Modellek A Tudományban

Ez egy fájl a Stanford Enciklopédia Filozófia archívumában. Szerző és idéző információ | Barátok PDF előnézete | InPho keresés | A PhilPapers bibliográfia

Modellek a tudományban

Elsőként publikálták 2006. február 27-én; érdemi felülvizsgálat 2012. június 25-én, hétfőn

A modellek központi jelentőséggel bírnak sok tudományos környezetben. A modellek központi eleme, például egy gáz biliárdgolyómodellje, az atom Bohr-modellje, a nukleon MIT zsákmodellje, egy polimer Gauss-láncmodellje, a légkör Lorenz-modellje, a Lotka-Volterra-modell A ragadozó-ragadozó interakciók, a DNS kettős hélix-modellje, az ágens-alapú és az evolúciós modellek a társadalomtudományokban, valamint a piacok általános egyensúlyi modelljei a saját területükön példa erre. A tudósok sok időt töltenek a modellek felépítésére, tesztelésére, összehasonlítására és felülvizsgálatára, és sok folyóirathelyet fordítanak ezeknek az értékes eszközöknek a bemutatására, alkalmazására és értelmezésére. Röviden: a modellek a modern tudomány egyik fő eszköze.

A filozófusok egyre nagyobb figyelmet fordítanak a modellek fontosságára, és próbálják felvetni a válogatott szerepeket, amelyeket a modellek a tudományos gyakorlatban játszanak. Ennek eredménye a modelltípusok hihetetlen elterjedése a filozófiai irodalomban. Próba modellek, fenomenológiai modellek, számítási modellek, fejlesztési modellek, magyarázó modellek, elszegényedett modellek, tesztelési modellek, idealizált modellek, elméleti modellek, méretarányos modellek, heurisztikus modellek, karikatúra modellek, didaktikus modellek, fantasy modellek, játékmodellek, képzeletbeli modellek, matematikai modellek, helyettesítő modellek, ikonikus modellek, formális modellek, analóg modellek és instrumentális modellek, de ezek közül néhány a modellezéshez használt fogalmak közül. Noha első pillantásra ez a bőség lenyűgöző,gyorsan ellenőrzés alá vonható, ha felismeri, hogy ezek a fogalmak a modellekkel kapcsolatban felmerülő különböző problémákra vonatkoznak. Például a modellek kérdéseket vetnek fel a szemantika (mi a reprezentációs funkció, amelyet a modellek teljesítenek?), Az ontológia (milyen dolgok a modellek?), Az episztemológia (hogyan tanulunk a modellekkel?), És természetesen az általános filozófia területén a tudomány kérdése (hogyan kapcsolódnak a modellek az elmélethez?; milyen következményekkel jár a modell alapú megközelítés a tudomány számára a tudományos realizmus, a redukcionizmus, a magyarázat és a természet törvényeinek vitáira?)általában a tudomány filozófiája (hogyan kapcsolódnak a modellek az elmélethez?; milyen következményekkel jár a modell alapú megközelítés a tudomány számára a tudományos realizmus, a redukcionizmus, a magyarázat és a természet törvényeinek vitáira?)általában a tudomány filozófiája (hogyan kapcsolódnak a modellek az elmélethez?; milyen következményekkel jár a modell alapú megközelítés a tudomány számára a tudományos realizmus, a redukcionizmus, a magyarázat és a természet törvényeinek vitáira?)

• 1. Szemantika: modellek és reprezentáció

  • 1.1 Reprezentációs modellek I.: a jelenségek modelljei
  • 1.2 Reprezentatív modellek II: adatmodellek
  • 1.3 Az elmélet modelljei

• 2. Ontológia: Mik a modellek?

  • 2.1 Fizikai tárgyak
  • 2.2 Fiktív tárgyak
  • 2.3 Set-elméleti struktúrák
  • 2.4 Leírások
  • 2.5 Egyenletek
  • 2.6 Gerrymander ontológiák

• 3. Epistemológia: Tanulás modellekkel

  • 3.1 A modell megismerése: kísérletek, gondolatkísérletek és szimulációk
  • 3.2 A modellről szóló ismeretek konvertálása a célokkal kapcsolatos ismeretekké

• 4. Modellek és elmélet

  • 4.1 A két véglet: az elméletek szintaktikai és szemantikai nézete
  • 4.2 Az elméletektől független modellek

• 5. Modellek és egyéb viták a tudomány filozófiájában

  • 5.1 Modellek és a realizmus és az antirealizmus közötti vita
  • 5.2 Modell és redukcionizmus
  • 5.3 A természet modelljei és törvényei
  • 5.4 Modellek és tudományos magyarázat
• 6. Következtetés
• Bibliográfia
• Tudományos eszközök
• Egyéb internetes források
• Kapcsolódó bejegyzések

1. Szemantika: modellek és reprezentáció

A modellek két alapvetően eltérő reprezentációs funkciót tudnak végrehajtani. Egyrészt a modell a világ kiválasztott részének (a „célrendszer”) ábrázolása lehet. A cél jellegétől függően ezek a modellek vagy jelenségek vagy adatmodellek. Másrészt egy modell reprezentálhat egy elméletet abban az értelemben, hogy az értelmezi az elmélet törvényeit és axiómáit. Ez a két fogalom nem zárja ki egymást, mivel a tudományos modellek reprezentációk lehetnek mindkét értelemben egyszerre.

1.1 Reprezentációs modellek I.: a jelenségek modelljei

Számos tudományos modell reprezentál egy jelenséget, ahol a „jelenséget” esernyő kifejezésként használják, amely lefedi a világ minden viszonylag stabil és általános jellegét, amelyek tudományos szempontból érdekesek. Az olyan empirikusok, mint a van Fraassen (1980), csak azt teszik lehetővé, hogy a megfigyelhetők ilyennek minősüljenek, míg a realisták, mint például Bogen és Woodward (1988) nem vezetnek be ilyen korlátozásokat. A gáz biliárdgömb modellje, az atom Bohr modellje, a DNS kettős hélix modellje, a híd méretarányos modellje, a nyitott gazdaság Mundell-Fleming modellje vagy a légkör Lorenz modellje jól ismert példák ilyen típusú modellekre.

Az első lépés a tudományos reprezentáció kérdésének megvitatása felé annak felismerése, hogy nincs olyan tény, mint a tudományos reprezentáció problémája. Inkább különböző, de kapcsolódó problémák vannak. Még nem világos, hogy a reprezentációs elméletnek milyen konkrét kérdésekkel kell megküzdenie, de bármi legyen is a kérdések listája, amelyet a tudományos reprezentáció elméletének napirendjére lehet helyezni, két probléma merül fel a vita (Frigg 2006). Az első probléma annak magyarázata, hogy mi a modell valami más ábrázolása. Ahhoz, hogy értékeljük ennek a kérdésnek a lényegét, előre kell állnunk egy álláspontot a modellek ontológiájával kapcsolatban (amelyet a következő részben tárgyalunk). Általában a modelleket nem nyelvi entitásként, hanem leírásként értelmezik. Ennek a megközelítésnek széles körű következményei vannak. Ha a modelleket leírásokként értelmezzük, akkor a fenti kérdés az időigényes problémára redukálódik, hogyan viszonyul a nyelv a valósághoz, és nem jelentenek problémákat a nyelv filozófiájában már tárgyalt problémák mellett. Ha azonban a modelleket nem nyelvi entitásként értelmezzük, akkor felmerül az új kérdés, hogy mi az a tárgy (ez nem szó vagy mondat) tudományos szempontból reprezentálni egy jelenséget.felmerül az új kérdés, hogy egy tárgy (az nem szó vagy mondat) tudományos szempontból egy jelenség reprezentálása.felmerül az új kérdés, hogy egy tárgy (az nem szó vagy mondat) tudományos szempontból egy jelenség reprezentálása.

Valamelyest meglepő módon ez a kérdés a közelmúltig nem vonzott sok figyelmet a huszadik századi tudományfilozófiában, annak ellenére, hogy a tudatfilozófia és az esztétika vonatkozó problémáit évtizedek óta széles körben tárgyalják (jelentős számú irodalom foglalkozik a a kérdés, hogy mit jelent egy mentális állapot egy bizonyos helyzet ábrázolása, és az a kérdés, hogy a vászon lapos jeleinek elrendezése miként ábrázolhat valamit ezen a vászonon túl, hosszú ideje zavarja az esztétikusokat). Néhány legújabb publikáció azonban foglalkozik ezzel és más szorosan kapcsolódó problémákkal (Bailer-Jones 2003, Contessa 2007, Elgin 2010, Frigg 2006, 2010c, Knuuttila 2009, Morrison 2009, Giere 2004, Suárez 2003, 2004, 2009, Suárez és Solé 2006, Thomson-Jones 2010, Toon 2010, 2011, 2012,van Fraassen 2004), míg mások ezt nem kiadásként utasítják el (Callender és Cohen 2006, 2008 Teller 2001).

A második probléma a reprezentációs stílusokkal kapcsolatos. Általános, hogy ugyanazt a témát különböző módon lehet ábrázolni. Ez a pluralizmus nem tűnik a képzőművészet előjogának, mivel a tudományokban alkalmazott reprezentációk sem egyformák. A Weizsäcker folyadékcseppmodellje egy atommagját nagyon eltérő módon ábrázolja, mint a héjmodell, a levegősík szárnyának méretarányos modellje pedig a szárnyát olyan módon ábrázolja, amely eltér az alakjának matematikai modelljétől. Milyen reprezentációs stílusok vannak a tudományokban?

Noha ezt a kérdést az elméletek úgynevezett szemantikai szemléletével foglalkozó szakirodalom nem tárgyalja kifejezetten, úgy tűnik, hogy néhány válasz a modellek megértésével merül fel. A szemantikai nézet egyik változata, amely a modellek matematikai fogalmára épül (lásd a 2. fejezetet), azt állítja, hogy a modellnek és céljának izomorfnak (van Fraassen 1980; Suppes 2002) vagy részben izomorfnak (Da Costa és francia) kell lennie. 2003) egymással. Az ezeknél gyengébb formai követelményeket Mundy (1986) és Swoyer (1991) tárgyalt. A szemantikai szemlélet egy másik változata elhagyja a formális követelményeket a hasonlóság kedvéért (Giere 1988 és 2004, Teller 2001). Ez a megközelítés az izomorfizmus szemléletével szemben azzal az előnnyel rendelkezik, hogy kevésbé korlátozó, és figyelembe veheti a pontatlan és egyszerűsítő modelleket is. Amint azonban Giere rámutat,ez a fiók üres marad, mindaddig, amíg nincs meghatározva releváns szempont és hasonlósági fok. Az ilyen szempontok és mértékek meghatározása a jelenlegi problémától és a tágabb tudományos környezettől függ, és nem pusztán filozófiai megfontolások alapján tehető meg (Teller 2001).

A modellek irodalmában további fogalmakat vezettek be, amelyek értelmezhetők a reprezentációs stílus kérdésével. Közülük a méretarányos modellek, az idealizált modellek, az analóg modellek és a fenomenológiai modellek fontos szerepet játszanak. Ezek a kategóriák nem zárják ki egymást; például néhány méretarányú modell idealizált modellnek is minősül, és nem világos, hogy pontosan hol kell húzni a vonalat az idealizált és az analóg modellek között.

Méretező modellek. Egyes modellek alapvetően kisebb méretűek vagy nagyított példányok a célrendszerüknek (Black 1962). Jellemző példák a faautók vagy a hidak. A vezető intuíció az, hogy a méretarányos modell naturális replika vagy a cél valósághű tükörképe; ezért a méretarányos modelleket néha „valódi modelleknek” is hívják (Achinstein 1968, 7. fejezet). Nincs azonban tökéletesen hű méretarányos modell; a hűség mindig bizonyos szempontokra korlátozódik. Az autó fából készült modellje például hűen ábrázolja az autó alakját, de nem az anyagát. A méretarányos modellek úgy tűnik, hogy a reprezentációk szélesebb kategóriájának speciális esete, amelyeket Peirce ikont neveztek: olyan reprezentációk, amelyek valami másért állnak, mert szorosan hasonlítanak rá (Peirce 1931–1958 3. kötet, 362. bekezdés). Ez felveti a kérdést, hogy milyen kritériumoknak kell megfelelniük a modellnek ahhoz, hogy ikonnak minősüljön. Noha úgy tűnik, hogy erős intuíciónk van arra, hogyan lehet erre a kérdésre válaszolni, a modellek ikonikusságának elméletét még nem fogalmazták meg.

Ideális modellek. Az idealizálás valamely bonyolult szándékos egyszerűsítése annak könnyebbé tétele érdekében. Súrlódás nélküli síkok, pontmasszák, végtelen sebességek, izolált rendszerek, mindentudós ágensek és a tökéletes egyensúlyban lévö piacok csak néhány jól ismert példa. Az idealizációról szóló filozófiai viták két általános idealizálási formára összpontosítottak: az úgynevezett arisztoteliás és a galileai idealizációkra.

Az arisztoteliánus idealizáció azt jelenti, hogy a képzeletünkben „eltávolítják” az összes olyan tulajdonságot, amely egy konkrét tárgyból származik, és amely véleményünk szerint nem releváns a jelenlegi probléma szempontjából. Ez lehetővé teszi számunkra, hogy külön korlátozott tulajdonságokra összpontosítsunk elszigetelten. Példa erre a bolygórendszer klasszikus mechanikai modellje, amely a bolygókat olyan objektumokként írja le, amelyeknek csak alakja és tömege van, minden egyéb tulajdonságot figyelmen kívül hagyva. Az ilyen típusú idealizálás további címkéi között szerepel az „absztrakció” (Cartwright 1989, 5. fejezet), a „elhanyagolhatósági feltételezések” (Musgrave 1981) és az „elkülönítési módszer” (Mäki 1994).

A Galileai idealizációk szándékos torzulásokkal járnak. A fizikusok modelleket építenek a súrlódás nélküli síkon mozgó pontmasszákból, a közgazdászok feltételezik, hogy az ágensek mindentudóak, a biológusok az izolált populációkat vizsgálják, és így tovább. A Galileo tudományos megközelítésére jellemző volt, hogy ilyen egyszerűsítéseket alkalmaz, amikor a helyzet kezelése túl bonyolult. Ezért gyakori az ilyen idealizációkat „Galilei idealizációknak” hivatkozni (McMullin 1985); egy másik közös címke a „torz modellek”.

A galilei idealizációkat találós kérdések veszik körül. Mit mond nekünk egy modell az ilyen torzításokat magában foglaló valóságról? Hogyan tesztelhetjük annak pontosságát? E kérdésekre válaszolva Laymon (1991) elméletet terjesztett elő, amely az idealizációt ideális korlátokként értelmezi: képzelje el a tényleges helyzet kísérleti finomításának sorozatát, amely megközelíti a feltételezett határt, majd megköveteli, hogy minél közelebb kerüljön a rendszer tulajdonságai a az ideális határ, minél közelebb kell lennie a viselkedéséhez az ideális határ viselkedéséhez (monotonitás). De ezeknek a feltételeknek nem kell mindig fennállniuk, és nem világos, hogyan lehet megérteni azokat a helyzeteket, amelyekben nincs ideális határ. Legalább elvileg előállíthatunk egyre csúszóbb asztallapok sorozatát, de nem állíthatjuk elő olyan rendszer-sorozatot, amelyben Planck állandója közelít nullához. Ez felveti a kérdést, vajon az idealizált modellt mindig lehet-e valósághűbbé tenni, ha azt idealizálják. Visszatérünk erre a kérdésre az 5.1 szakaszban.

A galileai és arisztotelészi idealizációk nem zárják ki egymást. Éppen ellenkezőleg, gyakran találkoznak egymással. Fontolja meg újra a bolygórendszer mechanikai modelljét: a modell csak egy szűk tulajdonságcsoportot vesz figyelembe és eltorzítja azokat, például úgy, hogy a bolygót forgásszimmetrikus tömegeloszlású ideális gömbökké írja le.

Azokat a modelleket, amelyek magában foglalják a jelentős galileai, valamint az arisztotelészi idealizációkat, gyakran karikatúráknak nevezik (Gibbard és Varian 1978). A karikatúra modellek elkülönítik a rendszer néhány kiemelkedő tulajdonságát, és ezeket szélsőséges esetre torzítják. Klasszikus példa az Ackerlof (1970) autópiac-modellje, amely kizárólag az aszimmetrikus információk alapján magyarázza az új és használt autók árkülönbségét, figyelmen kívül hagyva minden más olyan tényezőt, amely befolyásolhatja az autók árait. Vitatott azonban, hogy az ilyen erősen idealizált modelleket továbbra is célrendszereik informatív reprezentációjainak tekintik-e (a karikatúra modellek megvitatására, különösen a közgazdaságtanban, lásd Reiss 2006).

Ezen a ponton szeretnénk megemlíteni egy fogalmat, amely úgy tűnik, hogy szorosan kapcsolódik az idealizáláshoz, nevezetesen a közelítéshez. Noha a kifejezéseket időnként felcserélhetően használják, úgy tűnik, hogy egyértelmű különbség van a kettő között. A közelítéseket matematikai összefüggésben vezetjük be. Az egyik matematikai elem egy másik közelítése, ha ez valamilyen releváns értelemben közel áll hozzá. Milyen típusú ez a cikk, változhat. Időnként egy görbét akarunk közelíteni egy másikhoz. Ez akkor fordul elő, ha egy funkciót kibővítünk egy energiasorozatra, és csak az első kettőt vagy három ciklust tartjuk meg. Más esetekben az egyenletet egy másikkal közelítjük meg, ha hagyjuk, hogy egy vezérlőparaméter nulla felé forduljon (Redhead 1980). A legfontosabb szempont, hogy a fizikai értelmezés kérdésének nem kell felmerülnie. A Galileai idealizációtól eltérőenamely magában foglalja a valódi rendszer torzulását, a közelítés tisztán formális kérdés. Ez természetesen nem jelenti azt, hogy a közelítések és az idealizálás között nem lehet érdekes kapcsolat. Például egy közelítést igazolhatunk azzal, hogy rámutatunk, hogy az elfogadható idealizáció „matematikai függője” (pl. Amikor elhanyagolunk egy disszipatív kifejezést az egyenletben, mert az idealizáló feltételezésünk szerint a rendszer súrlódásmentes).amikor elhanyagoljuk a disszipatív kifejezést az egyenletben, mert idealizálva azt feltételezzük, hogy a rendszer súrlódásmentes).amikor elhanyagoljuk a disszipatív kifejezést az egyenletben, mert idealizálva azt feltételezzük, hogy a rendszer súrlódásmentes).

Analóg modellek. Az analóg modellek standard példái közé tartozik a gazdasági rendszer hidraulikus modellje, a gáz biliárdgömb modellje, az elme számítógépes modellje vagy a mag folyadék cseppmodellje. A legalapvetőbb szinten két dolog analóg, ha vannak bizonyos hasonlóságok közöttük. Hesse (1963) az analógiák különféle típusait különbözteti meg azon hasonlósági viszonyok típusa alapján, amelyekbe két objektum belép. Az analógia egyszerű típusa megosztott tulajdonságokon alapszik. A föld és a hold között van egy analógia annak alapján, hogy mindkettő nagy, szilárd, átlátszatlan, gömb alakú test, hőt és fényt kap a Napból, tengelye körül forog, és más testek felé gravitál. A tulajdonságok egységessége azonban nem szükséges feltétel. Két objektum közötti analógia alapulhat tulajdonságaik közötti hasonló hasonlóságokon is. Ebben a liberálisabb értelemben elmondhatjuk, hogy a hang és a fény között van analógia, mivel a visszhang visszatükröződik, a hangosság a fényerőhöz, a színmagasság, a fül általi észlelhetőség a szem általi észlelhetőséghez és így tovább.

Az analógiák a két rendszer részei közötti viszonyok hasonlóságán vagy hasonlóságán alapulhatnak, nem pedig monád tulajdonságaikon. Ebben az értelemben egyes politikusok azt állítják, hogy egy apa és gyermekei közötti kapcsolat analóg az állam és a polgárok viszonyával. Az eddig említett analógiák voltak azok, amelyeket Hesse „anyagi analógiáknak” nevez. Az analógia formálisabb fogalmát akkor kapjuk meg, ha elvontük a rendszerek konkrét tulajdonságait, és csak a formális felépítésükre összpontosítunk. Amit az analóg modell akkor oszt meg a céljával, nem jellemzők halmaza, hanem absztrakt viszonyok ugyanaz a mintája (azaz ugyanaz a szerkezet, ahol a szerkezetet formális értelemben értik). Az analógia e fogalma szorosan kapcsolódik ahhoz, amit Hesse „formális analógiának” hív. Két elem kapcsolódik formális analógia útján, ha mindkettő ugyanazon formális számítás értelmezése. Például van egy formális analógia a lengő inga és az oszcilláló elektromos áramkör között, mivel mindkettőt ugyanaz a matematikai egyenlet írja le.

A Hesse további különbséget tesz a pozitív, a negatív és a semleges analógiák között. A két elem közötti pozitív analógia az általuk megosztott tulajdonságokban vagy összefüggésekben rejlik (mind a gázmolekuláknak, mind a biliárdgolyóknak van tömege), a negatív analógiának azokban, amelyekben nem osztoznak (a biliárdgolyók színesek, a gázmolekulák nem). A semleges analógia magában foglalja azokat a tulajdonságokat, amelyek még nem ismertek, tartoznak-e a pozitív vagy a negatív analógiába. A semleges analógiák fontos szerepet játszanak a tudományos kutatásban, mivel kérdéseket vetnek fel és új hipotéziseket fogalmaznak meg. Ebben a tekintetben különféle szerzők hangsúlyozták az analógiák heurisztikus szerepét az elmélet felépítésében és a kreatív gondolkodásban (Bailer-Jones és Bailer-Jones 2002; Hesse 1974, Holyoak és Thagard 1995, Kroes 1989, Psillos 1995,és a Hellman 1988-ban összegyűjtött esszék).

Fenomenológiai modellek. A fenomenológiai modelleket különféle, bár összefüggő módon határozták meg. A hagyományos meghatározás olyan modelleknek tekinti őket, amelyek csak a célpontjaik megfigyelhető tulajdonságait képviselik, és tartózkodnak a rejtett mechanizmusok posztulációjától és hasonlóktól. Egy másik megközelítés, McMullin (1968) miatt, a fenomenológiai modelleket az elméletektől független modellekként határozza meg. Ez azonban túl erősnek tűnik. Számos fenomenológiai modell, bár nem vezethető le egy elméletből, beépíti az elméletekhez kapcsolódó elveket és törvényeket. Az atommag folyadékcsepp-modellje például a atommagot folyadékcseppként ábrázolja, és azt írja le, hogy több tulajdonsággal rendelkezik (többek között felületi feszültség és töltés), amelyek különböző elméletekből származnak (hidrodinamika és elektrodinamika). Ezen elméletek bizonyos aspektusait - bár általában nem a teljes elméletet - akkor használják a mag statikus és dinamikus tulajdonságainak meghatározására.

Záró megjegyzések. E fogalmak mindegyike továbbra is kissé homályos, belső problémákkal küzd, és sok erőfeszítést kell tenni ezek szigorítása érdekében. De ezeknél a kérdéseknél sürgetőbb a kérdés, hogy a különféle fogalmak hogyan kapcsolódnak egymáshoz. Az analógiák alapvetően különböznek az idealizációktól, vagy folyamatos skálán különféle területeket foglalnak el? Hogyan különböznek az ikonok az idealizációktól és analógiáktól? Jelenleg nem tudjuk, hogyan kell válaszolni ezekre a kérdésekre. Szüksége van a modelleknek a valósághoz való kapcsolódásának különféle módszereinek beszámolására, valamint arra, hogy ezek a módszerek hogyan hasonlíthatók össze egymással.

1.2 Reprezentatív modellek II: adatmodellek

Másik reprezentációs modell az úgynevezett „adatmodell” (Suppes 1962). Az adatmodell az azonnali megfigyelésből nyert adatok kijavított, kijavított, rendszeresített és sok esetben idealizált változata, az úgynevezett nyers adatok. Jellemzően az egyik először kiküszöböli a hibákat (pl. Eltávolítja a nyilvántartásból azokat a pontokat, amelyek a hibás megfigyelés miatt), majd az adatokat „ügyes” módon mutatják be, például egy sima görbe rajzolásával egy pontsorozaton keresztül. Ezt a két lépést általában „adatcsökkentés” és „görbe illesztés” -nek nevezik. Amikor például egy bizonyos bolygó pályáját vizsgáljuk, először eltávolítjuk a megtévesztő pontokat a megfigyelési rekordokból, majd egy sima görbét illesztünk a fennmaradókhoz. Az adatmodellek döntő szerepet játszanak az elméletek megerősítésében, mivel az adatok modelljét és nem a gyakran rendetlen és összetett nyers adatokat hasonlítják össze egy elméleti előrejelzéssel.

Az adatmodell felépítése rendkívül bonyolult lehet. Kifinomult statisztikai technikákat igényel, és komoly módszertani és filozófiai kérdéseket vet fel. Hogyan dönthetjük el, hogy a nyilvántartás mely pontjait kell eltávolítani? És tiszta adathalmazt adva, milyen görbe illeszkedik ehhez? Az első kérdést főként a kísérlet filozófiájának összefüggésében vizsgálták (lásd például Galison 1997 és Staley 2004). Az utóbbi kérdés középpontjában az úgynevezett görbe illesztési probléma áll, amely szerint az adatok maguk nem jelzik, hogy az illesztett görbe milyen formájú legyen. Az elméletválasztás hagyományos megbeszélései azt sugallják, hogy ezt a kérdést háttérelmélet, egyszerűségi megfontolások, korábbi valószínűségek vagy ezek kombinációja rendezi. Forster és Sober (1994) rámutatnak, hogy a görbe illesztési probléma e megfogalmazása enyhe túlértékelést jelent, mivel Akaike miatt a statisztikákban létezik egy tétel, amely megmutatja (bizonyos feltételezésekre tekintettel), hogy az adatok maguk aláírják (bár nem határozzák meg) a a görbe alakja, ha feltételezzük, hogy az illesztett görbét oly módon kell megválasztani, hogy az az egyszerűség és az illesztés jó egyensúlya között megteremtse az előrejelzési pontosságot maximalizáló módon. Az adatmodellekről további megbeszéléseket talál Chin és Brewer (1994), Harris (2003), Laymon (1982) és Mayo (1996).alakja, ha feltételezzük, hogy a beillesztett görbét úgy kell megválasztani, hogy az a prediktív pontosságot maximalizálva egyensúlyt teremtsen az egyszerűség és az illeszkedés jói között. Az adatmodellekről további megbeszéléseket talál Chin és Brewer (1994), Harris (2003), Laymon (1982) és Mayo (1996).alakja, ha feltételezzük, hogy a beillesztett görbét úgy kell megválasztani, hogy az a prediktív pontosságot maximalizálva egyensúlyt teremtsen az egyszerűség és az illeszkedés jói között. Az adatmodellekről további megbeszéléseket talál Chin és Brewer (1994), Harris (2003), Laymon (1982) és Mayo (1996).

1.3 Az elmélet modelljei

A modern logikában a modell olyan struktúra, amely egy elmélet minden mondatát valósítja meg, amikor az elméletet hivatalos nyelven (általában deduktív módon zárt) mondatkészletnek tekintik (részletekért lásd Bell és Machover 1977 vagy Hodges 1997).. A struktúra „modell” abban az értelemben, hogy ez az, amit az elmélet képvisel. Egy egyszerű példaként vegye figyelembe az euklideszi geometriát, amely axiómákból áll - pl. 'Bármelyik két pont egyenes vonallal összeköthető' - és az ezekből az axiómákból levezethető tételek. Bármely struktúra, amelyben az összes állítás igaz, az euklideszi geometria modellje.

Az S = <U, O, R> struktúra egy összetett entitás, amely (i) egy nem üres U halmazból áll, amelyet S tartományának (vagy univerzumának) hívnak, ii) egy indexelt O halmazból (azaz rendezett listából)) az U-n végzett műveleteknél (amelyek lehetnek üresek), és (iii) egy nem üres indexált R halmazt az U-n. Fontos megjegyezni, hogy a szerkezet meghatározása szempontjából semmi sem számít arról, hogy mi a tárgyak - puszta dummy. Hasonlóképpen, a műveletek és funkciók tisztán kiterjesztésben vannak meghatározva; vagyis az n-helyes kapcsolatokat n-számjegyek osztályaként definiálják, és az n argumentumot felvevő funkciókat az (n +1) -részletek osztályaiként határozzák meg. Ha egy elmélet összes mondata igaz, amikor annak szimbólumait úgy értelmezik, hogy azok az S struktúra tárgyaira, viszonyaira vagy funkcióira vonatkoznak, akkor S ennek az elméletnek a modellje.

A tudomány számos modellje átveszi a logikából az absztrakt kalkulus értelmezésének gondolatát. Ez különösen releváns a fizikában, ahol az általános törvények - mint például Newton mozgási egyenlete - az elmélet középpontjában állnak. Ezeket a törvényeket egy adott rendszerre - például egy ingara - kell alkalmazni úgy, hogy egy speciális erőfunkciót választanak, feltételezéseket tesznek az inga tömeg eloszlásáról stb. Az így kapott modell tehát az általános törvény értelmezése (vagy megvalósítása).

2. Ontológia: Mik a modellek?

Különféle dolgok léteznek, amelyeket általában modelleknek neveznek: fizikai tárgyak, kitalált tárgyak, halmazelméleti struktúrák, leírások, egyenletek vagy ezek kombinációi. Ezek a kategóriák azonban sem kölcsönösen kizárják, sem pedig együttesen nem teljesek. Ahol egy vonal húzódik, mondjuk, a kitalált tárgyak és a meghatározott elméleti struktúrák között, az a metafizikai meggyőződésektől is függhet, és egyes modellek a dolgok újabb osztályába eshetnek. A modellek természetesen önmagában is érdekes kérdés, de amint azt az utolsó részben röviden kiemeljük, fontos következményei vannak a szemantikának és - amint azt később látni fogjuk - az episztemológiának.

2.1 Fizikai tárgyak

Egyes modellek egyszerű fizikai tárgyak. Ezeket általában „anyagi modelleknek” nevezik. Az anyagi modellek osztálya bármit tartalmaz, amely fizikai entitás, és valami más tudományos ábrázolására szolgál. Az osztály tagjai között olyan példákat találunk, mint a hidak, repülőgépek vagy hajók fából készült modelljei, Watson és Crick DNS fémmodellje (Schaffner 1969) és Phillips hidraulikus gazdaságmodellje (Morgan és Boumans 2004). Az anyagmodellek élvonalbeli esetei az úgynevezett modellorganizmusok: az élettudományokban más organizmusok elkülönítéseként használt szervezetek (Ankeny 2009, Ankeny és Leonelli 2012 és Leonelli 2010).

Az anyagi modellek nem okoznak ontológiai nehézségeket a tárgyakkal kapcsolatos ismert ismertetések fölött, amelyekkel a metafizikusok foglalkoznak (pl. A tulajdonságok jellege, a tárgyak, alkatrészek és részek azonosítása és így tovább).

2.2 Fiktív tárgyak

Sok modell nem anyagmodell. Az atom Bohr-modellje, a súrlódás nélküli inga vagy az izolált populációk például inkább a tudós gondolkodásában vannak, nem pedig a laboratóriumban, és ezeket nem kell fizikailag megvalósítani és kísérletezni reprezentációs funkciójuk elvégzéséhez. Természetesnek tűnik kitalált entitásnak tekinteni őket. Ezt az álláspontot a német neo-Kantian Vaihinger (1911) vezetheti vissza, aki hangsúlyozta a fikciók fontosságát a tudományos érvelésben. Giere nemrégiben támogatta azt a nézetet, hogy a modellek elvont entitások (1988, 81). Nem egészen egyértelmű, hogy Giere mit jelent az „elvont entitások” alatt, de a mechanikai modellek tárgyalása azt sugallja, hogy a kifejezést fiktív entitások jelölésére használja.

Ez a nézet jól illeszkedik a tudományos gyakorlathoz, ahol a tudósok gyakran olyan modellekről beszélnek, mintha tárgyak lennének, valamint olyan filozófiai nézetekkel, amelyek a modellek manipulációját a tudományos kutatás folyamatának lényeges részének tekinti (Morgan 1999). Természetes feltételezni, hogy valaki csak akkor manipulálható, ha létezik. Ezenkívül a modelleknek gyakran több tulajdonsága van, mint amit kifejezetten nekik tulajdonítunk építésük során, ezért érdekes kutatási eszközök. Az a nézet, amely a modelleket objektumnak tekinti, ezt egyszerűen megmagyarázhatja anélkül, hogy tovább kellene mennünk: amikor egy modellt bevezetünk, azonosító leírást használunk, de magát a tárgyat nem jellemzi kimerítően ez a leírás. A kutatás azt jelenti, hogy többet megtudunk az ily módon azonosított tárgyról.

Ennek a javaslatnak az a hátránya, hogy a kitalált entitásokat hírhedten szenvedik ontológiai találóságok. Ez sok filozófust arra késztett, hogy úgy véli, hogy nincsenek olyan dolgok, mint a kitalált entitások, és hogy le kell mondani a velük szembeni nyilvánvaló ontológiai kötelezettségvállalásokról. Ezeknek a deflációs beszámolóknak a legbefolyásosabb Quine (1953) nyoma. A határozott leírások Russell általi megvitatására támaszkodva Quine azt állítja, hogy illúzió az, ha fiktív entitásokra utalunk, amikor róluk beszélünk. Ehelyett ezeket az állítólagos tárgyakat elidegeníthetjük úgy, hogy predikátumokká alakítjuk azokat, amelyek rájuk utalnak, és elemezzük azokat a mondatokat, mint a „Pegazus nem létezik”, mivel „semmi nem pegasizál”. A zavaró kifejezés kiküszöbölésével megkerüljük azt a ontológiai elkötelezettséget, amelyet látszólag viselnek. Ennek eredményeként hiányzott az érdeklődés a kitalált elemek iránt,különösen a tudomány filozófusai között. Fine (1993) egy programozott esszében felhívja a figyelmet erre a figyelmen kívül hagyásra, és azt állítja, hogy a quineai szkepticizmus a fikciók ellenére fontos szerepet játszik a tudományos érvelésben. Finom azonban nem nyújt rendszeres beszámolót a fikciókról és arról, hogy miként alkalmazzák őket a tudományban.

A modellezés filozófiájában a közelmúltban megvitatták a tudományos fikció megértésének kérdését. Barberousse és Ludwig (2009), Contessa (2010), Frigg (2010a, 2010b), Godfrey-Smith (2006, 2009), Leng (2010) és Toon (2010) olyan nézeteket fejlesztenek ki, amelyek a modelleket valamiféle fikciónak tekintik. Giere (2009) tagadja, hogy korábbi munkáját így kellene megérteni, és azzal érvel, hogy a modelleket fikciónak tekintik. Magnani (2012), Pincock (2012, Ch.4) és Teller (2009) másodikként tükrözi Giere anti-fikcionizmusát és azt állítják, hogy a modelleket nem szabad fikciónak tekinteni. Weisberg (2012) egy középső álláspont mellett érvel, amely szerint a modelleket heurisztikus szerepet játszik, de tagadja, hogy a tudományos modell részét képezik.

2.3 Set-elméleti struktúrák

Egy befolyásos szempontból a modelleket set-theoretikus struktúrákká kell tenni. Ez az állásfoglalás Suppes-re (1960) vezethető vissza, és most, kissé variánsokkal, az elméletek szemantikai nézetének legtöbb támogatója tartja fenn. Mondanom sem kell, hogy a szemantikai nézet különböző verziói között vannak különbségek (van Fraassen például hangsúlyozza, hogy a modellek állam-tér struktúrák); a különféle pozíciók felmérése megtalálható Suppe-ben (1989, 1. fejezet). Mindezen számlákon azonban a modellek valamiféle struktúrát mutatnak (Da Costa és French 2000). Mivel az ilyen modellek gyakran szorosan kapcsolódnak a matematizált tudományokhoz, ezeket néha „matematikai modelleknek” is nevezik. (Az ilyen biológiai modellek tárgyalását lásd Lloyd 1984 és 1994-ben.)

A modellek ezt a nézetét különböző okok miatt bírálták. Az egyik átható kritika az, hogy a tudományban fontos szerepet játszó sokféle modell nem struktúrák, és nem illeszthető be a modellek strukturális szemléletébe, ami nem magyarázhatja sem a modellek felépítését, sem azt, hogy miként működnek a kutatás során. (Cartwright 1999, Downes 1992, Morrison 1999). A set-theoretikus megközelítés másik vádja, hogy nem magyarázható, hogy a struktúrák miként reprezentálják a fizikai világ részét képező célrendszert, anélkül, hogy feltételezéseket tettek volna, amelyek meghaladják azt, amit a megközelítés megengedhet (Frigg 2006).

2.4 Leírások

Egy időben tiszteletreméltó álláspont szerint a tudósok a tudományos tanulmányokban és a tankönyvekben a modell bemutatásakor többé-kevésbé stilizált leírást adnak a vonatkozó célrendszerekről (Achinstein 1968, Black 1962).

Ezt a nézetet nem kritizálták kifejezetten. Ugyanakkor néhány, az elméletek szintaktikai szemléletével ellentétes kritika szintén fenyegeti a modellek nyelvi megértését. Először is, általános gyakorlat, hogy ugyanazt a dolgot különféle módon tudjuk leírni. De ha egy modellt a leírásával azonosítunk, akkor minden új leírás új modellt eredményez, amely ellentmondásosnak tűnik. Le lehet lefordítani egy leírást más nyelvekre (formális vagy természetes), de nem mondanánk, hogy ezáltal más modellt kapunk. Másodszor, a modellek tulajdonságai eltérnek a leírásoktól. Egyrészt azt mondjuk, hogy a Naprendszer modellje egy nagy tömeg körül keringő gömbökből áll, vagy hogy a modell lakosságát elkülönítik a környezetétől, de úgy tűnik, hogy nincs értelme ezt leírni egy leírással kapcsolatban. Másrészt a leírások olyan tulajdonságokkal rendelkeznek, amelyeknek a modelleknek nincs. A leírás angol nyelven írható, 517 szóból áll, piros tintával nyomtatható stb. Ennek egyik semmi értelme, ha egy modellről szól. A descriptivista kihívással néz szembe, hogy állítsa be ezeket az érveket tévesen, vagy megmutassa, hogyan lehet megkerülni ezeket a nehézségeket.

2.5 Egyenletek

A dolgok egy másik csoportja, amelyet általában „modelleknek” neveznek, különösen a közgazdaságtanban, az egyenletek (amelyeket akkor is matematikai modelleknek neveznek). Példa erre a tőzsde Black-Scholes modellje vagy a nyitott gazdaság Mundell-Fleming modellje.

Ennek a javaslatnak az a problémája, hogy az egyenletek szintaktikai elemek, és mint ilyenek, hasonlóak a kifogásokkal, mint a leírásokkal szemben előadottak. Először ugyanazt a helyzetet lehet leírni különböző koordinátákkal, és ennek eredményeként eltérő egyenleteket kapunk; de úgy tűnik, hogy nem kapunk más modellt. Másodszor, a modellnek az egyenlettől eltérő tulajdonságai vannak. Az oszcillátor háromdimenziós, de a mozgását leíró egyenlet nem. Ugyanígy, az egyenlet lehet homogén, de a leírt rendszer nem.

2.6 Gerrymander ontológiák

Az eddig tárgyalt javaslatok hallgatólagosan azt feltételezték, hogy a modell egy objektumok egy adott osztályához tartozik. De ez a feltételezés nem szükséges. Lehet, hogy a modellek különböző ontológiai kategóriákba tartozó elemek keveréke. Ebben az értelemben Morgan (2001) azt sugallja, hogy a modellek tartalmaznak mind szerkezeti, mind narratív elemeket („történetek”, ahogy ő nevezi).

3. Epistemológia: Tanulás modellekkel

A modellek járművek a világ megismerésére. A tudományos kutatás jelentős részét modellekkel, nem pedig magával a valósággal végzik, mert egy modell tanulmányozásával felfedezhetjük annak a rendszernek a jellemzőit és meggyőződhetünk arról, hogy a modell áll; Röviden: a modellek lehetővé teszik a szurátív érvelést (Swoyer 1991). Például a hidrogénatom természetét, a populációk dinamikáját vagy a polimerek viselkedését vizsgáljuk a megfelelő modellek tanulmányozásával. A modellek ezt a kognitív funkcióját az irodalomban széles körben elismerték, sőt néhányan azt is feltételezik, hogy a modellek új érvelési stílust, az úgynevezett „modell alapú érvelést” eredményeznek (Magnani és Nersessian 2002, Magnani, Nersessian és Thagard 1999). Ez felteszi számunkra a kérdést, hogyan lehetséges egy modellel való tanulás.

Hughes (1997) általános keretet nyújt e kérdés megvitatására. Úgynevezett DDI beszámolója szerint a tanulás három szakaszban zajlik: jelölés, demonstráció és értelmezés. Először reprezentációs kapcsolat ('jelölés') létrehozásával kezdjük a modell és a cél között. Ezután megvizsgáljuk a modell tulajdonságait annak érdekében, hogy demonstráljuk bizonyos elméleti állításokat a modell belső felépítéséről vagy mechanizmusáról; azaz megismerjük a modellt ('demonstráció'). Végül ezeket az eredményeket a célrendszerrel kapcsolatos állításokká kell alakítani; Hughes ezt a lépést „értelmezésnek” nevezi. Az utóbbi két fogalom forog kockán.

3.1 A modell megismerése: kísérletek, gondolatkísérletek és szimulációk

A modell megismerése két helyen történik, a modell felépítésében és manipulálásában (Morgan 1999). Nincsenek rögzített szabályok vagy receptek a modellépítéshez, ezért a kitalálás, hogy mi illeszkedik egymáshoz és hogyan nyújt lehetőséget a modell megismerésére. Miután a modell felépült, nem tanulunk meg a tulajdonságairól, amikor ránézünk; használnunk és manipulálnunk kell a modellt annak titkai feltárása érdekében.

Attól függően, hogy milyen modellel dolgozunk, a modell felépítése és manipulálása különböző tevékenységeket eredményez, amelyek eltérő módszertant igényelnek. Az anyagmodellek problémát jelentenek, mivel szokásos kísérleti környezetben használják őket (pl. Egy autó modelljét a szélcsatornába helyezzük és megmérjük annak légállóságát). Ennélfogva a modell megismerése szempontjából az anyagi modellek nem vetnek fel olyan kérdéseket, amelyek általánosságban túlmutatnak a kísérletezés kérdésein.

Nem így a kitalált modellek esetében. Milyen korlátozások vannak a kitalált modellek felépítésében és hogyan manipulálhatjuk őket? A természetes válasz úgy tűnik, hogy ezekre a kérdésekre egy gondolati kísérlet elvégzésével válaszolunk. Különböző szerzők (pl. Brown 1991, Gendler 2000, Norton 1991, Reiss 2003, Sorensen 1992) felfedezték ezt az érvelést, ám nagyon eltérő és gyakran egymásnak ellentmondó következtetésekre jutottak a gondolatkísérletek elvégzésének módjáról és azok eredményének státusáról. (a részleteket lásd a gondozási kísérletek bejegyzésében).

A modellek egyik fontos osztálya a matematikai természetű. Bizonyos esetekben lehetséges az eredmények elemzése vagy az egyenletek megoldása. De gyakran nem erről van szó. Ezen a ponton volt a számítógép találmányának nagy hatása, mivel lehetővé teszi számunkra, hogy számítógépes szimulációval megoldassuk az egyenleteket, amelyek egyébként megkerülhetetlenek. A jelenlegi kutatás nagy része mind a természettudomány, mind a társadalomtudomány területén számítógépes szimulációkra támaszkodik. Csillagok és galaxisok kialakulása és fejlődése, a nagy energiájú nehézion-reakciók részletes dinamikája, az élet alakulásának bonyolult folyamatának aspektusai, valamint a háborúk kitörése, a gazdaság haladása, a döntési eljárások egy szervezetben és az erkölcsi viselkedést számítógépes szimulációkkal fedezzük fel, csak néhány példát említve (Hegselmann et al. 1996, Skyrms 1996).

Mi az a szimuláció? A szimulációkat jellegzetesen a dinamikus modellekkel, azaz az időt igénylő modellekkel kapcsolatban alkalmazzák. A szimuláció célja egy olyan modell mozgási egyenleteinek megoldása, amelyek célja a célrendszer időbeli fejlődésének ábrázolása. Tehát azt lehet mondani, hogy egy szimuláció egy (általában valós) folyamatot egy másik folyamattal utánoz (Hartmann 1996, Humphreys 2004).

Azt állították, hogy a számítógépes szimulációk valóban új tudományos módszertant vagy akár új tudományos paradigmát jelentenek, amelyek emellett új filozófiai kérdéseket vetnek fel (Humphreys 2004, 2009, Rohrlich 1991, Winsberg 2001 és 2003, és különféle hozzájárulások a Sismondo és Gissis 1999). Ezért azt állítják, hogy a szimulációk megkérdőjelezik a tudomány sok szempontjának filozófiai megértését. Ezt a lelkesedést azonban nem osztják meg egyetemesen, és egyesek azt állítják, hogy a szimulációk - a tudomány új filozófiájának megkövetelése mellett - kevés vagy akár új filozófiai problémát vetnek fel (Frigg és Reiss 2009).

Függetlenül attól, hogy vajon a számítógépes szimulációk alapvetően új filozófiai kérdéseket vetnek fel, nem kétséges - azok gyakorlati jelentőségét illetően. Ha a standard módszerek kudarcot vallnak, a számítógépes szimulációk gyakran az egyetlen módja annak, hogy megtanuljanak valamit a dinamikus modellről; segítenek abban, hogy „kibővítsük magunkat” (Humphreys 2004), ahogy volt. Fontos kérdés, amely ebben az összefüggésben felmerül a szimulációs eredmények igazolása: miért kell bíznunk a számítógépes szimuláció kimeneteiben? A kérdés megválaszolására tett kísérletek befolyásos része a hagyományos kísérletek és a számítógépes szimulációk hasonlóságait használja fel, ami aggodalmas kérdéseket vet fel a számítógépes szimulációk és a kísérletek kapcsolatával kapcsolatban (Barberousse, Franceschelli és Imbert 2009, Morgan 2003, Morrison 2009, Parker 2008, 2009, Winsberg 2003).

Ez a megbízhatóság kérdése alkérdésekre bontható: (a) a modell egyenletei megfelelnek-e a célrendszernek pontosan a szóban forgó célnak, és b) a számítógép elég pontos-e ezen egyenletek megoldását? A gyakorló szakemberek ezeket az érvényesítés és a hitelesítés problémájára utalják. A gyakorlatban gyakran szembesülünk a Duhem-probléma egyik változatával, mivel csak a szimuláció "nettó eredményét" lehet kiértékelni, és e két kérdést nem lehet egyenként kezelni. Ez arra késztette a tudósokat, hogy különféle módszereket fejlesszenek ki annak tesztelésére, hogy a szimuláció eredménye a célt szolgálja-e; ezek megvitatására lásd Winsberg (2009, 2010).

Heurisztikusan fontosak a számítógépes szimulációk is. Új elméleteket, modelleket és hipotéziseket tehetnek fel, például egy modell paraméterterének szisztematikus feltárása alapján (Hartmann 1996). A számítógépes szimulációk azonban módszertani veszélyeket is viselnek. Lehetnek félrevezető eredmények, mivel a digitális számítógépen elvégzett számítások diszkrét jellege miatt a teljes paramétertérnek csak egy részét teszik lehetővé; és ez az altér nem feltárhatja a modell bizonyos fontos tulajdonságait. Ennek a problémának a súlyosságát valahogy enyhíti a modern számítógépek növekvő ereje. De a nagyobb számítási teljesítmény elérhetőségére is káros hatások lehetnek. Arra ösztönözheti a tudósokat, hogy gyorsan hozzanak létre egyre összetettebb, de fogalmilag korai modelleket,rosszul megértett feltételezéseket vagy mechanizmusokat és túl sok további beállítható paramétert tartalmaz (egy kapcsolódó probléma megvitatására a társadalomtudományok egyes szereplői modelljeivel kapcsolatban lásd Schnell 1990). Ez az empirikus megfelelőség fokozódásához vezethet, amely - például az időjárás előrejelzésével kapcsolatban - üdvözlendő, de nem feltétlenül az alapul szolgáló mechanizmusok jobb megértése érdekében. Ennek eredményeként a számítógépes szimulációk használata megváltoztathatja a tudomány különféle céljainak tulajdonítandó súlyt. Végül, a számítógépes teljesítmény rendelkezésre állása elcsábíthatja a tudósokat olyan számítások készítésében, amelyek nem rendelkeznek olyan megbízhatósági szinttel, mint amire számíthatnak. Ez történik például akkor, ha számítógépeket használnak a valószínűség-eloszlások időben történő terjesztésére,amelyeket akkor döntéshozatal szempontjából releváns valószínűségeknek tekintenek, bár kiderül, hogy nem közelebbi vizsgálat során vannak (lásd Frigg et al. 2012). Ezért fontos, hogy ne hagyjuk el az új, nagy teljesítményű számítógépek által kínált eszközökkel, és így tegyük a szem elől a kutatás aktuális céljait.

3.2 A modellről szóló ismeretek konvertálása a célokkal kapcsolatos ismeretekké

Amint megismerjük a modellt, ezt az ismeretet „át kell alakítani” a célrendszerrel kapcsolatos ismeretekké. Ezen a ponton válik a modellek reprezentációs funkciója újból fontosá. A modellek csak akkor adhatnak tudást a valóság természetéről, ha feltételezzük, hogy (legalábbis néhánynak) a modell szempontjai vannak a világban. De ha a tanulás a reprezentációhoz van kötve, és ha vannak különféle reprezentációk (analógiák, idealizációk stb.), Akkor vannak különféle tanulási formák is. Ha például van egy olyan modellünk, amelyet valóságos ábrázolásnak tekintünk, akkor a tudás átvitele a modellből a célba más módon történik, mint amikor egy analóggal vagy egy modelltel foglalkozunk, amely a feltételezések idealizálását foglalja magában.

Milyen különféle tanulási módok vannak? Noha számos esettanulmány készült egyes egyes modellek működéséről, nem tűnik általános beszámoló arról, hogy miként valósul meg a tudás átvitele a modellből a célba (ez az analóg érvelés elméleteinek lehetséges kivételével, lásd fenti hivatkozások). Ez egy nehéz kérdés, de erre több figyelmet érdemel, mint eddig elérte.

4. Modellek és elmélet

Az egyik legmegdöbbentőbb kérdés a modellekkel kapcsolatban, hogy hogyan kapcsolódnak az elméletekhez. A modellek és az elmélet közötti különbség nagyon homályos, és sok tudós zsargonjában gyakran nehéz, ha nem lehetetlen vonalon húzni. Tehát a kérdés: különbséget tesznek a modellek és az elméletek között, és ha igen, hogyan kapcsolódnak egymáshoz?

Általánosságban elmondható, hogy a „modell” és az „elmélet” kifejezéseket néha arra használják, hogy kifejezzék valaki hozzáállását egy adott tudományos darabhoz. Az „ez csak egy modell” kifejezés azt jelzi, hogy a szóban forgó hipotézist csak ideiglenesen állítják be, vagy akár valószínûleg hamis is, miközben valaki elnyeri az „elmélet” címkét, ha valamilyen általános elfogadottságot ért el. A modellek és az elméletek közötti vonalak húzásának ilyen módja azonban nem jár haszna a modellek szisztematikus megértésének.

4.1 A két véglet: az elméletek szintaktikai és szemantikai nézete

Az elméletek szintaktikai nézete, amely a tudomány logikai pozitivista képének szerves része, az elméletet mondatsorként értelmezi az elsőrendű logika axiomatizált rendszerében. Ezen a megközelítésen belül a modell kifejezést szélesebb és szűk értelemben használják. Szélesebb értelemben a modell puszta szemantikai szabályrendszer, amely értelmezi az absztrakt számítást, és egy modell tanulmányozása a tudományos nyelv szemantikájának vizsgálatát jelenti. Szűk értelemben a modell egy bizonyos kalkulus alternatív értelmezése (Braithwaite 1953, Campbell 1920, Nagel 1961, Spector 1965). Ha például figyelembe vesszük a gázok kinetikai elméletében alkalmazott matematikát, és újraértelmezzük ennek a kalkulusnak a feltételeit oly módon, hogy a biliárdgömbre hivatkozzanak, akkor a biliárdgolyó a gázok kinetikai elméletének modellje. A szintaktikai nézet támogatói úgy vélik, hogy az ilyen modellek irrelevánsak a tudomány szempontjából. A modellek felesleges kiegészítések, amelyek legjobban pedagógiai, esztétikai vagy pszichológiai értékkel bírnak (Carnap 1938, Hempel 1965; lásd még Bailer-Jones 1999).

Az elméletek szemantikai nézete (lásd pl. Van Fraassen 1980, Giere 1988, Suppe 1989 és Suppes 2002) megfordítja ezt az álláspontot, és kijelenti, hogy teljes egészében el kell hagynunk a formális számítást, és az elméletet mint modellcsaládot kell tekintenünk. Noha a szemantikai nézet különböző változatai a modell eltérő fogalmát feltételezik (lásd fent), mindannyian egyetértenek abban, hogy a modellek a tudományos elmélet központi eleme.

4.2 Az elméletektől független modellek

A szemantikai szemlélet egyik legszembetűnőbb kritikája az, hogy elmozdítja a modellek helyét a tudományos épületben. A modellek viszonylag függetlenek az elmélettől, nem pedig alkotják őket; vagy Morrison (1998) szlogenjének felhasználásával „önálló ügynökök”. Ennek a függetlenségnek két szempontja van: felépítése és működése (Morgan és Morrison 1999).

A modelleknek a tényleges tudományban történő felépítésének áttekintése azt mutatja, hogy azok nem származnak teljesen az adatokból vagy az elméletből. Az elméletek nem nyújtanak algoritmusokat a modell felépítéséhez; nem „automaták”, amelyekbe be lehet helyezni egy problémát, és megjelenik egy modell (Cartwright 1999, 8. fejezet). A modellépítés művészet és nem mechanikus eljárás. A londoni szupravezető modell jó példa erre a kapcsolatra. A modell fő egyenletének nincs elméleti indoklása (abban az értelemben, hogy elektromágneses vagy bármely más alapvető elméletből származtatható), és kizárólag fenomenológiai megfontolások alapján motiválta (Cartwright et al. 1995). Vagy másképpen fogalmazva:a modellt „alulról felfelé” és nem „felülről lefelé” építették, és ezért nagymértékben független az elmélettől.

A modellek függetlenségének második aspektusa az, hogy olyan funkciókat látnak el, amelyeket nem tudnának elvégezni, ha az elméletek részei vagy erősen függnek azoktól.

A modellek mint az elméletek kiegészítései. Egy elmélet hiányos lehet abban az értelemben, hogy bizonyos általános korlátokat vet fel, de nem hallgat a konkrét helyzetek részleteiről, amelyeket egy modell biztosít (Redhead 1980). Ennek a helyzetnek egy különleges esete az, amikor a kvalitatív elmélet ismert és a modell kvantitatív méréseket vezet be (Apostel 1961). Redhead példája egy ilyen módon alátámasztott elméletre az axiomatikus kvantummező-elmélet, amely csak bizonyos általános korlátokat ró a kvantummezőkre, de nem nyújt beszámolót az egyes mezőkről.

Míg Redhead és mások úgy gondolják, hogy az ilyen esetek valahogy különlegesek, Cartwright (1983) azt állította, hogy ezek inkább a szabály, mint kivétel. Szerinte az olyan alapvető elméletek, mint a klasszikus mechanika és a kvantummechanika, egyáltalán nem képviselnek semmit, mivel nem írják le a valós helyzeteket. Az ilyen elméletek törvényei olyan sémák, amelyeket konkretizálni kell, és kitölteni egy adott helyzet részleteivel, ami egy modell által elvégzendő feladat.

Azok a modellek lépnek be, amikor az elméletek túlságosan bonyolultak a kezeléséhez. Az elméletek túl bonyolultak lehetnek a kezeléshez. Ilyen esetben egyszerűsített modell alkalmazható, amely megoldást kínál (Apostel 1961, Redhead 1980). Például a kvantum-kromodinamikát nem lehet könnyen felhasználni egy mag hadronszerkezetének tanulmányozására, bár ez a probléma alapvető elmélete. A nehézségek kiküszöbölésére a fizikusok nyomon követhető fenomenológiai modelleket készítenek (pl. MIT zsákmodell), amelyek hatékonyan leírják a vizsgált rendszer vonatkozó szabadságának mértékét (Hartmann 1999). Ezeknek a modelleknek az az előnye, hogy eredményeket hoznak, ahol az elméletek hallgatnak. Hátrányuk, hogy gyakran nem világos, hogy megértsük az elmélet és a modell kapcsolatát, mivel a kettő szigorúan ellentmondásos.

Szélsőségesebb eset egy modell használata, ha egyáltalán nem állnak rendelkezésre elméletek. Minden helyzetben találkozunk ezzel a helyzettel, de a biológia és a közgazdaságtan területén különösen féktelen, ahol gyakran nem kell átfogó elméleteket alkalmazni. Azokat a modelleket, amelyeket a tudósok a helyzet megoldására készítenek, néha „helyettesítő modelleknek” hívják (Groenewold 1961).

Modellek mint előzetes elméletek. A modellek mint az elméletek helyettesítőjének fogalma szorosan kapcsolódik a fejlesztési modell fogalmához. Ezt a kifejezést Leplin (1980) megalkotta, aki rámutatott arra, hogy a modellek mennyiben voltak hasznosak a korai kvantumelmélet fejlesztésében, és most ejtõ fogalomként használják azokat az eseteket, amikor a modellek az elmélet valamilyen elõzetes gyakorlata.

A szorosan kapcsolódó fogalom a próbaverziós modellek (szintén „tanulmányi modellek” vagy „játékmodellek”). Ezek olyan modellek, amelyek nem hajtanak végre reprezentációs funkciót, és amelyek várhatóan nem a képernyőn kívülről szólnak minket. E modellek célja új elméleti eszközök tesztelése, amelyeket később használnak reprezentációs modellek felépítéséhez. A terepi elméletben például az úgynevezett φ ^4- modellt nem azért vizsgálták kiterjedten, mert valami valóságot képvisel (köztudott, hogy nem), hanem azért, mert számos heurisztikus funkciót szolgál. A φ ⁴ egyszerűsége-modell lehetővé teszi a fizikusok számára, hogy „megérezzék” a kvantummező-elméleteket, és kinyerjen néhány általános jellemzőt, amelyeket ez az egyszerű modell oszt meg a bonyolultabbokkal. Kipróbálhatunk olyan bonyolult technikákat, mint például a renormalizálás egy egyszerű környezetben, és meg lehet ismerkedni a későbbiekben alkalmazható mechanizmusokkal - ebben az esetben a szimmetria törésével (Hartmann 1995). Ez nem csak a fizikára igaz. Mint Wimsatt (1987) rámutat arra, hogy a hamis modellek a genetikában számos hasznos funkciót láthatnak el, többek között az alábbiakat: a hamis modell segíthet a reálisabb modellekre vonatkozó kérdések megválaszolásában, egy arénát biztosít a bonyolultabb modellek tulajdonságaival kapcsolatos kérdések megválaszolására”. számolja ki azokat a jelenségeket, amelyeket egyébként nem látnánk,szolgálhat egy általánosabb modell korlátozó esetéül (vagy két hamis modell határozhatja meg azon esetek szélsőségességét, amelyekben a valódi eset áll fenn), vagy vezethet releváns változók azonosításához és ezek becsléséhez. értékeket.

5. Modellek és egyéb viták a tudomány filozófiájában

A tudományos modellekkel kapcsolatos vita fontos következményekkel jár a tudomány filozófiájának más vitáira is. Ennek oka az, hogy hagyományosan a tudományos realizmus, a redukcionizmus, a magyarázat és a természet törvényeinek vitáit elméletek fogalmazták meg, mert csak az elméleteket elismerték a tudományos ismeretek hordozójaként. Tehát az a kérdés, hogy megváltozik-e ezeknek a kérdéseknek a megbeszélése, és ha igen, akkor miként változtatunk a hangsúlyt az elméletekről a modellekre. Mostanáig még nem dolgoztak ki átfogó modellalapú beszámolókat ezekről a kérdésekről; de a modellek hagytak nyomot ezeknek a témáknak a megvitatásában.

5.1 Modellek és a realizmus és az antirealizmus közötti vita

Azt állították, hogy a modellépítés gyakorlata az antirealisztust részesíti előnyben a realizmus felett. Az antiialisták rámutatnak, hogy az igazság nem a tudományos modellezés fő célja. Például Cartwright (1983) számos esettanulmányt mutat be, amelyek bemutatják, hogy a jó modellek gyakran hamisak, és hogy az állítólag igaz elméletek nem sok segítséget nyújtanak például a lézer működésének megértésében.

A realisták tagadják, hogy a modellek hamissága lehetetlenné teszi a tudomány realisztikus megközelítését azzal, hogy rámutat arra, hogy egy jó modell, amelyet nem szó szerint igaznak tartanak, általában legalább megközelítőleg igaz. Laymon (1985) azt állítja, hogy a modell előrejelzései általában jobbak lesznek, ha lazítunk az idealizációkon (azaz a modell de-idealizálják), amelyeket a realizmus támogatására vesz (lásd még McMullin 1985, Nowak 1979 és Brzezinski és Nowak 1992).

A hozzávetőleges igazság fogalmának életképességével kapcsolatos szokásos panaszok mellett az antirealisták két (összefüggő) okból is vitatják ezt a választ. Először is, amint azt Cartwright (1989) rámutat, nincs ok azt feltételezni, hogy valamely modell mindig javítható az idealizáló korrekciók hozzáadásával. Másodszor, úgy tűnik, hogy a vázolt eljárás nincs összhangban a tudományos gyakorlattal. Szokatlan, hogy a tudósok munkát fektetnek egy meglévő modell ismételt idealizálására. Inkább egy teljesen más modellezési keretre váltanak, miután az elvégzendő kiigazítások túlzottan bekapcsolódtak (Hartmann 1998). Az atommag különböző modelljei példát mutatnak erre. Miután rájöttünk, hogy a héjhatások fontosak a különféle jelenségek megértéséhez,a (kollektív) folyadékcsepp-modellt félretették, és az (egyrészecskéjű) héjmodellt kifejlesztették ezen eredmények figyelembevétele céljából. Az idealizálás leküzdésének további nehézsége az, hogy a legtöbb idealizációt nem „ellenőrzik”. Például nem világos, hogy az MIT-Bag modellt hogyan lehet idealizálni, hogy végül eljuthassunk a kvantum-kromodinamikához, az állítólag helyes mögöttes elmélethez.

Egy további antirealisztikus érv, az „összeférhetetlen modellek érve” kiindulópontja annak a megfigyelésnek a megfigyelése, hogy a tudósok gyakran egy és ugyanazon célrendszer több összeegyeztethetetlen modelljét használják prediktív célokra (Morrison 2000). Ezek a modellek látszólag ellentmondásosak, mivel ugyanazon célrendszerhez különböző tulajdonságokat tulajdonítanak. A nukleáris fizikában például a folyadékcsepp-modell feltárja az atommag analógiáját egy (töltött) folyadék-csepptel, míg a héjmodell a nukleáris tulajdonságokat írja le az atommag alkotóelemeinek protonjai és neutronjai tulajdonságai alapján. Úgy tűnik, hogy ez a gyakorlat problémát jelent a tudományos realizmus szempontjából. A realisták általában úgy gondolják, hogy szoros kapcsolat áll fenn egy elmélet prediktív sikere és annak legalább megközelítőleg való valósága között. De ha ugyanazon rendszer több elmélete prediktív módon sikeres, és ha ezek az elméletek kölcsönösen ellentmondásosak, akkor nem mindegyik lehet igaz, még közel sem.

A realisták erre az érvre különféle módon reagálhatnak. Először vitathatják azt az állítást, miszerint a kérdéses modellek valóban prediktív módon sikeresek. Ha a modellek nem jó előrejelzők, akkor az argumentum blokkolva van. Másodszor, meg tudják védeni a perspectival realizmus egyik változatát (Giere 1999, Rueger 2005), amely szerint minden modell feltárja a kérdéses jelenség egyik aspektusát, és összesítve egy teljes (vagy teljesebb) beszámoló alakul ki. Harmadszor, a realisták tagadhatják, hogy elsősorban probléma merül fel, mivel a tudományos modellek, amelyeket mindig úgy vagy úgy idealizálnak, és ezért szigorúan szólva hamisak, csak rossz eszköz, hogy pontot tegyenek a realizmusról.

5.2 Modell és redukcionizmus

Az utolsó részben említett többmodellenes probléma felveti a kérdést, hogy a különféle modellek hogyan kapcsolódnak egymáshoz. Nyilvánvaló, hogy ugyanazon célrendszer több modellje általában nem áll deduktív kapcsolatban, mivel gyakran ellentmond egymásnak. Mivel ezeknek a modelleknek a többsége elengedhetetlennek tűnik a tudomány gyakorlatában, a tudomány szervezésének egyszerű képe Nagel (1961) redukciós modellje, vagy Oppenheim és Putnam (1958) piramis képe mentén nem tűnik valószínűnek.

Néhányan (Cartwright 1999, Hacking 1983) a tudományról alkotott képet, amely szerint a különböző modellek között nincs szisztematikus kapcsolat. Egyes modellek össze vannak kötve, mert ugyanazt a célrendszert képviselik, de ez nem jelenti azt, hogy további kapcsolatokat alakítanak ki (deduktív vagy egyéb). Szembesülünk egy olyan modellel, amelyek mindegyike a ceteris paribus-t tartja fenn az alkalmazhatóság specifikus területein (lásd még a Falkenburg és Muschik 1998-ban összegyűjtött cikkeket).

Egyesek szerint ez a kép legalább részben hibás, mert különféle érdekes kapcsolatok vannak a különböző modellek vagy elméletek között. Ezek a kapcsolatok a szinguláris határviszonyok ellenőrzött közelítésétől (Batterman 2004) a strukturális kapcsolatokig (Gähde 1997) és a történeteknek nevezett meglehetősen laza kapcsolatokig terjednek (Hartmann 1999; lásd még Bokulich 2003). Ezeket a javaslatokat esettanulmányok alapján tették meg (például az úgynevezett hatékony kvantummező-elméletekhez, lásd Hartmann 2001), és továbbra is szem előtt kell tartani, hogy ezek a kapcsolatok általánosabban beszámolhatók-e, és vajon az ezeket például bayes-i kerettel lehet ellátni (az első lépések a redukció bayes-i értelmezéséhez Dizadji-Bahmani és mtsai., 2011).

5.3 A természet modelljei és törvényei

Széles körben elterjedt, hogy a tudomány célja a természet törvényei felfedezése. A filozófusok viszont azzal a kihívással szembesülnek, hogy megmagyarázzák, mi a természet törvénye. A két jelenleg domináns beszámoló, a legjobb rendszerek megközelítése és az univerzális megközelítés szerint a természet törvényeit egyetemes hatályúnak kell tekinteni, azaz mindenre vonatkoznak, ami a világon létezik. Ez a törvények átvétele nem tűnik úgy, hogy a modelleket a tudományos elmélet középpontjában helyezik. Milyen szerepet játszanak az általános törvények a tudományban, ha modellek reprezentálják a világban zajló eseményeket, és hogyan kapcsolódnak a modellek és törvények?

Az egyik lehetséges válasz az, ha azt állítják, hogy a természet törvényei az entitásokat és folyamatokat a modellben, nem pedig a világban szabályozzák. Az ehhez a megközelítéshez kapcsolódó alaptörvények nem állítják be a világ tényeit, hanem igazak a modell entitásaira és folyamataira. Ennek a nézetnek a különböző változatait Cartwright (1983, 1999), Giere (1999) és van Fraassen (1989) támogatta. Meglepő módon úgy tűnik, hogy a törvények realistái nem válaszoltak erre a kihívásra, így továbbra is nyitott kérdés, hogy (és ha igen, hogyan) összeegyeztethetővé válhat a törvények realisztikus megértése és a modell alapú tudományos megközelítés.

5.4 Modellek és tudományos magyarázat

A természet törvényei fontos szerepet játszanak sok magyarázatban, leginkább a deduktív-nomológiai modellben és az egyesítési megközelítésben. Sajnos ezek a beszámolók örökölnek a modellek és a törvények kapcsolatát befolyásoló problémákon. Ez két lehetőséget hagy nekünk. Bármelyikük azzal érvelhet, hogy a törvények elkerülhetők a magyarázatokban, ez egy ötlet, amelyet mind a van Fraassen (1980) pragmatikus magyarázatelméletében, mind az okozati magyarázat megközelítéseiben, például Woodward (2003) használ. Ez utóbbi szerint a modellek eszközek arra, hogy megismerjék az egyes tények vagy folyamatok közötti okozati összefüggéseket, és ezek a kapcsolatok teszik a magyarázó feladatot. Vagy elmozdítható a modellek magyarázata. Ezen a vonalon pozitív javaslat a Cartwright úgynevezett „magyarázó szimulációs számlája”,ami azt sugallja, hogy egy jelenséget magyarázhatunk egy olyan modell felállításával, amely illeszti a jelenséget a nagy elmélet alapkeretéhez (1983, 8. fejezet). Ebből a szempontból maga a modell a magyarázat, amelyet keresünk. Ez jól illeszkedik az alapvető tudományos intuíciókhoz, de felteszi a kérdést, hogy mi a magyarázat fogalma a munka során (lásd még Elgin és Sober 2002). Bokulich (2008, 2009) hasonló érvelési vonalon jár, és úgy véli, hogy a modellek magyarázó ereje szorosan kapcsolódik a kitalált természetükhöz. Ez jól illeszkedik az alapvető tudományos intuíciókhoz, de felteszi a kérdést, hogy mi a magyarázat fogalma a munka során (lásd még Elgin és Sober 2002). Bokulich (2008, 2009) hasonló érvelési vonalon jár, és úgy véli, hogy a modellek magyarázó ereje szorosan kapcsolódik a kitalált természetükhöz. Ez jól illeszkedik az alapvető tudományos intuíciókhoz, de felteszi a kérdést, hogy mi a magyarázat fogalma a munka során (lásd még Elgin és Sober 2002). Bokulich (2008, 2009) hasonló érvelési vonalon jár, és úgy véli, hogy a modellek magyarázó ereje szorosan kapcsolódik a kitalált természetükhöz.

6. Következtetés

A modellek fontos szerepet játszanak a tudományban. De annak ellenére, hogy jelentős érdeklődést keltett a filozófusok körében, továbbra is jelentős hiányosságok vannak a modellek megértésében és a működésükben.

Bibliográfia

• Achinstein, Peter (1968), Concepts of Science. Filozófiai elemzés. Baltimore: Johns Hopkins Press.
• Ackerlof, George A (1970), „A citrom piaca: Minőségbizonytalanság és a piaci mechanizmus”, Quarterly Journal of Economics 84: 488–500.
• Ankeny, Rachel (2009), „Modell szervezetek mint fikciók”, Mauricio Suárez (szerk.): Fikciók a tudományban, Filozófiai esszék a modellezésről és az idealizálásról, London: Routledge, 194–204.
• Apostel, Leo (1961), „A nem formális tudományok modelljeinek formális tanulmányozása felé”, Freudenthal, 1961, 1–37.
• Bailer-Jones, Daniela M. (1999), „A modellek fejlődésének nyomon követése a tudomány filozófiájában”, Magnani, Nersessian és Thagard, 1999, 23–40.
• ––– (2003) „Amikor a tudományos modellek képviselik”, Nemzetközi tanulmányok a tudomány filozófiájában 17: 59–74.
• –––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––-B. És Bailer-Jones CAL (2002), „Modellezési adatok: analógiák a neurális hálózatokban, szimulált hegesztés és genetikai algoritmusok” című tanulmányban, Magnani és Nersessian 2002: 147–165.
• Barbrousse, Anouk és Pascal Ludwig (2009), „Fikciók és modellek”, Mauricio Suárez (szerk.): Fikciók a tudományban, Filozófiai esszék a modellezésről és az idealizálásról, London: Routledge, 56–75.
• ––– Sara Franceschelli, Cyrille Imbert (2009), „Számítógépes szimulációk mint kísérletek”, Synthese, 169 (3): 557–574.
• Batterman, Robert (2004), „Az interakciós kapcsolatok a fizikában”, a Stanfordi Filozófia Enciklopédia (2004. tavaszi kiadás), Edward N. Zalta (szerk.), URL = http://plato.stanford.edu/archives/spr2004/ bejegyzés / fizika-metszetében /.
• Bell, John és Moshé Machover (1977), Matematikai logika kurzus, Amszterdam: Észak-Holland.
• Black, Max (1962), modellek és metaforák. Nyelv- és filozófiai tanulmányok. Ithaca, New York: Cornell University Press.
• Bogen, James és James Woodward (1988), „A jelenségek megmentése”, Filozófiai áttekintés 97: 303–352.
• Bokulich, Alisa (2003), „Vízszintes modellek: péktől macskáig”, Tudományos filozófia 70: 609–627.
• ––– (2008), a kvantum-klasszikus kapcsolat újbóli vizsgálata: a redukcionizmuson és pluralizmán túl, Cambridge: Cambridge University Press.
• ––– (2009), „Magyarázó fikciók”, In: Mauricio Suárez (szerk.): Fikciók a tudományban. Filozófiai esszék a modellezésről és az idealizálásról London: Routledge, 91–109.
• Braithwaite, Richard (1953), Tudományos magyarázat. Cambridge: Cambridge University Press.
• Brewer, WF és CA Chinn (1994), „A tudósok válasza az anomáliákra: bizonyítékok a pszichológiáról, a történelemről és a tudomány filozófiájáról” a következőkben: A Tudományos Filozófia Egyesület 1994. évi kétéves ülésének folytatásai, 1. kötet: Szimpóziumok és Meghívott dokumentumok, 304–313.
• Brown, James (1991), Az Elme Laboratóriuma: Gondolatkísérletek a természettudományokban. London: Routledge.
• Brzezinski, Jerzy és Leszek Nowak (szerk.) (1992), III. Idealizálás: közelítés és az igazság. Amszterdam: Rodopi.
• Callender, Craig és Jonathan Cohen (2006), „Nincs különösebb probléma a tudományos reprezentációval kapcsolatban”, Theoria, megjelenik.
• Campbell, Norman (1920), Fizika: Az elemek. Cambridge: Cambridge University Press. Újranyomva mint a tudomány alapja. New York: Dover, 1957.
• Carnap, Rudolf (1938), „A logika és a matematika alapjai”, Otto Neurath, Charles Morris és Rudolf Carnap (szerk.), Az Egységes Tudomány Nemzetközi Enciklopédia-ban. Vol. 1. Chicago: University of Chicago Press, 139–213.
• Cartwright, Nancy (1983), Hogyan hazudnak a fizika törvényei. Oxford: Oxford University Press.
• ––– (1989), A természet képességei és azok mérése. Oxford: Oxford University Press.
• ––– (1999), A dappled világ. A tudomány határainak tanulmányozása. Cambridge: Cambridge University Press.
• ––– Towfic Shomar és Mauricio Suárez (1995), „A tudomány eszköztárja”, Herfel, 1995, 137–150.
• Contessa, Gabrielle (2007) „Tudományos reprezentáció, értelmezés és szurogatív érvelés”, Tudományfilozófia 74 (1): 48–68.
• ––– (2010), „Tudományos modellek és kitalált tárgyak”, Synthese 172 (2), 215–229.
• Da Costa, Newton és Steven French (2000) „Modellek, elméletek és struktúrák: harminc évvel később”, a Tudományfilozófia 67, kiegészítés, S116–127.
• ––– (2003), Tudomány és részleges igazság: A modellek egységes megközelítése és a tudományos érvelés. Oxford: Oxford University Press.
• Dizadji-Bahmani, Foad, Roman Frigg és Stephan Hartmann (2011) „Megerősítés és csökkentés: A Bayes-i számla”, Synthese 179 (2): 321–38.
• Downes, Stephen (1992), „A modellek fontossága az elméletben: egy deflációs szemantikai nézet”. Proceedings of the Philosophy of Science Association, 1. kötet, szerkesztette David Hull és mtsai., 142–153. East Lansing: A Tudomány Filozófiájának Egyesülete.
• Elgin, Catherine (2010), „Mesélő példák”, részben: Roman Frigg és Matthew Hunter (szerk.): A Mimesis és a nominizmuson túl: Képviselet a művészetben és a tudományban Berlinben és Ney Yorkban: Springer, 1–17.
• Elgin, Mehmet és Elliott Sober (2002), „Cartwright a magyarázatról és az idealizálásról”, Erkenntnis 57: 441–50.
• Falkenburg, Brigitte és Wolfgang Muschik (szerk.) (1998), Modellek, elméletek és disunitás a fizikában, Philosophia Naturali s. 35.
• Fine, Arthur (1993), „Fikcionizmus”, Midwest Studies in Philosophy 18: 1–18.
• Forster, Malcolm és Elliott Sober (1994): „Hogyan lehet megtudni, ha az egyszerű, egységesebb vagy kevésbé ad hoc elméletek pontosabb előrejelzéseket adnak”, a British Journal of the Philosophy of Science 45: 1–35.
• Freudenthal, Hans (szerk.) (1961), A modell fogalma és szerepe a matematikában, a természet- és társadalomtudományban. Dordrecht: Reidel.
• Frigg, Roman (2006), „Tudományos reprezentáció és az elméletek szemantikus nézete”, Theoria 55: 37–53.
• ––– és Julian Reiss (2009), „A szimuláció filozófiája: forró új kérdések vagy ugyanaz a régi pörkölt?”, Synthese 169 (3): 593–613.
• ––– (2010a), „Fikció a tudományban”, részben: John Woods (szerk.): Fikciók és modellek: Új esszék, München: Philosophia Verlag, 247–287
• ––– (2010b), „Modellek és fikció”, Synthese, 172 (2): 251–268
• ––– (2010c), „Szépirodalom és tudományos reprezentáció”, In: Roman Frigg és Metthew Hunter (szerk.): A Mimesis és a nominizmuson túl: Képviselet a művészetben és a tudományban, Berlin és Ney York: Springer, 97–138.
• ––– Seamus Bradley, L. Machete oka és Leonard A. Smith (2012), „Probabilista előrejelzés: Miért van a modell hiányossága egy mérgezőtabletta”, előadó Hanne Anderson, Dennis Dieks, Gregory Wheeler, Wenceslao Gonzalez és Thomas Uebel (szerk.)): Új kihívások a tudomány filozófiájához, Berlin és New York: Springer.
• Gähde, Ulrich (1997): „Anomáliák és az elméleti hálózatok felülvizsgálata. Megjegyzések a higany perihelionjának előrehaladásáról”, Marisa Dalla Chiara et al. (szerk.), struktúrák és normák a tudományban. Dordrecht: Kluwer.
• Galison, Peter (1997) Kép és logika. A mikrofizika anyagi kultúrája. Chicago: Chicago: University of Chicago Press.
• Gendler, Tamar (2000) Gondolatkísérlet: A képzeletbeli esetek hatalmáról és határairól. New York és London: Garland.
• Gibbard, Allan és Hal Varian (1978), „Gazdasági modellek”, Journal of Philosophy 75: 664–677.
• Giere, Ronald (1988), Magyarázza a tudományt: egy kognitív megközelítés. Chicago: University of Chicago Press.
• ––– (1999), Tudomány törvények nélkül. Chicago: University of Chicago Press.
• ––– (2004), „A modellek hogyan használják a valóság ábrázolását”, Tudományfilozófia 71, Kiegészítés, S742–752.
• ––– (2009), „Miért nem szabad a tudományos modelleket fikció műveknek tekinteni”, In: Mauricio Suárez (szerk.): Fikciók a tudományban. Filozófiai esszék a modellezésről és az idealizálásról London: Routledge, 248–258.
• Godfrey-Smith, P. (2006), „A modell-alapú tudomány stratégiája”, Biológia és filozófia, 21: 725–740.
• ––– (2009), „Modellek és fikciók a tudományban”, Filozófiai Tanulmányok, 143: 101–116.
• Groenewold, HJ (1961), „A fizika modellje”, Freudenthal, 1961., 98–103.
• Hacking, Ian (1983), képviselő és beavatkozó. Cambridge: Cambridge University Press.
• Harris, Todd (2003), „Adatmodellek, valamint az adatok megszerzése és manipulálása”, Tudományfilozófia 70: 1508–1517.
• Hartmann, Stephan (1995), „Modellek mint eszköz az elmélet felépítéséhez: Az előzetes fizika néhány stratégiája”, Herfel et al. 1995, 49–67.
• ––– (1996), „A világ mint folyamat. Szimulációk a természet- és társadalomtudományban”, Hegselmann et al. 1996, 77–100.
• ––– (1998), „Ideálisítás a kvantummező-elméletben”, Shanks, 1998, 99–122.
• ––– (1999), „Modellek és történetek a hadronfizikában”, Morgan és Morrison, 1999, 326–346.
• ––– (2001), „Hatékony terelméletek, redukció és tudományos magyarázat”, Tanulmányok a modern fizika története és filozófiája témában 32, 267–304.
• Hegselmann, Rainer, Ulrich Müller és Klaus Troitzsch (szerk.) (1996), Modell és szimuláció a társadalomtudományokban a tudomány filozófiájának szempontjából. Elmélet és döntés könyvtár. Dordrecht: Kluwer.
• Hellman, DH (szerk.) (1988), Analogical Reasoning. Kluwer: Dordrecht.
• Hempel, Carl G. (1965), A tudományos magyarázat és más esszék a tudomány filozófiájában. New York: Ingyenes sajtó.
• Herfel, William, Wladiyslaw Krajewski, Ilkka Niiniluoto és Ryszard Wojcicki (szerk.) (1995), Elméletek és modellek a tudományos folyamatban. (Poznan tanulmányok a tudomány és a humán tudomány filozófiájában 44.) Amszterdam: Rodopi.
• Hesse, Mary (1963), Modellek és analógiák a tudományban. London: Sheed és Ward.
• ––– (1974), A tudományos következtetések felépítése. London: Macmillan.
• Hodges, Wilfrid (1997), Rövidebb modell elmélet. Cambridge: Cambridge University Press.
• Holyoak, Keith és Paul Thagard (1995), Mental Leaps. Analógia a kreatív gondolkodásban. Cambridge, Mass.: Bradford.
• Horowitz, Tamara és Gerald Massey (szerk.) (1991), Gondolatkísérletek a tudományban és a filozófiában. Lanham: Rowman és Littlefield.
• Hughes, RIG (1997), „Modellek és reprezentáció”, Tudományos filozófia 64: S325–336.
• Humphreys, Paul (2004), Magunk kiterjesztése: számítástechnika, empirizmus és tudományos módszer. Oxford: Oxford University Press.
• ––– (2009), „A számítógépes szimulációs módszerek filozófiai újdonságai”, Synthese 169: 615–626.
• Knuuttila, Taria (2009), „Reprezentáció, idealizálás és fikció a közgazdaságtanban: A feltételezések kiadásától a modellezés epistemológiájáig”, In: Mauricio Suárez (szerk.): Fikciók a tudományban. Filozófiai esszék a modellezésről és az idealizálásról, London: Routledge, 205–233.
• Kroes, Peter (1989), „A fizikai rendszerek közötti strukturális analógiák”, a British Journal for the Philosophy of Science 40: 145–154.
• Laymon, Ronald (1982), „A tudományos realizmus és a hierarchikus kontrafaktuális út az adatokból az elméletbe”, a Tudományos Filozófia Egyesület kétévenkénti találkozójának folyóiratai, 1. kötet, 107–121.
• ––– (1985), „Idealizációk és az elméletek kísérleti kísérletezése”, Peter Achinstein és Owen Hannaway (szerk.), Megfigyelési kísérlet és hipotézis a modern fizikai tudományban. Cambridge, Mass: MIT Press, 147–173.
• ––– (1991), „Stevin, Mach és Gouy gondolatkísérletei: gondolatkísérletek mint ideális korlátok és szemantikus tartományok”, Horowitz és Massey, 1991, 167–91.
• Leng, Mary (2010), Matematika és valóság, Oxford.
• Leonelli, Sabina (2010), „Csomagolási adatok újrahasználatra: Adatbázisok a modellszervezet biológiájában”, In: Howlett P, Morgan MS (szerk.): Mennyire járnak a tények? A megbízható tudás terjesztése, Cambridge: Cambridge University Press.
• Leonelli, Sabina és R. Ankeny (2012), „Re-gondolkodó szervezetek: Az adatbázisok episztémikus hatása a modellszervezet biológiájára”, Tanulmányok a biológiai és orvosbiológiai tudományok történetében és filozófiájában, 43, 29–36.
• Leplin, Jarrett (1980), „A modellek szerepe az elmélet felépítésében”, T. Nickles (szerk.), Tudományos felfedezés, logika és racionalitás című részében. Reidel: Dordrecht: 267–284.
• Lloyd, Elisabeth (1984), „A népesség genetikai struktúrájának szemantikai megközelítése”, Tudományfilozófia 51: 242–264.
• ––– (1994), Az evolúciós elmélet felépítése és megerősítése. Princeton: Princeton University Press.
• Magnani, Lorenzo és Nancy Nersessian (szerk.) (2002), modell-alapú érvelés: tudomány, technológia, értékek. Dordrecht: Kluwer.
• ––– (2012), A tudományos modellek nem fikciók: Modell alapú tudomány mint szisztematikus Warfar, közeljövőben L. Magnani és P. Li (szerk.): Filozófia és kognitív tudomány: nyugati és keleti tanulmányok, Heidelberg / Berlin: Springer.
• –– és Paul Thagard (szerk.) (1999), modell alapú érvelés a tudományos felfedezésben. Dordrecht: Kluwer.
• Mäki, Uskali (1994), „Elkülönítés, idealizálás és igazság a közgazdaságtanban”, Bert Hamminga és Neil B. De Marchi (szerk.), VI. Idealizálás: A közgazdaságtan idealizálása. Poznan Tanulmányok a tudomány és a humán tudomány filozófiájában, Vol. 38: 147–168. Amszterdam: Rodopi.
• Mayo, Deborah (1996), Hiba és a kísérleti tudás növekedése. Chicago: University of Chicago Press.
• McMullin, Ernan (1968), „Mit mond nekünk a fizikai modellek?”, B. van Rootselaar és JF Staal (szerk.), Logika, módszertan és tudomány III. Amszterdam: Észak-Holland, 385–396.
• ––– (1985), „Galileai idealizálás”, Tanulmányok a tudomány története és filozófiája 16: 247–73.
• Morgan, Mary (1999), „Tanulás a modellekről”, Morgan and Morrison, 1999, 347–88.
• ––– és Margaret Morrison (1999), modellek mint közvetítők. Természet- és társadalomtudomány perspektívái. Cambridge: Cambridge University Press.
• ––– és Margaret Morrison (1999), „Modellek mint közvetítő eszközök”, In: Morgan és Morrison, 1999, 10–37.
• ––– (2001) „Modellek, történetek és a gazdasági világ”, Journal of Economic Methodology 8: 3, 361–84. Újra nyomtatva a közgazdaságtanban és tényekben, szerkesztette Uskali Mäki, 178–201. Cambridge: Cambridge University Press, 2002.
• ––– (2003) „Kísérletek anyagi beavatkozás nélkül: modellkísérletek, virtuális kísérletek és gyakorlati kísérletek”, In: H. Radder (szerk.): Pittsburgh tudományos kísérletezés filozófiája: Pittsburgh University Press, 217–235
• ––– és Boumans, Marcel J. (2004), „Kétdimenziós dimenzió által rejtett titkok: a gazdaság mint hidraulikus gép”, részben: S. de Chadarevian és N. Hopwood (szerk.): Modell: A harmadik dimenzió Science, Stanford: Stanford University Press, 369–401.
• Morrison, Margaret (1998), „A természet modellezése: a fizika és a fizikai világ között”, Philosophia Naturalis 35: 65–85.
• ––– (1999) „Modellek mint önálló ágensek”, Morgan és Morrison, 1999, 38–65.
• ––– (2000), Egyesítő tudományos elméletek. Cambridge: Cambridge University Press.
• ––– (2009), „Fikciók, reprezentációk és valóság”, In: Mauricio Suárez (szerk.): Fikciók a tudományban. Filozófiai esszék a modellezésről és az idealizálásról, London: Routledge, 110–135.
• ––– (2009), „Modellek, mérések és számítógépes szimulációk: A kísérlet változó arca”, Filozófiai Tanulmányok, 143 (1): 33–57.
• Mundy, Brent (1986), „Az értelmes reprezentáció általános elméletéről”, Synthese 67: 391–437.
• Musgrave, Alan (1981), „A gazdaság elméletének„ irreális feltevései: Az F-csavar elfordulása nélkül”, Kyklos 34: 377–387.
• Nagel, Ernest (1961), A tudomány felépítése. A tudományos magyarázat logikájának problémái. New York: Harcourt, Brace és World.
• Norton, John (1991), „Gondolatkísérletek Einstein munkájában”, Horowitz és Massey, 1991, 129–148.
• Nowak, Leszek (1979), Az idealizálás felépítése: a marxiai tudomány ötletének szisztematikus értelmezése felé. Reidel: Dordrecht.
• Oppenheim, Paul és Hilary Putnam (1958), „A tudomány egységének mint működő hipotézisnek”, Herbert Feigl, Grover Maxwell és Michael Scriven (szerk.), Minnesota tanulmányok a tudomány filozófiájában. Minneapolis: University of Minnesota Press, 3–36. Újranyomva a Tudomány filozófiájában, szerkesztette: Richard Boyd és mtsai., Ch. 22. Cambridge, Mass: MIT Press, 1991.
• Parker, WS (2008), „Franklin, Holmes és a számítógépes szimuláció epizemológiája”, Nemzetközi tanulmányok a tudomány filozófiájában 22 (2): 165–183.
• ––– (2009), „Tényleg számít az anyag? Számítógépes szimulációk, kísérletek és lényegesség”, Synthese 169: 483–496
• Peirce, Charles Sanders (1931–1958), Charles Sanders Peirce összegyűjtött cikkei. 3. kötet. Szerkesztette: Charles Hartshorne, Paul Weiss és Arthur Burks. Harvard University Press, Cambridge, Mass.
• Pincock, Christopher (2012) Matematika és tudományos képviselet, Oxford, Ch.12.
• Psillos, Stathis (1995), „Az elméletek és modellek kognitív kölcsönhatása: a 19. századi fizika esete”, Herfel et al. 1995, 105–133.
• Quine, Willard Van Orman (1953), „A mi van” logikai szempontból. Cambridge, Mass: Harvard University Press.
• Redhead, Michael (1980), „Models in Physics”, a British Journal for the Philosophy of Science 31: 145–163.
• Reiss, Julian (2003): „Okozati következtetések a gondolatkísérletek absztrakt vagy hét mítoszában”, a Causality: metafizika és módszerek kutatási projektje. Technikai jelentés 03/02. LSE.
• ––– (2006), „A kapacitásokon túl”, Luc Bovens és Stephan Hartmann (szerk.), Nancy Cartwright tudományfilozófiája. London: Routledge.
• Rohrlich, Fritz (1991) „Számítógépes szimulációk a fizikai tudományokban”, a Tudományos Filozófia Egyesület kiadványában, Vol. 2, szerkesztette Arthur Fine és munkatársai, 507–518. East Lansing: A Tudomány Filozófiájának Egyesülete.
• Rueger, Alexander (2005), „Perspectival Models and Theory Unification”, a brit folyóirat a tudomány filozófiájához 56.
• Schnell, Rainer (1990), „Computersimulation und Theoriebildung in den Sozialwissenschaften”, Kölner Zeitschrift für Soziologie und Sozialpsychologie 1, 109–128.
• Schaffner, Kenneth F. (1969, „A Watson-Crick modell és redukcionizmus”, a Brit Tudományos Filozófiai Folyóirat, 20 (4): 325–348.
• Shanks, Niall (szerk.). (1998), idealizálás a kortárs fizikában. Amszterdam: Rodopi.
• Sismondo, Sergio és Snait Gissis (szerk.) (1999), modellezés és szimuláció. A tudomány speciális kiadása a kontextusban 12.
• Skyrms, Brian (1996), A szociális szerződés evolúciója. Cambridge: Cambridge University Press.
• Sorensen, Roy (1992), Gondolati kísérletek. New York: Oxford University Press.
• Spector, Marshall (1965), „Modellek és elméletek”, a British Journal for the Philosophy of Science 16: 121–142.
• Staley, Kent W. (2004), A legfontosabb kvarc bizonyítéka: Objektivitás és elfogultság az együttműködési kísérletben. Cambridge: Cambridge University Press.
• Suárez, Mauricio (2003), „Tudományos reprezentáció: a hasonlóság és az izomorfizmus ellen”. Nemzetközi tanulmányok a tudomány filozófiájában 17: 225–244.
• ––– (2004), „A tudományos képviselet kezdeményezési koncepciója”, Tudományfilozófia 71. sz., Kiegészítés, S767–779.
• –– és Solé Albert (2006), „A kognitív reprezentáció és az igazság közötti analógiáról”, Theoria 55, 27–36.
• ––– (2009), „Tudományos fikciók mint következtetési szabályok” In: Mauricio Suárez (szerk.): Fikciók a tudományban. Filozófiai esszék a modellezésről és az idealizálásról, Routledge: London, 158–178.
• Suppe, Frederick. (1989), Az elméletek és a tudományos realizmus szemantikus nézete. Urbana és Chicago: University of Illinois Press.
• Suppes, Patrick. (1960), „A modellek jelentésének és felhasználásának összehasonlítása a matematikában és az empirikus tudományban”, Synthèse 12: 287–301. Újranyomva Freudenthal (1961), 163–177 és Patrick Suppes: Tanulmányok a tudomány módszertanában és alapjaiban. Válogatott papírok 1951 és 1969 között. Dordrecht: Reidel 1969, 10–23.
• ––– (1962), „Az adatmodellek”, Ernest Nagel, Patrick Suppes és Alfred Tarski (szerk.), Logika, módszertan és tudományfilozófia: Az 1960-as nemzetközi kongresszus folyóiratai. Stanford: Stanford University Press, 252–261. Újra nyomtatva Patrick Suppes-ben: Tanulmányok a módszertanról és a tudomány alapjai. Válogatott papírok 1951 és 1969 között. Dordrecht: Reidel 1969, 24–35.
• ––– (2002), A tudományos struktúrák reprezentációja és invarianciája. Stanford: CSLI publikációk.
• Swoyer, Chris (1991), „Strukturális ábrázolás és helyettesítő érvelés”, Synthese 87: 449–508.
• Teller, Paul (2001), „A tökéletes modell szürkülete”, Erkenntnis 55, 393–415.
• ––– (2004), „Hogyan elkoptatjuk a világot”, a Tudományfilozófia 71: 425–447.
• ––– (2009), „Fikciók, kitalálás és igazság a tudományban”, In: Mauricio Suárez (szerk.): Fikciók a tudományban. Filozófiai esszék a modellezésről és az idealizálásról, London: Routledge, 235–247.
• Thomson-Jones, Martin (2010), „Hiányzó rendszerek és a névérték gyakorlata”, Synthese 172 (2): 283–299.
• Toon, A. (2010), „Models as Make-Believe”, részben: Frigg, R és Hunter, M. (szerk.): A Mimesis-en túl és a konvent: Képviselet a művészetben és a tudományban, Boston Tanulmányok a tudomány filozófiájában: Springer, 71–96.
• ––– (2010), „Az elméleti modellezés ontológiája: A modellek mint gondolkodók”, Synthese 172: 301–315.
• ––– (2011), „Játszik a molekulákkal”, a történelem és a tudományfilozófia tanulmányai 42: 580–589.
• ––– (2012), A modellek mint gondolkodók: Képzelet, irodalom és tudományos ábrázolás, Palgrave Macmillan.
• Vaihinger, Hans (1911), „Mintha” filozófiája. Német eredeti. Angol fordítás: London: Kegan Paul 1924.
• van Fraassen, Bas C. (1980), A tudományos kép. Oxford: Oxford University Press.
• ––– (1989), Törvények és szimmetria. Oxford: Oxford University Press.
• ––– (2004), „A tudomány mint reprezentáció: a kritériumok átélése”, Tudományfilozófia 71. sz., Kiegészítés, S794–804.
• ––– (2008), Tudományos képviselet: perspektíva paradoxonjai, Oxford: Oxford University Press.
• Weisberg, M. (2012), Szimuláció és hasonlóság: Modellek használata a világ megértéséhez, az Oxford University Press, Ch. 4.
• Wimsatt, William. (1987), „Hamis modellek mint az igazabb elméletek eszközei”, N. Nitecki és A. Hoffman (szerk.), Semleges Models in Biology. Oxford: Oxford University Press, 23–55.
• Winsberg, Eric (2001), „Szimulációk, modellek és elméletek: Komplex fizikai rendszerek és azok ábrázolása”, Tudományfilozófia 68 (Proceedings): 442–454.
• ––– (2003), „Szimulált kísérletek: Virtuális világ módszertana”, Tudományfilozófia 70: 105–125.
• ––– (2009), „Fikciók funkciója: a tudomány körének kibővítése”, In: Mauricio Suárez (szerk.): Fikciók a tudományban. Filozófiai esszék a modellezésről és az idealizálásról, London: Routledge, 197–191.
• ––– (2010, Tudomány a számítógépes szimuláció korában, Chicago: Chicago University Press.
• Woodward, James (2003), A dolgok történnek: Az ok magyarázatának elmélete. New York: Oxford University Press.

Tudományos eszközök

	Hogyan idézhetem ezt a bejegyzést.
	A bejegyzés PDF-verziójának előnézete a SEP Barátok társaságában.
	Nézze meg ezt a belépési témát az indiai filozófiai ontológiai projektben (InPhO).
	Továbbfejlesztett bibliográfia erre a bejegyzésre a PhilPapersnél, az adatbázisához kapcsolódó hivatkozásokkal.

Egyéb internetes források

[Javaslatokkal lépjen kapcsolatba a szerzővel.]