Moninäkökulmaisesta tietämyksestä moninapaisiin interventioihin

Reduktionistinen tietämys perustuu siihen, että jokin ilmiö rajataan erittäin tarkasti, jolloin sitä voidaan mitata luotettavasti. Kun ilmiötä tarkastellaan systeemisestä näkökulmasta, se pyritään sijoittamaan laajempaan kontekstiinsa sekä ymmärtämään taustalla olevia vaikutuksia ja vaikutusketjuja, jotka synnyttävät itse ilmiön.

Siinä missä reduktionistinen tietämys on usein staattista, systeeminen tietämys voi olla myös dynaamista eli se tarjoaa selityksiä havaintojen muuttumiselle ajassa, paikassa ja kontekstissa.

Gerard De Zeeuw puhuu “kolmannen vaiheen tieteestä”, jossa ilmiöön otetaan tai valitaan monia näkökulmia ja ilmiötä tarkastellaan näiden linssien läpi. Näkökulmia ja niiden välisiä suhteita lisäämällä voidaan rikastaa ymmärrystä käsiteltävänä olevasta kohteesta.

Lähde: Kenneth Bausch: The Theory and Practice of Third Phase Science

Systeemisessä tietämyksessä ongelmana saattaakin olla liika ilmiötä koskeva informaatio, jonka valossa voi olla hankalaa luoda ymmärrystä. Perspektiivien ottaminen on tarpeellista, että voidaan liian suuresta määrästä dataa ylipäänsä tuottaa jotain, mikä on tiivistettävissä tiedoksi. Perinteiset, reduktionistiset perspektiivit rajoittavat mahdollisuuksien avaruutta.

Esimerkiksi Manuel Liman mukaan Darwin selitti lajien evoluutiota ajatuksella, että vahvimmat ja muuntaumiskykyisimmät lajit säilyvät. Lima sanoo, että Darwinin näkökulma perustui jälkikäteen tehtyyn analyysiin siinä missä lajien ekologinen konteksti luo kuvan syvästi keskinäisriippuvista lajeista.

Lähde: Manuel Lima: Visual Complexity: Mapping Patterns of Information

Yksittäisen lajien voimakkuuden tai muutaustumiskyvyn sijaan lajien evoluutiota voisi pohtia siitä näkökulmasta, että miten lajien ympäristö tukee niiden säilymistä. Lajien keskinäisriippuvuutta kuvastaa esimerkiksi tämä video, jossa ekosysteemin muuttamisella on vaikutuksia myös ekologiaan. Esimerkiksi dingojen liikkeitä rajoittamaan rakennettu maailman pisin aita on vaikuttanut lajien vuorovaikutusten kautta myös maaperään.

Saman asian voisi kuvata myös kaikille tutun esimerkin kautta: vaikka meteoriitin törmäys maapallolle ei tappanutkaan kaikkia dinosauruksia, sen seurauksena syntynyt uusi ilmasto ei enää tukenut valloillaan olleita ekologioita.

Kenties tiedon tuottamista ei pitäisi tarkastella lineaarisena prosessina, vaan jonkinlaisena verkkopingiksenä, jossa ymmärrystä luovat parametrit ja datapointit tuottavat kontekstuaalisia vastauksia. Visualisointi koneoppimista tuttujen neuroverkkojen toiminnasta saattaa auttaa hahmottamaan tätä.

Scott Page visualisoi monista perspektiiveistä ja erilaisilla heuristiikoilla syntyviä vastauksia sekä niiden arvoa kuution avulla. Pagen mukaan, jos ilmiö on moninapainen, “oikea” vastaus ei ole niistä arvokkain eli B, vaan joukko korkeimpia arvoja saavia pisteitä, jotka tavoittavat ilmiön erilaisia piirteitä.

Lähde: Scott Page: Diversity and Complexity

Josta päästääkin siihen, että moninapaisessa ympäristössä, kuten esimerkiksi yhteiskunnassa, pitäisi pyrkiä mallintamaan ilmiöitä ja sen osatekijöiden välisiä suhteita, että voidaan tunnistaa keskeisimpiä vaikutusketjuja/-verkkoja ja sitä, miten ne yhdessä synnyttävät ja vaikuttavat ilmiöön.

Tämänkaltaisella ilmiötä koskevalla tietämyksen mallintamisella voidaan myös tuottaa moninapaisia interventioita, jotka voivat yhdessä luoda uudenlaisen systeemisen tilan, joka kykenee ratkaisemaan laajan ilmiön. Alla oleva kuva tarkastelee asumisen ja terveyden haasteiden takana olevia ilmiöitä, niiden välisiä suhteita ja keskeisimpiä paikkoja, joihin pitäisi vaikuttaa, että järjestelmä voisi häivyttää siinä näkyvät oireet.

Lähde: Caring for the Future