1
Voorspellen
en probleemsignaleren
!Jong; Priemus
|
|
|
|
Taeke de Jong, Hugo Priemus |
|
1.1 Probleemsignalering........................................ 204
1.2 Systematiek........................................................ 205
1.3 Toetsingscriteria............................................... 205
1.4 Vorming van alternatieven............................... 206
1.5 Systeemgedrag uitlokken............................... 207
1.6 Generalisaties.................................................... 207
1.7 Curve-fitting........................................................ 208
1.8 Causale vooronderstellingen.......................... 208
1.9 Constraints......................................................... 209
1.10 Gevoeligheid....................................................... 209
1.11 Parameters......................................................... 210
1.12 Externe factoren................................................. 210
1.13 Scenario’s............................................................ 211
1.14 Sectorscenario’s................................................ 211
1.15 Beleidsafweging................................................ 212
1.16 Scenario-ontwikkeling...................................... 213
1.17 Beperking toont de meester........................... 213
In dit hoofdstuk worden een aantal cruciale begrippen behandeld die bij zulke modellering aan de orde zijn. Zij worden behandeld aan de hand van grootschalige voorbeelden, omdat deze minder randvoorwaarden hebben die de voorspelling compliceren dan kleinschalige voorbeelden. Het is immers gemakkelijker de omvang van de wereldbevolking te voorspellen dan de omvang van een individueel huishouden. Zolang men in de keuzevrijheid van mensen gelooft, is voorspellen op de schaal van het individu zelfs principieel onmogelijk. Tot op heden kan pas bij grote aantallen een zinvolle relatie van één gebeurtenis A met de mogelijke uitkomsten W (kans = A/W, zie …) gelegd worden. Daarom is ‘kans’ een centraal model in een wetenschap die generaliserende uitspraken voor de toekomst beoogt. Deze zijn nodig om greep te krijgen op de toekomst en zijn problemen. Voorspellend_onderzoek kan dan ook niet zonder dit kansbegrip. Bij toenemende aantallen groeperen de keuzen van individuen zich rondom een steeds stabieler (‘betrouwbaarder’) gemiddelde ten opzichte waarvan de afwijking (deviatie) kan worden gemeten. Afgezet tegen de tijd kan uit een reeks betrouwbare getallen of gemiddelden een trend worden afgelezen die eventueel in een wiskundige formule kan worden gegeneraliseerd (curve-fitting). Als deze trend niet gewenst is, hebben we een probleem gesignaleerd. Behalve aan de tijd kan een getallenrij X aan elke andere getallenrij Y gerelateerd worden als in hun grafische stippenzwerm van gevallen een lijn getrokken kan worden (regressielijn). Zo'n regressielijn kan met tal van verschillende (niet-verklarende) wiskundige formules worden benaderd. Voor voorspellend onderzoek zijn zulke relaties belangrijk, om uitspraken zoals ‘Als x, dan y’ te kunnen doen. Daarmee is nog niet gezegd dat x oorzaak is van y. Wel is het van belang dat men probeert een statistische samenhang te verklaren. Vanuit zo'n causale verklaring kan men soms een wiskundige functie
Pas hij die kan verklaren, kan met gezag voorspellenb.
1.1 Probleemsignalering
De verzameling van alle problemen is een verzameling waarschijnlijke, maar niet wenselijke toekomsten. Een toegepast empirisch onderzoek begint met het formuleren van zo’n ongewenste waarschijnlijkheid (probleemstelling). Een probleem is waarschijnlijk[a] en kan dus voorspeld (gesignaleerd) worden. Probleemsignalering vooronderstelt al twee voorspellingen: de voorspelling van wensen en van waarschijnlijkheden. De probleemstelling is dus niet echt het begin, maar onderdeel van een empirische_cyclus[b] waarbij probleemstelling, voorspelling, nieuwe probleemstelling elkaar voortbrengen (zie …).
|
|
|
|
|
Toekomsten
en hun modaliteit |
||
Naar de vanuit dat probleem meer gewenste toekomst, verwijst het doel of de doelstelling (meer doelen) van het onderzoek. De ten doel gestelde toekomst waarvan het onderzoeksdoel is afgeleid, is per definitie gewenst, niet waarschijnlijk (wij stellen ons niet ten ‘doel’ dat het morgen weer dag wordt) maar – voor zover wij dat overzien - wel mogelijk. Omdat een doel niet waarschijnlijk is, kan het niet worden voorspeld. Het moet dus worden gekozen, geponeerd, vaak zelfs ontworpen. Een doel is een abstract voorontwerp van een mogelijk geacht alternatief voor de huidige situatie en haar waarschijnlijke ontwikkeling (nulvariant). Hoe abstract een doel ook is, bijvoorbeeld grotere veiligheid of toegankelijkheid, deze abstracte begrippen verwijzen bij ieder naar referentiesituaties die veelal impliciet blijven om ‘doel en middelen niet te verwisselen’. Wat men doel en middel noemt, hangt echter af van het abstractieniveau. Het verwerven van een rijkssubsidie kan voor een gemeente een doel zijn, voor het Rijk is het een middel tot een hoger doel.
1.2 Systematiek
Uit de probleemstelling kunnen grenzen worden afgeleid waarmee een dynamisch varieerbaar, onderzoekbaar, systeem van een voornamelijk onbeïnvloedbare context wordt afgezonderd (systeemanalyse)[c]. Hieruit volgen ook de (rand)voorwaarden of constraints waarbinnen dat systeem moet functioneren. Uit de probleemstelling volgen voorts aanwijzingen hoe systeem en context gereduceerd moeten worden tot een stelsel onderzoekbare, valide en betrouwbare (zie …) variabelen (operationalisering) met onderlinge relaties (modellering in functies). Deze functies worden onderling gerelateerd zodat de uitvoer van de ene functie de invoer van één of meer volgende functies wordt (systeemmodellering). Vaak is er sprake van een wisselwerking met een causaliteit in twee richtingen. Deze relaties binnen en tussen functies veronderstellen eerder empirisch onderzoek (empirische cyclus) waaruit zo’n relatie is gebleken of uit reflectie waarschijnlijk lijkt. Binnen de begrenzing en de constraints worden uit de doelstelling de alternatieven (middelen, vooronderstelde oplossingen, ingrepen, met de functie van toetsbare hypothesen[d]) ontworpen die afgewogen moeten worden (toetsing). Aan welke waarden of criteria moeten zij echter worden getoetst? Tussen vage waarden en precieze criteria liggen tal van gradaties.
1.3 Toetsingscriteria
Men kan zich geen criteria en normen voorstellen zonder dat daaraan doelstellingen ten grondslag liggen en geen doelstellingen zonder dat deze weer op individuele of sociale waarden zijn gebaseerd. Omgekeerd kan men zich wel waarden voorstellen die nog niet in doelstellingen zijn uitgewerkt en doelstellingen die nog niet zijn genormeerd. Deze begrippen operationaliseren achtereenvolgens toenemend concreet een wenselijke toekomst voor zover die mogelijk is, zodat daaraan getoetst kan worden. Zo is openbare veiligheid een belangrijke maatschappelijke waarde die werkbaar (operationeel) gemaakt kan worden in meer specifieke doelstellingen zoals meer openbare verlichting, uitgewerkt in controleerbare verlichtingsnormen. De Engelse taal is rijk aan doelstellingstermen met verschillende concreetheid tussen strategisch en operationeel. Zij zijn in het onderstaande schema in voorwaardelijke volgorde gezet.
|
|
|
|
|
Van
mogelijkheid tot norm |
||
Het is echter goed te bedenken dat aan waarden een verzameling onuitgesproken voor-waarden, vooronderstellingen en voorstellingen ten grondslag liggen (cultuur). Voor zover die betrekking hebben op de waarheid zijn het de voorwaarden uit de klassieke logica (als .. dan, dan .. als, dan en alleen dan als, zie …). Zij leveren een consistentietoets ten aanzien van de logica van het betoog, maar nog niet ten aanzien van de causale juistheid van de premissen in het bredere gebied van de waarschijnlijkheid[e].
Er zijn echter in elke doelstelling ook technische_voorwaarden verborgen waaraan getoetst kan worden. Zij zijn vaak impliciet (er bestaan lampen, de benodigde electriciteit is voorhanden en betaalbaar, verlichting wordt door de omwonenden niet als storend ervaren, aanleg is haalbaar in de gemeenteraad). Ze bakenen het mogelijke en haalbare af ten opzichte van het onmogelijke, en scheppen ruimte voor het onwaarschijnlijke (condities)[f].
Al deze voorwaarden, waarden en hun uitwerking in doelstellingen en criteria zouden deel moeten uitmaken van de probleemstelling. Daarmee zou de probleemstelling echter al het hele onderzoek omvatten, zodat men beter eerst een ruwe schets kan maken die in de loop van het onderzoek wordt aangevuld en bijgewerkt (in periodiek overleg met de initiatiefnemer). De centrale doelstelling is daarvan een reductie waaruit achterliggende waarden, voorwaarden, onderstellingen, middelen, condities en mogelijkheden van de probleemverkenning zijn weggelaten. Het is echter de taak van de onderzoeker om bij de initiatiefnemer zoveel mogelijk achterliggende waarden boven water te krijgen en deze in criteria voor toetsing van alternatieven te operationaliseren. In het klassieke schema van Findeisen en Quade (zie …) wordt dit deel van het systeemanalytisch onderzoek weergegeven met: ‘Identifying, designing and screening the alternatives’.
1.4 Vorming van alternatieven
Een hypothese kan uit een enkele regel tekst bestaan, maar ook uit een uitgewerkt ontwerp. De systeemanalyse vergt verschillende hypothesen (alternatieven) om de volledigheid van het systeem te testen. Er kunnen alternatieven opduiken waarop het systeem nog geen antwoord heeft.
In het klassieke model van de empirische cyclus ontbreekt een handleiding voor hypothesevorming. De hypothesevorming is ‘vrij’. Men mag wetenschappelijk gezien alles beweren of tekenen, tot de hypothese door een onderzoeker wordt weerlegd[g] of vervangen door een beter alternatief. Als de hypothese echter een bouwkundig ontwerp is, is de hypothesevorming een belangrijk deel van het ontwerpgericht onderzoek dat in andere hoofdstukken van dit boek nader wordt belicht. In het bouwproces kan het ontwerp, het genereren van een alternatief voor de huidige situatie (nulvariant) wel 95% van de onderzoeksinspanning beslaan. Men komt vaak niet verder dan één alternatief waarop hoogstens in de loop van het proces gevarieerd kan worden. Voor de probleemanalyse is dan minder tijd. In het bouwkundig ontwerp worden veel meer (detail)beslissingen genomen dan waarvoor de doelstelling (soms zelf al een onuitgesproken voorondersteld type gebouw of wijk) richtinggevend kan zijn. De veelal als ondergeschikt ervaren vorm- en structuurbeslissingen buiten de doelstelling vergen het overzien van een combinatorische explosie (zie …) van mogelijkheden. De ontwerper put ter beperking daarvan niet alleen uit de probleem- en doelstelling (de locatie en het programma van eisen) maar ook uit bestaande voorbeelden (precedenten, ontwerponderzoek) en typen (typologisch_onderzoek). Zij of hij wordt daarbij slechts gestuurd door een globale conceptie waarin méér doelen kunnen worden gerealiseerd, dan door de initiatiefnemer verwoord. Een duurzaam gebouw moet ook na verkoop in een andere context doelen van volgende gebruikers kunnen dienen, (robuustheid van het ontwerp).
Als de ontwerper ook de context die in de probleemanalyse als vanzelfsprekend is aangenomen varieert (ontwerpend_onderzoek[h]), kan het ontwerp tot een herziening van de probleemperceptie en dus van de systeemanalyse leiden. Deze feed-backpijl ontbreekt in het schema van Findeisen c.s..
1.5 Systeemgedrag uitlokken
Het doorrekenen van de konsekwenties van een ingreep, alternatief, ontwerp of hypothese (ex ante evaluerend onderzoek, zie …), vergt voorspellingen. Elke voorspelling vooronderstelt een context waarbinnen de voorgestelde ingreep functioneert. Wijziging in context (perspectief) verandert de konsekwenties van de ingreep. De gevoeligheid van de voorspelling voor zulke wijzigingen kan men bij toegepast onderzoek niet uit de weg gaan door ‘het overige gelijk’ (ceteris paribus) te veronderstellen. Men moet de konsekwenties van verschillende ingrepen in verschillende perspectieven belichten, zodat men meer algemeen inzicht krijgt in het ‘systeemgedrag’ bij verschillende omstandigheden en ingrepen. Op het construeren van zulke perspectieven (toekomstige contexten) met onverwachte aspecten en keuzemomenten (scenario’s) komen we terug in een volgende paragraaf.
Scenario’s spelen in de voorspelllingen binnen het systeem zelf een rol als leveranciers van externe, exogene_variabelen (parameters) in de vergelijkingen waaruit het systeemmodel is opgebouwd. Door deze parameters in de vergelijkingen per scenario te wijzigen, kunnen andere konsekwenties aan het licht komen.
1.6 Generalisaties
De mogelijkheid van het voorspellen berust op externe generalisaties uit vroegere ervaringen (empirie). Behalve externe, zijn er bij het voorspellen ook interne generalisaties in het geding. Met name het gebruik van het gemiddelde als belangrijkste vorm van statistische generalisatie en zijn extrapolatie in de tijd stuit op verzet bij takken van wetenschap die geacht worden om te gaan met een grote verscheidenheid in objecten en contexten. Het betreft dan vooral de ecologie, de organisatiewetenschap[i] en het ontwerpen. In de ecologie staat deze reductie tot een gemiddelde bij de analyse van ecosystemen bekend als de ‘mean-field_assumption’ (zie bijgaande figuur)[j].
|
|
|
|
|
|
|
Reductie tot het gemiddeldej |
|
Deze reductie kan locale variaties zodanig vereffenen, dat het karakter van het object en zijn context verdwijnt. Daarmee vervalt ook het overzicht over de bijzondere mogelijkheden van de locatie. De statistische maat voor de afwijking van het gemiddelde (deviatie) of onzekerheidsmaatstaven kunnen deze variatie niet vervangen.
Bij de evolutionaire ecologie[k] bepalen vooral enkele uitzonderingsgevallen die buiten het 95%-percentielgebied liggen, het verdere verloop van het ecologische proces omdat juist deze zeldzaamheden tot het ontstaan van nieuwe soorten en systemen kunnen leiden. Dit doet denken aan wiskundige chaosfuncties die door herhaalde toepassing (iteratie) een onvoorspelbaar verloop hebben en zeer gevoelig zijn voor minuscule variaties bij de eerste invoer. Afrondingsverschillen bij verschillende computers kunnen er zelfs toe leiden dat dezelfde formule op de ene computer een andere uitkomst levert dan op de andere computer.
Dit alles neemt niet weg dat voorspellingen, of minder expliciet, verwachtingen, de grondslag van ons handelen zijn. Als voorbeeld kiezen we de groeifunctie van een populatie.
1.7 Curve-fitting
De bevolking van Nederland is de afgelopen eeuwen als volgt gegroeid.
|
|
De kolommen in deze grafiek beslaan intervallen van 25 jaar (hier beschouwd als generaties) waarover de bevolkingsaantallen gemiddeld zijn. Het verloop doet allereerst denken aan een exponentiële functie f(x) = exp(x) na de industriële revolutie rond 1800. In onderstaande figuur is een deel van deze functie vanaf het begin van de jaartelling getekend voor de laatste 10 generaties (1750-2000). Voor x is Gen (generaties) ingevuld.
|
|
|
f(Gen)=exp(Gen) |
Deze functie leidt van 0 personen in het jaar 0 tot een onwaarschijnlijk hoog bevolkingsaantal van f(80) = 5.541*1034 in het jaar 2000 (generatie 80). Delen we dit aantal door het huidige bevolkingsaantal van 16mln, f(80)/16 = 3.463*1033 dan ontstaat de eerste parameter in het model die als noemer de laatste generatie (80) tot 16mln reduceert:
|
|
|
Idem
met parameter |
Dit lijkt nog niet erg op de werkelijkheid. De wiskundige representatie van de bevolkingsgroei wijkt te veel af van de daadwerkelijke cijfers.
1.8 Causale vooronderstellingen
Elke generatie bestaat uit het aantal ouders maal hun gemiddeld kindertal plus het aantal ouders zelf. In elke volgende generatie worden kinderen ouders en ouders grootouders. Zij sterven en de grootouders moeten bij de volgende generatie afgetrokken worden. Dit kunnen we in een iteratieve formule vatten[l].
BevGen+1 := Kindertal x BevGen + BevGen – BevGen - 1
|
|
|
De
exponentiële groei van een populatie |
Voor deze grafiek moesten we de eerste generatie op 2 personen in het jaar 0 stellen en het kindertal per ouderpaar gedurende al die eeuwen gemiddeld op 1.034. Deze formule is dus niet erg extrapoleerbaar naar vroegere jaren, maar de uitsnede vanaf 1750 begint op de werkelijkheid te lijken. Een meer extrapoleerbare functie zou voor het doel van dit betoog teveel extra parameters uit vroegere contexten vergen (bijvoorbeeld negatief werkende parameter voor het ontstaan van pestepidemieën bij bepaalde bevolkingsdichtheden en een middeleeuwse stand van medische wetenschap).
|
|
|
Uitsnede |
1.9 Constraints
Als een populatie zijn grenzen nadert vlakt de groei af. De wiskunde biedt voor zo’n verschijnsel de logistische_curve.
|
|
|
De
logistische functie |
In niet-iteratieve vorm heeft de formule van exponentiële groei een exponent, de logistische curve is een uitbreiding met twee parameters, waarvan de eerste de beperking instelt.
ExponentieelGen = Bev0 x KindertalGen
LogistischGen = Bev0 x KindertalGen x
beperking/(KindertalGen+Kindertala)
De tweede parameter a in de noemer van de logistische functie regelt de groeisnelheid.
1.10 Gevoeligheid
Dat systemen door minimale verschillen in invoer en parameters, grote verschillen in uitkomsten kunnen leveren (gevoeligheid), bewijzen de iteratieve functies die geleid hebben tot fractalgeometrie en chaostheorie[m]. De volgende functie (chaosfunctie) lijkt bij een waarde 2 van de parameter a op de logistische curve.
|
|
|
xGen-1 = axGen - axGen2 ChaosGen = 30xGen +
2 a = 2 |
Voor een beginwaarde x0 = 0.0016 is deze functie congruent met de groei van de Nederlandse bevolking. Om hem even groot te maken moet men vermenigvuldigen met 30 en om hem tot de juiste hoogte op te tillen moet men er 2 bij optellen. Hij ‘voorspelt’ dan een stabilisatie na 2000.
Kiest men echter voor parameter a = 3, dan gaat de functie fluctueren.
|
|
|
a = 3 |
Bij a = 4 wordt de functie chaotisch.
|
|
|
a = 4 |
Bovendien levert a = 4.1 een totaal andere grafiek.
1.11 Parameters
Een rustige constraint zoals ruimtegebrek levert een rustige afvlakking. Oorlogen en epidemieën leveren heftige fluctuaties. Zulke fluctuaties worden meer causaal gesimuleerd door de Lotka-Volterra-functie voor prooien (bijvoorbeeld mensen) en hun predatoren (bijvoorbeeld de pestbacterie of andere mensen als vijand).
|
|
|
Lotka-Volterra-functie[n] |
Bij deze functie is de tijd de invoer (hier met een willekeurige tijdmaat t = 1 .. 150), de dichtheid van prooi en predator de uitvoer. Zij wisselen elkaar als ‘oorzaak’ van toe- en afname af. Van de dichtheden moeten beginwaarden worden opgegeven en de waarde van 4 parameters. Deze sturen de aanwas van de prooi als er geen predatoren zijn, het percentage prooidieren dat gevangen wordt, de sterfte en emigratie van predatoren en hun aanwas door prooiconsumptie. Als men de waarde van zulke parameters niet uit empirisch onderzoek kan vaststellen, kan men ook proefondervindelijk tot een instelling komen die met tijdreeksen uit het verleden blijkt overeen te komen (calibreren). Het is in beide gevallen van belang de gevoeligheid van het model voor parameterinstellingen te toetsen en te rapporteren. Het variëren van parameters om hun effect op de grafiek te zien, is bij de huidige computercapaciteit geen straf meer, en soms zelfs sensationeel. Hoe meer parameters men echter kan bedienen als ‘knoppen aan het apparaat’, deste moeilijker wordt het om de invloed van elke knop afzonderlijk op het resultaat te bepalen. De invloed van één parameter kan drastisch veranderen als men aan de andere knoppen draait. Als men, zoals in de Lotka-Volterra-functie 6 knoppen heeft die elk op tenminste 10 standen kunnen staan, dan is het minimum aantal combinaties 610 al niet meer te overzien. Welke van de resulterende 610 functies moet men kiezen voor het beoogde model? Met de combinatorische explosie (zie …) van parameterinstellingen wordt in sterk contextgevoelige wetenschappen als bouwkunde, ecologie en bedrijfskunde vaak de grens van het werkbaar modelleren bereikt.
1.12 Externe factoren
Bij de Lotka-Volterra-functie is de aanvankelijk als externe factor beschouwde predator opgenomen in het model (internaliseren). Omdat ook omgekeerd de predator direkt afhankelijk was van de aanwezigheid van prooi, vormden zij een modelleerbaar ‘systeem’ met wisselende causaliteit. Men kan uiteraard niet alles internaliseren. Sommige externe invloeden moet men domweg vast stellen, of voor enkele scenario’s variëren.
Het vermoedelijke verloop van het bevolkingsaantal in Europa[o] toont de gevolgen van tal van onbeschreven externe factoren, al is bekend dat aan het eind van de Middeleeuwen de pest als predator huishield.
Het lijkt of een interne neiging tot exponentiële groei telkens wordt afgekapt, tot pas in de moderne tijd de remmen losgaan. Welke factoren waren daarvoor verantwoordelijk? Waren het ruimtelijke, ecologische, technische, economische, culturele of bestuurlijke factoren? Voor de actuele bevolkingsprognoses zijn veronderstellingen over omvang en hoedanigheid van immigratie en emigratie van cruciaal belang.
|
|
|
De
bevolkingsontwikkeling in Europa |
Het vaststellen van de parameters voor zulke fluctuaties en het bepalen van de functies waarin zij hun werking hebben vergen meer gegevens en meer gedetailleerde analyses. Zij kunnen resulteren in databestanden van parameters die door het systeemmodel tijdens de berekening met ‘als..dan..’ statements geraadpleegd kunnen worden. Ze vergen kennis van de invloed van ruimtelijke, ecologische, technische, economische, culturele en bestuurlijke ontwikkelingen in tijdreeksen[p]. Bij bevolkingsprognoses zijn deze bijvoorbeeld alle van invloed op de cruciale factor van het gemiddelde kindertal per huishouden (vruchtbaarheid) waaruit de reproductiefactor wordt bepaald. Hoe korter de periode waarvoor de voorspelling geldt, hoe langer de tijdreeks waarop de voorspelling is gebaseerd (basisperiode) en hoe groter de verklaring is die door onafhankelijke variabelen wordt geleverd, des te betrouwbaarder is de voorspelling. Jaarlijks publiceert het Centraal Bureau voor de Statistiek (CBS) een bevolkingsprognose (in: Maandstatistiek voor de Bevolking).
1.13 Scenario’s
Hoewel scenario’s om veel redenen gemaakt worden (inzicht, strategie, management binnen en interactie tussen organisaties), worden ze hier vooral beschouwd als leveranciers van exogene variabelen ten behoeve van systematisch voorspellend en probleemsignalerend onderzoek. Een scenario is geen berekende (prognose) of aangenomen (perspectief) waarschijnlijke toekomst. Een scenario is een in de toekomst geprojecteerde tijdreeks waarin bestuurlijke, culturele, economische, technische, ecologische en ruimtelijke invloeden (afkomstig van actoren in deze verschillende sectoren), consistent en plausibel gevarieerd worden. Het is de beschrijving van een mogelijke toekomst die deels ontworpen wordt, deels aan prognoses en perspectieven beantwoordt en deels beleidsbeslissingen kan bevatten.
|
|
|
Mogelijk,
waarschijnlijk wenselijk toekomstbeeld
en scenario |
In deze figuur is (in willekeurige volgorde getekend) weergegeven dat het ontwerp een volledig beeld tracht te projecteren op de planhorizon, terwijl de prognose daarin een gebied afbakent dat wetenschappelijk operationaliseerbaar is. Het gebied waarop de latere gevolgen worden afgebeeld, kan daarbij een ander gebied zijn, dan het gebied waar de voorafgaande oorzaken liggen. De prognose die van een plan uitgaat en niet van de huidige situatie (evaluatie_ex_ante, effectanalyse, zie …), gaat uit van onzekere aannames omtrent de context (randvoorwaarden, kleine pijltjes in de laatste tekening). Het beleid stippelt een pad uit met grenswaarden waarop een deel van het beleidsdoel (streefwaarde) moet zijn bereikt. Een scenario bevat in principe alle componenten, al kan één component de overhand hebben. Als het ontwerp met een eindtoestand uitgangspunt is en van daaruit wordt teruggeredeneerd (back-casting) spreekt men van een prospectief_scenario, anders van een projectief_scenario. Als de prognose vooropstaat spreekt men van een trendscenario, als juist onverwachte gebeurtenissen een grotere rol spelen van een verrassingsscenario.
Als een beleidsdoel de overhand heeft spreekt men van normatieve_scenario’s. In het beleidspad kunnen zich bij verschillende scenario’s beslissingsmomenten aftekenen die het scenario een wending kunnen geven. Om de konsekwenties van zulke beslissingen te overzien, maakt men beleidsscenario’s of exploratieve_scenario’s, waarbij alternatieve scenario’s zich als in een boom vertakken.
1.14 Sectorscenario’s
Er zijn scenario’s die vooral de bestuurlijke, culturele, economische, technische, ecologische (demografische) of ruimtelijke sectoren als driving_force benadrukken. Hun maatstaven, onderzoeksmethoden en variabelen zijn zeer verschillend, waardoor zij moeilijk te integreren zijn. Zulke sectorscenario’s worden bijvoorbeeld gemaakt door het Centraal PlanBureau (CPB, economische scenario’s) het Sociaal-Cultureel PlanBureau (SCB, culturele scenario’s), het RijksInstituut voor Volksgezondheid en Milieuhygiëne (RIVM, milieu- en natuurscenario’s) en het AVV (mobiliteitsscenario’s). Zij worden vaak in een kruislings verband tot meer integrale scenario’s samengevoegd die met elkaar contrasteren (extreme_scenario’s of contrastscenario’s). Dit contrast is gewenst voor effectieve gevoeligheidsanalyses bij systematisch toekomstonderzoek.
|
|
|
Kruislingse
integratie van sectorscenario’s |
Als men eerdergenoemde 6 sectoren onderscheidt, zijn er 15[q] van zulke kwartetten te vormen. Men kan bijvoorbeeld bestuur(sturend<>volgend) ook stellen tegenover cultuur(traditiegericht<>experimentgericht),
techniek(combinerend<>specialiserend), ecologie(homogeniteit<>heterogeniteit) of ruimte(deconcentratie<>concentratie).
De CPB-scenario’s variëren al naar gelang de Europese economie goed of minder goed concurreert met het Amerikaanse of ZO-Aziatische blok, dan wel naar gelang binnen Europa al of niet wordt samengewerkt.: Global Competition, Divided Europe en European Coördination.
Sectoren hebben echter een verschillende tijdhorizon en dynamiek, hetgeen blootstelling aan elkaar bemoeilijkt. In paragraaf … op blz. … is dit verbeeld als serie trendschenario’s die tussen de extremen fluctueren.
|
|
|
Verschil
in dynamiek tussen trends |
Het tijdsbeeld is in deze figuur een optelling van niet al te realistische sectortrends die ervan uitgaan dat elke beweging een (Hegeliaans) antithetische reactie oproept, zodat tussen twee extremen een heen- en weergaande beweging ontstaat. Deze is hier als zuivere sinus afgebeeld. Gesteld nu dat deze sinusfuncties zijn gecalibreerd op de afgelopen eeuw omdat gebleken is dat het bestuur om de zeven jaar fluctueert tussen sturend en volgend, de cultuur om de 14 jaar tussen traditie- en experimentgericht enzovoort. Welke naam moet men de extremen van hun optelling geven? Hier is gekozen voor de weinigzeggende termen actief en passief.
De afweging tussen ontwikkelingen in verschillende sectoren wordt veelal aan de politiek overgelaten. Toch is dit een wetenschappelijke uitdaging die vooral in het milieubeleid aandacht krijgt: hoe weegt men milieubelangen af tegen economische en sociale prioriteiten?
1.15 Beleidsafweging
Men kan tussen de sectoren een voorwaardelijkheid veronderstellen. Er zijn ecologische voorwaarden voor de techniek: als er geen voedsel, water of grondstoffen zijn is er ook geen sprake van techniek. Er zijn technische voorwaarden voor de economie: als er geen dijken zijn is er in ons laagland ook geen economie, enzovoort. Dit leidt tot een draagkrachtmodel waarin de sectoren elkaar niet causaal (een bepaalde techniek leidt tot een bepaalde economie) maar voorwaardelijk (een bepaalde techniek maakt verschillende economieën mogelijk) vooronderstellen.
|
|
|
Afweging
tussen sectoren |
Men kan ook proberen een meer technische afweging te maken, bijvoorbeeld tussen natuurgebieden en vliegvelden. Het product van hun zeldzaamheid in de wijde omgeving en hun maakbaarheid in de tijd biedt een vergelijkingsmaatstaf.
|
|
|
Technische
afweging van projecten |
In deze figuur wordt ervan uitgegaan dat een mainport in Nederland uniek is in een straal van ongeveer 300km, maar binnen 10 jaar gebouwd kan worden. Een veenlandschap is op dezelfde schaal uniek, maar slechts in een periode van 1000 jaar herstelbaar. De logaritme van het produkt (de som van de nullen) is respectievelijk ca. 3 en 5.
1.16 Scenario-ontwikkeling
Bij een nadruk op mogelijkheden, waarschijnlijkheden of wenselijkheden zullen de makers van een scenario respectievelijk over meer creativiteit, expertise of actorgerichtheid moeten beschikken. Zij beschikken over de volgende middelen[r].
|
|
|
Foresight
triangle |
Voor en nadere toelichting verwijzen we naar de betreffende literatuur. Een voorbeeld van de Delphi-methode vindt men in dit boek op blz. … . De methode omvat het enqueteren van een groep experts en het snel confronteren van deze groep met de uitslag daarvan, zodat zij zich kunnen herbezinnen. Vervolgens worden zij opnieuw ondervraagd, zodat zij de mate waarin hun ideeën in deze groep ondersteuning zullen krijgen kunnen inschatten. Dit leidt gewoonlijk tot een convergentie van ideeën. De cyclus kan meer keren worden herhaald tot zich de contouren van een scenario aftekenen.
1.17 Beperking toont de meester.
Hier zijn slechts zeer grootschalige voorbeelden gegeven omdat deze minder exogene variabelen tellen en dus met een bijpassende korrel grovere, maar voor uitleg meer inzichtelijke modellen leveren. In de dagelijkse onderzoekspraktijk worden de scenario’s van CPB, SCP, RIVM en AVV, evenals de bevolkingsprognose van het CBS meestal als gegeven beschouwd. De onderzoeker probeert dan met het nodige voorbehoud iets te zeggen over de komende 5, hooguit 10 jaar. Zo’n ‘voorspelling’ noopt vervolgens tot jaarlijkse controle van de uitkomsten (monitoring). Hier is wellicht de indruk gewekt, dat de onderzoeker bijna de positie van Schepper heeft. In de praktijkvoorbeelden is veel meer gedetermineerd of gegeven. Men kijkt naar een beperkt aantal variabelen over een slechts korte tijdshorizon. Zoals al in de aanhef van paragraaf 1.13 gezegd, zijn scenario’s veelal niet bedoeld als voorspellingen, maar als hulpmiddel om de maatschappelijke en politieke discussies en besluitvorming te verbeteren.