Kiekybiniai modeliai ir metodai plačiai taikomi versle, ekonomikoje, vadyboje ir socialiniuose moksluose. Vykstant nuolatinei šiuolaikinių technologijų plėtrai verslo sektoriuje, didėja jame ir matematinių žinių taikymo poreikis. Labai didelę tiesioginę įtaką verslo sėkmei turi matematinių modelių taikymai. Matematinių modelių reikšmė realaus pasaulio procesų, technologinių įrenginių ar socialinių reiškinių modeliavime yra milžiniška.
Tačiau norint, kad modelis būtų naudojamas praktiškai, jis turi atitikti tam tikrus reikalavimus. Kaip istorija mus moko, net geriausios idėjos gali būti bevaisės, jei jos nėra tinkamai pritaikytos praktikai. Kai mokslininkas Galileo Galilėjus ėmėsi dangaus kūnų judėjimo tyrimų, jo išvados nebuvo priimtos iš karto. Tačiau būtent jo modeliai, grindžiami stebėjimais ir aiškiai apibrėžtais principais, leido geriau suprasti gamtos dėsnius.
Matematinis modelis privalo būti adekvatus - tai reiškia, kad jis turi tiksliai atspindėti tiriamo reiškinio esmines savybes ir ryšius tarp kintamųjų. Ne visi modeliai gali būti naudojami bet kokioje situacijoje. Pavyzdžiui, Niutono mechanika puikiai tinka makroskopiniams objektams, tačiau nesugeba aprašyti subatominio pasaulio - tam prireikė kvantinės mechanikos modelių. Kiekvienas modelis turi aiškiai apibrėžtas taikymo ribas. Jei modelis yra pernelyg specializuotas, jo pritaikomumas bus ribotas. Albertas Einšteinas pasakė: „Viskas turėtų būti daroma kuo paprasčiau, bet ne paprasčiau nei reikia.“
Matematinis modelis turi būti ne tik teisingas, bet ir suprantamas bei interpretuojamas. Jei modelis per daug sudėtingas, jo rezultatai gali būti nepraktiški. Net geriausias modelis gali būti nepraktiškas, jei jam apskaičiuoti reikia milžiniškų išteklių. Pavyzdžiui, orų prognozės modeliai reikalauja didelių skaičiavimo pajėgumų, bet kad jie būtų naudingi, turi pateikti rezultatus laiku. Geras modelis yra toks, kurį galima empiriškai patikrinti. Tai reiškia, kad modelis turi būti validuojamas su realiais duomenimis. Dauguma realių sistemų nėra deterministinės - jos pasižymi atsitiktinumu. Pavyzdžiui, meteorologijoje naudojami modeliai turi įvertinti daugybę atsitiktinių veiksnių.
Matematiniai modeliai yra kaip mūsų pasaulio „virtualūs laboratorijos indai“, leidžiantys tirti reiškinius, kuriuos kitu atveju būtų sunku suprasti. Tačiau tam, kad modelis būtų naudingas, jis turi būti ne tik tikslus ir adekvatus, bet ir praktiškai pritaikomas, kaip ir geriausi moksliniai atradimai. Kai prieš kelis šimtmečius G. Galilėjus pasakė, kad gamta yra parašyta matematikos kalba, jis greičiausiai nė nenutuokė, kad jo žodžiai bus tokie aktualūs ir verslo pasaulyje. Šiandien kiekvienas, norintis ne tik išgyventi, bet ir klestėti versle, privalo suprasti pagrindinius matematinio modeliavimo principus.
Taip pat skaitykite: Pagalba agresyviems vaikams
Matematinis modeliavimas - tai būdas struktūrizuotai suprasti, kaip veikia įvairūs reiškiniai, ar tai būtų gamta, technologija, ar socialiniai procesai. Verslas nėra išimtis - jis yra gyvas organizmas, kuriam būdingos sąveikos tarp daugybės veiksnių: rinkos paklausos, kainų dinamikos, konkrečių veiksmų, klientų įpročių, investicijų grąžos ir daugelio kitų. Būtent šiuos gebėjimus ir įgyja studijuojantieji matematikos krypčių studijų programose. Čia jie žingsnis po žingsnio įvaldo modelių kūrimą - nuo matematinės idėjos suformulavimo iki jos perkėlimo į kompiuterinę aplinką. Iš pradžių jie mokosi, kaip iš realių situacijų išgryninti svarbiausius veiksnius ir ryšius tarp jų.
Kadangi vis daugiau įmonių remiasi duomenimis grįstu sprendimų priėmimu, šių sričių specialistų poreikis auga ne dienomis, o valandomis. Matematinis modeliavimas nėra atskirtas nuo tikrovės - tai būdas ją geriau suprasti ir numatyti, kas nutiks toliau. Todėl šiandien modeliuoti gebantis žmogus - tai ne tik matematikas ar programuotojas. Verslo pasaulis šiandien vis labiau priklauso nuo duomenimis grįstų sprendimų. Įmonės, kurios sugeba tinkamai analizuoti duomenis ir pasitelkti modelius prognozuodamos ateitį, įgyja milžinišką konkurencinį pranašumą.
Vienas geriausių to pavyzdžių yra „Amazon“ - ši įmonė remiasi itin sudėtingais matematiniais modeliais, leidžiančiais ne tik prognozuoti klientų poreikius, bet ir optimizuoti tiekimo grandinę, sandėliavimą bei kainodaros strategijas. Matematiniai modeliai padeda atsakyti į esminius klausimus: kokia tikimybė, kad naujas produktas bus sėkmingas? Koks kainos lygis padidins pelną, bet išlaikys klientų lojalumą? Kaip sumažinti gamybos kaštus neprarandant kokybės? Pavyzdžiui, „Netflix“ naudoja sudėtingus algoritmus, kurie analizuoja vartotojų peržiūrų istoriją ir pagal tai siūlo asmenines rekomendacijas.
Net ir maži verslai gali išnaudoti matematinius modelius. Tarkime, nedidelė kepykla gali nesunkiai pritaikyti pardavimų prognozavimo modelius vien tam, kad įvertintų, kiek duonos kepti kiekvieną dieną, taip išvengdama nuostolių dėl neparduotos produkcijos ar priešingai - neišpildytos paklausos. Kitas svarbus aspektas - rizikos valdymas. Finansų sektoriuje matematiniai modeliai naudojami siekiant nustatyti investicijų riziką, apskaičiuoti kreditingumo reitingus ar prognozuoti rinkos svyravimus.
Matematinis modeliavimas taip pat padeda suprasti, kaip verslas reaguos į įvairias situacijas. Pavyzdžiui, pandemijos metu daugelis įmonių, kurios sugebėjo greitai modeliuoti vartotojų elgsenos pokyčius ir prisitaikyti prie naujų sąlygų, išvengė nuosmukio. Be abejo, ne kiekvienas verslininkas turi tapti matematikos ekspertu. Tačiau suprasti esminius principus ir mokėti interpretuoti modelių rezultatus yra labai svarbu. Matematinis modeliavimas yra ne tik verslo sėkmės raktas, bet ir saugiklis, apsaugantis nuo klaidų.
Taip pat skaitykite: Socialinės pagalbos modeliavimas
Nesvarbu, ar planuojama nauja rinkodaros kampanija, ar plečiama gamyba, ar įvedama nauja kainų strategija - modeliai leidžia išbandyti įvairius scenarijus dar prieš priimant galutinius sprendimus. Galime sakyti, kad šiandien matematinis modeliavimas versle yra tas pats, kas kompasas jūreiviui - be jo galima plaukti, tačiau didelė tikimybė, kad bus pasiklysta.
Modeliavimas Kultūros Tyrimuose
Kultūros tyrimų informacijos valdymas bei duomenų ir informacijos analize grįsti sprendimai (kaip įrodymais grįstos politikos dalis) yra viena svarbiausių ir intensyviausiai besiplėtojančių viešojo administravimo politikos krypčių. Šios politikos taikymas kultūros erdvėje skatina atlikti daugiau šios erdvės tyrimų, iš esmės siekiant atsakyti į klausimą apie kultūros poveikį ir vertę visuomenei. Tyrimų skaičiaus augimas reiškia augantį empirinių duomenų ir moksliškai pagrįstų išvadų kiekius.
Anot M. S. Jeannotte, per pastaruosius dešimtmečius publikuoti milžiniški kiekiai tyrimų apie kultūros socialinius aspektus. Ši literatūra aprėpia didžiules temines erdves, pradedant nuo siaurų, individualių kultūros paskatintų efektų konkrečiai nedidelei socialinei grupei ir baigiant masiniais, pasireiškiančiais globaliu mastu. Įrodymais grįstos politikos kontekste kultūros tyrimų (kaip potencialių įrodymų rinkimo) gausa vertintina pozityviai. Tačiau šių tyrimų kiekybinis augimas kartu generuoja kelias problemas, kurios stabdo įrodymais grįstos politikos įgyvendinimą kultūros sektoriuje.
Lietuvoje svarbiausios šių problemų: (i) dalis kultūros sektoriaus tyrimų yra fragmentuoti teminiu požiūriu, jie orientuoti į labai konkrečios, bet gana siauros kultūros srities ar renginio analizę, neapibrėžiant konteksto, tarpdisciplininių, platesnės apimties ryšių su kitomis kultūros erdvėmis; (ii) dauguma tyrimų sporadiški, neturintys tęstinumo laike, jie atliekami vieną ar du kartus, taip nesukuriant sąlygų atlikti ilgalaikę analizę; (iii) dalis tyrimų yra daugiau fundamentinio, mažiau taikomojo pobūdžio, orientuoti į naujas žinias, kurios tik labai ribotai gali būti panaudojamos priimant sprendimus; (iv) daliai tyrimų trūksta aiškių kiekybinių kriterijų, leidžiančių ne tik objektyviai pamatuoti, bet ir modeliuoti kultūros procesus, jų poveikį visuomenei bei kultūros politikos efektyvumą; (v) trūksta mechanizmų, įgalinančių sieti tyrimų rezultatus ir politinių sprendimų priėmimą kultūros sektoriuje.
Informacijos valdymo požiūriu sprendimų priėmimas yra viena iš informacijos ir žinių gyvavimo ciklų dalių. Tačiau, siekdami efektyvesnio rezultato, turime apsibrėžti sprendimų priėmimo erdvę ir įsivesti apribojimus (sąlygas ir aplinkybes, kurioms esant sprendimai neveikia). Sisteminė literatūros analizė leidžia skirti keturis kultūros poveikio visuomenei tipus: padidėjusį socialinį kapitalą, geresnę visuomenės sveikatą, sumažėjusį nusikalstamumą ir geresnius mokymo (mokymosi) rezultatus.
Taip pat skaitykite: Patarimai dėl socialinių tinklų strategijos
Šiame straipsnyje pristatomo tyrimo autoriai pasirinko nagrinėti kultūros poveikį socialiniam kapitalui, motyvuodami išskirtinę šios kapitalo formos reikšmę. Roberto D. Putnamo teigimu, socialinis kapitalas lemia visuomenės tinklaveiką (socialinių interakcijų ir žmonių tarpusavio asmeninių ryšių tinklą), kuris kuria vertę tiek individui, tiek visuomenei, kaip populiacijai. Kultūros socialinio poveikio literatūros analizė leidžia daryti prielaidą apie du pagrindinius kultūros ir socialinio kapitalo sąsajų būdus: (i) kultūros procesų metu generuojamas kultūrinis kapitalas teoriškai susiejamas su socialiniu kapitalu, sukuriant galimybes konvertuoti vieną kapitalo formą į kitą; (ii) tiesiogiai susiejamos skirtingos kultūros dalyvavimo formos ir socialinis kapitalas.
Šio straipsnio autoriai kultūros poveikio socialiniam kapitalui analizei renkasi antrąjį tiesioginio socialinio kapitalo generavimo per kultūros įvykius būdą. Toks pasirinkimas yra grindžiamas: (i) daugiau taikomuoju šios tyrimo krypties pobūdžiu; (ii) galimybe taikyti matematinius metodus tyrimų metu sukauptų duomenų analizei; (iii) galimybe į tyrimą integruoti Lietuvoje jau esamus kultūros tyrimų empirinius duomenis.
Tyrimo objektas yra agentinio modeliavimo metodo taikymas kultūros tyrimų informacijos valdymui. Tyrimo tikslas - apibrėžti dalyvavimo kultūroje poveikio socialiniam kapitalui matavimo metriką ir matematiškai pagrįsti metodą, įgalinantį informacijos, surinktos taikant šią metriką, taikymą priimant sprendimus. Tyrimo idėją paskatino R. Axelrodo kultūros tyrimai. Tyrimo loginis pagrindimas ir metodologija remiasi autorių atlikta literatūros apie dalyvavimo kultūroje sąsajų su socialiniu kapitalu sistemine analize.
Siekiant efektyvinti kultūros informacijos rinkimą ir valdymą tyrimo metu buvo parengta dalyvavimo kultūroje poveikio socialiniam kapitalui matavimo metrika. Kultūros poveikio socialiniam kapitalui ir visuomenės sanglaudai matavimai yra grindžiami dviem metodologinėmis paradigmomis: kultūros socialinio poveikio matavimų ir socialinio kapitalo matavimų.
Aptariant socialinio kapitalo matavimus būtina išskirti vieną pamatinių socialinio kapitalo tyrimų, kuris yra atliktas R. Putnamo. Sisteminė socialinio kapitalo teorijų, tyrimų lauko, metodologijų apžvalga pateikiama T. Claridge’o. Socialinio kapitalo teoriniai kontekstai, matavimai, matavimo metodologijos taip pat nagrinėjami socialinio kapitalo tyrimų ataskaitose bei K. Scrivens ir C. Smitho tyrimuose. Neretai socialinio kapitalo tyrimai atliekami kaip didesnės apimties socialinių tyrimų dalis. Išsamus tokių tyrimų sąrašas pateikiamas OECD socialinio kapitalo matavimo klausimų bazėje.
Tačiau mokslinių tyrimų, susiejančių abi paradigmas, tokių, kuriuose nagrinėjamas kultūros poveikis socialiniam kapitalui, yra kur kas mažiau nei atskirų kultūros poveikio ar socialinio kapitalo tyrimų. Be to, daugumoje tokio pobūdžio tyrimų yra tiesiog konstatuojamas dalyvavimo kultūroje ir socialinio kapitalo ryšys, nefiksuojant jo skaitinės išraiškos. Tyrimų, fiksuojančių regresinius, koreliacinius, t kriterijaus, vienfaktorinės dispersijos ar kt. dalyvavimo kultūroje ir socialinio kapitalo ryšius, yra nedaug.
Dalyvavimo kultūroje ir socialinio kapitalo sąsajas tyrinėjantys mokslininkai apibendrindami pastebi neabejotiną tiesioginę koreliaciją tarp asmens dalyvavimo kultūroje ir jo socialinio kapitalo pokyčių. Ypač tai ryšku siejant dalyvavimą kultūros grupėse ir pilietinę elgseną, dalyvavimą kultūros įvykiuose ir pasitikėjimą institucijomis, narystę kultūros grupėse ir tarpasmeninį pasitikėjimą. Šios koreliacijos yra ryškesnės bendruomenės nei individo lygmeniu. Tačiau būtina pastebėti, kad koreliacijos pačios savaime nerodo priežastinio ryšio.
Remiantis atlikta sistemine literatūros analize, šiame straipsnyje pristatomoje metrikoje, siekiant surinkti empirinius duomenis, būtinus nustatyti dalyvavimo kultūroje poveikį socialiniam kapitalui, yra skiriamos ir matuojamos keturios kintamųjų grupės: (i) veikėjus apibūdinantys kintamieji; (ii) kultūros įvykių srautą apibūdinantys kintamieji; (iii) veikėjų dalyvavimą kultūros įvykiuose apibūdinantys kintamieji; (iv) socialinį kapitalą apibūdinantys kintamieji. Šios kintamųjų grupės aptariamos tolesniame tekste.
Straipsnyje pristatomoje metrikoje veikėjai apibrėžiami naudojant CIDOC-CRM sampratą, kaip individualiai ar grupėmis veikiantys žmonės, turintys sąmoningo veikimo potencialą ir atliekantys veiksmus, už kuriuos gali prisiimti atsakomybę. CIDOC-CRM veikėjo ir agentiniam modeliavimui būdinga agento sąvokos šiame tyrime vartojamos sinonimiškai. Veikėjus apibūdinantys kintamieji leidžia įvertinti kultūros įvykiuose dalyvaujančių individų socioekonominius ir demografinius rodiklius. Skiriamos dvi veikėjus apibūdinančių kintamųjų grupės: nuolatiniai kintamieji ir dinaminiai kintamieji.
Veikėjo nuolatiniai kintamieji yra statiniai (dėl kultūros įvykių poveikio nekintantys) atributai, lemiantys veikėjo dalyvavimą kultūros įvykyje. Šioje metrikoje tai gana įprasti demografiniai kintamieji: lytis, amžius, išsilavinimas, pajamos, gyvenamoji vieta (lokacija). Panašūs kintamųjų rinkiniai taikomi įvairiuose kultūros poveikio ir jos komunikacijos matavimuose. Šioje metrikoje lytis yra matuojama standartinėje dvejetainėje skalėje (vyras / moteris). Kitų kintamųjų - amžiaus, išsilavinimo ir pajamų - matavimui nuspręsta pasirinkti ne santykių, bet rangų skales, išskiriant kelis kiekvieno kintamojo lygius.
Analizuojant veikėjų amžių yra atsižvelgiama į šiems laikams būdingas skaitmeninės kultūros ir tinklaveikos visuomenės paradigmas ir su jomis susietą kartų teoriją. Tai leidžia šiuolaikinėje visuomenėje skirti keturias stambias kartas ir apibrėžti jas per jų narių santykį su skaitmeninėmis technologijomis. Išsilavinimas yra matuojamas pagal Lietuvoje galiojantį „Išsilavinimo klasifikatorių“, skiriant tokius išsilavinimo lygius: aukštasis išsilavinimas, aukštesnysis išsilavinimas, specialusis vidurinis išsilavinimas, vidurinis išsilavinimas, pagrindinis išsilavinimas, pradinis išsilavinimas.
Pajamos metrikoje yra siejamos ne su absoliučiomis pajamomis, bet su potencialiu pragyvenimo lygiu (neto pajamos, tenkančios vienam šeimos nariui): mažesnis nei minimalus atlygis, minimalus atlygis, didesnis nei minimalus, bet mažesnis nei vidutinis, vidutinis, didesnis nei vidutinis atlygis. Šie rodikliai nustatomi remiantis galiojančiais teisės aktais ir einamojo laikotarpio statistika. Individualaus veikėjo gyvenamoji vieta (lokacija) matuojama taikant komunikacinio ir ergonominio pobūdžio kriterijus, kaip santykis tarp veikėjo gyvenamosios vietos ir kultūros įvykio vietos (atstumas), atsižvelgiant į tai, jog kultūros įv...
Kiekybiniai Metodai AB „Kauno Grūdai“ Organizacijos Veiklos Analizėje
Tokiais atvejais tikslinga naudotis kiekybiniais metodais, kurie įgalina sužinoti kokios grūdų atsargos valdomos skirtinguose padaliniuose ir koks pelnas laukiamas saugant vienokį ar kitokį kiekį žaliavų. Organizacija pastoviai plečia veiklą, todėl tenka nuomoti papildomą plotą. Pravartu apskaičiuoti tikslų plotą, norint veiklą vykdyti pelningai. Grūdų ir jų produktų paklausa esti nevienoda, todėl organizacijai palanku susiplanuoti tikslų grūdų žaliavų užsakymą iš tiekėjų.
Darbo tikslas: pritaikyti kiekybinius metodus analizuojant AB „Kauno Grūdai“ organizacijos veiklą.
Darbo uždaviniai:
- Pritaikyti paklausos modeliavimą AB “Kauno Grūdai” atsargų valdymui.
- Panaudoti masinio aptarnavimo sistemas nustatant AB “Kauno Grūdai” papildomo ploto naudą.
- Pritaikyti kalendorinį planavimą tinkamiausiam užsakymo variantui nustatyti.
Darbas atliktas naudojantis MS Excel elektronine skaičiuokle bei pasitelkiant metodinę modulio medžiagą. Šioje organizacijoje veiklą suskirsto į verslus, tam tikrų sričių vadovai. Tai asmenys, kuriems suteikti verslo valdymo, sprendimų priėmimo ir užduočių delegavimo įgaliojimai. Tokia valdymo sistema suteikė įmonei pranašumą: skirtingose verslų rinkose AB ,,Kauno Grūdai” užima pirmaujančias pozicijas. Plečiantis AB ,,Kauno Grūdai” organizacijai, tikslinga nustatyti ar tinkamai vykdomos šios įmonės veiklos.
AB ,,Kauno Grūdai” organizacija užsiima miltų ir jų produktų, augalininkystės, kombinuotųjų pašarų ir premiksų, veterinarinės farmacijos, žaliavų prekybos, naminiams gyvūnams skirtų produktų bei greitai paruošiamų makaronų verslu. Po 2011 metų malūno rekonstrukcijos, įmonės „Kauno Grūdai“ malūnas susumala iki 70 000 tonų kvietinių ir ruginių miltų per metus.
Šioje organizacijoje grūdai yra laikomi, perdirbami ir sandėliuojami. Dėl šios priežasties tikslingiausia nagrinėti grūdų ir jų produktų kiekių situacijas. Svarbiausios tiriamos sritys tai - grūdų atsargų valdymas, grūdų supirkimo ir perdirbimo organizacijos masinis aptarnavimas, esamos paklausos modeliavimas, kalendorinis planavimas nustatant grūdų ar jų gaminių terminus.
Išnagrinėjus minėtas sritis, bus galima nustatyti kaip reikės keisti veiklas AB ,,Kauno Grūdai” organizacijai norint optimizuoti įmonės funkcionavimą. Modeliuojama AB “Kauno Grūdai” kvietinių grūdų paklausa. Duomenis apdorojami pasitelkiant imitacinį modeliavimą MS excel skaičiuoklėje. Reikiamų grūdų kiekių pokyčiai svyruoja nevienodai, todėl paklausą nuspręsta modelioti 10 - čiai dienų.
5 dienas parduota 4 t., 1 dieną - 3 t., 2 dienas - 2 t., 2 dienas - 1 t. Visų pirma turimi duomenys naudojantis imitaciniu modeliavimu yra suvedami į paklausos modelį MS excel skaičiuoklėje. Sumodeliavus paklausą, tikslinga pritaikyti atsargų valdymo modeliavimą. Tai atlikus bus galima sužinoti kokie yra grūdų atsargų sandėliavimo nuostoliai, koks tikėtinas pelnas, etc.
Modeliuojant atsargų valdymą žinomi tokie duomenys:
- Pradinės kvietinių grūdų atsargos - 18 t.
- Kai atsargų kiekis tampa mažesnis kaip 12 t., (įskaitant ir 12), formuojamas naujas užsakymas 14t.
Įvertinant sumodeliuotą paklausą ir atsargų kitimą galima sužinoti:
- Vidutinį kvietinių grūdų atsargų lygį t.
- Reikiamą kvietinių grūdų užsakymų skaičių t.
AB “Kauno Grūdai” pastoviai plečia savo veiklą, todėl būtinas papildomas plotas prekybos tikslais.
Modeliavimas Sociologijoje
Modeliãvimas, egzistuojančių arba kuriamų objektų tyrimas naudojantis jų modeliais, sociologinių modelių kūrimas. Modeliavimą 20 amžiaus pradžioje pradėjo vokiečių sociologas M. Weberis. Anot jo, socialinių mokslų atstovai formulavo tik abstrakčias koncepcijas, tokias kaip grynoji laisvoji rinka ar bažnytinė tipologija. Jis siūlė iš realaus stebimo pasaulio išskirti tam tikrus elgsenos ar institucinius aspektus ir remiantis jais formuoti aiškias intelektines konstrukcijas. M. Weberio nuomone, realiame pasaulyje galima išskirti ne visus bruožus, bet jų reikia dėl konkrečiomis aplinkybėmis būtino palyginimo su idealiuoju tipu (idealiųjų tipų teorija).
Idealieji tipai, kaip hipotetinės konstrukcijos, gali turėti didelę paaiškinamąją reikšmę. M. Weberis teorinį idealųjį tipą pritaikė socialinei praktikai, sukūrė ir pagrindė viešojo administravimo svarbiausią kategoriją - biurokratiją - ir jos idealųjį tipą. Siekiant modelį pagrįsti moksliškai, reikia sugebėti jį patikrinti ir numatyti galimybę moksliškai jį paneigti. M. Weberis ne visada laikėsi nuostatos, kad modelius būtina tikrinti. Ši nuostata - jo sekėjų interpretacija.
Pagal M. Weberio idealųjį biurokratijos modelį buvo kuriami ir kiti socialinių mokslų (pavyzdžiui, ekonomikos, sociologijos), kurie yra daugiau kaupiamojo nei aprašomojo pobūdžio, modeliai. Modelis abstrakčiai parodo socialinių reiškinių, tai yra sistemos elementų, ryšius. Socialinio proceso modeliai nebūtinai tiksliai atspindi realųjį pasaulį, bet gali tapti priemone supaprastinti ir bandyti suvokti socialinės tikrovės mechanizmus. Formalesni modeliai matematiškai nustato sistemos elementų ryšius. Tikrovę supaprastinantis modelis gali būti naudojamas lyginamajai analizei. Parengtas modelis yra visada verifikuojamas skirtingais kintamaisiais, numatomas jo poveikis galutiniam rezultatui.
Socialiniuose moksluose taikomas modeliavimas priklauso ne tik nuo metodologijos, bet ir nuo tyrimo užduočių. Dažniausiai tyrimams naudojami 4 klausimai: kas, jei?, kodėl?, kaip?, kas? Šie aprašomieji ir paaiškinamieji tyrimo klausimai dažnai atitinka tyrimų metodologiją.
Atsakant į kas, jei? tipo klausimus taikomi šie tyrimo metodai: eksperimentai, scenarijai, kokybiniai interviu, modeliavimas su keliais kintamaisiais. Galima prognozuoti, kas atsitiks pasikeitus priežastiniams veiksniams, taip pat atliekama probleminė lyginamoji analizė. Atsakant į kodėl? tipo klausimus naudojami atvejo tyrimai, eksperimentai, iš dalies struktūrizuoti interviu. Atsakant į kaip? tipo klausimus naudojamos apklausos, iš dalies struktūrizuoti interviu, paprastasis modeliavimas, kuriamas aprašomasis modelis. Atsakant į kas?
tags: #modeliavimas #socialiniuose #moksluose