Wirtschaft Lexikon der Argumente

Home Screenshot Tabelle Begriffe

Autor Begriff Zusammenfassung/Zitate Quellen

Meteorologie über Modelle - Lexikon der Argumente

Edwards I 371
Modelle/Meteorologie/Klimatologie/Edwards: Mit immer ausgefeilteren Interpolationsalgorithmen und besseren Methoden zur Beurteilung von Unterschieden zwischen den eingehenden Daten und dem "First-Guess"-Feld wurde die objektive Analyse zu einem eigenständigen Modellierungsprozess.
>Wettervorhersage/Edwards
.
Die sogenannten "Produkte" der Rasteranalyse stellten Modelle von Daten dar. In Patrick Suppes' bekannter Formulierung(1) sind dies: "Strukturen, in die Daten eingebettet sind und die ihnen eine zusätzliche mathematische Struktur verleihen"(2). Der Philosoph Ronald Giere hat es einmal so formuliert: Wenn man die Übereinstimmung eines Modells mit der Welt testet, vergleicht man dieses Modell nicht mit den Daten, sondern mit einem anderen Modell, einem Modell der Daten. Die tatsächlichen Daten werden auf verschiedene Weise so verarbeitet, dass sie in ein Modell der Welt passen.
Edwards I 372
Es ist dieses letztere Modell und nicht die Daten selbst, das verwendet wird, um die Ähnlichkeit zwischen dem übergeordneten Modell und der Welt zu beurteilen... Es sind fast durchgängig Modelle(3).
>Klimadaten/Edwards.
Wettervorhersage: Traditionell haben Wissenschaftler und Philosophen gleichermaßen mathematische Modelle als Ausdruck einer Theorie verstanden - als Konstrukte, die abhängige und unabhängige Variablen gemäß physikalischer Gesetze zueinander in Beziehung setzen. In dieser Sichtweise erstellt man ein Modell, um eine Theorie (oder einen Ausdruck einer Theorie) zu testen. Man nimmt einige Messungen vor, setzt sie als Werte für Anfangsbedingungen in das Modell ein und löst dann die Gleichungen, indem man in die Zukunft iteriert. Aus Sicht der operationellen Vorhersage ist das Hauptziel der Analyse nicht, das Wetter zu erklären, sondern es zu reproduzieren. Man erzeugt ein globales Datenbild, simuliert und beobachtet gleichzeitig, überprüft und gleicht seine Simulation und Beobachtungen gegeneinander ab. Wie der Philosoph Eric Winsberg argumentiert hat, testet diese Art der Simulationsmodellierung nicht die Theorie, sondern wendet sie an. Dieser Modus - Anwendung, nicht Rechtfertigung, der Theorie - ist "den meisten Wissenschaftstheoretikern fremd"(4).
Edwards I 394
Modelle/Daten/Edwards: Inzwischen werden globale Datensätze durch Simulationen erzeugt, die durch instrumentelle Beobachtungen eingeschränkt, aber nicht bestimmt sind. In einer früheren Arbeit habe ich diese Beziehung als "Modell-Daten-Symbiose" beschrieben, eine für beide Seiten vorteilhafte, aber auch voneinander abhängige Beziehung(5). Diese Idee deckt sich mit neueren Arbeiten von Wissenschaftsphilosophen über "Modelle als Vermittler" - eine halbautonome "dritte Kraft" in der Wissenschaft, die in den Räumen zwischen der realen Welt, den Instrumenten und der Theorie funktioniert(6). Wie Margaret Morrison und Mary Morgan argumentieren, haben wissenschaftliche Modelle bestimmte Eigenschaften, die es uns ermöglichen, sie als eine Technologie zu behandeln. Sie stellen uns ein Werkzeug zur Untersuchung zur Verfügung, das dem Benutzer die Möglichkeit gibt, etwas über die Welt oder über Theorien oder beides zu lernen. Aufgrund ihrer Eigenschaften der Autonomie und Repräsentationskraft und ihrer Fähigkeit, eine Beziehung zwischen wissenschaftlichen Theorien und der Welt herzustellen, können sie als mächtiger Agent im Lernprozess agieren. Das heißt, Modelle sind sowohl ein Mittel als auch eine Quelle des Wissens(7). >Wetterdaten/Metereologie, >Model Bias/Klimatologie.

1. P. Suppes, “Models of Data,” in Logic, Methodology, and the Philosophy of Science: Proceedings of the 1960 Congress, ed. E. Nagel et al. (Stanford University Press, 1962).
2. F. Suppe, “Understanding Scientific Theories: An Assessment of Developments, 1969–8,” Philosophy of Science 67 (2000), 112. See also S. D. Norton and F. Suppe, “Why Atmospheric Modeling Is Good Science,” in Changing the Atmosphere: Expert Knowledge and Environmental Governance, ed. C. A. Miller and P. N. Edwards (MIT Press, 2001).
3. R. N. Giere, “Using Models to Represent Reality,” in Model-Based Reasoning in Scientific Discovery, ed. L. Magnani et al. (Springer, 1999), 55.
4. E. Winsberg, “Sanctioning Models: The Epistemology of Simulation,” Science in Context 12, no. 2 (1999), 275.
5. Edwards, “Global Climate Science, Uncertainty and Politics.”
6.. Morgan and Morrison, Models as Mediators.
7. M. Morrison and M. S. Morgan, “Models as Mediating Instruments,” in Models as Mediators: Perspectives on Natural and Social Sciences, ed. M. S. Morgan and M. Morrison (Cambridge University Press, 1999).

_____________
Zeichenerklärung: Römische Ziffern geben die Quelle an, arabische Ziffern die Seitenzahl. Die entsprechenden Titel sind rechts unter Metadaten angegeben. ((s)…): Kommentar des Einsenders. Übersetzungen: Lexikon der Argumente
Der Hinweis [Begriff/Autor], [Autor1]Vs[Autor2] bzw. [Autor]Vs[Begriff] bzw. "Problem:"/"Lösung", "alt:"/"neu:" und "These:" ist eine Hinzufügung des Lexikons der Argumente.
Meteorologie

Edwards I
Paul N. Edwards
A Vast Machine: Computer Models, Climate Data, and the Politics of Global Warming Cambridge 2013

Send Link

Autoren A   B   C   D   E   F   G   H   I   J   K   L   M   N   O   P   Q   R   S   T   U   V   W   Y   Z  


Begriffe A   B   C   D   E   F   G   H   I   J   K   L   M   N   O   P   Q   R   S   T   U   V   W   Z