De meeste van onze berichten bevatten causale lusdiagrammen omdat sommige dingen beter worden uitgedrukt met een visueel model dan met woorden alleen. Systeemdenken gaat over complexe, dynamische systemen en hoe die zich in de tijd gedragen, en dat vraagt om een ander soort taal. Deze snelle tutorial leert u de basis over het lezen van causale lus diagrammen door middel van een Populatie model.

Causale lus diagrammen bestaan uit variabelen (dingen, acties of gevoelens) verbonden door causale links (pijlen) met polariteiten (+ en – tekens) en vertragingen (||). Samen creëren deze positieve en negatieve terugkoppellussen die de cirkels van oorzaak en gevolg beschrijven die een eigen leven gaan leiden. Laten we ons voorbeeld eens bekijken om dit concreter te maken.

Bevolkingsmodel

De twee dingen die de Bevolking doen veranderen zijn Geboorten en Sterfgevallen, dus gebruiken we pijlen om deze oorzakelijke verbanden weer te geven. We weten dat meer geboorten tot een grotere bevolking leiden, en minder geboorten tot een kleinere bevolking, als al het andere gelijk is. We zouden zeggen dat dit verband een positieve polariteit heeft, wat betekent dat de twee variabelen in dezelfde richting bewegen: meer leidt tot meer, of minder leidt tot minder. We geven aan dat een oorzakelijk verband een positieve polariteit heeft door een +-teken naast de pijlpunt te plaatsen.

We weten ook dat meer sterfgevallen leiden tot een lagere Bevolking, en minder sterfgevallen leiden tot een grotere Bevolking. De variabelen bewegen in tegengestelde richting, meer leidt tot minder, of minder leidt tot meer, dus we zouden zeggen dat deze relatie een negatieve polariteit heeft. We geven dit weer door de pijlpunt te voorzien van een -teken.

Deze oorzakelijke verbanden zijn onafhankelijk van elkaar waar, en ze zijn ook allebei tegelijk waar. Op zichzelf vertellen ze ons niet wat er werkelijk met de bevolking gebeurt. De richting van de verandering in de bevolking wordt bepaald door welk van deze twee verbanden dominant is. Zolang het aantal geboorten groter is dan het aantal sterfgevallen, zal de bevolking groeien, en wanneer het aantal sterfgevallen groter is dan het aantal geboorten, zal de bevolking krimpen.

Nu gaan we wat terugkoppeling in het model introduceren. Meer geboorten leidt tot een grotere bevolking, maar een grotere bevolking leidt ook tot meer geboorten omdat meer mensen meer baby’s maken, als het geboortecijfer constant blijft (daarom zeggen we “alle andere variabelen gelijk”, omdat we alleen kijken naar de twee variabelen die we met elkaar in verband brengen als we over polariteit nadenken). Daarom trekken we een positief oorzakelijk verband van Bevolking terug naar Geboorten.

Dit verband vormt onze eerste terugkoppelingslus, die links in de bovenstaande afbeelding te zien is. Een terugkoppelingslus noemen we een reeks relaties waarbij één variabele leidt tot een verandering in een andere variabele die uiteindelijk leidt tot een verandering in de oorspronkelijke variabele. Om een terugkoppelingslus te lezen, kies je een variabele om mee te beginnen en kies je willekeurig een richting – ofwel Meer of Minder.

Dus laten we deze lezen beginnend met Bevolking en Meer. Meer bevolking leidt tot meer geboorten, wat leidt tot meer bevolking. Dit wordt een versterkende terugkoppelingslus genoemd (aangegeven met een R), omdat meer geboorten vandaag tot meer geboorten in de toekomst leiden – geboorten versterken geboorten. Op dezelfde manier zou minder geboorten leiden tot een lagere bevolking, wat weer zou leiden tot minder geboorten in de toekomst; het versterkende proces werkt ook in omgekeerde richting. Als dit de enige terugkoppelingslus in het Bevolkingssysteem zou zijn en mensen zouden niet sterven, dan zouden we een exponentiële groei van het aantal mensen zien.

We zien een ander soort terugkoppelingslus als we de Sterfgevallen onderzoeken. Meer sterfgevallen vandaag leidt tot minder sterfgevallen in de toekomst. Dit komt omdat meer sterfgevallen vandaag de bevolking doen afnemen, wat betekent dat er minder mensen zullen zijn om later te sterven. Dit soort lussen worden Balancing Feedback Loops (aangeduid met een B) genoemd, omdat meer leidt tot minder of minder leidt tot meer – de oorspronkelijke verandering wordt gecompenseerd door een verandering in de tegenovergestelde richting.

Feedback loops gaan een eigen leven leiden. We zien een reeks relaties die zich steeds opnieuw voordoen en gedrag genereren dat zich in de loop van de tijd ontvouwt. Deze twee terugkoppelingslussen kunnen een paar verschillende gedragingen veroorzaken op basis van het geboortecijfer en de levensverwachting – we zullen zien dat de Bevolking groeit en steeds sneller groeit zolang de versterkende Geboortelus domineert, en afvlakt als de Doden-balanceringslus dominant is.

Zie in de afbeelding hierboven dat er twee hasj-tekens, || , staan op de oorzakelijke verbanden tussen Bevolking en Geboorten en tussen Bevolking en Doden. Hash markeringen vertegenwoordigen een Vertraging, een situatie waarin het tijd kost voordat het effect optreedt. Het duurt een tijd voor een individu de leeftijd heeft om een kind te krijgen en daarom is er een vertraging tussen Bevolking en Geboorten. Deze vertraging is groter in sommige landen zoals Nieuw-Zeeland, waar de gemiddelde vrouw op 29-jarige leeftijd kinderen krijgt, terwijl dit in bepaalde ontwikkelingslanden minder dan 20 jaar is.

De vertraging bij sterfgevallen is er een waar we enorme verschillen tussen de diverse landen zien. In Japan is de levensverwachting meer dan 80 jaar, terwijl het slechts 49 jaar is in Afghanistan. Vertragingen hebben belangrijke gevolgen, dus als je er een tegenkomt, denk dan bij jezelf na: “Hoe lang is deze vertraging?” Als de vertragingen relatief lang zijn, kan dat leiden tot een vertraging in het reactievermogen of een onvermogen om zich aan te passen (d.w.z. je kunt de bevolking gewoon niet onmiddellijk veranderen), terwijl als de vertragingen zeer kort zijn of niet-bestaand, het systeem meer sporadisch zou kunnen zijn.

De tijd die mensen nodig hebben om van mening te veranderen is bij een jong kind heel kort, en bij volwassenen heel lang (sommige volwassenen veranderen hun wereldbeeld na een bepaalde leeftijd nooit meer).

Een arm land met beperkte middelen

Laten we nu eens kijken naar een model dat een arm land met beperkte middelen hieronder weergeeft. Kun je de twee nieuwe balancerings- en versterkingskringen traceren en er iets zinnigs over zeggen? Laten we het eens proberen!

We beginnen met de nieuwe evenwichtsversterkende lus rechtsonder. Als de bevolking toeneemt, daalt het aantal hulpbronnen per persoon, en als dit gebeurt, daalt ook de gemiddelde levensverwachting, aangezien minder hulpbronnen minder voedsel, een zwakkere economie, minder artsen en minder banen betekent. Als de levensverwachting daalt, stijgt het aantal sterfgevallen, waardoor de Bevolking daalt. Deze evenwichtsoefening is zinvol, maar speelt alleen een rol als de schaarste aan hulpbronnen een ernstig probleem is.

Er speelt zich nog iets interessants af in verband met de levensverwachting in de nieuwe versterkende lus linksonder. Wanneer de levensverwachting daalt en de zuigelingensterfte toeneemt, kunnen mensen grotere gezinnen willen. Dit leidt uiteindelijk tot meer kinderen in elk huishouden, waardoor de bevolkingsomvang toeneemt, de schaarste aan hulpbronnen toeneemt en de levensverwachting verder daalt. Deze versterkende lus vertegenwoordigt een vicieuze cirkel waarin mensen in wezen krijgen wat ze willen in het heden ten koste van de toekomst. Slaat dit mechanisme ergens op? Het is zeker niet in elke context van toepassing, maar in sommige situaties zou je je kunnen voorstellen dat een moeder, die verwacht dat verschillende van haar kinderen zullen sterven voor ze een rijpe leeftijd bereiken, meer kinderen zou willen krijgen in afwachting van een vroege dood. Het model is waar in de context van een bepaalde reeks factoren (beperkingen van middelen zijn van belang) en overtuigingen (veel kinderen krijgen is de beste manier om ervoor te zorgen dat je in de toekomst familie hebt).

Context Is Key

Bedenk dat dit slechts een vereenvoudigd bevolkingsmodel is van een hypothetische bevolking. Het kan sommige landen beter vertegenwoordigen dan andere. Sommigen zouden bijvoorbeeld aanvoeren dat het verband tussen hulpbronnen en levensverwachting zwak is zolang technologische vooruitgang en innovaties ons in staat stellen onze consumptiegewoonten te ondersteunen zonder al te veel hulpbronnen te onttrekken. Maar anderen beweren dat de technologie maar tot op zekere hoogte in staat is en dat zelfs de VS uiteindelijk haar grenzen zal bereiken. Sommigen menen dat we olie gebruiken alsof we water uit een bron halen – we hebben geen idee hoeveel er nog over is, dus gedragen we ons alsof er geen bodem meer is.

Het specifieke probleem en de context van een model moeten altijd duidelijk zijn. Modellen worden gebruikt om problemen in te kaderen en vragen te beantwoorden. Het zijn expliciete theorieën over waarom iets zich gedraagt zoals het zich gedraagt. Zij moeten helpen verduidelijken wat in aanmerking wordt genomen en wat wordt uitgesloten, en mogelijkheden bieden om correcties, aanvullingen en verbeteringen voor te stellen.

Samenvatting

Dus de volgende keer dat u een causaal lusdiagram ziet:

1. Vraag welk probleem dit beschrijft
2. Loop door de belangrijkste terugkoppellussen, identificeer welk type ze zijn, en herleid ze tot het proces dat ze beschrijven
3. Schat de vertragingen om een idee te krijgen van de tijdschaal van elke terugkoppelingslus
4. Stel vast welke variabelen en lussen dominant zijn
5. Bedenk wat er ontbreekt

Oefen nu wat je geleerd hebt in deze korte Causal Loop Diagram-quiz!

Practice Reading More Causal Loop Diagrams (of bekijk de volledige lijst van essays met CLDs):

• Smartphone Industry Growth
• San Francisco Rent Growth
• Banning Abortions
• How Dirty Dishes Pile Up

Learn the Foundations:

• Funderations
• Archetypes
• Think Like a Modeler