Modélisation scientifique

La modélisation scientifique est une activité scientifique, l'objectif

dont l'objectif est de réaliser une partie ou une caractéristique particulière de

rendre le monde plus facile àcomprendre,

définir, quantifier,
visualiser, ousimuleren le référant à l'existant
et généralement communément acceptéconnaissance. Cela
nécessite de sélectionner et d'identifier des aspects pertinents de
une situation dans le monde réel et ensuite développer un
modèle pour répliquer un système avec ces fonctionnalités.
Différents types de modèles peuvent être utilisés pour différents
objectifs, tels quemodèles conceptuelspour mieux
comprendre, modèles opérationnels pouropérationnaliser,
modèles mathématiquesquantifier, computationnel
modèles à simuler, etmodèles graphiquesà
visualisez le sujet.

La modélisation est une partie essentielle et inséparable de

Exemple de modélisation scientifique. Un schéma de
de nombreuses disciplines scientifiques, dont chacune a sa
[1][2] processus chimiques et de transport liés à
propres idées sur des types de modélisation spécifiques.
composition atmosphérique.
Ce qui suit a été dit par John von Neumann .[3]

... les sciences n'essaient pas d'expliquer, elles essaient à peine d'interpréter, elles font principalement
Des modèles. Par modèle, on entend une construction mathématique qui, avec l'ajout de certains
interprétations verbales, décrit des phénomènes observés. La justification d'une telle approche mathématique
la construction consiste uniquement et précisément à ce qu'elle devrait fonctionner—c'est-à-dire décrire correctement
phénomènes d'une zone raisonnablement large.

[4]
Il y a également une attention croissante portée à la modélisation scientifique. dans des domaines tels que éducation scientifique ,[5]
philosophie des sciences, théorie des systèmes, etvisualisation des connaissancesIl y a une collection croissante de
méthodes, techniques et méta-théorieà propos de tous les types de modélisation scientifique spécialisée.

Aperçu
Un modèle scientifique cherche à représenterempirique
objets, phénomènes et processus physiques dans un
logiqueetobjectifvoie. Tous les modèles sont dans
simulacres, c'est-à-dire des réflexions simplifiées de la réalité
que, bien que ce soient des approximations, peuvent être
[6]
extrêmement utile. Construire et contester des modèles est fondamental pour l'entreprise scientifique. Complet et
Une représentation vraie peut être impossible, mais le débat scientifique concerne souvent quel est le meilleur modèle pour un
tâche donnée, par exemple, quel est le modèle climatique le plus précis pour la prévision saisonnière. [7]
Tentatives deformaliserleprincipesdusciences empiriquesutiliser uninterprétationmodéliser la réalité, dans le
de la même manière que les logiciensaxiomatiserleprincipesdelogiqueL'objectif de ces tentatives est de construire une formalité
système qui ne produira pas de conséquences théoriques contraires à ce qui est trouvé dansréalité.
Les prédictions ou d'autres déclarations tirées d'un tel système formel reflètent ou cartographient le monde réel seulement dans la mesure où
puisque ces modèles scientifiques sont vrais. [8][9]

Pour le scientifique, un modèle est aussi un moyen par lequel les processus de pensée humains peuvent être amplifiés. [10] Pour
par exemple, des modèles rendus dans des logiciels permettent aux scientifiques de tirer parti de la puissance de calcul pour simuler,
visualiser, manipuler et acquérir de l'intuition sur l'entité, le phénomène ou le processus représenté. Tels
Les modèles informatiques sont in silico. D'autres types de modèles scientifiques sont in vivo (modèles vivants, tels que les laboratoires)
rats) et in vitro (dans du matériel en verre, tel que culture tissulaire [11] ).

Notions de base

Modélisation en tant que substitut à la mesure directe et à l'expérimentation

Les modèles sont généralement utilisés lorsque la création de conditions expérimentales est soit impossible, soit peu pratique.
quels scientifiques peuvent mesurer directement les résultats. Mesure directe des résultats dans des conditions contrôlées
conditions (voirMéthode scientifique) sera toujours plus fiable que les estimations modélisées des résultats.

Au sein demodélisation
et simulationUn modèle est une simplification et une abstraction orientées vers les tâches et ayant un but.
perception de la réalité, façonnée par des contraintes physiques, juridiques et cognitives. [12] C'est axé sur les tâches parce qu'un
le modèle est conçu avec une certaine question ou tâche en tête. Les simplifications laissent tout le connu et observé
les entités et leur relation qui ne sont pas importantes pour la tâche. L'abstraction regroupe des informations qui sont
important mais pas nécessaire dans le même niveau de détail que l'objet d'intérêt. Les deux activités, simplification, et
L'abstraction est réalisée de manière intentionnelle. Cependant, elle est faite sur la base d'une perception de la réalité. Cette perception
est déjà un modèle en soi, car il vient avec une contrainte physique. Il y a aussi des contraintes sur ce que nous sommes
capables d'observer légalement avec nos outils et méthodes actuels, et des contraintes cognitives qui limitent ce que nous sommes
capable d'expliquer avec nos théories actuelles. Ce modèle comprend les concepts, leur comportement et leur
relations informelles et est souvent désignée comme unmodèle conceptuelPour exécuter le modèle, il
doit être mis en œuvre comme unsimulation informatiqueCela nécessite plus de choix, comme des options numériques
approximations ou l'utilisation d'heuristiques. [13] Malgré toutes ces contraintes épistémologiques et computationnelles,
la simulation a été reconnue comme le troisième pilier des méthodes scientifiques : la construction de théories, la simulation et
expérimentation.[14]

Simulation

Asimulationest un moyen de mettre en œuvre le modèle, souvent utilisé lorsque le modèle est trop complexe pour le
solution analytique. Une simulation en régime permanent fournit des informations sur le système à un instant spécifique dans
temps (généralement à l'équilibre, si un tel état existe). Une simulation dynamique fournit des informations au fil du temps. Un
La simulation montre comment un objet ou un phénomène particulier se comportera. Une telle simulation peut être utile pour
test, analyse ou formation dans les cas où des systèmes ou concepts du monde réel peuvent être représentés par
modèles.[15]

Structure
Structureest une notion fondamentale et parfois intangible couvrant la reconnaissance, l'observation, la nature,
et la stabilité des motifs et des relations entre les entités. D'une description verbale d'un flocon de neige par un enfant, à la
détailléanalyse scientifiquedes propriétés dechamps magnétiquesle concept de structure est essentiel
la fondation de presque tous les modes de recherche et de découverte en science, philosophie et art. [16]

Systèmes

Unsystèmeest un ensemble d'entités interactives ou interdépendantes, réelles ou abstraites, formant un tout intégré. Dans
En général, un système est une construction ou une collection de différents éléments qui, ensemble, peuvent produire des résultats non
obtenu par les seuls éléments. [17] Le concept d'un 'tout intégré' peut également être exprimé en termes d'un
système incarnant un ensemble de relations qui se distinguent des relations de l'ensemble par rapport à d'autres
éléments, et établir des relations entre un élément de l'ensemble et des éléments qui ne font pas partie de la relation
régime. Il existe deux types de modèles de système : 1) discret dans lequel les variables changent instantanément à
points séparés dans le temps et, 2) continu où les variables d'état changent de manière continue par rapport à
[18]
temps.

Générer un modèle
La modélisation est le processus de génération d'un modèle en tant que représentation conceptuelle d'un phénomène.
Typiquement, un modèle traitera uniquement de certains aspects du phénomène en question, et deux modèles de la
le même phénomène peut être essentiellement différent—c'est-à-dire que les différences entre eux comprennent
plus qu'un simple renaming de composants.
De telles différences peuvent être dues aux exigences différentes des utilisateurs finaux du modèle, ou à des différences conceptuelles ou
différences esthétiques parmi les modéleurs et aux décisions contingentes prises pendant le processus de modélisation.
Considérations qui peuvent influencer lestructured'un modèle pourrait être la préférence du modélisateur pour un réduit
ontologie, préférences concernantmodèles statistiquescontremodèles déterministesdiscret versus continu
temps, etc. Quoi qu'il en soit, les utilisateurs d'un modèle doivent comprendre les hypothèses faites qui sont pertinentes pour son
validité pour un usage donné.

Construire un modèle nécessiteabstractionDes hypothèses sont utilisées dans la modélisation afin de spécifier le domaine de
application du modèle. Par exemple, lethéorie spéciale de la relativitésuppose un référentiel inertiel de
référence. Cette hypothèse a été contextualisée et expliquée davantage par lethéorie générale de la relativité. Un
le modèle fait des prédictions précises lorsque ses hypothèses sont valides, et pourrait bien ne pas faire de prédictions précises
prédictions lorsque ses hypothèses ne tiennent pas. De telles hypothèses sont souvent le point avec lequel les anciennes
les théories sont remplacées par de nouvelles (lesthéorie générale de la relativitétravaille dans des référentiels non inertiels
aussi).

Évaluation d'un modèle

Un modèle est évalué avant tout par sa cohérence avec les données empiriques ; tout modèle incohérent avec
les observations reproductibles doivent être modifiées ou rejetées. Une façon de modifier le modèle est de restreindre le
domaine pour lequel il est crédité d'avoir une grande validité. Un exemple concret est la physique newtonienne, qui est
très utile sauf pour les phénomènes de l'univers très petits, très rapides et très massifs.
Cependant, un ajustement aux données empiriques seules n'est pas suffisant pour qu'un modèle soit accepté comme valide. Des facteurs importants
dans l'évaluation d'un modèle, inclure :

Capacité à expliquer des observations passées

Capacité à prédire les observations futures
 Coût d'utilisation, surtout en combinaison avec d'autres modèles
Réfutabilité, permettant d'estimer le degré de confiance dans le modèle
Simplicité, ou même attrait esthétique

Les gens peuvent essayer de quantifier l'évaluation d'un modèle en utilisant unefonction d'utilité.

Visualisation

Visualisationest une technique pour créer des images, des diagrammes ou des animations afin de communiquer un message.
La visualisation à travers des images visuelles a été un moyen efficace de communiquer à la fois des concepts abstraits et concrets.
des idées depuis l'aube de l'humanité. Des exemples dans l'histoire incluentpeintures rupestres,
Egyptian hieroglyphsgrec
géométrie, etLéonard de Vinciméthodes révolutionnaires de dessin technique pour l'ingénierie et
à des fins scientifiques.

Cartographie spatiale
Cartographie spatialefait référence à une méthodologie qui utilise une formulation de modélisation « quasi-globale » pour relier
compagnon "grossier" (idéal ou basse fidélité) avec des modèles "fins" (pratiques ou haute fidélité) de différents
complexités. Dansoptimisation de l'ingénierie, la cartographie de l'espace aligne (mappe) un modèle grossier très rapide avec son
modèle fin coûteux à calculer lié afin d'éviter l'optimisation directe coûteuse du modèle fin.
Le processus d'alignement affine itérativement un modèle grossier "cartographié" (modèle de substitut).

Types
analogique empirique Réseau métabolique Modélisation logicielle
modélisation modélisation modélisation Modélisation solide
Assemblage Entreprise Modélisation microscale Cartographie de l'espace
modélisation modélisation Modélisation biologique Modèle statistique
Catastrophe Études futures systèmes Modélisation stochastique
modélisation Géologique Modélisation dans (assurance)
Choice modélisation épidémiologie Modèle de substitution
modélisation Modélisation des objectifs Modélisation moléculaire
Architecture système
Climate model Homologie Multicomputationnel Dynamique des systèmes
Computational modélisation modèle
Modélisation des systèmes
modèle Hydrogéologie Modélisation multiscalaire
Modélisation au niveau système
Continu Hydrographie Modélisation NLP
modélisation et simulation
Hydrologique Phénoménologique Modélisation de la qualité de l'eau
Modélisation des données
modélisation modélisation
Discret Informative Prise en charge prédictive
modelling modélisation modélisation
Document Macroscopique Modélisation prédictive
modélisation modélisation Modélisation à échelle
Économétrie Mathématique Simulation
modèle modélisation
Modèle économique
Écosystème
modèle

Applications

Modélisation et simulation

Une application de la modélisation scientifique est le domaine demodélisation et simulation, généralement appelé
"M&S". M&S a un éventail d'applications qui vont du développement de concepts et de l'analyse, à travers
expérimentation, mesure et vérification, jusqu'à l'analyse de l'élimination. Les projets et les programmes peuvent utiliser
des centaines de simulations différentes, de simulateurs et d'outils d'analyse de modèles.
 Exemple de l'utilisation intégrée de la Modélisation et de la Simulation dans la gestion du cycle de vie de la Défense.
La modélisation et la simulation dans cette image sont représentées au centre de l'image avec les trois
conteneurs.[15]

La figure montre comment la modélisation et la simulation sont utilisées comme une partie centrale d'un programme intégré dans un
processus de développement des capacités de défense. [15]

Voir aussi
Raisonnement abductif
Tous les modèles sont faux
Visualisation des données et de l'information
Heuristique
Problème inverse
Visualisation scientifique
Modèle statistique

Références
1. Cartwright, Nancy. [Link] les lois de la physique mentent
pers/nature/Cartwright-_1983.pdf). Oxford University Press
2. Hacking, Ian. 1983. Représenter et intervenir. Sujets introductifs en philosophie de
Sciences naturelles. Presses universitaires de Cambridge
3. von Neumann, J. (1995), "Méthode dans les sciences physiques", dans BródyF., Vámos,T. (éditeurs)
Le Compendium Neumann,World Scientific, p. 628; précédemment publié dans L'Unité de
Connaissance, édité par L. Leary (1955), pp. 157-164, et aussi dans John von Neumann
Oeuvres complètes, éditées par A. Taub, Volume VI, pp. 491-498.
 4. Frigg etHartmann(2009) déclare : « Les philosophes reconnaissent l'importance de
des modèles avec une attention croissante et explorent les divers rôles que les modèles jouent dans
pratique scientifique". Source : Frigg, Roman et Hartmann, StephanModèles en Science
L'Encyclopédie de philosophie de Stanford (Édition été 2009), Edward N. Zalta (éd.)
(source ([Link]
5. Namdar, Bahadir; Shen, Ji (2015-02-18). "Évaluation orientée modélisation en sciences K-12"
Éducation : Une synthèse de la recherche de 1980 à 2013 et de nouvelles directions. International
Journal de l'éducation scientifique.37(7): 993–[Link]:2015IJSEd..37..993N ([Link]
[Link]/abs/2015IJSEd..37..993N. doi:10.1080/09500693.2015.1012185 ([Link]
[Link]/10.1080%2F09500693.2015.1012185).ISSN0950-0693 ([Link]
ssn/0950-0693).S2CID143865553 ([Link]
6. Box, George E.P. & Draper, N.R. (1987). [Construction de modèles empiriques et réponse
Surfaces.]Wiley. p. 424
7. Hagedorn, R. et al. (2005)[Link] (http://
[Link]/staff/paco_doblas/abstr/tellus05_1.pdf,Tellus57A:219–33
8.Léo Apostel(1961). "Étude formelle des modèles". Dans : Le concept et le rôle du modèle dans
Mathématiques et Naturelles et Sociales. Édité parHans Freudenthal. Springer. pp. 8–9
Source ([Link]
le+modèle+en+mathématiques+et+en+sciences+naturelles+et+sociales&pg=PA8))]
9. Ritchey, T. (2012) Plan pour une Morphologie des Méthodes de Modélisation : Contribution à un Général
Théorie de la Modélisation ([Link]
10.C. West Churchman,L'approche systémique, New York : Dell Publishing, 1968, p. 61
11. Griffiths, E. C. (2010)Qu'est-ce qu'un modèle ?
[Link])
12. Tolk, A. (2015). Apprendre quelque chose de juste à partir de modèles qui sont faux – Épistémologie de
Simulation. Dans Yilmaz, L. (Éd.) Concepts et méthodologies en modélisation et simulation.
Springer–Verlag. pp. 87–106
13. Oberkampf, W. L., DeLand, S. M., Rutherford, B. M., Diegert, K. V., & Alvin, K.F. (2002). Erreur
et l'incertitude dans la modélisation et la simulation. Ingénierie de la fiabilité et sécurité des systèmes 75(3) :
333–57.
14. Ihrig, M. (2012). Une nouvelle architecture de recherche pour l'ère de la simulation. Dans le Conseil Européen
sur la Modélisation et la Simulation. pp. 715–20).
[Link] de l'ingénierie système.([Link]
Archivé ([Link]
ide%2001-01.pdf2007-09-27 à leMachine à remonter le tempsUniversité d'Acquisition de Défense
Presse, 2003.
16. Pullan, Wendy (2000). Structure. Cambridge : Cambridge University Press. ISBN0-521-
78258-9.
17. Fishwick PA. (1995). Conception et exécution de modèles de simulation : Construction de mondes numériques.
Upper Saddle River, NJ : Prentice-Hall.
18. Sokolowski, J.A., Banks, C.M. (2009). Principes de modélisation et de simulation. Hoboken, NJ :
John Wiley et Fils.

Lectures complémentaires

De nos jours, il existe environ 40 revues sur la modélisation scientifique qui proposent toutes sortes de contenus internationaux.
forums. Depuis les années 1960, il y a un nombre en forte croissance de livres et de magazines sur des formes spécifiques.
de la modélisation scientifique. Il y a aussi beaucoup de discussions sur la modélisation scientifique dans la philosophie de la
littérature scientifique. Une sélection :
 Rainer Hegselmann, Ulrich Müller et Klaus Troitzsch (éd.) (1996). Modélisation et
La simulation dans les sciences sociales du point de vue de la philosophie des sciences ([Link]
[Link]/books?id=y1dFny4vWt0C). Bibliothèque de théorie et de décision. Dordrecht : Kluwer.
Paul Humphreys (2004). Élargir nos horizons : Science computationnelle, empirisme, et
Méthode scientifique. Oxford :Oxford University Press.
Johannes Lenhard, Günter Küppers andTerry Shinn (Eds.) (2006) "Simulation: Pragmatic
Constructions of Reality", Springer Berlin.
Tom Ritchey (2012). "Esquisse d'une morphologie des méthodes de modélisation : Contribution à un
Théorie générale de la modélisation. Dans : Acta Morphologica Generalis, Vol 1, No 1, pp. 1–20.
William Silvert (2001). "Modélisation comme Discipline". Dans : Int. J. General Systems. Vol. 30(3), pp.
261.
Sergio Sismondo et Snait Gissis (éd.) (1999). Modélisation et simulation. Numéro spécial de
Science dans le contexte 12.
Eric Winsberg (2018) "Philosophie et science du climat" Cambridge : Cambridge University
Appuyez
Eric Winsberg (2010) "La science à l'ère de la simulation par ordinateur" Chicago : Université de
Presses de Chicago
Eric Winsberg (2003). "Expériences simulatées : méthodologie pour un monde virtuel".
Philosophie des sciences 70 : 105–125.
Tomáš Helikar, Jim A Rogers (2009). "ChemChains ([Link]
g/internal-simulate?execution=e5s1): une plateforme pour la simulation et l'analyse biologique
réseaux destinés aux scientifiques de laboratoire". BioMed Central ([Link]
2-0509/3/58).

Liens externes
Modèles ([Link] Entrée dans leEncyclopédie Internet de la Philosophie
Modèles en science ([Link] Entrée à Stanford
Encyclopédie de philosophie
Le Monde comme un Processus : Simulations dans les Sciences Naturelles et Sociales
[Link]/archive/00002412/), dans : R. Hegselmann et al. (éd.), Modélisation et Simulation dans
les sciences sociales du point de vue de la philosophie des sciences, théorie et décision
Bibliothèque. Dordrecht : Kluwer 1996, 77-100.
Recherche sur la simulation et la modélisation de divers systèmes physiques ([Link]
eb/20121105182301/[Link]
Modélisation ([Link] sur la qualité de l'eau
Centre, Département de l'Agriculture des États-Unis

Écotoxicologie et Modèles ([Link]

Une morphologie des méthodes de modélisation ([Link]
f/). Acta Morphologica Generalis, Vol 1. No 1. pp. 1–20.

Retrieved from "[Link]