Modellen In De Wetenschap

Inhoudsopgave:

Modellen In De Wetenschap
Modellen In De Wetenschap
Video: Modellen In De Wetenschap
Video: Deep Learning: Hoe valide is een model? 2023, Februari
Anonim

Dit is een bestand in de archieven van de Stanford Encyclopedia of Philosophy. Info over auteur en citaat | Vrienden PDF Preview | InPho Zoeken | PhilPapers bibliografie

Modellen in de wetenschap

Voor het eerst gepubliceerd op ma 27 februari 2006; inhoudelijke herziening ma 25 juni 2012

Modellen staan ​​in veel wetenschappelijke contexten centraal. De centraliteit van modellen zoals het biljartbalmodel van een gas, het Bohr-model van het atoom, het MIT-zakmodel van het nucleon, het Gauss-kettingmodel van een polymeer, het Lorenz-model van de atmosfeer, het Lotka-Volterra-model van predator-prooi interactie, het dubbele helix model van DNA, agent-gebaseerde en evolutionaire modellen in de sociale wetenschappen, en algemene evenwichtsmodellen van markten in hun respectievelijke domeinen zijn voorbeelden hiervan. Wetenschappers besteden veel tijd aan het bouwen, testen, vergelijken en herzien van modellen en er wordt veel tijd besteed aan het introduceren, toepassen en interpreteren van deze waardevolle tools. Kortom, modellen zijn een van de belangrijkste instrumenten van de moderne wetenschap.

Filosofen erkennen het belang van modellen met toenemende aandacht en onderzoeken de diverse rollen die modellen spelen in de wetenschappelijke praktijk. Het resultaat is een ongelooflijke verspreiding van modeltypen in de filosofische literatuur. Onderzoeksmodellen, fenomenologische modellen, computationele modellen, ontwikkelingsmodellen, verklarende modellen, verarmde modellen, testmodellen, geïdealiseerde modellen, theoretische modellen, schaalmodellen, heuristische modellen, karikatuurmodellen, didactische modellen, fantasiemodellen, speelgoedmodellen, denkbeeldige modellen, wiskundige modellen, vervangende modellen, iconische modellen, formele modellen, analoge modellen en instrumentele modellen zijn slechts enkele van de begrippen die worden gebruikt om modellen te categoriseren. Hoewel deze overvloed op het eerste gezicht overweldigend is,het kan snel onder controle worden gebracht door te erkennen dat deze begrippen betrekking hebben op verschillende problemen die zich voordoen in verband met modellen. Modellen roepen bijvoorbeeld vragen op in de semantiek (wat is de representatieve functie die modellen vervullen?), Ontologie (wat voor soort dingen zijn modellen?), Epistemologie (hoe leren we met modellen?), En natuurlijk in de algemene filosofie van wetenschap (hoe verhouden modellen zich tot theorie ?; wat zijn de implicaties van een modelgebaseerde benadering van wetenschap voor de debatten over wetenschappelijk realisme, reductionisme, verklaring en natuurwetten?).in de algemene wetenschapsfilosofie (hoe verhouden modellen zich tot theorie ?; wat zijn de implicaties van een modelgebaseerde benadering van wetenschap voor de debatten over wetenschappelijk realisme, reductionisme, verklaring en natuurwetten?).in de algemene wetenschapsfilosofie (hoe verhouden modellen zich tot theorie ?; wat zijn de implicaties van een modelgebaseerde benadering van wetenschap voor de debatten over wetenschappelijk realisme, reductionisme, verklaring en natuurwetten?).

  • 1. Semantiek: modellen en representatie

    • 1.1 Representatiemodellen I: modellen van verschijnselen
    • 1.2 Representatiemodellen II: gegevensmodellen
    • 1.3 Theoretische modellen
  • 2. Ontologie: wat zijn modellen?

    • 2.1 Fysieke objecten
    • 2.2 Fictieve objecten
    • 2.3 Set-theoretische structuren
    • 2.4 Beschrijvingen
    • 2.5 Vergelijkingen
    • 2.6 Gerrymandered ontologieën
  • 3. Epistemologie: leren met modellen

    • 3.1 Leren over het model: experimenten, gedachte-experimenten en simulatie
    • 3.2 Kennis over het model omzetten in kennis over het doel
  • 4. Modellen en theorie

    • 4.1 De twee uitersten: de syntactische en de semantische kijk op theorieën
    • 4.2 Modellen onafhankelijk van theorieën
  • 5. Modellen en andere debatten in de wetenschapsfilosofie

    • 5.1 Modellen en het realisme versus antirealisme-debat
    • 5.2 Model en reductionisme
    • 5.3 Modellen en natuurwetten
    • 5.4 Modellen en wetenschappelijke uitleg
  • 6. Conclusie
  • Bibliografie
  • Academische hulpmiddelen
  • Andere internetbronnen
  • Gerelateerde vermeldingen

1. Semantiek: modellen en representatie

Modellen kunnen twee fundamenteel verschillende representatieve functies vervullen. Enerzijds kan een model een weergave zijn van een geselecteerd deel van de wereld (het 'doelsysteem'). Afhankelijk van de aard van het doel zijn dergelijke modellen ofwel modellen van verschijnselen of modellen van gegevens. Aan de andere kant kan een model een theorie vertegenwoordigen in die zin dat het de wetten en axioma's van die theorie interpreteert. Deze twee begrippen sluiten elkaar niet uit, aangezien wetenschappelijke modellen tegelijkertijd representaties in beide betekenissen kunnen zijn.

1.1 Representatiemodellen I: modellen van verschijnselen

Veel wetenschappelijke modellen vertegenwoordigen een fenomeen, waarbij 'fenomeen' wordt gebruikt als een overkoepelende term die alle relatief stabiele en algemene kenmerken van de wereld omvat die vanuit wetenschappelijk oogpunt interessant zijn. Empiristen zoals van Fraassen (1980) laten alleen waarneembare objecten als zodanig kwalificeren, terwijl realisten als Bogen en Woodward (1988) dergelijke beperkingen niet opleggen. Het biljartbalmodel van een gas, het Bohr-model van het atoom, het dubbele helix-model van DNA, het schaalmodel van een brug, het Mundell-Fleming-model van een open economie, of het Lorenz-model van de atmosfeer zijn bekend voorbeelden voor dit soort modellen.

Een eerste stap op weg naar een discussie over het probleem van wetenschappelijke representatie is te beseffen dat het probleem van wetenschappelijke representatie niet bestaat. Er zijn eerder verschillende maar gerelateerde problemen. Het is nog niet duidelijk met welke specifieke set vragen een representatietheorie moet worden beantwoord, maar welke lijst van vragen men ook op de agenda van een theorie van wetenschappelijke representatie zou kunnen zetten, er zijn twee problemen die centraal zullen staan ​​in de discussie (Frigg 2006). Het eerste probleem is om uit te leggen wat een model een weergave is van iets anders. Om de strekking van deze vraag te waarderen, moeten we anticiperen op een standpunt met betrekking tot de ontologie van modellen (die we in de volgende paragraaf bespreken). Het is nu gebruikelijk modellen te interpreteren als niet-linguïstische entiteiten in plaats van als beschrijvingen.Deze aanpak heeft verstrekkende gevolgen. Als we modellen als beschrijvingen begrijpen, zou de bovenstaande vraag worden gereduceerd tot het aloude probleem van hoe taal zich verhoudt tot de realiteit en zouden er geen problemen zijn die verder gaan dan de problemen die al in de taalfilosofie zijn besproken. Als we modellen echter begrijpen als niet-linguïstische entiteiten, staan ​​we voor de nieuwe vraag wat het is dat een object (dat is geen woord of zin) een fenomeen wetenschappelijk vertegenwoordigt.we staan ​​voor de nieuwe vraag wat het is dat een object (dat is geen woord of zin) een fenomeen wetenschappelijk vertegenwoordigt.we staan ​​voor de nieuwe vraag wat het is dat een object (dat is geen woord of zin) een fenomeen wetenschappelijk vertegenwoordigt.

Enigszins verrassend genoeg trok deze vraag tot voor kort niet veel aandacht in de wetenschapsfilosofie van de twintigste eeuw, ondanks het feit dat de corresponderende problemen in de filosofie van de geest en in de esthetiek al tientallen jaren uitgebreid worden besproken (er is een aanzienlijke hoeveelheid literatuur over de vraag wat het betekent voor een mentale toestand om een ​​bepaalde stand van zaken weer te geven, en de vraag hoe een configuratie van platte merktekens op een doek iets buiten dit doek kan weergeven, heeft de schoonheidsspecialisten lange tijd in de war gebracht). Sommige recente publicaties behandelen deze en andere nauw verwante problemen (Bailer-Jones 2003, Contessa 2007, Elgin 2010, Frigg 2006, 2010c, Knuuttila 2009, Morrison 2009, Giere 2004, Suárez 2003, 2004, 2009, Suárez en Solé 2006, Thomson-Jones 2010, Toon 2010, 2011, 2012,van Fraassen 2004), terwijl anderen het afwijzen als een non-issue (Callender en Cohen 2006, 2008 Teller 2001).

Het tweede probleem betreft de representatiestijlen. Het is gebruikelijk dat je hetzelfde onderwerp op verschillende manieren kunt weergeven. Dit pluralisme lijkt geen voorrecht van de schone kunsten te zijn, aangezien de representaties die in de wetenschappen worden gebruikt ook niet allemaal van dezelfde soort zijn. Weizsäckers model met vloeibare druppel vertegenwoordigt de kern van een atoom op een manier die heel anders is dan het schaalmodel, en een schaalmodel van de vleugel van een vliegtuig vertegenwoordigt de vleugel op een andere manier dan een wiskundig model met zijn vorm doet. Welke representatiestijlen zijn er in de wetenschappen?

Hoewel deze vraag niet expliciet wordt behandeld in de literatuur over de zogenaamde semantische visie op theorieën, lijken sommige antwoorden voort te komen uit het begrip van modellen. Een versie van de semantische visie, een die voortbouwt op een wiskundige notie van modellen (zie Sec. 2), stelt dat een model en zijn doelwit isomorf (van Fraassen 1980; Suppes 2002) of gedeeltelijk isomorf (Da Costa en Frans) moeten zijn. 2003) aan elkaar. Formele vereisten zwakker dan deze zijn besproken door Mundy (1986) en Swoyer (1991). Een andere versie van de semantische visie schrapt de formele vereisten ten gunste van overeenkomst (Giere 1988 en 2004, Teller 2001). Deze benadering heeft het voordeel ten opzichte van de isomorfistische opvatting dat ze minder restrictief is en ook verantwoordelijk kan zijn voor gevallen van onnauwkeurige en vereenvoudigende modellen. Maar zoals Giere opmerkt,dit account blijft leeg zolang er geen relevante respecten en mate van overeenkomst worden gespecificeerd. De specificatie van dergelijke respecten en graden hangt af van het probleem en de grotere wetenschappelijke context en kan niet worden gemaakt op basis van puur filosofische overwegingen (Teller 2001).

Verdere begrippen die kunnen worden begrepen als een oplossing voor het probleem van representatiestijlen, zijn geïntroduceerd in de literatuur over modellen. Daarbij spelen schaalmodellen, geïdealiseerde modellen, analoge modellen en fenomenologische modellen een belangrijke rol. Deze categorieën sluiten elkaar niet uit; Zo zouden sommige schaalmodellen ook kunnen worden aangemerkt als geïdealiseerde modellen en is het niet duidelijk waar precies de grens tussen geïdealiseerde en analoge modellen moet worden getrokken.

Schaalmodellen. Sommige modellen zijn in feite verkleinde of vergrote kopieën van hun doelsystemen (zwart 1962). Typische voorbeelden zijn houten auto's of modelbruggen. De leidende intuïtie is dat een schaalmodel een naturalistische replica is of een waarheidsgetrouw spiegelbeeld van het doelwit; om deze reden worden schaalmodellen soms ook 'ware modellen' genoemd (Achinstein 1968, Ch. 7). Er bestaat echter niet zoiets als een perfect trouw schaalmodel; trouw blijft altijd beperkt tot sommige opzichten. Het houten model van de auto geeft bijvoorbeeld een getrouw beeld van de vorm van de auto, maar niet van het materiaal. Schaalmodellen lijken een speciaal geval te zijn van een bredere categorie van representaties die Peirce iconen noemde: representaties die voor iets anders staan ​​omdat ze er sterk op lijken (Peirce 1931–1958 Deel 3, Par. 362).Dit roept de vraag op aan welke criteria een model moet voldoen om als icoon te kwalificeren. Hoewel we sterke intuïties lijken te hebben over hoe we deze vraag in bepaalde gevallen kunnen beantwoorden, is er nog geen theorie van iconiciteit voor modellen geformuleerd.

Geïdealiseerde modellen. Een idealisering is een opzettelijke vereenvoudiging van iets ingewikkelds met als doel het beter hanteerbaar te maken. Wrijvingsloze vliegtuigen, puntmassa's, oneindige snelheden, geïsoleerde systemen, alwetende agenten en markten in perfect evenwicht zijn slechts enkele bekende voorbeelden. Filosofische debatten over idealisering waren gericht op twee algemene soorten idealisaties: de zogenaamde Aristotelische en Galilese idealisaties.

Aristotelische idealisering komt neer op het 'wegnemen', in onze verbeelding alle eigenschappen van een concreet object waarvan wij denken dat ze niet relevant zijn voor het probleem. Hierdoor kunnen we ons afzonderlijk concentreren op een beperkte set eigenschappen. Een voorbeeld is een klassiek mechanica-model van het planetenstelsel, dat de planeten beschrijft als objecten met alleen vorm en massa, waarbij alle andere eigenschappen buiten beschouwing worden gelaten. Andere labels voor dit soort idealisering zijn 'abstractie' (Cartwright 1989, hoofdstuk 5), 'aannames over verwaarloosbaarheid' (Musgrave 1981) en 'isolatiemethode' (Mäki 1994).

Galileaanse idealisaties zijn opzettelijke verstoringen. Natuurkundigen bouwen modellen die bestaan ​​uit puntmassa's die op wrijvingsloze vliegtuigen bewegen, economen gaan ervan uit dat agenten alwetend zijn, biologen bestuderen geïsoleerde populaties, enzovoort. Het was kenmerkend voor Galileo's benadering van wetenschap om dergelijke vereenvoudigingen te gebruiken wanneer een situatie te ingewikkeld was om aan te pakken. Om deze reden is het gebruikelijk om naar dit soort idealisaties te verwijzen als 'Galilese idealisaties' (McMullin 1985); een ander veel voorkomend label is 'distorted models'.

Galileaanse idealisaties zijn bezaaid met raadsels. Wat vertelt een model met dit soort vervormingen ons over de werkelijkheid? Hoe kunnen we de nauwkeurigheid testen? In antwoord op deze vragen heeft Laymon (1991) een theorie naar voren gebracht die idealisaties als ideale limieten begrijpt: stel je een reeks experimentele verfijningen voor van de feitelijke situatie die de gepostuleerde limiet naderen en dan vereisen dat hoe dichter de eigenschappen van een systeem dichterbij komen ideale limiet, hoe dichter zijn gedrag moet komen tot het gedrag van de ideale limiet (monotoniciteit). Maar deze voorwaarden hoeven niet altijd te gelden en het is niet duidelijk hoe situaties te begrijpen waarin geen ideale limiet bestaat. We kunnen in ieder geval in principe een reeks tafelbladen produceren die steeds gladder worden, maar we kunnen onmogelijk een reeks systemen produceren waarin de constante van Planck nul nadert.Dit roept de vraag op of men een geïdealiseerd model altijd realistischer kan maken door het te de-idealiseren. We komen hierop terug in paragraaf 5.1.

Galilese en Aristotelische idealisaties sluiten elkaar niet uit. Integendeel, ze komen vaak samen. Beschouw opnieuw het mechanische model van het planetenstelsel: het model houdt alleen rekening met een beperkt aantal eigenschappen en vervormt deze, bijvoorbeeld door planeten te beschrijven als ideale bollen met een rotatiesymmetrische massadistributie.

Modellen waarbij substantiële Galileaanse en Aristotelische idealisaties betrokken zijn, worden soms 'karikaturen' genoemd (Gibbard en Varian 1978). Karikatuurmodellen isoleren een klein aantal opvallende kenmerken van een systeem en vervormen deze tot een extreem geval. Een klassiek voorbeeld is het model van de automarkt van Ackerlof (1970), dat het prijsverschil tussen nieuwe en gebruikte auto's uitsluitend verklaart in termen van asymmetrische informatie, waarbij alle andere factoren die de autoprijzen kunnen beïnvloeden, worden genegeerd. Het is echter controversieel of dergelijke sterk geïdealiseerde modellen nog steeds kunnen worden beschouwd als informatieve representaties van hun doelsystemen (voor een bespreking van karikatuurmodellen, met name in de economie, zie Reiss 2006).

Op dit punt willen we een idee noemen dat nauw verwant lijkt te zijn met idealisatie, namelijk benadering. Hoewel de termen soms door elkaar worden gebruikt, lijkt er een duidelijk verschil tussen de twee te zijn. Benaderingen worden geïntroduceerd in een wiskundige context. Een wiskundig item is een benadering van een ander als het er in een of andere relevante zin dicht bij staat. Wat dit item is, kan variëren. Soms willen we de ene curve benaderen met een andere. Dit gebeurt wanneer we een functie uitbreiden tot een machtsreeks en alleen de eerste twee of drie termen behouden. In andere situaties benaderen we een vergelijking door een andere door een controleparameter naar nul te laten neigen (Redhead 1980). Het meest opvallende punt is dat de kwestie van fysieke interpretatie niet hoeft op te komen. In tegenstelling tot de Galilese idealisering,die een vervorming van een echt systeem met zich meebrengt, benadering is een puur formele zaak. Dit betekent natuurlijk niet dat er geen interessante relaties kunnen bestaan ​​tussen benaderingen en idealisering. Een benadering kan bijvoorbeeld worden gerechtvaardigd door erop te wijzen dat het de 'wiskundige hanger' is aan een acceptabele idealisering (bijvoorbeeld wanneer we een dissipatieve term in een vergelijking negeren omdat we de idealiserende veronderstelling maken dat het systeem wrijvingsloos is).wanneer we een dissipatieve term in een vergelijking negeren omdat we de idealiserende veronderstelling maken dat het systeem wrijvingsloos is).wanneer we een dissipatieve term in een vergelijking negeren omdat we de idealiserende veronderstelling maken dat het systeem wrijvingsloos is).

Analoge modellen. Standaard voorbeelden van analoge modellen zijn het hydraulische model van een economisch systeem, het biljartbalmodel van een gas, het computermodel van de geest of het vloeistofdruppelmodel van de kern. Op het meest basale niveau zijn twee dingen analoog als er bepaalde relevante overeenkomsten tussen zijn. Hesse (1963) onderscheidt verschillende soorten analogieën volgens de soort overeenkomsten van overeenkomsten waarin twee objecten binnenkomen. Een eenvoudig type analogie is gebaseerd op gedeelde eigenschappen. Er is een analogie tussen de aarde en de maan gebaseerd op het feit dat beide grote, solide, ondoorzichtige, bolvormige lichamen zijn, die warmte en licht van de zon ontvangen, rond hun assen draaien en naar andere lichamen worden aangetrokken. Maar gelijkheid van eigenschappen is geen noodzakelijke voorwaarde.Een analogie tussen twee objecten kan ook gebaseerd zijn op relevante overeenkomsten tussen hun eigenschappen. In deze meer liberale zin kunnen we zeggen dat er een analogie is tussen geluid en licht omdat echo's vergelijkbaar zijn met reflecties, luidheid tot helderheid, toonhoogte tot kleur, detecteerbaarheid door het oor tot detecteerbaarheid door het oog, enzovoort.

Analogieën kunnen ook gebaseerd zijn op de gelijkheid of gelijkenis van relaties tussen delen van twee systemen in plaats van op hun monadische eigenschappen. Het is dit gevoel dat sommige politici beweren dat de relatie van een vader tot zijn kinderen analoog is aan de relatie van de staat tot de burgers. De tot dusver genoemde analogieën zijn wat Hesse 'materiële analogieën' noemt. We verkrijgen een meer formeel begrip van analogie wanneer we abstraheren van de concrete kenmerken die de systemen bezitten en ons alleen richten op hun formele opzet. Wat het analoge model dan deelt met zijn doelwit, is geen reeks kenmerken, maar hetzelfde patroon van abstracte relaties (dwz dezelfde structuur, waarbij structuur in formele zin wordt begrepen). Deze notie van analogie hangt nauw samen met wat Hesse 'formele analogie' noemt.Twee items zijn gerelateerd aan formele analogie als het beide interpretaties zijn van dezelfde formele calculus. Er is bijvoorbeeld een formele analogie tussen een zwaaiende slinger en een oscillerend elektrisch circuit omdat ze beide worden beschreven door dezelfde wiskundige vergelijking.

Een ander onderscheid dat Hesse te danken heeft, is dat tussen positieve, negatieve en neutrale analogieën. De positieve analogie tussen twee items bestaat uit de eigenschappen of relaties die ze delen (zowel gasmoleculen als biljartballen hebben massa), de negatieve analogie met degenen die ze niet delen (biljartballen zijn gekleurd, gasmoleculen niet). De neutrale analogie omvat de eigenschappen waarvan nog niet bekend is of ze tot de positieve of de negatieve analogie behoren. Neutrale analogieën spelen een belangrijke rol in wetenschappelijk onderzoek omdat ze vragen oproepen en nieuwe hypothesen suggereren. In deze geest hebben verschillende auteurs de nadruk gelegd op de heuristische rol die analogieën spelen bij theorievorming en creatief denken (Bailer-Jones en Bailer-Jones 2002; Hesse 1974, Holyoak en Thagard 1995, Kroes 1989, Psillos 1995,en de essays verzameld in Hellman 1988).

Fenomenologische modellen. Fenomenologische modellen zijn gedefinieerd op verschillende, hoewel gerelateerde manieren. Een traditionele definitie houdt in dat ze modellen zijn die alleen waarneembare eigenschappen van hun doelen vertegenwoordigen en geen verborgen mechanismen en dergelijke postuleren. Een andere benadering, dankzij McMullin (1968), definieert fenomenologische modellen als modellen die onafhankelijk zijn van theorieën. Dit lijkt echter te sterk. Veel fenomenologische modellen, hoewel ze niet kunnen worden afgeleid van een theorie, bevatten principes en wetten die verband houden met theorieën. Het vloeistofdruppelmodel van de atoomkern bijvoorbeeld, beeldt de kern af als een vloeistofdruppel en beschrijft het als het hebben van verschillende eigenschappen (oppervlaktespanning en lading, onder andere) afkomstig uit verschillende theorieën (respectievelijk hydrodynamica en elektrodynamica).Bepaalde aspecten van deze theorieën - hoewel meestal niet de volledige theorie - worden vervolgens gebruikt om zowel de statische als dynamische eigenschappen van de kern te bepalen.

Afsluitende opmerkingen. Elk van deze begrippen is nog steeds enigszins vaag, lijdt aan interne problemen en er moet veel werk worden verzet om ze aan te scherpen. Maar dringender dan deze kwesties is de vraag hoe de verschillende noties zich tot elkaar verhouden. Zijn analogieën fundamenteel anders dan idealisaties, of bezetten ze continu verschillende gebieden? Hoe verschillen pictogrammen van idealisaties en analogieën? Op dit moment weten we niet hoe we deze vragen moeten beantwoorden. Wat we nodig hebben is een systematisch verslag van de verschillende manieren waarop modellen zich tot de werkelijkheid kunnen verhouden en hoe deze manieren zich tot elkaar verhouden.

1.2 Representatiemodellen II: gegevensmodellen

Een ander soort representatiemodellen zijn zogenaamde 'datamodellen' (Suppes 1962). Een gegevensmodel is een gecorrigeerde, gerectificeerde, gereguleerde en in veel gevallen geïdealiseerde versie van de gegevens die we verkrijgen door onmiddellijke waarneming, de zogenaamde onbewerkte gegevens. Kenmerkend is dat men eerst fouten elimineert (bv. Punten uit het record verwijdert die het gevolg zijn van foutieve waarneming) en vervolgens de gegevens op een 'nette' manier presenteert, bijvoorbeeld door een vloeiende curve door een reeks punten te trekken. Deze twee stappen worden gewoonlijk 'gegevensreductie' en 'curve-aanpassing' genoemd. Wanneer we bijvoorbeeld het traject van een bepaalde planeet onderzoeken, elimineren we eerst misleidende punten uit de waarnemingsrecords en passen dan een vloeiende curve toe aan de resterende.Gegevensmodellen spelen een cruciale rol bij het bevestigen van theorieën omdat het het gegevensmodel is en niet de vaak rommelige en complexe onbewerkte gegevens die we vergelijken met een theoretische voorspelling.

De constructie van een datamodel kan extreem ingewikkeld zijn. Het vereist geavanceerde statistische technieken en roept zowel serieuze methodologische als filosofische vragen op. Hoe bepalen we welke punten in het record moeten worden verwijderd? En als we een schone set gegevens hebben, welke curve passen we er dan in? De eerste vraag is voornamelijk behandeld in de context van de filosofie van het experiment (zie bijvoorbeeld Galison 1997 en Staley 2004). De kern van de laatste vraag is het zogenaamde curve-fitting-probleem, namelijk dat de gegevens zelf niet aangeven in welke vorm de gepaste curve moet aannemen. Traditionele discussies over theoriekeuze suggereren dat dit probleem wordt opgelost door achtergrondtheorie, overwegingen van eenvoud, eerdere waarschijnlijkheden of een combinatie hiervan.Forster en Sober (1994) wijzen erop dat deze formulering van het probleem van curve-aanpassing een lichte overdrijving is, omdat er een stelling is in de statistieken vanwege Akaike die aantoont (gegeven bepaalde veronderstellingen) dat de gegevens zelf een gevolgtrekking onderschrijven (maar niet bepalen) met betrekking tot de vorm van de curve als we aannemen dat de gepaste curve zodanig moet worden gekozen dat deze een balans vindt tussen eenvoud en goede pasvorm op een manier die de voorspellende nauwkeurigheid maximaliseert. Verdere discussies over datamodellen zijn te vinden in Chin and Brewer (1994), Harris (2003), Laymon (1982) en Mayo (1996).s vorm als we aannemen dat de gepaste curve zo moet worden gekozen dat deze een balans vindt tussen eenvoud en goede pasvorm op een manier die de voorspellende nauwkeurigheid maximaliseert. Verdere discussies over datamodellen zijn te vinden in Chin and Brewer (1994), Harris (2003), Laymon (1982) en Mayo (1996).s vorm als we aannemen dat de gepaste curve zo moet worden gekozen dat deze een balans vindt tussen eenvoud en goede pasvorm op een manier die de voorspellende nauwkeurigheid maximaliseert. Verdere discussies over datamodellen zijn te vinden in Chin and Brewer (1994), Harris (2003), Laymon (1982) en Mayo (1996).

1.3 Theoretische modellen

In de moderne logica is een model een structuur die alle zinnen van een theorie waar maakt, waarbij een theorie wordt opgevat als een (meestal deductief gesloten) reeks zinnen in een formele taal (zie Bell and Machover 1977 of Hodges 1997 voor details). De structuur is een 'model' in de zin dat het is wat de theorie vertegenwoordigt. Beschouw als eenvoudig voorbeeld de Euclidische meetkunde, die uit axioma's bestaat - bijv. 'Twee willekeurige punten kunnen door een rechte lijn worden verbonden' - en de stellingen die uit deze axioma's kunnen worden afgeleid. Elke structuur waarvan al deze uitspraken waar zijn, is een model van de Euclidische meetkunde.

Een structuur S = <U, O, R> is een samengestelde entiteit bestaande uit (i) een niet-lege set U van individuen die het domein (of universum) van S wordt genoemd, (ii) een geïndexeerde set O (dwz een geordende lijst) van bewerkingen op U (die mogelijk leeg is), en (iii) een niet-lege geïndexeerde verzameling R van relaties op U. Het is belangrijk op te merken dat niets over wat de objecten zijn, van belang is voor de definitie van een structuur - het zijn slechts dummies. Evenzo worden bewerkingen en functies puur uitbreidend gespecificeerd; dat wil zeggen, n -place-relaties worden gedefinieerd als klassen van n -tuples, en functies waarvoor n argumenten nodig zijn, worden gedefinieerd als klassen van (n +1) -tuples. Als alle zinnen van een theorie waar zijn wanneer de symbolen ervan worden geïnterpreteerd als verwijzend naar objecten, relaties of functies van een structuur S, dan is S een model van deze theorie.

Veel wetenschappelijke modellen dragen het idee over om de interpretatie van een abstracte calculus te zijn. Dit is met name relevant in de natuurkunde, waar algemene wetten - zoals de bewegingsvergelijking van Newton - de kern van een theorie vormen. Deze wetten worden toegepast op een bepaald systeem - bijv. Een slinger - door een speciale krachtfunctie te kiezen, aannames te doen over de massaverdeling van de slinger etc. Het resulterende model is dan een interpretatie (of realisatie) van de algemene wet.

2. Ontologie: wat zijn modellen?

Er zijn verschillende dingen die gewoonlijk modellen worden genoemd: fysieke objecten, fictieve objecten, set-theoretische structuren, beschrijvingen, vergelijkingen of combinaties hiervan. Deze categorieën sluiten elkaar echter niet uit en zijn niet uitputtend. Waar men de grens trekt tussen, bijvoorbeeld, fictieve objecten en set-theoretische structuren, kan heel goed afhangen van iemands metafysische overtuigingen, en sommige modellen vallen in weer een andere klasse van dingen. Wat modellen zijn, is natuurlijk een interessante vraag op zich, maar, zoals kort aangegeven in de laatste paragraaf, heeft het ook belangrijke implicaties voor semantiek en, zoals we hieronder zullen zien, voor epistemologie.

2.1 Fysieke objecten

Sommige modellen zijn eenvoudige fysieke objecten. Deze worden gewoonlijk 'materiële modellen' genoemd. De klasse van materiële modellen omvat alles wat een fysieke entiteit is en dat dient als een wetenschappelijke weergave van iets anders. Onder de leden van deze klasse vinden we voorraadvoorbeelden zoals houten modellen van bruggen, vliegtuigen of schepen, het metalen DNA-model van Watson en Crick (Schaffner 1969) en Phillips 'hydraulische model van de economie (Morgan en Boumans 2004). Meer geavanceerde gevallen van materiële modellen zijn zogenaamde modelorganismen: organismen die in de levenswetenschappen worden gebruikt als vervangers voor andere organismen (Ankeny 2009, Ankeny en Leonelli 2012 en Leonelli 2010).

Materiële modellen veroorzaken geen ontologische moeilijkheden naast de bekende gekibbel in verband met objecten, waarmee metafysici te maken hebben (bv. De aard van eigenschappen, de identiteit van objecten, onderdelen en gehelen, enzovoort).

2.2 Fictieve objecten

Veel modellen zijn geen materiële modellen. Het Bohr-model van het atoom, een wrijvingsloze slinger of geïsoleerde populaties, bijvoorbeeld, zijn eerder in de geest van de wetenschapper dan in het laboratorium en ze hoeven niet fysiek gerealiseerd en geëxperimenteerd te worden om hun representatieve functie uit te voeren. Het lijkt logisch om ze als fictieve entiteiten te zien. Deze positie is terug te voeren op de Duitse neokantian Vaihinger (1911), die het belang van ficties voor wetenschappelijke redenering benadrukte. Giere heeft onlangs de opvatting verdedigd dat modellen abstracte entiteiten zijn (1988, 81). Het is niet helemaal duidelijk wat Giere bedoelt met 'abstracte entiteiten', maar zijn bespreking van mechanische modellen lijkt te suggereren dat hij de term gebruikt om fictieve entiteiten aan te duiden.

Deze opvatting sluit goed aan bij de wetenschappelijke praktijk, waar wetenschappers vaak over modellen praten alsof ze objecten zijn, maar ook met filosofische opvattingen die de manipulatie van modellen zien als een essentieel onderdeel van het proces van wetenschappelijk onderzoek (Morgan 1999). Het is normaal om aan te nemen dat je iets alleen kunt manipuleren als het bestaat. Bovendien hebben modellen vaak meer eigenschappen dan we ze expliciet toeschrijven wanneer we ze construeren, daarom zijn ze interessante onderzoeksinstrumenten. Een visie die modellen als objecten beschouwt, kan dit gemakkelijk zonder verder oponthoud verklaren: wanneer we een model introduceren, gebruiken we een identificerende beschrijving, maar het object zelf wordt niet uitputtend gekenmerkt door deze beschrijving. Onderzoek komt er dan op neer dat u meer te weten komt over het aldus geïdentificeerde object.

Het nadeel van deze suggestie is dat fictieve entiteiten berucht zijn door ontologische raadsels. Dit heeft ertoe geleid dat veel filosofen beweren dat er niet zoiets bestaat als fictieve entiteiten en dat schijnbare ontologische verplichtingen aan hen moeten worden afgezworen. De meest invloedrijke van deze deflatoire rekeningen gaat terug tot Quine (1953). Voortbouwend op Russell's bespreking van definitieve beschrijvingen, stelt Quine dat het een illusie is dat we naar fictieve entiteiten verwijzen als we erover praten. In plaats daarvan kunnen we deze vermeende objecten verwijderen door de termen die ernaar verwijzen in predikaten te veranderen en zinnen als 'Pegasus bestaat niet' te analyseren als 'niets pegasiseert'. Door de moeilijke term te elimineren, vermijden we de ontologische toewijding die ze lijken te dragen. Dit heeft geresulteerd in een gebrek aan interesse in fictieve entiteiten,met name onder wetenschapsfilosofen. In een programmatisch essay vestigt Fine (1993) de aandacht op deze verwaarlozing en stelt dat het Quineese scepticisme, ondanks ficties, een belangrijke rol speelt in wetenschappelijk redeneren. Fine biedt echter geen systematisch verslag van ficties en hoe ze in de wetenschap worden gebruikt.

De kwestie van het begrijpen van ficties in de wetenschap is het onderwerp geweest van een recent debat in de modelleringsfilosofie. Barberousse en Ludwig (2009), Contessa (2010), Frigg (2010a, 2010b), Godfrey-Smith (2006, 2009), Leng (2010) en Toon (2010) ontwikkelen opvattingen die modellen als een soort fictie zien. Giere (2009) ontkent dat zijn eerdere werk op deze manier moet worden begrepen en pleit tegen het beschouwen van modellen als fictie. Magnani (2012), Pincock (2012, Ch.4) en Teller (2009) stellen het antifictionalisme van Giere op de tweede plaats en stellen dat modellen niet als ficties moeten worden beschouwd. Weisberg (2012) pleit voor een middenpositie die modellen ziet als een heuristische rol, maar ontkent dat ze deel uitmaken van een wetenschappelijk model.

2.3 Set-theoretische structuren

Een invloedrijk standpunt neemt aan dat modellen set-theoretische structuren zijn. Deze positie is terug te voeren op Suppes (1960) en wordt nu, met kleine varianten, ingenomen door de meeste voorstanders van de semantische kijk op theorieën. Vanzelfsprekend zijn er verschillen tussen verschillende versies van de semantische opvatting (van Fraassen benadrukt bijvoorbeeld dat modellen state-space structuren zijn); een overzicht van de verschillende posities is te vinden in Suppe (1989, Ch. 1). Op al deze accounts zijn modellen echter een of andere structuur (Da Costa en French 2000). Omdat dergelijke modellen vaak nauw verbonden zijn met wiskundige wetenschappen, worden ze ook wel 'wiskundige modellen' genoemd. (Zie Lloyd 1984 en 1994 voor een bespreking van dergelijke modellen in de biologie.)

Deze kijk op modellen is op verschillende gronden bekritiseerd. Een alomtegenwoordige kritiek is dat veel soorten modellen die een belangrijke rol spelen in de wetenschap geen structuren zijn en niet kunnen worden ondergebracht in de structuralistische kijk op modellen, die geen verklaring kunnen geven voor hoe deze modellen zijn geconstrueerd, noch voor hoe ze werken in de context van onderzoek (Cartwright 1999, Downes 1992, Morrison 1999). Een andere aanklacht tegen de set-theoretische benadering is dat het niet mogelijk is om uit te leggen hoe structuren een doelsysteem vertegenwoordigen dat deel uitmaakt van de fysieke wereld zonder aannames te doen die verder gaan dan wat de benadering zich kan veroorloven (Frigg 2006).

2.4 Beschrijvingen

Een aloude positie is dat wat wetenschappers in wetenschappelijke artikelen en studieboeken tonen wanneer ze een model presenteren, min of meer gestileerde beschrijvingen zijn van de relevante doelsystemen (Achinstein 1968, Black 1962).

Deze mening is niet expliciet bekritiseerd. Sommige van de kritiek op de syntactische opvatting van theorieën bedreigen echter evenzeer een taalkundig begrip van modellen. Ten eerste is het gebruikelijk dat we hetzelfde op verschillende manieren kunnen beschrijven. Maar als we een model met zijn beschrijving identificeren, levert elke nieuwe beschrijving een nieuw model op, dat contra-intuïtief lijkt te zijn. Men kan een beschrijving vertalen naar andere talen (formeel of natuurlijk), maar men zou niet zeggen dat men hiermee een ander model verkrijgt. Ten tweede hebben modellen andere eigenschappen dan beschrijvingen. Aan de ene kant zeggen we dat het model van het zonnestelsel bestaat uit bollen die om een ​​grote massa cirkelen of dat de populatie in het model geïsoleerd is van zijn omgeving, maar het lijkt niet logisch om dit over een beschrijving te zeggen.Aan de andere kant hebben beschrijvingen eigenschappen die modellen niet hebben. Een beschrijving kan in het Engels worden geschreven, bestaat uit 517 woorden, wordt gedrukt in rode inkt, enzovoort. Niets van dit alles is logisch als het over een model wordt gezegd. De beschrijver staat voor de uitdaging om ofwel aan te voeren dat deze argumenten onjuist zijn, ofwel om te laten zien hoe deze moeilijkheden kunnen worden opgelost.

2.5 Vergelijkingen

Een andere groep dingen die gewoonlijk 'modellen' wordt genoemd, met name in de economie, zijn vergelijkingen (die vervolgens ook 'wiskundige modellen' worden genoemd). Het Black-Scholes-model van de aandelenmarkt of het Mundell-Fleming-model van een open economie zijn voorbeelden hiervan.

Het probleem met deze suggestie is dat vergelijkingen syntactische items zijn en als zodanig vergelijkbare bezwaren hebben als die welke tegen beschrijvingen worden aangedragen. Ten eerste kan men dezelfde situatie beschrijven met behulp van verschillende coördinaten en daardoor verschillende vergelijkingen verkrijgen; maar we lijken geen ander model te krijgen. Ten tweede heeft het model andere eigenschappen dan de vergelijking. Een oscillator is driedimensionaal, maar de vergelijking die de beweging beschrijft is dat niet. Evenzo kan een vergelijking niet homogeen zijn, maar het systeem dat het beschrijft is dat niet.

2.6 Gerrymandered ontologieën

Bij de tot dusver besproken voorstellen is stilzwijgend aangenomen dat een model tot een bepaalde klasse van objecten behoort. Maar deze aanname is niet nodig. Het kan zijn dat modellen een mix zijn van elementen die tot verschillende ontologische categorieën behoren. In deze geest suggereert Morgan (2001) dat modellen zowel structurele als narratieve elementen bevatten ('verhalen', zoals ze ze noemt).

3. Epistemologie: leren met modellen

Modellen zijn voertuigen om de wereld te leren kennen. Significante delen van wetenschappelijk onderzoek worden uitgevoerd op modellen in plaats van op de werkelijkheid zelf, omdat we door het bestuderen van een model kenmerken kunnen ontdekken en feiten kunnen vaststellen over het systeem waar het model voor staat; kortom, modellen maken surrogatief redeneren mogelijk (Swoyer 1991). We bestuderen bijvoorbeeld de aard van het waterstofatoom, de dynamiek van populaties of het gedrag van polymeren door hun respectieve modellen te bestuderen. Deze cognitieve functie van modellen is algemeen erkend in de literatuur, en sommige suggereren zelfs dat modellen aanleiding geven tot een nieuwe manier van redeneren, de zogenaamde 'modelgebaseerde redenering' (Magnani en Nersessian 2002, Magnani, Nersessian en Thagard 1999). Dit geeft ons de vraag hoe leren met een model mogelijk is.

Hughes (1997) biedt een algemeen kader voor het bespreken van deze vraag. Volgens zijn zogenaamde DDI-account vindt het leren plaats in drie fasen: aanduiding, demonstratie en interpretatie. We beginnen met het vaststellen van een representatierelatie ('denotatie') tussen het model en het doel. Vervolgens onderzoeken we de kenmerken van het model om bepaalde theoretische beweringen over de interne constitutie of het interne mechanisme te demonstreren; dwz we leren over het model ('demonstratie'). Ten slotte moeten deze bevindingen worden omgezet in claims over het doelsysteem; Hughes noemt deze stap 'interpretatie'. Het zijn de laatste twee begrippen die hier op het spel staan.

3.1 Leren over het model: experimenten, gedachte-experimenten en simulatie

Leren over een model gebeurt op twee plaatsen, in de constructie en de manipulatie van het model (Morgan 1999). Er zijn geen vaste regels of recepten voor modelbouw en daarom is het juist de taak om uit te zoeken wat bij elkaar past en hoe je de kans krijgt om meer over het model te leren. Als het model eenmaal is gebouwd, leren we niet naar de eigenschappen ervan door ernaar te kijken; we moeten het model gebruiken en manipuleren om zijn geheimen prijs te geven.

Afhankelijk van het soort model waarmee we te maken hebben, komt het bouwen en manipuleren van een model neer op verschillende activiteiten die een andere methodologie vereisen. Materiële modellen lijken niet problematisch omdat ze worden gebruikt in veelvoorkomende experimentele contexten (we plaatsen bijvoorbeeld het model van een auto in de windtunnel en meten de luchtweerstand). Vandaar dat, wat het leren over het model betreft, materiële modellen geen aanleiding geven tot vragen die verder gaan dan de vragen van het experiment in het algemeen.

Niet zo bij fictieve modellen. Welke beperkingen zijn er voor de constructie van fictieve modellen en hoe manipuleren we ze? De natuurlijke reactie lijkt te zijn dat we deze vragen beantwoorden door een gedachte-experiment uit te voeren. Verschillende auteurs (bijv. Brown 1991, Gendler 2000, Norton 1991, Reiss 2003, Sorensen 1992) hebben deze redenering onderzocht, maar ze hebben zeer verschillende en vaak tegenstrijdige conclusies getrokken over hoe gedachte-experimenten worden uitgevoerd en wat de status van hun resultaten is (zie voor details het artikel over gedachte-experimenten).

Een belangrijke klasse modellen is van wiskundige aard. In sommige gevallen is het mogelijk om resultaten af ​​te leiden of vergelijkingen analytisch op te lossen. Maar vaak is dit niet het geval. Op dit punt had de uitvinding van de computer een grote impact, omdat het ons in staat stelt om vergelijkingen op te lossen die anders onhandelbaar zijn door een computersimulatie te maken. Veel onderdelen van lopend onderzoek in zowel de natuurwetenschappen als de sociale wetenschappen zijn afhankelijk van computersimulaties. De vorming en ontwikkeling van sterren en sterrenstelsels, de gedetailleerde dynamiek van hoogenergetische zware-ionreacties, aspecten van het ingewikkelde proces van de evolutie van het leven en het uitbreken van oorlogen, de voortgang van een economie, besluitvormingsprocedures in een organisatie en moreel gedrag wordt verkend met computersimulaties, om maar een paar voorbeelden te noemen (Hegselmann et al. 1996, Skyrms 1996).

Wat is een simulatie? Simulaties worden kenmerkend gebruikt in verband met dynamische modellen, dat wil zeggen modellen die tijd vergen. Het doel van een simulatie is om de bewegingsvergelijkingen van een dergelijk model op te lossen, dat is ontworpen om de tijdevolutie van zijn doelsysteem weer te geven. Men kan dus stellen dat een simulatie een (meestal reëel) proces imiteert door een ander proces (Hartmann 1996, Humphreys 2004).

Er wordt beweerd dat computersimulaties een werkelijk nieuwe wetenschappelijke methodologie of zelfs een nieuw wetenschappelijk paradigma vormen, die bovendien ook een nieuwe reeks filosofische kwesties opwerpen (Humphreys 2004, 2009, Rohrlich 1991, Winsberg 2001 en 2003) en diverse bijdragen aan Sismondo en Gissis 1999). Vandaar de bewering dat simulaties ons filosofisch begrip van vele aspecten van de wetenschap in twijfel trekken. Dit enthousiasme wordt echter niet universeel gedeeld en sommigen beweren dat simulaties verre van een nieuwe wetenschapsfilosofie vereisen, maar weinig of geen nieuwe filosofische problemen opleveren (Frigg en Reiss 2009).

Of computersimulaties al dan niet worden gezien als fundamenteel nieuwe filosofische problemen, er bestaat geen twijfel over hun praktische betekenis. Als standaardmethoden falen, zijn computersimulaties vaak de enige manier om iets te leren over een dynamisch model; ze helpen ons als het ware om ons 'uit te breiden' (Humphreys 2004). Een belangrijke vraag die zich in dit verband voordoet, is de rechtvaardiging van simulatieresultaten: waarom moeten we de output van een computersimulatie vertrouwen? Een invloedrijke reeks pogingen om grip te krijgen op deze vraag maakt gebruik van overeenkomsten tussen traditionele experimenten en computersimulaties, wat vervelende vragen oproept over de relatie tussen computersimulaties en experimenten (Barberousse, Franceschelli en Imbert 2009, Morgan 2003, Morrison 2009, Parker 2008, 2009, Winsberg 2003).

Deze kwestie van betrouwbaarheid kan worden onderverdeeld in subvragen: (a) vertegenwoordigen de vergelijkingen van het model het doelsysteem nauwkeurig genoeg voor het beoogde doel en (b) biedt de computer voldoende nauwkeurige oplossingen voor deze vergelijkingen. Beoefenaars noemen deze respectievelijk het validatieprobleem en het verificatieprobleem. In de praktijk worden we vaak geconfronteerd met een versie van het Duhem-probleem omdat men alleen de "netto-uitkomst" van een simulatie kan evalueren en het niet mogelijk is om deze twee problemen één voor één aan te pakken. Dit had ertoe geleid dat wetenschappers verschillende methoden ontwikkelden om te testen of de uitkomst van simulatie op schema ligt; voor een bespreking hiervan zie Winsberg (2009, 2010).

Computersimulaties zijn ook heuristisch belangrijk. Ze kunnen nieuwe theorieën, modellen en hypothesen suggereren, bijvoorbeeld gebaseerd op een systematische verkenning van de parameterruimte van een model (Hartmann 1996). Maar computersimulaties brengen ook methodologische gevaren met zich mee. Ze kunnen misleidende resultaten opleveren omdat ze, vanwege de discrete aard van de berekeningen die op een digitale computer zijn uitgevoerd, alleen de verkenning van een deel van de volledige parameterruimte mogelijk maken; en deze subruimte onthult mogelijk niet bepaalde belangrijke kenmerken van het model. De ernst van dit probleem wordt op de een of andere manier verzacht door de toenemende kracht van moderne computers. Maar de beschikbaarheid van meer rekenkracht kan ook nadelige gevolgen hebben. Het kan wetenschappers aanmoedigen om snel met steeds complexere maar conceptueel premature modellen te komen,met slecht begrepen aannames of mechanismen en te veel aanvullende aanpasbare parameters (voor een bespreking van een gerelateerd probleem in de context van individuele actormodellen in de sociale wetenschappen, zie Schnell 1990). Dit kan leiden tot een toename van de empirische toereikendheid - wat bijvoorbeeld welkom kan zijn als het gaat om het voorspellen van het weer - maar niet noodzakelijkerwijs tot een beter begrip van de onderliggende mechanismen. Als gevolg hiervan kan het gebruik van computersimulaties het gewicht dat we toewijzen aan de verschillende doelen van de wetenschap veranderen. Ten slotte kan de beschikbaarheid van computerkracht wetenschappers ertoe verleiden berekeningen te maken die niet de mate van betrouwbaarheid hebben die men van hen zou verwachten. Dit gebeurt bijvoorbeeld wanneer computers worden gebruikt om kansverdelingen in de tijd vooruit te verspreiden,die vervolgens worden genomen als beslissingsrelevante waarschijnlijkheden, ook al blijken ze niet nader te worden onderzocht (zie Frigg et al. 2012). Het is dus belangrijk om niet te worden meegesleept door de middelen die nieuwe krachtige computers bieden en daardoor de daadwerkelijke onderzoeksdoelen uit het oog te verliezen.

3.2 Kennis over het model omzetten in kennis over het doel

Zodra we kennis hebben van het model, moet deze kennis worden 'vertaald' naar kennis over het doelsysteem. Op dit punt wordt de representatieve functie van modellen weer belangrijk. Modellen kunnen ons alleen instrueren over de aard van de werkelijkheid als we aannemen dat (ten minste een deel van) de aspecten van het model tegenhangers hebben in de wereld. Maar als leren gebonden is aan representatie en als er verschillende soorten representatie zijn (analogieën, idealisaties, etc.), dan zijn er ook verschillende soorten leren. Als we bijvoorbeeld een model hebben dat we als een realistische afbeelding beschouwen, wordt de overdracht van kennis van het model naar het doel op een andere manier bereikt dan wanneer we te maken hebben met een analoog, of een model dat idealiserende veronderstellingen omvat.

Wat zijn deze verschillende manieren van leren? Hoewel er tal van casestudies zijn gemaakt over hoe bepaalde specifieke modellen werken, lijken er geen algemene verslagen te zijn over hoe de overdracht van kennis van een model naar zijn doel wordt bereikt (dit met de mogelijke uitzondering van theorieën over analoog redeneren, zie referenties hierboven). Dit is een moeilijke vraag, maar verdient meer aandacht dan tot nu toe het geval is.

4. Modellen en theorie

Een van de meest verwarrende vragen in verband met modellen is hoe ze zich verhouden tot theorieën. De scheiding tussen modellen en theorie is erg wazig en in het jargon van veel wetenschappers is het vaak moeilijk, zo niet onmogelijk, om een ​​grens te trekken. De vraag is dus: is er onderscheid tussen modellen en theorieën en zo ja, hoe verhouden ze zich tot elkaar?

In de volksmond worden de termen 'model' en 'theorie' soms gebruikt om iemands houding ten opzichte van een bepaald stuk wetenschap uit te drukken. De zinsnede 'het is maar een model' geeft aan dat de hypothese die in het geding is slechts voorlopig wordt beweerd of zelfs bekend is dat deze onjuist is, terwijl iets het label 'theorie' krijgt als het een zekere mate van algemene acceptatie heeft verworven. Deze manier om een ​​lijn te trekken tussen modellen en theorieën heeft echter geen zin voor een systematisch begrip van modellen.

4.1 De twee uitersten: de syntactische en de semantische kijk op theorieën

De syntactische kijk op theorieën, die een integraal onderdeel is van het logisch-positivistische beeld van de wetenschap, vat een theorie op als een reeks zinnen in een axiomatisch systeem van eerste-orde logica. Binnen deze benadering wordt het begrip model in bredere en engere zin gebruikt. In bredere zin is een model slechts een systeem van semantische regels die de abstracte calculus interpreteren en de studie van een model komt neer op het kritisch onderzoeken van de semantiek van een wetenschappelijke taal. In engere zin is een model een alternatieve interpretatie van een bepaalde calculus (Braithwaite 1953, Campbell 1920, Nagel 1961, Spector 1965). Als we bijvoorbeeld de wiskunde gebruiken die wordt gebruikt in de kinetische gastheorie en de termen van deze calculus zo herinterpreteren dat ze naar biljartballen verwijzen, dan zijn de biljartballen een model van de kinetische gastheorie.Voorstanders van de syntactische opvatting zijn van mening dat dergelijke modellen niet relevant zijn voor de wetenschap. Modellen zijn volgens hen overbodige toevoegingen die op zijn best pedagogische, esthetische of psychologische waarde hebben (Carnap 1938, Hempel 1965; zie ook Bailer-Jones 1999).

De semantische opvatting van theorieën (zie bv. Van Fraassen 1980, Giere 1988, Suppe 1989 en Suppes 2002) keert dit standpunt om en verklaart dat we helemaal af moeten zien van een formele calculus en een theorie moeten zien als een familie van modellen. Hoewel verschillende versies van de semantische opvatting een andere notie van model aannemen (zie hierboven), zijn ze het er allemaal over eens dat modellen de centrale eenheid vormen van wetenschappelijke theoretisering.

4.2 Modellen onafhankelijk van theorieën

Een van de meest in het oog springende kritiek op de semantische opvatting is dat het de plaats van modellen in het wetenschappelijke bouwwerk verkeerd positioneert. Modellen zijn relatief onafhankelijk van de theorie, en vormen er niet constitutief voor; of om de slogan van Morrison (1998) te gebruiken, het zijn 'autonome agenten'. Deze onafhankelijkheid heeft twee aspecten: constructie en werking (Morgan en Morrison 1999).

Een blik op hoe modellen in de werkelijke wetenschap worden geconstrueerd, laat zien dat ze niet volledig zijn afgeleid van gegevens en ook niet van theorie. Theorieën voorzien ons niet van algoritmen voor het bouwen van een model; het zijn geen 'automaten' waarin men een probleem kan invoegen en er komen modellen tevoorschijn (Cartwright 1999, Ch. 8). Modelbouw is een kunst en geen mechanische procedure. Het Londense model van supergeleiding geeft ons een goed voorbeeld van deze relatie. De belangrijkste vergelijking van het model heeft geen theoretische rechtvaardiging (in die zin dat het kan worden afgeleid van elektromagnetische of enige andere fundamentele theorie) en is uitsluitend gebaseerd op fenomenologische overwegingen (Cartwright et al. 1995). Of, om het anders te zeggen,het model is 'bottom up' opgebouwd en niet 'top down' en heeft daardoor een grote onafhankelijkheid ten opzichte van de theorie.

Het tweede aspect van de onafhankelijkheid van modellen is dat ze functies vervullen die ze niet zouden kunnen vervullen als ze deel uitmaakten van of sterk afhankelijk waren van theorieën.

Modellen als aanvulling op theorieën. Een theorie kan onvolledig worden gespecificeerd in de zin dat ze bepaalde algemene beperkingen oplegt, maar zwijgt over de details van concrete situaties, die door een model worden verschaft (Redhead 1980). Een bijzonder geval van deze situatie is wanneer een kwalitatieve theorie bekend is en het model kwantitatieve metingen introduceert (Apostel 1961). Het voorbeeld van Redhead voor een theorie die op deze manier onderontwikkeld is, is de axiomatische kwantumveldentheorie, die alleen bepaalde algemene beperkingen oplegt aan kwantumvelden, maar geen rekening houdt met bepaalde velden.

Terwijl Redhead en anderen dit soort gevallen op de een of andere manier speciaal lijken te vinden, heeft Cartwright (1983) betoogd dat ze eerder regel dan uitzondering zijn. Volgens haar vertegenwoordigen fundamentele theorieën zoals klassieke mechanica en kwantummechanica helemaal niets, omdat ze geen enkele situatie in de echte wereld beschrijven. Wetten in dergelijke theorieën zijn schema's die moeten worden geconcretiseerd en gevuld met de details van een specifieke situatie, wat een taak is die door een model wordt volbracht.

Modellen die ingrijpen wanneer theorieën te complex zijn om te hanteren. Theorieën zijn misschien te ingewikkeld om mee om te gaan. In zo'n geval kan een vereenvoudigd model worden gebruikt dat een oplossing mogelijk maakt (Apostel 1961, Redhead 1980). Quantumchromodynamica kan bijvoorbeeld niet gemakkelijk worden gebruikt om de hadronstructuur van een kern te bestuderen, hoewel dit de fundamentele theorie is voor dit probleem. Om deze moeilijkheid te omzeilen, construeren natuurkundigen hanteerbare fenomenologische modellen (bijv. Het MIT-zakmodel) die de relevante vrijheidsgraden van het beschouwde systeem effectief beschrijven (Hartmann 1999). Het voordeel van deze modellen is dat ze resultaten opleveren waar theorieën zwijgen. Het nadeel is dat het vaak niet duidelijk is hoe de relatie tussen de theorie en het model moet worden begrepen, aangezien de twee strikt genomen tegenstrijdig zijn.

Een extremer geval is het gebruik van een model als er helemaal geen theorieën beschikbaar zijn. We komen deze situatie in alle domeinen tegen, maar deze is bijzonder wijdverbreid in de biologie en economie, waar overkoepelende theorieën vaak niet bestaan. De modellen die wetenschappers vervolgens construeren om de situatie aan te pakken, worden ook wel 'vervangende modellen' genoemd (Groenewold 1961).

Modellen als voorlopige theorieën. De notie van modellen als vervanging van theorieën hangt nauw samen met de notie van een ontwikkelingsmodel. Deze term is bedacht door Leplin (1980), die erop wees hoe nuttig modellen waren bij de ontwikkeling van de vroege kwantumtheorie en wordt nu gebruikt als een overkoepelend begrip voor gevallen waarin modellen een soort van inleidende theorie zijn.

Een nauw verwant begrip is dat van sonderingsmodellen (ook 'studiemodellen' of 'speelgoedmodellen'). Dit zijn modellen die geen representatieve functie vervullen en van ons niet worden verwacht dat ze ons iets anders leren dan het model zelf. Het doel van deze modellen is om nieuwe theoretische tools te testen die later worden gebruikt om representatieve modellen te bouwen. In de veldentheorie is het zogenaamde φ 4 -model bijvoorbeeld uitgebreid bestudeerd, niet omdat het iets echts vertegenwoordigt (het is bekend dat het dat niet doet), maar omdat het verschillende heuristische functies dient. De eenvoud van de φ 4-model stelt natuurkundigen in staat 'een idee te krijgen' van hoe kwantumveldtheorieën zijn en om enkele algemene kenmerken te extraheren die dit eenvoudige model deelt met meer gecompliceerde. Men kan ingewikkelde technieken zoals renormalisatie in een eenvoudige setting uitproberen en het is mogelijk om kennis te maken met mechanismen - in dit geval symmetriebreking - die later gebruikt kunnen worden (Hartmann 1995). Dit geldt niet alleen voor natuurkunde. Zoals Wimsatt (1987) opmerkt, kunnen valse modellen in de genetica vele nuttige functies vervullen, waaronder de volgende: het valse model kan helpen bij het beantwoorden van vragen over meer realistische modellen, het biedt een arena voor het beantwoorden van vragen over eigenschappen van complexere modellen, ' fenomenen wegwerken die anders niet zouden worden gezien,dienen als een beperkend geval van een algemener model (of twee valse modellen kunnen het uiterste definiëren van een continuüm van gevallen waarin het echte geval verondersteld wordt te liggen), of het kan leiden tot de identificatie van relevante variabelen en de schatting van hun waarden.

5. Modellen en andere debatten in de wetenschapsfilosofie

Het debat over wetenschappelijke modellen heeft belangrijke gevolgen voor andere debatten in de wetenschapsfilosofie. De reden hiervoor is dat traditioneel de debatten over wetenschappelijk realisme, reductionisme, uitleg en natuurwetten in termen van theorieën waren neergelegd, omdat alleen theorieën werden erkend als dragers van wetenschappelijke kennis. Het is dus de vraag of, en zo ja hoe, discussies over deze zaken veranderen wanneer we de focus verleggen van theorieën naar modellen. Tot dusver zijn er geen alomvattende modelgebaseerde rekeningen van een van deze kwesties ontwikkeld; maar modellen lieten wel enkele sporen na in de discussies over deze onderwerpen.

5.1 Modellen en het realisme versus antirealisme-debat

Er wordt beweerd dat de praktijk van modelbouw antirealisme bevordert boven realisme. Antirealisten wijzen erop dat waarheid niet het hoofddoel is van wetenschappelijke modellen. Cartwright (1983) presenteert bijvoorbeeld verschillende casestudy's die aantonen dat goede modellen vaak vals zijn en dat zogenaamd ware theorieën misschien niet veel zullen helpen als het gaat om het begrijpen van bijvoorbeeld de werking van een laser.

Realisten ontkennen dat de onwaarheid van modellen een realistische benadering van de wetenschap onmogelijk maakt door erop te wijzen dat een goed model, waarvan men denkt dat het niet letterlijk waar is, meestal op zijn minst ongeveer waar is. Laymon (1985) stelt dat de voorspellingen van een model doorgaans beter worden wanneer we de idealisaties ontspannen (dwz het model de-idealiseren), die hij gebruikt om het realisme te ondersteunen (zie ook McMullin 1985, Nowak 1979 en Brzezinski en Nowak 1992).

Afgezien van de gebruikelijke klachten over de ongrijpbaarheid van de notie van benaderde waarheid, hebben antirealisten dit antwoord om twee (gerelateerde) redenen betwist. Ten eerste, zoals Cartwright (1989) opmerkt, is er geen reden om aan te nemen dat men een model altijd kan verbeteren door de-idealiserende correcties toe te voegen. Ten tweede lijkt de geschetste procedure niet in overeenstemming met de wetenschappelijke praktijk. Het is ongebruikelijk dat wetenschappers investeren in het herhaaldelijk de-idealiseren van een bestaand model. In plaats daarvan schakelen ze over naar een heel ander modelleerraamwerk zodra de aanpassingen die te maken hebben te ingewikkeld worden (Hartmann 1998). De verschillende modellen van de atoomkern zijn hiervan een voorbeeld. Als men eenmaal beseft dat shell-effecten belangrijk zijn om verschillende verschijnselen te begrijpen,het (collectieve) liquid drop model is terzijde geschoven en het (single-particle) shell model is ontwikkeld om rekening te houden met deze bevindingen. Een ander probleem met de-idealisering is dat de meeste idealisaties niet 'gecontroleerd' zijn. Het is bijvoorbeeld niet duidelijk op welke manier men het MIT-Bag-model zou kunnen de-idealiseren om uiteindelijk tot kwantumchromodynamica te komen, de zogenaamd correcte onderliggende theorie.

Een ander antirealistisch argument, het 'incompatible models argument', neemt als uitgangspunt de observatie dat wetenschappers vaak met succes meerdere incompatibele modellen van één en hetzelfde doelsysteem gebruiken voor voorspellende doeleinden (Morrison 2000). Deze modellen spreken elkaar schijnbaar tegen omdat ze verschillende eigenschappen aan hetzelfde doelsysteem toeschrijven. In de kernfysica onderzoekt het vloeistofdruppelmodel bijvoorbeeld de analogie van de atoomkern met een (geladen) vloeistofdruppel, terwijl het schaalmodel nucleaire eigenschappen beschrijft in termen van de eigenschappen van protonen en neutronen, de bestanddelen van een atoomkern. Deze praktijk lijkt een probleem te vormen voor het wetenschappelijk realisme. Realisten zijn doorgaans van mening dat er een nauw verband bestaat tussen het voorspellende succes van een theorie en het feit dat het op zijn minst waar is.Maar als meerdere theorieën van hetzelfde systeem voorspellend succesvol zijn en als deze theorieën onderling inconsistent zijn, kunnen ze niet allemaal waar zijn, zelfs niet bij benadering.

Realisten kunnen op verschillende manieren op dit argument reageren. Ten eerste kunnen ze de bewering betwisten dat de modellen in kwestie inderdaad voorspellend succesvol zijn. Als de modellen geen goede voorspellers zijn, wordt het argument geblokkeerd. Ten tweede kunnen ze een versie van perspectivisch realisme verdedigen (Giere 1999, Rueger 2005), waarbij elk model één aspect van het fenomeen in kwestie onthult, en wanneer ze samen worden genomen, ontstaat er een volledig (of vollediger) verslag. Ten derde kunnen realisten ontkennen dat er in de eerste plaats een probleem is, omdat wetenschappelijke modellen, die altijd op de een of andere manier geïdealiseerd zijn en daarom strikt genomen vals zijn, gewoon het verkeerde voertuig zijn om een ​​punt te maken over realisme.

5.2 Model en reductionisme

Het probleem van meerdere modellen dat in de laatste sectie werd genoemd, roept de vraag op hoe verschillende modellen met elkaar verband houden. Het is duidelijk dat meerdere modellen voor hetzelfde doelsysteem over het algemeen niet in een deductieve relatie staan, omdat ze elkaar vaak tegenspreken. Aangezien de meeste van deze modellen onmisbaar lijken voor de praktijk van de wetenschap, lijkt een eenvoudig beeld van de organisatie van de wetenschap in de trant van Nagels reductiemodel (1961) of het piramidebeeld van Oppenheim en Putnam (1958) niet plausibel.

Sommigen hebben gesuggereerd (Cartwright 1999, Hacking 1983) een beeld van de wetenschap dat er geen systematische relaties bestaan ​​tussen verschillende modellen. Sommige modellen zijn aan elkaar gekoppeld omdat ze hetzelfde doelsysteem vertegenwoordigen, maar dit betekent niet dat ze verdere relaties aangaan (al dan niet deductief). We worden geconfronteerd met een lappendeken van modellen, die allemaal ceteris paribus bevatten in hun specifieke toepassingsgebieden (zie ook de documenten verzameld in Falkenburg en Muschik 1998).

Sommigen beweren dat dit beeld op zijn minst gedeeltelijk onjuist is omdat er verschillende interessante relaties bestaan ​​tussen verschillende modellen of theorieën. Deze relaties variëren van gecontroleerde benaderingen over singuliere limietrelaties (Batterman 2004) tot structurele relaties (Gähde 1997) en vrij losse relaties die verhalen worden genoemd (Hartmann 1999; zie ook Bokulich 2003). Deze suggesties zijn gedaan op basis van casestudy's (bijvoorbeeld van zogenaamde effectieve kwantumveldentheorieën, zie Hartmann 2001) en het valt nog te bezien of een meer algemeen verslag van deze relaties kan worden gegeven en of een diepere rechtvaardiging voor ze kunnen bijvoorbeeld worden voorzien van een Bayesiaans raamwerk (eerste stappen naar een Bayesiaans begrip van reductie zijn te vinden in Dizadji-Bahmani et al. 2011).

5.3 Modellen en natuurwetten

Algemeen wordt aangenomen dat de wetenschap tot doel heeft natuurwetten te ontdekken. Filosofen staan ​​op hun beurt voor de uitdaging om uit te leggen wat natuurwetten zijn. Volgens de twee momenteel dominante accounts, de beste systeembenadering en de universele benadering, wordt aangenomen dat natuurwetten universeel van aard zijn, wat betekent dat ze van toepassing zijn op alles wat er in de wereld is. Deze kijk op wetten lijkt niet te stroken met een visie die modellen centraal stelt in de wetenschappelijke theoretisering. Welke rol spelen algemene wetten in de wetenschap als het modellen zijn die representeren wat er in de wereld gebeurt en hoe zijn modellen en wetten gerelateerd?

Een mogelijke reactie is te beweren dat natuurwetten entiteiten en processen in een model besturen in plaats van in de wereld. Fundamentele wetten bevatten bij deze benadering geen feiten over de wereld, maar gelden voor entiteiten en processen in het model. Cartwright (1983, 1999), Giere (1999) en van Fraassen (1989) pleiten voor verschillende varianten van deze opvatting. Verrassend genoeg lijken realisten over wetten niet op deze uitdaging te hebben gereageerd en het blijft dus een open vraag of (en zo ja hoe) een realistisch begrip van wetten en een modelgebaseerde benadering van wetenschap compatibel kunnen worden gemaakt.

5.4 Modellen en wetenschappelijke uitleg

Natuurwetten spelen een belangrijke rol in vele verklaringen, vooral in het deductief-nomologisch model en de eenmakingsbenadering. Helaas erven deze accounts de problemen die de relatie tussen modellen en wetten bedreigen. Dit laat ons twee opties over. Ofwel kan men stellen dat wetten kunnen worden weggelaten in verklaringen, een idee dat wordt gebruikt in zowel van Fraassen's (1980) pragmatische verklaringsleer als in benaderingen van causale verklaringen zoals die van Woodward (2003). Volgens dit laatste zijn modellen instrumenten om meer te weten te komen over de causale relaties tussen bepaalde feiten of processen en het zijn deze relaties die het verklarende werk doen. Of men kan de verklarende last op modellen verleggen. Een positieve suggestie in deze zin is Cartwright's zogenaamde 'simulacrum-verklaring van uitleg',wat suggereert dat we een fenomeen verklaren door een model te construeren dat in het basiskader van een grootse theorie past (1983, Ch. 8). Daarom is het model zelf de verklaring die we zoeken. Dit sluit goed aan bij fundamentele wetenschappelijke intuïties, maar laat ons de vraag welk begrip van uitleg aan het werk is (zie ook Elgin en Sober 2002). Bokulich (2008, 2009) volgt een vergelijkbare redenering en ziet de verklarende kracht van modellen als nauw verwant aan hun fictieve karakter.Dit sluit goed aan bij fundamentele wetenschappelijke intuïties, maar laat ons de vraag welk begrip van uitleg aan het werk is (zie ook Elgin en Sober 2002). Bokulich (2008, 2009) volgt een vergelijkbare redenering en ziet de verklarende kracht van modellen als nauw verwant aan hun fictieve karakter.Dit sluit goed aan bij fundamentele wetenschappelijke intuïties, maar laat ons de vraag welk begrip van uitleg aan het werk is (zie ook Elgin en Sober 2002). Bokulich (2008, 2009) volgt een vergelijkbare redenering en ziet de verklarende kracht van modellen als nauw verwant aan hun fictieve karakter.

6. Conclusie

Modellen spelen een belangrijke rol in de wetenschap. Maar ondanks het feit dat ze onder filosofen veel belangstelling hebben gewekt, blijven er aanzienlijke lacunes bestaan ​​in ons begrip van wat modellen zijn en hoe ze werken.

Bibliografie

  • Achinstein, Peter (1968), Concepts of Science. Een filosofische analyse. Baltimore: Johns Hopkins Press.
  • Ackerlof, George A (1970), 'The Market for' Lemons ': Quality Uncertainty and the Market Mechanism', Quarterly Journal of Economics 84: 488–500.
  • Ankeny, Rachel (2009), "Modelorganisms as Fictions", In Mauricio Suárez (red.): Fictions in Science, Philosophical Essays on Modeling and Idealisation, London: Routledge, 194–204.
  • Apostel, Leo (1961), "Towards the Formal Study of Models in the Non-Formal Sciences", in Freudenthal 1961, 1–37.
  • Bailer-Jones, Daniela M. (1999), "Tracing the Development of Models in the Philosophy of Science", in Magnani, Nersessian en Thagard 1999, 23–40.
  • ––– (2003) “When Scientific Models Represent”, International Studies in the Philosophy of Science 17: 59–74.
  • ––– en Bailer-Jones CAL (2002), “Modeling Data: Analogies in Neural Networks, Simulated Annealing and Genetic Algorithms”, in Magnani en Nersessian 2002: 147–165.
  • Barbrousse, Anouk en Pascal Ludwig (2009), 'Fictions and Models', In Mauricio Suárez (red.): Fictions in Science, Philosophical Essays on Modeling and Idealisation, London: Routledge, 56-75.
  • ––– Sara Franceschelli, Cyrille Imbert (2009), “Computersimulaties als experimenten”, Synthese, 169 (3): 557–574.
  • Batterman, Robert (2004), "Intertheory Relations in Physics", The Stanford Encyclopedia of Philosophy (Spring 2004 Edition), Edward N. Zalta (red.), URL = http://plato.stanford.edu/archives/spr2004/ inzendingen / fysica-interrelate /.
  • Bell, John and Moshé Machover (1977), A Course in Mathematical Logic, Amsterdam: North-Holland.
  • Zwart, Max (1962), modellen en metaforen. Studies in taal en filosofie. Ithaca, New York: Cornell University Press.
  • Bogen, James en James Woodward (1988), "Saving the Phenomena", Philosophical Review 97: 303–352.
  • Bokulich, Alisa (2003), "Horizontale modellen: van bakkers tot katten", Wetenschapsfilosofie 70: 609–627.
  • ––– (2008), Heronderzoek van de kwantum-klassieke relatie: voorbij reductionisme en pluralisme, Cambridge: Cambridge University Press.
  • ––– (2009), "Explanatory Fictions", In: Mauricio Suárez (red.): Fictions in Science. Filosofische essays over modellering en idealisering Londen: Routledge, 91–109.
  • Braithwaite, Richard (1953), wetenschappelijke uitleg. Cambridge: Cambridge University Press.
  • Brewer, WF en CA Chinn (1994), "Antwoorden van wetenschappers op afwijkende gegevens: bewijs uit psychologie, geschiedenis en wetenschapsfilosofie", in: Proceedings of the 1994 Biennial Meeting of the Philosophy of Science Association, Volume 1: Symposia and Invited Papers, 304–313.
  • Brown, James (1991), The Laboratory of the Mind: Thought Experiments in the Natural Sciences. Londen: Routledge.
  • Brzezinski, Jerzy en Leszek Nowak (red.) (1992), Idealisatie III: benadering en waarheid. Amsterdam: Rodopi.
  • Callender, Craig en Jonathan Cohen (2006), "Er is geen speciaal probleem met betrekking tot wetenschappelijke representatie", komt Theoria.
  • Campbell, Norman (1920), Physics: The Elements. Cambridge: Cambridge University Press. Herdrukt als basis van wetenschap. New York: Dover, 1957.
  • Carnap, Rudolf (1938), "Foundations of Logic and Mathematics", in Otto Neurath, Charles Morris en Rudolf Carnap (red.), International Encyclopaedia of Unified Science. Vol. 1. Chicago: University of Chicago Press, 139–213.
  • Cartwright, Nancy (1983), How the Laws of Physics Lie. Oxford: Oxford University Press.
  • ––– (1989), Nature's Capacities en hun meting. Oxford: Oxford University Press.
  • ––– (1999), The Dappled World. Een studie van de grenzen van de wetenschap. Cambridge: Cambridge University Press.
  • ––– Towfic Shomar en Mauricio Suárez (1995), “The Tool-box of Science”, in Herfel 1995, 137–150.
  • Contessa, Gabrielle (2007) "Wetenschappelijke representatie, interpretatie en surrogatief redeneren", Wetenschapsfilosofie 74 (1): 48–68.
  • ––– (2010), “Wetenschappelijke modellen en fictieve objecten”, Synthese 172 (2), 215–229.
  • Da Costa, Newton en Steven French (2000) "Modellen, theorieën en structuren: dertig jaar later", Wetenschapsfilosofie 67, Supplement, S116–127.
  • ––– (2003), wetenschap en gedeeltelijke waarheid: een eenzijdige benadering van modellen en wetenschappelijk redeneren. Oxford: Oxford University Press.
  • Dizadji-Bahmani, Foad, Roman Frigg en Stephan Hartmann (2011) "Bevestiging en vermindering: een Bayesiaanse rekening", Synthese 179 (2): 321–38.
  • Downes, Stephen (1992), "The Importance of Models in Theorizing: A Deflationary Semantic View". Proceedings of the Philosophy of Science Association, Vol.1, onder redactie van David Hull et al., 142–153. East Lansing: Philosophy of Science Association.
  • Elgin, Catherine (2010), "Telling Instances", In: Roman Frigg en Matthew Hunter (red.): Beyond Mimesis and Nominalism: Representation in Art and Science Berlin en Ney York: Springer, 1-17.
  • Elgin, Mehmet en Elliott Sober (2002), "Cartwright on Explanation and Idealization", Erkenntnis 57: 441–50.
  • Falkenburg, Brigitte en Wolfgang Muschik (red.) (1998), modellen, theorieën en verdeeldheid in de natuurkunde, Philosophia Naturali s 35.
  • Fine, Arthur (1993), "Fictionalism", Midwest Studies in Philosophy 18: 1–18.
  • Forster, Malcolm en Elliott Sober (1994), "How to Tell when Simple, More Unified, or Less Ad Hoc Theories will be Accurate Predictions", British Journal for the Philosophy of Science 45: 1–35.
  • Freudenthal, Hans (ed.) (1961), The Concept and the Role of the Model in Mathematics and Natural and Social Sciences. Dordrecht: Reidel.
  • Frigg, Roman (2006), 'Wetenschappelijke representatie en de semantische kijk op theorieën', Theoria 55: 37–53.
  • ––– en Julian Reiss (2009), "The Philosophy of Simulation: Hot New Issues or Same Old Stew?", Synthese 169 (3): 593–613.
  • ––– (2010a), “Fiction in Science”, In: John Woods (red.): Fictions and Models: New Essays, München: Philosophia Verlag, 247–287
  • ––– (2010b), “Modellen en fictie”, Synthese, 172 (2): 251–268
  • ––– (2010c), "Fiction and Scientific Representation", In: Roman Frigg en Metthew Hunter (red.): Beyond Mimesis and Nominalism: Representation in Art and Science, Berlijn en Ney York: Springer, 97–138.
  • ––– Seamus Bradley, Reason L. Machete en Leonard A. Smith (2012), "Probabilistic Forecasting: Why Model Imperfection Is a Poison Pill", te verschijnen in Hanne Anderson, Dennis Dieks, Gregory Wheeler, Wenceslao Gonzalez en Thomas Uebel (eds): New Challenges to Philosophy of Science, Berlijn en New York: Springer.
  • Gähde, Ulrich (1997), 'Anomalies and the Revision of Theory-Nets. Opmerkingen over de vooruitgang van Mercurius 'perihelium', in Marisa Dalla Chiara et al. (red.), Structuren en normen in de wetenschap. Dordrecht: Kluwer.
  • Galison, Peter (1997) Beeld en logica. Een materiële cultuur van microfysica. Chicago: Chicago: University of Chicago Press.
  • Gendler, Tamar (2000) Thought Experiment: On the Powers and Limits of Imaginary Cases. New York en Londen: Garland.
  • Gibbard, Allan en Hal Varian (1978), "Economic Models", Journal of Philosophy 75: 664–677.
  • Giere, Ronald (1988), Explaining Science: A Cognitive Approach. Chicago: University of Chicago Press.
  • ––– (1999), Science Without Laws. Chicago: University of Chicago Press.
  • ––– (2004), "Hoe modellen worden gebruikt om de werkelijkheid weer te geven", Wetenschapsfilosofie 71, Supplement, S742–752.
  • ––– (2009), "Waarom wetenschappelijke modellen niet als werken van fictie mogen worden beschouwd", In: Mauricio Suárez (red.): Fictions in Science. Filosofische essays over modellering en idealisering Londen: Routledge, 248–258.
  • Godfrey-Smith, P. (2006), 'The Strategy of Model-based Science', Biology and Philosophy, 21: 725–740.
  • ––– (2009), “Models and Fictions in Science” Philosophical Studies, 143: 101–116.
  • Groenewold, HJ (1961), "The Model in Physics" in Freudenthal 1961, 98–103.
  • Hacking, Ian (1983), Representing and Intervening. Cambridge: Cambridge University Press.
  • Harris, Todd (2003), "Datamodellen en de verwerving en manipulatie van gegevens", Wetenschapsfilosofie 70: 1508–1517.
  • Hartmann, Stephan (1995), "Modellen als hulpmiddel voor theorievorming: enkele strategieën van voorfysica", in Herfel et al. 1995, 49-67.
  • ––– (1996), “De wereld als proces. Simulaties in de natuur- en sociale wetenschappen”, in Hegselmann et al. 1996, 77-100.
  • ––– (1998), “Idealization in Quantum Field Theory”, in Shanks 1998, 99–122.
  • ––– (1999), “Models and Stories in Hadron Physics”, in Morgan en Morrison 1999, 326–346.
  • ––– (2001), 'Effective Field Theories, Reduction and Scientific Explanation', Studies in History and Philosophy of Modern Physics 32, 267–304.
  • Hegselmann, Rainer, Ulrich Müller en Klaus Troitzsch (red.) (1996), Modellering en simulatie in de sociale wetenschappen vanuit het perspectief van de wetenschapsfilosofie. Theorie en beslissingsbibliotheek. Dordrecht: Kluwer.
  • Hellman, DH (red.) (1988), Analogical Reasoning. Kluwer: Dordrecht.
  • Hempel, Carl G. (1965), Aspects of Scientific Explanation en andere essays in de wetenschapsfilosofie. New York: Free Press.
  • Herfel, William, Wladiyslaw Krajewski, Ilkka Niiniluoto en Ryszard Wojcicki (red.) (1995), Theorieën en modellen in wetenschappelijk proces. (Poznan Studies in the Philosophy of Science and the Humanities 44.) Amsterdam: Rodopi.
  • Hesse, Mary (1963), modellen en analogieën in de wetenschap. Londen: Sheed and Ward.
  • ––– (1974), The Structure of Scientific Inference. Londen: Macmillan.
  • Hodges, Wilfrid (1997), A Shorter Model Theory. Cambridge: Cambridge University Press.
  • Holyoak, Keith en Paul Thagard (1995), Mental Leaps. Analogie in creatief denken. Cambridge, Mass.: Bradford.
  • Horowitz, Tamara en Gerald Massey (red.) (1991), Gedachte-experimenten in wetenschap en filosofie. Lanham: Rowman en Littlefield.
  • Hughes, RIG (1997), "Models and Representation", Philosophy of Science 64: S325–336.
  • Humphreys, Paul (2004), Onszelf uitbreiden: computationele wetenschap, empirisme en wetenschappelijke methode. Oxford: Oxford University Press.
  • ––– (2009), “The Philosophical Novelty of Computers Simulation Methods”, Synthese 169: 615–626.
  • Knuuttila, Taria (2009), "Representation, Idealisation and Fiction in Economics: From the Assumptions Issue to the Epistemology of Modelling", In: Mauricio Suárez (red.): Fictions in Science. Philosophical Essays on Modeling and Idealisation, Londen: Routledge, 205–233.
  • Kroes, Peter (1989), "Structural Analogies between Physical Systems", British Journal for the Philosophy of Science 40: 145–154.
  • Laymon, Ronald (1982), "Scientific Realism and the Hierarchical Counterfactual Path from Data to Theory", Proceedings of the Biennial Meeting of the Philosophy of Science Association, Volume 1, 107–121.
  • ––– (1985), "Idealisaties en het testen van theorieën door experimenten", in Peter Achinstein en Owen Hannaway (red.), Observation Experiment and Hypothesis in Modern Physical Science. Cambridge, Mass.: MIT Press, 147–173.
  • ––– (1991), "Gedachte-experimenten van Stevin, Mach en Gouy: Gedachte-experimenten als ideale grenzen en semantische domeinen", in Horowitz en Massey 1991, 167–91.
  • Leng, Mary (2010), Mathematics and Reality, Oxford.
  • Leonelli, Sabina (2010), 'Verpakkingsgegevens voor hergebruik: databases in de biologie van modelorganismen', In: Howlett P, Morgan MS (red.): Hoe goed reizen feiten? De verspreiding van betrouwbare kennis, Cambridge: Cambridge University Press.
  • Leonelli, Sabina en R. Ankeny (2012), "Re-Thinking Organisms: The Epistemic Impact of Databases on Model Organism Biology", Studies in the History and Philosophy of the Biological and Biomedical Sciences, 43, 29–36.
  • Leplin, Jarrett (1980), "The Role of Models in Theory Construction", in: T. Nickles (red.), Scientific Discovery, Logic en Rationality. Reidel: Dordrecht: 267–284.
  • Lloyd, Elisabeth (1984), "A Semantic Approach to the Structure of Population Genetics", Wetenschapsfilosofie 51: 242–264.
  • ––– (1994), De structuur en bevestiging van de evolutietheorie. Princeton: Princeton University Press.
  • Magnani, Lorenzo en Nancy Nersessian (red.) (2002), Model-Based Reasoning: Science, Technology, Values. Dordrecht: Kluwer.
  • ––– (2012), wetenschappelijke modellen zijn geen ficties: modelgebaseerde wetenschap als epistemische oorlogsvoering, komende in L. Magnani en P. Li (red.): Filosofie en cognitieve wetenschappen: westerse en oosterse studies, Heidelberg / Berlijn: Springer.
  • ––– en Paul Thagard (red.) (1999), Model-Based Reasoning In Scientific Discovery. Dordrecht: Kluwer.
  • Mäki, Uskali (1994), "Isolation, Idealization and Truth in Economics", in Bert Hamminga en Neil B. De Marchi (red.), Idealization VI: Idealization in Economics. Poznan Studies in the Philosophy of the Sciences and the Humanities, Vol. 38: 147–168. Amsterdam: Rodopi.
  • Mayo, Deborah (1996), Error and the Growth of Experimental Knowledge. Chicago: University of Chicago Press.
  • McMullin, Ernan (1968), "Wat vertellen fysische modellen ons?", In B. van Rootselaar en JF Staal (red.), Logica, methodologie en wetenschap III. Amsterdam: Noord-Holland, 385–396.
  • ––– (1985), “Galilean Idealization”, Studies in de geschiedenis en wetenschapsfilosofie 16: 247–73.
  • Morgan, Mary (1999), "Leren van modellen", in Morgan en Morrison 1999, 347-88.
  • ––– en Margaret Morrison (1999), modellen als bemiddelaars. Perspectieven op natuur- en sociale wetenschappen. Cambridge: Cambridge University Press.
  • ––– en Margaret Morrison (1999), “Models as Mediating Instruments”, In: Morgan and Morrison 1999, 10–37.
  • ––– (2001) "Modellen, verhalen en de economische wereld", Journal of Economic Methodology 8: 3, 361–84. Herdrukt in Fact and Fiction in Economics, uitgegeven door Uskali Mäki, 178–201. Cambridge: Cambridge University Press, 2002.
  • ––– (2003) "Experimenten zonder materiële interventie: modelexperimenten, virtuele experimenten en virtueel experimenten", In: H. Radder (red.): The Philosophy of Scientific Experimentation, Pittsburgh: University of Pittsburgh Press, 217–235
  • ––– en Boumans, Marcel J. (2004), “Secrets Hidden by Two-Dimensionalality: The Economy as a Hydraulic Machine”, In: S. de Chadarevian en N. Hopwood (red.): Model: The Third Dimension of Wetenschap, Stanford: Stanford University Press, 369-401.
  • Morrison, Margaret (1998), "Modelling Nature: Between Physics and the Physical World", Philosophia Naturalis 35: 65–85.
  • ––– (1999) “Models as Autonomous Agents”, in Morgan en Morrison 1999, 38–65.
  • ––– (2000), Unifying Scientific Theories. Cambridge: Cambridge University Press.
  • ––– (2009), "Fictions, Representations and Reality", In: Mauricio Suárez (red.): Fictions in Science. Filosofische essays over modellering en idealisering, Londen: Routledge, 110–135.
  • ––– (2009), “Modellen, meting en computersimulatie: het veranderende gezicht van experimenten”, Filosofische studies, 143 (1): 33–57.
  • Mundy, Brent (1986), "Over de algemene theorie van betekenisvolle representatie", Synthese 67: 391–437.
  • Musgrave, Alan (1981), '' Onwerkelijke veronderstellingen 'in economische theorie: de F-Twist Untwisted', Kyklos 34: 377–387.
  • Nagel, Ernest (1961), The Structure of Science. Problemen in de logica van wetenschappelijke uitleg. New York: Harcourt, Brace en World.
  • Norton, John (1991), 'Gedachte-experimenten in het werk van Einstein', in Horowitz en Massey 1991, 129–148.
  • Nowak, Leszek (1979), The Structure of Idealization: Towards a Systematic Interpretation of the Marxian Idea of ​​Science. Reidel: Dordrecht.
  • Oppenheim, Paul en Hilary Putnam (1958), "Unity of Science as a Working Hypothesis", in Herbert Feigl, Grover Maxwell, en Michael Scriven (red.), Minnesota Studies in the Philosophy of Science. Minneapolis: University of Minnesota Press, 3–36. Herdrukt in The Philosophy of Science, uitgegeven door Richard Boyd et al., Ch. 22. Cambridge, Mass.: MIT Press, 1991.
  • Parker, WS (2008), 'Franklin, Holmes and the Epistemology of Computers Simulation', International Studies in the Philosophy of Science 22 (2): 165–183.
  • ––– (2009), “Maakt het echt iets uit? Computersimulaties, experimenten en materialiteit”, Synthese 169: 483–496
  • Peirce, Charles Sanders (1931–1958), Collected Papers of Charles Sanders Peirce. Vol 3. Bewerkt door Charles Hartshorne, Paul Weiss en Arthur Burks. Harvard University Press, Cambridge, Mass.
  • Pincock, Christopher (2012) Wiskunde en wetenschappelijke representatie, Oxford, Ch.12.
  • Psillos, Stathis (1995), "The Cognitive Interplay between Theories and Models: The Case of 19th Century Physics", in Herfel et al. 1995, 105–133.
  • Quine, Willard Van Orman (1953), "On What There Is", vanuit een logisch oogpunt. Cambridge, Mass.: Harvard University Press.
  • Redhead, Michael (1980), "Models in Physics", British Journal for the Philosophy of Science 31: 145–163.
  • Reiss, Julian (2003), "Causale gevolgtrekking in de samenvatting of zeven mythen over gedachte-experimenten", in Causality: Metaphysics and Methods Research Project. Technisch rapport 03/02. LSE.
  • ––– (2006), “Beyond Capacities”, in Luc Bovens en Stephan Hartmann (red.), Nancy Cartwright's Philosophy of Science. Londen: Routledge.
  • Rohrlich, Fritz (1991) "Computersimulaties in de natuurwetenschappen", in Proceedings of the Philosophy of Science Association, Vol. 2, onder redactie van Arthur Fine et al., 507-518. East Lansing: The Philosophy of Science Association.
  • Rueger, Alexander (2005), "Perspectival Models and Theory Unification", British Journal for the Philosophy of Science 56.
  • Schnell, Rainer (1990), "Computersimulation und Theoriebildung in den Sozialwissenschaften", Kölner Zeitschrift für Soziologie und Sozialpsychologie 1, 109–128.
  • Schaffner, Kenneth F. (1969, "The Watson-Crick Model and Reductionism", The British Journal for the Philosophy of Science, 20 (4): 325–348.
  • Shanks, Niall (red.). (1998), Idealization in Contemporary Physics. Amsterdam: Rodopi.
  • Sismondo, Sergio en Snait Gissis (red.) (1999), Modellering en simulatie. Special Science of Context 12.
  • Skyrms, Brian (1996), Evolutie van het sociaal contract. Cambridge: Cambridge University Press.
  • Sorensen, Roy (1992), Gedachte-experimenten. New York: Oxford University Press.
  • Spector, Marshall (1965), "Models and Theories", British Journal for the Philosophy of Science 16: 121–142.
  • Staley, Kent W. (2004), The Evidence for the Top Quark: Objectivity and Bias in Collaborative Experimentation. Cambridge: Cambridge University Press.
  • Suárez, Mauricio (2003), "Wetenschappelijke representatie: tegen gelijkenis en isomorfisme." Internationale studies in de wetenschapsfilosofie 17: 225–244.
  • ––– (2004), “An Inferential Conception of Scientific Representation”, Philosophy of Science 71, Supplement, S767–779.
  • ––– en Albert Solé (2006), “On the Analogy between Cognitive Representation and Truth”, Theoria 55, 27–36.
  • ––– (2009), "Scientific Fictions as Rules of Inference" In: Mauricio Suárez (red.): Fictions in Science. Filosofische essays over modellering en idealisering, Routledge: London, 158–178.
  • Suppe, Frederick. (1989), The Semantic View of Theories and Scientific Realism. Urbana en Chicago: University of Illinois Press.
  • Suppes, Patrick. (1960), "Een vergelijking van de betekenis en het gebruik van modellen in de wiskunde en de empirische wetenschappen", Synthèse 12: 287–301. Herdrukt in Freudenthal (1961), 163–177, en in Patrick Suppes: Studies in the Methodology and Foundations of Science. Selected Papers van 1951 tot 1969. Dordrecht: Reidel 1969, 10–23.
  • ––– (1962), "Models of Data", in Ernest Nagel, Patrick Suppes en Alfred Tarski (red.), Logic, Methodology and Philosophy of Science: Proceedings of the 1960 International Congress. Stanford: Stanford University Press, 252–261. Herdrukt in Patrick Suppes: Studies in the Methodology and Foundations of Science. Selected Papers van 1951 tot 1969. Dordrecht: Reidel 1969, 24-35.
  • ––– (2002), representatie en invariantie van wetenschappelijke structuren. Stanford: CSLI-publicaties.
  • Swoyer, Chris (1991), "Structural Representation and Surrogative Reasoning", Synthese 87: 449–508.
  • Teller, Paul (2001), "Twilight of the Perfect Model", Erkenntnis 55, 393–415.
  • ––– (2004), "How We Dapple the World", Wetenschapsfilosofie 71: 425–447.
  • ––– (2009), "Fictions, Fictionalization, and Truth in Science", In: Mauricio Suárez (red.): Fictions in Science. Philosophical Essays on Modeling and Idealisation, Londen: Routledge, 235–247.
  • Thomson-Jones, Martin (2010), "Missing Systems and the Face Value Practice", Synthese 172 (2): 283–299.
  • Toon, A. (2010), "Models as Make-Believe", In: Frigg, R and Hunter, M. (redactie): Beyond Mimesis and Convention: Representation in Art and Science, Boston Studies in the Philosophy of Science: Springer, 71-96.
  • ––– (2010), “De ontologie van theoretische modellen: modellen als make-believe”, Synthese 172: 301–315.
  • ––– (2011), “Spelen met moleculen”, Studies in geschiedenis en wetenschapsfilosofie 42: 580–589.
  • ––– (2012), Models as Make-Believe: Imagination, Fiction and Scientific Representation, Palgrave Macmillan.
  • Vaihinger, Hans (1911), The Philosophy of 'As If'. Duits origineel. Engelse vertaling: London: Kegan Paul 1924.
  • van Fraassen, Bas C. (1980), The Scientific Image. Oxford: Oxford University Press.
  • ––– (1989), wetten en symmetrie. Oxford: Oxford University Press.
  • ––– (2004), “Science as Representation: Flouting the Criteria”, Philosophy of Science 71, Supplement, S794–804.
  • ––– (2008), Wetenschappelijke representatie: paradoxen van perspectief, Oxford: Oxford University Press.
  • Weisberg, M. (2012), Simulatie en gelijkenis: modellen gebruiken om de wereld te begrijpen, afkomstig van Oxford University Press, Ch. 4.
  • Wimsatt, William. (1987), 'False Models as Means to Truer Theories', in N. Nitecki en A. Hoffman (red.), Neutral Models in Biology. Oxford: Oxford University Press, 23-55.
  • Winsberg, Eric (2001), "Simulaties, modellen en theorieën: complexe fysieke systemen en hun representaties", Wetenschapsfilosofie 68 (Proceedings): 442–454.
  • ––– (2003), “Gesimuleerde experimenten: methodologie voor een virtuele wereld”, Wetenschapsfilosofie 70: 105–125.
  • ––– (2009), "A Function for Fictions: Expanding the Scope of Science", In: Mauricio Suárez (red.): Fictions in Science. Philosophical Essays on Modeling and Idealisation, Londen: Routledge, 197–191.
  • ––– (2010, Science in the Age of Computer Simulation, Chicago: Chicago University Press.
  • Woodward, James (2003), Making Things Happen: A Theory of Causal Explanation. New York: Oxford University Press.

Academische hulpmiddelen

sep man pictogram
sep man pictogram
Hoe deze vermelding te citeren.
sep man pictogram
sep man pictogram
Bekijk een voorbeeld van de PDF-versie van dit item bij de Vrienden van de SEP Society.
inpho icoon
inpho icoon
Zoek dit onderwerp op bij het Indiana Philosophy Ontology Project (InPhO).
phil papieren pictogram
phil papieren pictogram
Verbeterde bibliografie voor dit item op PhilPapers, met links naar de database.

Andere internetbronnen

[Neem contact op met de auteur voor suggesties.]

Populair per onderwerp