Tieteenalakohtaisuudesta kohti kokonaisuuksien tieteitä

Kirjassaan Chaos in Disciplines tieteensosiologi Andrew Abbott kritisoi sosiologiaa ja muita ihmistieteitä näennäisestä edistyksestä, jossa näkökulmia eri aiheisiin laajennetaan uusien ja erilaisten menetelmien avulla, mutta ei kyetä tuottamaan perimmäistä ymmärrystä käsiteltävänä olevasta kohteesta. Esimerkkinä hän mainitsee puistot, joita voidaan tutkia sosiologiassa sekä kvalitatiivisilla että kvantitatiivisilla menetelmillä sekä hyödyntämällä marxilaisia, feministisiä sekä muita mahdollisia teoreettisia perinteitä kysymysten raamittamiseksi.

Tiede on edistynyt pitkän aikaa ottamalla suuria ilmiöitä ja pilkkomalla niitä aina vaan pienempiin osiin, jotka ovat riittävän rajattuja, että niitä voidaan tutkia tieteellisen luotettavasti. Abbott sanoo, että vaikka tieteenalojen välillä lainataan paljon toisilta tieteenaloilta, tieteellinen koulutus on perustunut pitkän aikaa tieteenalakohtaisen osaamisen kehittämiseen. Monien vastaavien tekijöiden systeemisenä seurauksena olemme hyviä ratkomaan spesifejä ongelmia, mutta emme ole keksineet ratkaisuja esimerkiksi ilmastonmuutoksen kaltaisiin laajoihin yhteiskunnallisiin tai globaaleihin ongelmiin.

Sääennusteiden tarkkuus syntyy useista tekijöistä

Käytämme sääennusteita päivittäin. Tarkistamme niistä, mikä on päivän lämpötila, jotta tiedämme pukeutua oikein ja ottaa töihin lähtiessä sateenvarjo tarvittaessa mukaan. Mutta meillä on kaikilla myös kokemuksia siitä, etteivät sääennusteet pidäkään paikkaansa: aurinkoiseksi kuvattuna päivänä onkin saattanut sataa räntää ja reissu rannalle onkin saattanut mennä pilalle pilvisyyden takia.

Pohdimme harvemmin sitä, mitä kaikkea tapahtuu taustalla, että saamme päivittäiset sääennusteemme. Olemme ehkä huomanneet sanomalehtien sivuilla eri säähavaintopisteissä tuotettuja havaintoja. Nämä eivät ole ainoastaan yksittäisiä havaintoja, vaan sääasemia, joiden tuottamaa jatkuvaa dataa siirretään supertietokoneisiin, jotka pyrkivät sääennustemallien avulla tuottamaan ennusteita lähitunneille ja lähipäiville. Mitä enemmän säähavaintopisteitä on käytettävissä, mitä parempia laitteita niissä hyödynnetään sekä mitä parempia malleja sään ennustamiseen on käytettävissä, sen parempia ovat myös ennusteet. Mallintaminen onkin perustyökalu insinööritieteissä ja aloilla, joilla halutaan hyödyntää dataan perustuvia havaintoja laajojen kokonaisuuksien hahmottamiseen.

Mallintaminen tuottaa ymmärrystä ilmiöstä

Mallintamisessa on usein taustalla systeeminen ymmärrys käsiteltävänä olevaan ilmiöön vaikuttavista erinäisistä tekijöistä. Kuten pieleen menevistä sääennusteista voimme päätellä, erityisesti laajoja konteksteja kuvaavat mallit ovat aina vajavaisia, eivätkä ne kykene ennakkoon käsittelemään kaikkia vaikuttavia poikkeustapauksia. Tiede, joka pyrkii absoluuttiseen ennustettavuuden, ei kykene käsittelemään keskeneräisyyttä ja muutosta, joka toisaalta liittyy moniin ilmiöihin, joita koemme arjessamme.

Tieteen saralla ilmiöiden keskinäisriippuvuuksia sekä suhteita korostava systeemiajattelu ja niiden dynamiikkaa sekä muutosta tutkivat kompleksisuustieteet tarjoavat perinteisestä tieteestä poikkeavan työkalupakin, jonka avulla voimme tarkastella yksittäisiä tekijöitä ja rajattuja konteksteja laajempia kokonaisuuksia. Systeemiajattelu ja kompleksisuustieteet ovat avainasemassa, kun haluamme laajentaa näkökulmia rajatuista konteksteista laajempaan ympäristöön, joka vaikuttaa paikallisesti havaittaviin ilmiöihin.

Yhteiskunnalliset ja globaalit suuret sekä pirulliset ongelmat

Yhteiskunnallisten haasteiden taklaamisessa lähdemme usein liikkeelle toisistaan erillisistä ratkaisuista: yhteiskunnalliset yrittäjät kehittävät palveluita, joiden kokevat ratkaisevan käsiteltävänä olevia ongelmia. Valtiolla puolestaan rahoitetaan hankkeita tai säädetään lakeja, joiden tarkoituksena on tuottaa yhdenmukaista toimintaa ilmiöiden ja ongelmien ratkaisemiseksi.

Systeemiajattelussa lähtökohta on erilainen. Siinä pyritään mallintamisen avulla saamaan laaja kokonaiskuva ilmiöön vaikuttavista tekijöistä ja tunnistamaan tekijöiden keskinäisriippuvuuksien analyysin avulla kipupisteitä tai vipuvarsia, joiden avulla voidaan saada aikaan positiivisia heijastevaikutuksia koko ilmiötä koskevassa systeemissä, TASCIn Ingrid Burkettin sanoin. Systeemiajattelun näkökulmasta rajatut, paikalliset ja yksittäisten organisaatioiden tuottamat ratkaisut ovat lähtökohtaisesti riittämättömiä taklaamaan monimutkaisia vyyhtejä.

Systeeminen muutos vaatii yksittäisten ratkaisujen sijaan useita heijastevaikutuksia tuottavia systeemisiä interventioita.
“Systeeminen muutos vaatii yksittäisten ratkaisujen sijaan useita heijastevaikutuksia tuottavia systeemisiä interventioita.” Kuvan lähde: Ingrid Burkett: Evaluating Systems Change

Dark Matter Labs on Iso-Britanniasta käsin toimiva Think & Do Tank, joka pyrkii edistämään systeemiajatteluun perustuvia ratkaisuja yhteiskunnallisiin ongelmiin. Yksi esimerkki Dark Matter Labsin lähestymistavasta on Walesissa tehty projekti, jonka puitteissa pyrittiin kehittämään mallia julkisen asumisen ja hoivan palvelujen kehittämiseksi kohteena olevien ihmisten ympärille eikä niitä tuottavien instituutioiden ympärille. Projektissa mallinnettiin ensin kohteena olevaa aluetta ja siihen liittyviä tekijöitä. Vasta sen jälkeen alettiin pohtimaan, mihin keskinäisriippuvaisessa järjestelmässä pitäisi yrittää vaikuttaa, että saadaan aikaiseksi laajamittaista muutosta.

Systeemiajattelussa lähdetään liikkeelle ensin ilmiön mallintamisesta ja tunnistetaan sen avulla keskeisimmät pisteet, joihin vaikuttamalla saadaan aikaan laajamittaista muutosta.
Systeemiajattelussa lähdetään liikkeelle ensin ilmiön mallintamisesta ja tunnistetaan sen avulla keskeisimmät pisteet, joihin vaikuttamalla saadaan aikaan laajamittaista muutosta. Kuvan lähde: Dark Matter Labs: Caring for the Future.

Systeemiajattelussa ja kompleksisuustieteissä hyödynnettävän systeemien mallintamisen levittämisessä piilee yksi ratkaisu päästä tieteenalakohtaisuudesta kohti kokonaisuuksien tiedettä. Tämänkaltaisten lähestymistapojen kehittäminen ja levittäminen ovat avainasemassa, jotta voimme tuottaa jatkossa evidenssiin perustuvaa tietoa ja ratkaisuja auttamaan meitä suurten ja pirullisten yhteiskunnallisten ja globaalien ongelmien ratkaisemisessa.

MBA, KTM, KM, YTM Mikael Seppälä on organisaatioiden, palvelumuotoilun ja datan hyödyntämisen asiantuntija. Hän toimii yhteisömanagerina Open Knowledge Finland ry:ssä ja Social Innovation for Systems Change Finland -verkostossa.

Social Innovation for Systems Change Finland

Social Innovation for Systems Change Finland -verkosto pyrkii edistämään ymmärrystä ja kyvykkyyksiä avoimien innovaatiomenetelmien, systeemiajattelun ja kompleksisuustieteiden hyödyntämisestä yhteiskunnallisten ja globaalien ongelmien ratkomisessa.

Tule kuulolle ja osallistu:
Facebook: https://www.facebook.com/groups/SocInnFI/
Twitter: http://twitter.com/SocInnFI

Lähteet

Andrew Abbott: Chaos of Disciplines

Dark Matter Labs: Caring for the Future (Issuu)

Ingrid Burkett/TACSI: Evaluating Systems Change (Youtube-video)

Teksti on julkaistu alunperin Tietojohtaminen ry:n Tietoasiantuntija-lehdessä 4/2018.