имеющие принципиальное значение. Соответствующее описание этих находок, придающее им статус эмпирического факта и удостоверяющее фактуальный статус и их значение, является задачей именно настоящей стадии. Здесь тоже важную роль играет, визуализация. Исследователь продумывает способы репрезентации качественного материала (слайды, фотографии, видеозаписи), снабжая его соответствующими объяснениями, комментариями, расшифровкой.
На стадии обработки данных оценивается релевантность самого проведённого исследования с точки зрения его валидности, верифицируемости, экстраполяционной достоверности. Фиксируются различного рода нарушения корреляции, нерешённые и необъяснимые моменты, аномалии и исключения из обнаруженных регулярностей. Формулируются новые вопросы, требующие дальнейшей разработки и, может быть, продолжения испытаний.
Среди специальных методов анализа данных важную роль играют различные математические подходы и прежде всего методы математической статистики. Например, методы описательной статистики позволяют визуализировать то или иное распределение данных, выявлять его тенденции (скажем, среднее арифметическое), определять величину разброса зна-
чений (среднее квадратическое отклонение). В результате применения различных статистических методов формируются статистические факты, основанные на статистически достоверных заключениях, концентрирующие информацию об областях данных в целом и освобождённые от случайностей, присущих единичным данным. Статистические методы анализа данных существенно облегчают задачу учёного; к тому же сегодня учёные могут использовать для анализа данных удобные компьютерные программы. Специальные методы, пришедшие из статистики, помогают выбрать рациональный дизайн исследований, эффективно обработать данные, повысить степень информативности и достоверности результатов.
Заметим также, что статистическая обработка данных не обязательно должна быть связана с оригинальным эмпирическим исследованием. Она может применяться к обширным массивам эмпирических данных, полученных разными авторами и в разные времена. Такой статистический анализ может иметь самостоятельное значение и служить важным источником научной информации. Например, в последнее время в медицинских науках получил распространение т.н. метаанализ, с помощью которого исследователь изучает с единых позиций некоторую совокупность исследований на заранее выбранную тему, что позволяет как бы склеить разнородные исследования в единое целое и извлечь из них весьма ценные сведения.