یادگیری در درون و درباره سیستم های پیچیده

در بسیاری از مواقع، سیاست هایی که برای حل مسائل مهم به کار میبندیم شکست میخورند، مسئله را وخیم تر می کنند و یا حتی مشکلات جدیدی پدید می آورند. برای تصمیم گیری و یادگیری موثر در جهانی که پیچیدگی های پویای آن پیوسته در حال افزایش است لازم است که تفکر سیستمی داشته باشیم. پویایی شناسی سیستم ها، دیدگاه و مجموعه ای از ابزارهای مفهومی است که به ما توانایی درک ساختار و پویایی سیستم های پیچیده را می دهد. شبیه سازی دنیای بسیار کوچکی است که می توان فضا و زمان را در هم فشرد و سرعتشان را کند کرد که بتوان اثرهای جانبی بلند مدت تصمیم گیری ها را آزمود و آنها را درک کرد. پویایی شناسی سیستم ها ریشه در نظریه کنترل و نظریه مدرن پویایی های غیرخطی دارد. مدلسازی رفتار انسان متفاوت از مدلسازی سیستم های فیزیکی در علوم و مهندسی است. 

بزرگترین ثابت عصر مدرن تغییر است. در بسیاری از مواقع بهترین تلاش های ما برای حل یک مسئله تنها اوضاع را وخیم تر می کند.اذعان به تغییرات روزافزون و نیاز به جنبش فکری و یافتن راه های بنیادی جدیدی برای تفکر و عمل از نیازهای دنیای امروز است. عمل منفرد و تنها وجود ندارد و همه اجزاء به هم مرتبط اند. پویایی شناسی سیستم ها روشی است برای بالا بردن سطح یادگیری در سیستم های پیچیده. پویایی شناسی سیستم ها اساسا گرایش علمی بین رشته ای است. رویکرد های موفق یادگیری سیستم های پویای پیچیده به سه عامل مهم وابسته اند:

1) ابزارهایی برای نشان دادن مدل های ذهنی  2) مدل های ساختار یافته و شبیه سازی شده  3) روش هایی برای بالا بردن مهارت های استدلال 

مقاومت در برابر سیاست، از رفتار غیرقابل پیش بینی سیستم های اجتماعی است. شما نمی توانید یکباره وارد سیستم شوید و شروع به تغییر دادن شرایط کنید و امید داشته باشید که به وضع موجود کمک کرده اید. شما نمی توانید در یک قسمت از یک سیستم پیچیده از بیرون مداخله کنید، بدون اینکه ریسک قطعی رخ دادن رویدادهای فاجعه بار را که در قسمت های دیگر به آنها توجه نکرده اید بپذیرید. اگر میخواهید چیزی را بهبود بخشید پیش از هر کاری ناگزیرید کل سیستم را بشناسید، دخالت کردن مشکل یجاد می کند.

ما جزئی از سیستم هستیم پس نمی توانیم سیستم را از بیرون تحت تاثیر قرار دهیم. مقاومت در برابر سیاست به این دلیل به وجود می آید که ما کل محدوده بازخوردهایی را که در سیستم ما عمل می کنند، درک نمی کنیم. هیچ آثار جانبی وجود ندارد بلکه تنها اثار وجود دارند. آثار اصلی، آثاری است که ما قبلا به آنها فکر کرده ایم و آثار جانبی آثاری است که ما آنها را پیش بینی نکرده ایم. این آثار نشانه آن است که فهم ما از سیستم محدود و ناقص است. برای جلوگیری از مقاومت در برابر سیاست لازم است که مرزهای مدل ذهنی خود را گسترش دهیم تا از مفهوم بازخوردهای ایجاد شده بیشتر آگاه شویم. همه پویایی ها تنها از فعل و انفعالات دو نوع از حلقه های بازخوردی به وجود می آیند، حلقه های مثبت یا خودفزاینده و حلقه های منفی یا خود اصلاح.

یادگیری تک حلقه ای بیان کننده تاثیر تصمیم های ما بر جهان واقعی و گرفتن بازخور اطلاعات از جهان واقعی است که این بازخور اطلاعات بر تصمیم های بعدی ما اثرگذار است. یادگیری تک حلقه ای جهان بینی و مدل ذهنی ما را تغییر نمی دهد. مدل ذهنی در مرکزیت پویایی شناسی سیستم ها قرار دارد. همه تصمیم ها بر پایه مدل های ذهنی هستند. در پویایی شناسی سیستم ها عبارت مدل ذهنی در برگیرنده باورهای ما در مورد شبکه های علی و معلولی است.

در یادگیری دو حلقه ای، بازخور اطلاعاتی در مورد جهان واقعی نه تنها تصمیمات ما را تغییر می دهد بلکه مدل ذهنی ما را نیز دگرگون می کند. توسعه تفکر سیستمی یک فرآیند یادگیری دو حلقه ای است با نگرشی کل نگر، وسیع، درازمدت و پویا در مورد جهان هستی. پیچیدگی پویا از تعاملات میان عوامل در طول زمان بدست می آید.

چشم تنها چیزی را میبیند که ذهن آماده فهمیدن آن است. پیچیدگی پویا و اطلاعات محدود، توان یادگیری و عملکرد را با محدود کردن دانش ما از جهان واقعی کاهش می دهد. هرچه پیچیدگی پویای محیط بیشتر باشد افراد نسبت به عوامل بالقوه بدتر عمل می کنند. افراد مایل اند فرض کنند که هر اثری تنها یک علت دارد و وقتی اولین علت پیدا شد جستجوی خود را متوقف می کنند.

یک اصل اساسی بیان می کند که ساختار سیستم باعث ایجاد رفتار آن می شود. تمایل به مقصر شناختن افراد به جای مقصر شناختن سیستم بسیار بالاست. با وجود شناخت کامل و بی نقص از ساختار سیستم، عملکرد ضعیف در اینگونه مسائل به ناتوانی ما در استنباط درست از پویایی سیستم باز می گردد. یک اصل اساسی در پویایی شناسی سیستم بررسی موضوع از جوانب مختلف به منظور کاهش محدودیت های مدل ذهنی و نیز در نظر داشتن و توجه به عواقب بلند مدت و تاثیرات جانبی اقدامات است.

در سیستم هایی با پیچیدگی پویای بالا عموما به شبیه سازی رایانه ای نیازمندیم. دنیای مجازی مزایای بسیاری دارد، آزمایشگاه های کم هزینه فراهم می کند، زمان و مکان را می توان فشرد و گسترش داد. کنش ها تحت شرایط ثابت یا متفاوت تکرار می شوند. دنیای مجازی جعبه سرگشاده ای است که مفروضات آن کاملا مشخص اند و می تواند تصحیح یا تعدیل شود. مدل، نمایش مناسبی از مسئله مورد نظر ارائه می دهد. مدلسازی شامل استنباط مدل های ذهنی شرکت کنندگان است که تعریف و بیان دقیق مسئله، تعیین مرز مدل، افق زمانی و ترسیم ساختار علی و  معلولی سیستم را دربر می گیرد. مرزهای مدل ذهنی ما از نظر زمانی و مکانی، بسیار محدودند. در شرایطی که آزمایش در جهان واقعی ناممکن باشد، شبیه سازی اصلی ترین و شاید تنها راه حل ممکن برای آگاهی از نحوه عملکرد سیستم های پیچیده خواهد بود. سیستم های پویای پیچیده موانع بسیاری بر سر راه یادگیری ایجاد می کنند.

برگرفته از فصل 1 کتاب پویایی شناسی کسب و کار نوشته جان د. استرمن

پویایی شناسی سیستم ها در عمل، فصل دوم کتاب پویایی شناسی کسب و کار