Introdução

Eu tendo a encontrar pessoas com visão oposta sobre modelos. Ou eles veem o modelo como uma caixa preta milagrosa que pode predizer/simular os cenários mais selvagens, sem a "dor de cabeça" do trabalho de campo, ou eles são altamente céticos sobre a utilidade de modelos como um todo. Acima de tudo, o que você introduz/alimenta é o que você obtém de resultado. Eu apresento alguns dos meus pensamentos em modelagem abaixo. E terei prazer de receber seus comentários no final desta página.

Paradigma da modelagem

Modelagem de simulação é uma maneira de descrever o entendimento atual de um sistema em equações matemáticas. A precisão da predição de modelos biológicos é geralmente baixa. É questionável se os modelos biológicos um dia imitarão proximamente a realidade. Sistemas biológicos são altamente complexos e, portanto, qualquer modelo simulando esses sistemas tendem a ser inerentemente complexos. Além do mais, há uma relação estatística entre o número de input de parâmetros e o número de cálculos e a precisão do modelo. Erros numéricos podem facilmente crescer. A incerteza na precisão de cada parâmetro pode crescer facilmente em cada etapa.

Então qual é a utilidade dos modelos de simulação?

Primeiramente, a descrição do modelo em si mesma é útil. A modelagem desenvolve nosso pensar sobre o sistema. A imprecisão e os fatores duvidosos sempre criticados indicam espaços (gaps) em nosso conhecimento e poderia ser visto como "questões de pesquisa" gerada pelo exercício da modelagem. Os modelos tiveram grande influência em nosso pensamento e na direção da pesquisa.

Os sistemas biológicos geralmente são muito complexos para serem pensados superficialmente. Modelos computacionais agregam nosso conhecimento e permitem ao pesquisador pensar em um nível de abstração mais elevado, sem perder informações quantitativas. Nossas mentes têm grande habilidade para simplificar os problemas complexos por meio de separá-los em um número de problemas menores. Linguagens de programação de computador (criadas por humanos) suplementam o programador com construções para modularizar o programa. Notadamente, a programação orientada no sentido do objetivo tem sido designada para imitar proximamente a percepção humana do mundo. No entanto, a diferença entre computadores e o nosso cérebro é que nosso cérebro tende a subestimar os detalhes quando considerando maiores níveis de agregação; deste modo tornando difícil o acesso quantitativo ao problema. Preferencialmente, humanos tendem dar prioridade às avaliações qualitativas. Portanto, os modelos de simulação são complementários ao nosso pensamento.

Os modelos estimulam a pesquisa quantitativa. Há um forte viés em direção à pesquisa qualitativa em ciências da vida. A anova (analise de variância) é a ferramenta estatística preferida e, as determinações quantitativas são frequentemente apresentadas em termos qualitativos: "diferenças significativas".

A importância da pesquisa quantitativa cresceu com a ênfase em uma visão holística. A disciplina de Ecologia, relativamente nova, é um exemplo no qual a visão mundial holística é mais dominante do que a visão mundial reducionista. O estudo dos ecossistemas estabelece ênfase na interdependência e interação na qual somente existe no sistema como um todo. De forma interessante, surge aqui um paradoxo no qual um método da natureza extremamente reducionista (veja parágrafos anteriores) se tornou uma primeira ferramenta holística.

Até agora, eu enfatizei a importância de modelos como ferramentas de pesquisas. Quão úteis são modelos como Sistemas para Suportar Decisões (SSD)/ Sistemas para Fundamentar Decisões? Considerando que a natureza preditiva de modelos de simulação biológica é baixa, eles podem não ser muito bons sistemas para fundamentar decisões. De fato, eu conheço apenas um caso de sucesso no qual o modelo, relativamente simples, de mineralização ajudou a realizar uma fertilização precisa melhor que por meio de medições continuadas do conteúdo de N nas folhas (PRI, não publicado). No entanto, embora o ceticismo sobre a utilidade de modelos como uma ferramenta de suporte às decisões (SSD) seja fundamentada com exemplos, mesmo assim o uso de modelos pode auxiliar mais do que não ter modelo algum. Como exemplos atuais, os modelos de mudança climática que predizem uma ampla gama de cenários para o futuro; entretanto, todos têm uma coisa em comum: a temperatura do planeta terra está aumentando. Esses modelos, juntos aos dados empíricos, funcionam como um forte incentivo para mudar nosso estilo de vida para melhor.

Exemplos nos quais alguns modelos foram ignorados erroneamente são às vezes subestimado. Um exemplo típico é o esforço no melhoramento genético para up regulation de carregadores de P (incremento na síntese de carregadores celulares de P), o que não conduziu para maiores rendimentos em solos deficientes em P. O modelo de absorção de nutrientes de Barbers, modelo relativamente simples, predisse há mais de 20 anos que a absorção de P não era limitada por certos carregadores, mas pela lenta difusão de P no solo.