در مقدمه این مقاله آمده است:
همهگیری کووید-19 به طور کامل نشان میدهد که چگونه زمانی که سؤالات در مورد زمان اضطرار، نقشها، ارزشها و عدم اطمینان در رژیم پسانرمال[1] همزمان مطرح میشوند، کارکرد علم تغییر میکند.
تا قبل از همهگیری ویروس کرونا، متخصصین علم آمار در مورد چگونگی جلوگیری از کژکاریهایی همچون هک کردن پی[2]، به ویژه در آنچه که بر سیاست تأثیر میگذارد، چالش داشتند.[3] اکنون، مدلسازی رایانهای مورد توجه قرار گرفته، به گونهای که سیاستمداران سیاستهای خود را آنگونه ارائه میکنند که توسط «علم» دیکته شده است.[4] با این حال هنوز هم نمودِ قابل توجهی از این همهگیری وجود ندارد که پژوهشگران بتوانند آمارهای دقیق و قابل اعتمادی ارائه نمایند. مجهولات شناخته شده شامل نرخهای شیوع، تلفات و بازتولید این ویروس در جمعیتهای متفاوت است. برآوردهای اندکی از تعداد عفونتهای دارای علائم وجود دارد و آنها هم به شدت مختلف و متغیر هستند. ما حتی در مورد فصلی بودن این بیماری و چگونگی کارکرد سیستم ایمنی هم چیز زیادی نمیدانیم، چه برسد به چگونگی تأثیرگذاری مداخلات فاصلهگذاری اجتماعی در جوامع متنوع و پیچیده.
مدلهای ریاضی، آمارهای بسیار نامطمئنی تولید میکنند که عفونتها، بستری شدن و میزان تلفات در آینده را تحت سناریوهای مختلف پیشبینی میکنند. سیاستمدارها به جای استفاده از مدلها برای افزایش درک خود، غالباً از آنها به عنوان پرچم افتخاری برای حمایت از دستوراتِ از پیش تعیین شده استفاده میکنند. برای حصول اطمینان از اینکه این پیشبینیها برای توجیه تصمیمات سیاسی استفاده نمیشوند، مدلسازان، تصمیمگیران و شهروندان باید هنجارهای اجتماعی جدیدی را ایجاد نمایند. مدلسازان نباید بیش از آنچه که در توان مدلهاست به آن اطمینان کنند و پیشبینی نمایند؛ همانطور که سیاستمداران نباید اجازه داشته باشند بار مسئولیت (تصمیمات) را بر دوش مدلهای انتخابی خود بگذارند.[5]
این مهم است، چون زمانی که مدلها به درستی مورد استفاده قرار گیرند، به خوبی به جامعه خدمت میکنند: شاید شناختهشدهترین آنها، مدلهایی باشند که در پیشبینی آب و هوا به کار گرفته میشوند. این مدلها آزمون خود را پس دادهاند (برای اجتماعی شدن این مدلها) راههای ارتباطی مختلفی برای اطلاعرسانی به کاربران ارائه دادهاند، از سامانه دیجیتال انتشار آب و هوای دریایی[6] برای کشتیهای اقیانوسپیما تا پیشبینیهای ساعتی توسط سایت www.weather.com. (در عین حال) گردشگران، مدیران خطوط هوایی و (حتی) ماهیگیران درک میکنند که خروجیهای مدلها از نظر بنیادی نامطمئن هستند و هم اینکه (میدانند) چگونه این پیشبینیها را به عنوان یکی از عوامل تصمیمگیری خود لحاظ کنند.
] با این مقدمه در ربط مدلسازی و هنجارهای اجتماعی [در اینجا یک مانیفست به عنوان روش بهینه برای مدلسازی ریاضی پاسخگو] به نیازهای اجتماع[ارائه میکنیم. گروههایی بسیاری قبل از ما، روشهای بهینه برای اعمال بینشهای مدلسازی در سیاستها، از جمله برای بیماریها را ترسیم کردهاند.[7] ما پنج اصل ساده را مطرح میکنیم تا به جامعهای که به دنبال برداشت مورد نیاز خود از مدلسازی است، کمک کند.
برای مطالعه و دریافت متن کامل این پژوهش، روی لینک زیر کلیک کنید.
[1].post-normal
[2].p-hacking
[3].Mayo, D. G. Statistical Inference as Severe Testing. (Cambridge Univ. Press, 2018).
[4].Devlin, H. & Boseley, S. ‘Scientists criticise UK government’s ‘following the science’ claim’ (The Guardian, 23 April 2020).
[5].Stirling, A. ‘How politics closes down uncertainty’. Available at https://go.nature.com/3kjvutz.
[6].Digital Marine Weather Dissemination System
[7].Behrend, M. R. et al. PLoS Negl. Trop. Dis. 14, e0008033 (2020).