.
Modelos matemáticos que preveem cenários de condução de políticas – como como uma nova pandemia pode se espalhar ou a quantidade futura de água para irrigação necessária em todo o mundo – podem ser muito complexos e fornecer respostas “erradas”, revela um novo estudo.
Especialistas estão usando modelos cada vez mais detalhados para melhor prever fenômenos ou obter insights mais precisos em uma variedade de áreas-chave, como ciências ambientais/climáticas, hidrologia e epidemiologia.
Mas a busca de modelos complexos como ferramentas para produzir projeções e previsões mais precisas pode não funcionar porque modelos mais complicados tendem a produzir estimativas mais incertas.
Pesquisadores das Universidades de Birmingham, Princeton, Reading, Barcelona e Bergen publicaram suas descobertas hoje em Avanços da ciência. Eles revelam que expandir modelos sem verificar como detalhes extras adicionam incerteza limita a utilidade dos modelos como ferramentas para informar decisões políticas no mundo real.
Arnald Puy, Professor Associado em Incertezas Sociais e Ambientais da Universidade de Birmingham, comentou: “À medida que a ciência continua revelando segredos, os modelos ficam cada vez maiores – integrando novas descobertas para refletir melhor o mundo ao nosso redor. melhores previsões porque correspondem melhor à realidade.
“E, no entanto, buscar modelos cada vez mais complexos pode não fornecer os resultados que buscamos, porque adicionar novos parâmetros traz novas incertezas ao modelo. Essas novas incertezas se acumulam sobre as incertezas já existentes em cada estágio de atualização do modelo, tornando a saída do modelo mais confusa em cada passo do caminho.”
Essa tendência de produzir resultados mais imprecisos afeta qualquer modelo sem dados de treinamento ou validação usados para verificar a precisão de sua saída – afetando todos os modelos globais, como aqueles focados em mudanças climáticas, hidrologia, produção de alimentos e epidemiologia, bem como modelos que projetam estimativas para o futuro, independentemente do campo científico.
Os pesquisadores recomendam que o esforço para produzir modelos matemáticos cada vez mais detalhados como forma de obter estimativas mais precisas seja reavaliado.
“Sugerimos que os modeladores calculem as dimensões efetivas do modelo (o número de parâmetros influentes e sua interação de ordem mais alta) antes de tornar o modelo mais complexo. Isso permite verificar como a adição da complexidade do modelo afeta a incerteza na saída. Tais informações é especialmente valioso para modelos que visam desempenhar um papel na formulação de políticas”, acrescentou o Dr. Puy. “Tanto os modeladores quanto os formuladores de políticas se beneficiam ao entender qualquer incerteza gerada quando um modelo é atualizado com novos mecanismos.
“Os modeladores tendem a não submeter seus modelos à incerteza e à análise de sensibilidade, mas continuam acrescentando detalhes. Poucos estudiosos estão interessados em executar tal análise em seu modelo se houver o risco de mostrar que o imperador corre nu e suas supostas estimativas precisas são apenas uma miragem. “
O excesso de complexidade impede acadêmicos e público de ponderar sobre a adequação dos pressupostos dos modelos, muitas vezes altamente questionáveis. Puy e sua equipe observam, por exemplo, que os modelos hidrológicos globais pressupõem que a irrigação otimiza a produção agrícola e o uso da água – uma premissa em desacordo com as práticas dos irrigantes tradicionais.
Fonte da história:
Materiais fornecido por Universidade de Birmingham. Nota: O conteúdo pode ser editado para estilo e duração.
.
