Modelado científico

Modelado como sustituto de la medición directa y la experimentaciónEditar

Los modelos se utilizan normalmente cuando es imposible o poco práctico crear condiciones experimentales en las que los científicos puedan medir directamente los resultados . La medición directa de resultados bajo condiciones controladas (ver Método científico) siempre será más confiable que las estimaciones de resultados modeladas.

Dentro del modelado y la simulación, un modelo es una simplificación y abstracción intencionada y dirigida por tareas de una percepción de la realidad, moldeada por limitaciones físicas, legales y cognitivas. Se basa en tareas porque un modelo se captura con una determinada pregunta o tarea en mente. Las simplificaciones dejan fuera todas las entidades conocidas y observadas y su relación que no son importantes para la tarea. La abstracción agrega información que es importante pero no necesaria con el mismo detalle que el objeto de interés. Ambas actividades, simplificación y abstracción, se realizan con un propósito. Sin embargo, se realizan en base a una percepción de la realidad. Esta percepción ya es un modelo en sí mismo, ya que viene con una restricción física. También existen restricciones sobre lo que podemos observar legalmente con nuestras herramientas y métodos actuales, y restricciones cognitivas que limitan lo que podemos explicar con nuestras teorías actuales. Este modelo comprende los conceptos, su comportamiento y sus relaciones de forma informal y, a menudo, se lo denomina modelo conceptual. Para ejecutar el modelo, debe implementarse como una simulación por computadora. Esto requiere más opciones, como aproximaciones numéricas o el uso de heurísticas. A pesar de todas estas limitaciones epistemológicas y computacionales, la simulación ha sido reconocida como el tercer pilar de los métodos científicos: construcción de teorías, simulación y experimentación.

SimulationEdit

Una simulación es una forma de implementar el modelo, a menudo empleado cuando el modelo es demasiado complejo para la solución analítica. Una simulación de estado estacionario proporciona información sobre el sistema en un instante específico en el tiempo (generalmente en equilibrio, si tal estado existe). Una simulación dinámica proporciona información a lo largo del tiempo. Una simulación muestra cómo se comportará un objeto o fenómeno en particular. Tal simulación puede ser útil para probar, analizar o entrenar en aquellos casos donde los sistemas o conceptos del mundo real pueden ser representados por modelos.

StructureEdit

La estructura es fundamental y, a veces, Noción intangible que abarca el reconocimiento, la observación, la naturaleza y la estabilidad de los patrones y relaciones de las entidades. Desde la descripción verbal que hace un niño de un copo de nieve, hasta el análisis científico detallado de las propiedades de los campos magnéticos, el concepto de estructura es una base esencial de casi todos los modos de investigación y descubrimiento en la ciencia, la filosofía y el arte.

SystemsEdit

Un sistema es un conjunto de entidades interactivas o interdependientes, reales o abstractas, que forman un todo integrado. En general, un sistema es una construcción o colección de diferentes elementos que juntos pueden producir resultados no se puede obtener solo por los elementos. El concepto de un «todo integrado» también puede enunciarse en términos de un sistema que incorpora un conjunto de relaciones que se diferencian de las relaciones del conjunto con otros elementos, y forman relaciones entre un elemento del conjunto y elementos que no forman parte del régimen relacional. Hay dos tipos de modelos de sistema: 1) discretos en los que las variables cambian instantáneamente en puntos separados en el tiempo y 2) continuos donde las variables de estado cambian c de forma continua con respecto al tiempo.

Generando un modeloEditar

Modelar es el proceso de generar un modelo como representación conceptual de algún fenómeno. Por lo general, un modelo tratará solo algunos aspectos del fenómeno en cuestión, y dos modelos del mismo fenómeno pueden ser esencialmente diferentes, es decir, que las diferencias entre ellos comprenden más que un simple cambio de nombre de componentes.

Estas diferencias pueden deberse a diferentes requisitos de los usuarios finales del modelo, o a diferencias conceptuales o estéticas entre los modeladores y a decisiones contingentes tomadas durante el proceso de modelado. Las consideraciones que pueden influir en la estructura de un modelo pueden ser la preferencia del modelador por una ontología reducida, preferencias con respecto a modelos estadísticos versus modelos deterministas, tiempo discreto versus continuo, etc. En cualquier caso, los usuarios de un modelo deben comprender las suposiciones realizadas que son pertinentes a su validez para un uso dado.

La construcción de un modelo requiere abstracción. Los supuestos se utilizan en el modelado para especificar el dominio de aplicación del modelo. Por ejemplo, la teoría especial de la relatividad asume un marco de referencia inercial. Esta suposición fue contextualizada y explicada con más detalle por la teoría general de la relatividad.Un modelo hace predicciones precisas cuando sus supuestos son válidos, y bien podría no hacer predicciones precisas cuando sus supuestos no se cumplen. Tales suposiciones son a menudo el punto con el que las teorías antiguas son reemplazadas por otras nuevas (la teoría general de la relatividad también funciona en marcos de referencia no inerciales).

Evaluación de un modeloEditar

Ver también: Modelos de investigación científica § Elección de una teoría

Un modelo se evalúa ante todo por su coherencia con los datos empíricos; cualquier modelo que no sea compatible con observaciones reproducibles debe ser modificado o rechazado. Una forma de modificar el modelo es restringiendo el dominio sobre el que se le atribuye una alta validez. Un ejemplo de ello es la física newtoniana, que es muy útil, excepto para los fenómenos muy pequeños, muy rápidos y muy masivos del universo. Sin embargo, un ajuste a datos empíricos por sí solo no es suficiente para que un modelo sea aceptado como válido. Otros factores importantes en la evaluación de un modelo incluyen:

  • Capacidad para explicar observaciones pasadas
  • Capacidad para predecir observaciones futuras
  • Costo de uso, especialmente en combinación con otros modelos
  • Refutabilidad, lo que permite estimar el grado de confianza en el modelo
  • Simplicidad, o incluso atractivo estético

Las personas pueden intentar cuantificar la evaluación de un modelo usando una función de utilidad.

VisualizationEdit

La visualización es cualquier técnica para crear imágenes, diagramas o animaciones para comunicar un mensaje. La visualización a través de imágenes visuales ha sido una forma eficaz de comunicar ideas tanto abstractas como concretas desde los albores del hombre. Ejemplos de la historia incluyen pinturas rupestres, jeroglíficos egipcios, geometría griega y los métodos revolucionarios de dibujo técnico de Leonardo da Vinci con fines científicos y de ingeniería.

Mapeo espacialEditar

Mapeo espacial se refiere a una metodología que emplea una formulación de modelado «cuasi-global» para vincular el compañero «grueso» (ideal o de baja fidelidad) con modelos «finos» (prácticos o de alta fidelidad) de diferentes complejidades. En la optimización de ingeniería, el mapeo espacial alinea ) un modelo grueso muy rápido con su modelo fino relacionado costoso de computar para evitar una optimización costosa directa del modelo fino. El proceso de alineación refina iterativamente un modelo grueso «mapeado» (modelo sustituto).

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *