Mallinnus

Hanna-Kaisa Aalto (2025)
Arvioitu lukuaika: 5 minuuttia

HUOM! Tämä teksti käsittelee matemaattista mallinnusta tulevaisuuksientutkimuksessa.

Mallinnus liitetään tulevaisuudentutkimuksen yhteydessä usein evidenssipohjaisiin menetelmiin. Mallintaminen voi sisältää esimerkiksi tilastollisia ennusteita, simulaatioita, dynaamisia järjestelmiä, skenaariolaskelmia tai optimointia ja herkkyysanalyysiä. Mallinnuksen haasteina on esimerkiksi ihmisen arvojen, käytöksen ja kulttuuristen muutosten mallinnus. Lisäksi mallit helposti yksinkertaistavat liikaa, koska mallit perustuvat usein oletuksiin ja rajattuihin muuttujamääriin, jotka eivät tavoita todellisuuden monimutkaisuutta. Tulevaisuus on epävarma ja avoin, eikä sitä voi ennustaa/mallintaa tarkasti. Tämän takia mallit voivat antaa valheellisen varmuuden tunteen. Tällä sivustolla esitellään toisaalla pehmeä systeemimenetelmä (Soft Systems Method), joka pyrkii tukemaan pehmeiden muuttujien mallinnusta.

Malli on tutkimuksen väline, jolla testataan tehtyjä lähtöolettamuksia. Käsitys hypoteeseista ja sopivasta mallista voi testauksen tuloksena muuttua, jolloin mallintaja joutuu konstruoimaan uudet lähtökohdat ja tekemään muutoksia malliin, kunnes riittävä uskottavuus mallista ja todellisuuden vastaavuudesta on saavutettu. Mallintamisessa todellisuudesta on rajattu osa-alue, eli systeemi, josta halutaan saada uutta tietoa tai ymmärtää sitä paremmin, jolloin se korvataan tiedonhankinnan, -käsittelyn ja tutkimisen ajaksi symbolisella vastineella eli mallilla. Jotta tällainen menettely olisi perusteltua, mallilla on oltava tiettyjä laadullisia ominaisuuksia suhteessa todellisuuteen (menneeseen, nykyiseen ja tulevaan tai systeemin muuhun potentiaaliseen todellisuuteen nähden):
a) validi todellisuuden systeemin vastine,
b) riittävän tarkka kuvauksena ja
c) mallilla tuotettavien projektioiden (ennusteiden) on oltava uskottavia todellisuuden mahdollisuuksina.

Mallintaminen voi auttaa ymmärtämään ja ennakoimaan ajan mittaan tapahtuvia muutoksia kompleksisissa systeemeissä ja auttaa ymmärtämään ongelmia paremmin, kun selviää mitä tiedämme – ja mitä emme tiedä – tarkastelukohteesta ja eri muuttujien välisistä yhteyksistä. Lisäksi malleja voidaan käyttää skenaarioiden todenmukaisuuden tarkistamiseen ja toisaalta mallit voivat myös tuottaa materiaalia skenaarioprosessiin sekä mallien tulokset voivat auttaa päätöksentekijöitä asettamaan oikeita kysymyksiä ja auttaa ennakoimaan tulevaa kehitystä. Samalla on kuitenkin hyvä muistaa, että ihmiset suhtautuvat mallien tuloksiin objektiivisina ja kritiikittä, vaikka tulokset perustuvat annettuihin lähtötietoihin ja mallinnuksessa tehtyihin valintoihin, mallinnus on melko työlästä: eri malleja ei yleensä rakenneta erilaisilla muuttujilla ja hypoteeseilla, mallit ovat usein (liian) kompleksisia ainakin käyttäjän näkökulmasta ja kaikki mallit eivät pysty käsittelemään rakenteellisia tai laadullisia muutoksia, jotka kuitenkin ovat olennaisia tulevaisuuksien mahdollisuuksien kannalta.

Mallintamisen erityishaasteita tulevaisuudentutkimuksessa on mm. :

• Tulevaisuudentutkimuksessa ei ole käytettävissä luonnonlakeihin verrattavissa olevaa ”ikuista ja kaikissa olosuhteissa pätevää tietoa” mallintamisen lähtöhypoteeseina.
• Siitä, miten asiat ovat nykyhetkellä, ei voida laskea, miten ne ovat tulevaisuudessa tai toisissa olosuhteissa tai mitä muita asioita tulee olemaan.
• Vaihtoehtoisten tulevaisuuksien ongelma ja siihen liittyvä dynamiikka (intentiot, teot) ja tulevaisuutta peittävä sumea epävarmuus on ratkaisevasti erilaista kuin luonnontieteissä.
• Tulevaisuudentutkimuksen mallintamista voidaan sanoa eksploratiiviseksi erotukseksi luonnontieteiden analyyttisestä mallinnuksesta.
• Tulevaisuuden ymmärryksen lisäämisessä ja strategioiden testaamisessa rationaalisen harkinnan eksploratiivinen mallintaminen on välttämätön työmuoto.

Matemaattinen mallinnus on hyödyllinen työkalu, mutta sen käyttö tulevaisuudentutkimuksessa vaatii kriittistä tietoisuutta sen rajoista. Parhaimmillaan se toimii yhdessä laadullisten ja osallistavien menetelmien kanssa, jolloin se voi tukea kokonaisvaltaista ja moniäänistä tulevaisuusajattelua. Mallien sanotaankin tuottavan erinomaisia perusuramalleja (malliin valitut muuttujat ja indikaattorit pysyvät ennakoitavina), joita sitten lähdetään laajentamaan ja haastamaan muilla tulevaisuudentutkimuksen metodeilla.

Klassikkomallinnus on Rooman klubin Kasvun Rajat (1972), joka osoitti, että rajaton taloudellinen ja väestöllinen kasvu ei ole mahdollista rajallisella planeetalla, ja että ilman merkittäviä muutoksia kehitysmalliin edessä voi olla ekologinen ja taloudellinen romahdus. Linkki kirjaan: https://www.clubofrome.org/publication/the-limits-to-growth/.

Yksi kiinnostavimmista malleista on International Futures maailmanmalli. International Futures (IFs) -malli on dynaaminen, integroitua ennustamista hyödyntävä järjestelmä, joka on suunniteltu tarkastelemaan pitkän aikavälin globaaleja trendejä ja strategista suunnittelua eri toisiinsa kytkeytyvien järjestelmien välillä. Sen avulla käyttäjät voivat analysoida menneitä kehityssuuntia ja simuloida mahdollisia tulevaisuuksia ottaen huomioon väestölliset, taloudelliset, sosiaaliset ja ympäristötekijöiden väliset vuorovaikutukset. Pohjimmiltaan kyseessä on työkalu, joka auttaa ymmärtämään mahdollisia globaaleja tulevaisuuksia ja tekemään niihin perustuvia tietoon pohjautuvia päätöksiä. Katso https://korbel.du.edu/pardee/international-futures-platform/.