نمودارهای علّی حلقوی
[/cz_title][cz_gap height=”20px”][cz_title id=”cz_98702″ sk_overall=”line-height:31px;”]نویسنده: دکتر محمدرضا عاطفی[/cz_title]
«در مواجهه با هر سیستم پیچیدهای مانند اقتصاد یک کشور، سیاست، یک مرکز شهری یا یک پدیده فرهنگی، با چیزهایی وجود دارد که از آنها ناراضی هستید و میخواهید آنها را برطرف کنید. شما نمیتوانید وارد عمل شوید و با امید به بهبود وضعیت دست به اصلاح بزنید… شما نمیتوانید در یک بخش از یک سیستم پیچیده از بیرون مداخله کنید، بدون اینکه خطر تقریباً قطعی وقوع رویدادهای فاجعه باری را که در سایر بخشهای دوردست که روی آنها حساب نکردهاید، ایجاد کنید. اگر میخواهید چیزی را اصلاح کنید، ابتدا موظف به درک آن هستید و آن هم کل سیستم و نه فقط حوزه درد یا مسئله … مداخله راهی برای ایجاد مسئله است نه حل آن.» (1974، لوئیس توماس )
نمودارهای علّی حلقوی چیست؟
نمودارهای علّی حلقوی در واقع یک عکس فوری از همه روابطی است که اهمیت دارند. این نمایش تصویری از متغیرهای کلیدی (یعنی عوامل، مسائل، فرآیندها) و نحوه ارتباط آنها با یکدیگر است.
این نمودارها متغیرهایی را نشان میدهند که به صورت متن نشان داده میشوند و روابط علّی بین آنها را به صورت فلش نشان میدهند. فلشها جهت علّیت، ماهیت روابط (یعنی متناسب یا معکوس)، و اینکه آیا تاخیری در وقوع اثرات مورد انتظار وجود دارد را نشان میدهد.
چه چیزی یک نمودار علّی حلقوی را به یک ابزار “سیستم” تبدیل میکند؟
نمودارهای علّی حلقوی به اصل اصلی تفکر سیستمی میپردازند: نمیتوان یک موضوع یا اجزای سازنده آن (عوامل، بازیگران، فرآیندها) را به صورت مجزا درک کرد. در یک سیستم، همه چیز به هر چیز دیگری مرتبط است. روابط (و نه خود بخشها) نتایج و رفتارهایی را هدایت میکنند که ما میخواهیم بفهمیم. بدون درک این روابط، و در صورت لزوم اصلاح آنها، احتمالاً نمیتوانیم نتایج/رفتارها را به شیوهای پایدار تغییر دهیم. با این حال، شناسایی و توضیح این روابط آسان نیست.
در سیستمهای پیچیده، روابط علت و معلولی اغلب با زمان و مکان از هم جدا میشوند و ارتباطات را مبهم میسازند. علاوه بر این، تعداد زیادی از ارتباطات بین علتها و معلولها و همچنین خود علل، تواناییهای زبان عادی و ذهن انسان را به چالش میکشد، که هر دو برای توضیح تعداد محدودی از روابط در یک زمان مناسبتر هستند. با این حال، در حالی که هر رابطه به طور جداگانه مهم است، تأثیر جمعی این روابط بر یک سیستم است که نتایج/رفتارهایی را که ما میخواهیم درک کنیم شکل میدهد.
CLDها با ارائه یک عکس فوری از تمام روابطی که در یک برگه مهم هستند، به ما امکان میدهند دیدگاهی «تصویر بزرگ» در مورد یک مشکل به دست آوریم. یعنی ما میتوانیم فرآیندهایی را ببینیم که از طریق آن بخشهای مختلف (عوامل، بازیگران و فرآیندها) برای ایجاد یک مشکل در تعامل هستند، یا اینکه چگونه یک مشکل با محیط وسیعتر خود تعامل میکند. این اولین گام در انطباق دیدگاه سیستمی و اجتناب از تمایل تحلیلی رایج برای دیدن چیزها در انزوا است. توجه به این نکته مهم است که CLDها ابزاری برای تجزیه و تحلیل مداوم سیستم هستند و نه محصول نهایی تلاش. در حالت ایدهآل، توسعه یک CLD که بهطور دقیق سیستم مورد مطالعه را به تصویر میکشد، بینشهایی به دست میدهد که تجزیه و تحلیل را بیشتر میکند و درک کاربر از علل و اثرات مربوطه را عمیقتر میکند.
چه زمانی ممکن است بخواهم از نمودارهای علّی حلقوی استفاده کنم؟
وقتی میخواهید یک سیستم پویا را به روشی جامع مدل کنید.
CLDها برای مدلسازی مفهومی سیستمهای پویا به شیوهای جامع و ترسیم چگونگی تأثیر متغیرها (یعنی عوامل، مسائل، فرآیندها) بر یکدیگر استفاده میشوند. ما تمایل داریم به مسائل در قالب عبارات علت/معلول ساده، خطی و مستقل فکر کنیم. این تا حدی به دلیل توانایی محدود زبان و ذهن انسان برای پردازش زنجیرههای پیچیده علت و معلولی است. CLDها زبانی را ارائه میدهند که میتواند این پیچیدگی را ضبط و منتقل کند.
زمانی که دادهها برای ارائه مشخصات دقیق یک سیستم پیچیده در دسترس نیستند.
روشهای کیفی مختلفی برای تجزیه و تحلیل یک CLD برای به دست آوردن بینش انتقادی در مورد نحوه عملکرد یک سیستم وجود دارد. به عنوان مثال، ما میتوانیم یک CLD را بررسی کنیم تا ” ساختارهای بازخورد ” زیربنایی یک سیستم را که از تعامل عوامل، بازیگران و فرآیندهای یک سیستم در طول زمان ناشی میشوند، کشف کنیم. در غیر این صورت شناسایی این ساختارها ممکن است دشوار باشد زیرا ممکن است قطعات آن توسط زمان و مکان از هم جدا شوند. با این حال، درک ساختارهای بازخورد بسیار مهم است زیرا الگوهای رفتار و نتیجه در یک سیستم توسط آنها شکل گرفته و مشروط میشوند. این درک ما را قادر میسازد تا بین علائم و علل اصلی مشکلات تفاوت قائل شویم و نقاط مداخله با اهرم بالا و پایین را شناسایی کنیم.در یک سیستم با چنین بینشهایی، ما برای طراحی استراتژیهای مؤثر برای تعامل با یک سیستم و پیشبینی و همچنین پیشگیری از عواقب ناخواسته مجهزتر هستیم. CLDها همچنین محدودیتهای طبیعی درون سیستم را نشان میدهند و به ما کمک میکنند تا انتظارات واقع بینانه تری در مورد توانایی خود برای ایجاد تغییر ایجاد کنیم.
چه چیز دیگری باید در مورد نمودارهای علّی حلقوی بدانم؟
حلقههای علی بلوکهای سازنده تفکر سیستمی هستند. همه سیستمها شامل شبکههای تعاملی از حلقههای بازخورد تقویت کننده (مثبت) و متعادل کننده (منفی) هستند که بر رفتار سیستم تأثیر میگذارند. حلقههای تقویتکننده (یا بازخورد مثبت) اقداماتی هستند که امکان تغییر در یک جهت را برای ایجاد تغییرات بیشتر در همان جهت فراهم میکنند، در حالی که حلقههای متعادل کننده (یا بازخورد منفی) برای حفظ سیستم در حالت تعادل کار میکنند. حلقههای متعادل کننده با ایجاد تغییر در جهت مخالف در برابر تغییر در یک جهت مقاومت میکنند. نمودارهای حلقه علّی (CLDs) روشی را برای نشان دادن این روابط متقابل پویا از طریق نمایش بصری ارائه میکنند که به برقراری ارتباط با پیچیدگی یک سیستم معین کمک میکند. CLDها شامل متغیرهایی هستند که با فلشهایی به هم متصل میشوند که تأثیرات علی بین متغیرها را نشان میدهد. این در مقابل دیدگاه علت و معلولی یک طرفه است که در آن تعامل بین متغیرها خطی فرض میشود (به عنوان مثال، A باعث B باعث C باعث D میشود)، که فرض میکند رویدادها به صورت متوالی رخ میدهند. این رویکرد تفکر خطی بازخورد بین متغیرها را در نظر نمی گیرد. به عنوان مثال، متغیر A ممکن است باعث B شود که ممکن است باعث C شود و سپس ممکن است بازخورد به روشی متفاوت بر رفتار A یا B تأثیر بگذارد. با توجه به محدودیتهای تفکر خطی، CLDها برای گرفتن فرضیههای پویایی علی، برای استخراج و گرفتن مدلهای ذهنی، و برای برقراری ارتباط مکانیسمهای بازخوردی که ممکن است مسئول یک مشکل خاص باشند، مفید هستند. مثال ساده تأثیر تولد و مرگ و میر بر جمعیت در شکل 2 ، نشان میدهد که چگونه تولدها جمعیت را افزایش میدهد که باعث افزایش بیشتر زاد و ولد (R1) میشود، در حالی که افزایش جمعیت نرخ مرگ و میر را افزایش میدهد که به نوبه خود برای مقاومت در برابر افزایش جمعیت کار میکند (B1).
[/cz_title][cz_image size=”large” id=”cz_96253″ image=”4052″][/cz_image][cz_title id=”cz_29276″]
یک مثال در مورد فوتبال
ساخت کهن الگوهای سیستم
برای شناسایی SAها، ابتدا از CLDها برای به تصویر کشیدن متغیرهای کلی سیستم در یک مرز از پیش تعیین شده استفاده میشود، که در این مورد مربیگری در فوتبال بود. هدف از CLDها شناسایی متغیرهای سیستم و تجسم تأثیرات تقویت کننده و متعادل کننده بین آنها است CLDها معمولاً با استفاده از فرآیند ساخت مدل گروهی توسعه مییابند. در مطالعه حاضر، دو محقق باتجربه فوتبال و سیستم ( سالمون و همکاران، 2009 ؛ مک لین و همکاران، 2017)) و یک مربی بین المللی فوتبال مردان در سطح ارشد در فرآیند مدل سازی شرکت داشتند. این سه شرکت کوچک و متوسط چندین مقاله تحقیقاتی بررسی شده در مورد فوتبال منتشر کرده اند و دو شرکت به طور حرفه ای فوتبال را مربیگری کرده اند. استفاده از کارشناسان موضوعی (SMEs) برای مشارکت در فرآیندهای مدلسازی گروهی در طیف گستردهای از تحقیقات تحلیلهای سیستمی رایج است، از جمله در ورزش. اولین گام شامل شناسایی مسائل تکراری رایج در مربیگری فوتبال بود. این شامل استفاده از منابع دادههای متعدد، از جمله ادبیات بررسی شده، تجربه SME در تحقیق و تمرین فوتبال، مقالات رسانه ای، و اطلاعات در دسترس عموم برای شناسایی مشکلات رایج در مربیگری در فوتبال بود. چهار موضوع کلی شناسایی شد (1) جابجایی زیاد مربیان، (2) توسعه مهارت در بازیکنان جوان، (3) برنامههای درسی مربیگری ملی، و (4) روشهای انتخاب بازیکنان جوان. هر یک از مسائل شناساییشده بهعنوان CLD نمایش داده میشوند که در آن پویایی مسئله برای ارتباط حلقههای بازخورد مهم مفهومسازی شده است. از CLDها برای ایجاد فرضیه در مورد متغیرهای سیستم با بررسی تأثیرات تقویت کننده و متعادل کننده استفاده شد. از چهار CLD توسعه یافته، SMEها رفتارهای سیستم مشخصه ای را شناسایی کردند که با ساختار SAهای عمومی موجود همسو بودند: (1) رفع شکست، (2) جابجایی بار، (3) جابجایی اهداف، و (4) موفقیت برای افراد موفق. هر SA تولید شده توسط SMEها متعاقباً توسط دو متخصص تفکر سیستمی بررسی شد. فرآیند بررسی برای تعیین تناسب مشکل شناسایی شده با کهن الگوی خاص و اصطلاحات استفاده شده در کهن الگوها استفاده شد. کهن الگوها توسط سه عضو تیم تحقیقاتی بر اساس تجدید نظرهای پیشنهادی مناسب از فرآیند بررسی SME پالایش شدند. چهار SA توسعه یافته مورد بحث قرار میگیرند.
نمودارهای رفتار در طول زمان
نمودارهای رفتار در طول زمان در رویکردهای تفکر سیستمی برای تمرکز بر الگوهای تغییر در طول زمان به جای تمرکز بر رویدادهای خاص استفاده میشود. درک اینکه چگونه یک سیستم در طول زمان رفتار میکند، درک روابط متقابل و پویا بین متغیرهای یک سیستم را فراهم میکند. نمودارهای رفتار در طول زمان همچنین میتوانند برای شناسایی انواع فرآیندهای سیستمی استفاده شوند. به عنوان مثال، یک نمودار به سرعت در حال افزایش یا کاهش در طول زمان نشان میدهد که حلقههای تقویتکننده بر سیستم تأثیر میگذارند ( شکلهای A,B )، زیرا آنها تغییر را در جهت خاصی تقویت میکنند. در مقابل، یک نمودار رفتار نوسانی در طول زمان نشان میدهد که مکانیسمهای بازخورد متعادل در سیستم رخ میدهند ( شکل C، زیرا آنها در تلاش برای تغییر یک رفتار سیستم خاص هستند. نمودارهای رفتار مفهومی در طول زمان در سراسر این مقاله نشان داده شده است تا روابط بین متغیرهای مسائل مربیگری خاص مورد بحث را توضیح دهد.
[/cz_title][cz_free_line position=”tac” id=”cz_106352″ sk_line=”background-color:#cca733;width:700px;height:2px;padding-top:2px;padding-right:100px;padding-left:100px;”]
