De flesta av våra inlägg innehåller orsaksslöjdsdiagram eftersom vissa saker är bättre uttryckta med en visuell modell än med enbart ord. Systemtänkande tar upp komplexa, dynamiska system och hur de beter sig över tid, vilket kräver ett annat slags språk. Den här snabba handledningen kommer att lära dig grunderna om hur man läser orsaksslingediagram genom en befolkningsmodell.

Kausalslingediagram består av variabler (saker, handlingar eller känslor) som är kopplade till varandra genom orsakslänkar (pilar) med polariteter (+- och -tecken) och fördröjningar (||). Tillsammans skapar dessa positiva och negativa återkopplingsslingor som beskriver cirklar av orsak och verkan som får ett eget liv. Låt oss hoppa in i vårt exempel för att göra detta mer konkret:

Befolkningsmodell

De två saker som får befolkningen att förändras är födslar och dödsfall, så vi använder pilar för att representera dessa orsakssamband. Vi vet att fler födslar leder till en större befolkning och att färre födslar leder till en lägre befolkning, allt annat lika. Vi skulle säga att detta förhållande har en positiv polaritet, vilket innebär att de två variablerna rör sig i samma riktning: mer leder till mer, eller mindre leder till mindre. Vi anger att ett orsakssamband har en positiv polaritet genom att placera ett +-tecken bredvid pilhuvudet.

Vi vet också att fler dödsfall leder till en lägre befolkning, och färre dödsfall leder till en större befolkning. Variablerna rör sig i motsatt riktning, mer leder till mindre, eller mindre leder till mer, så vi skulle säga att detta förhållande har en negativ polaritet. Vi representerar detta genom att märka pilhuvudet med ett -tecken.

Dessa kausala samband är sanna oberoende av varandra, och de är också båda sanna samtidigt. Var för sig berättar de inte vad som faktiskt händer med befolkningen. Riktningen av förändringen i befolkningen bestäms av vilket av dessa två samband som är dominerande. Så länge födslarna överstiger dödsfallen kommer befolkningen att växa, och när dödsfallen överstiger födslarna kommer befolkningen att krympa.

Nu ska vi införa lite återkoppling i modellen. Samtidigt som fler födslar leder till en större befolkning leder en större befolkning också till fler födslar eftersom fler människor gör fler barn, givet att ett födelsetal förblir konstant (det är därför vi säger ”allt annat lika”, eftersom vi bara tar hänsyn till de två variabler som vi kopplar samman när vi tänker på polaritet). Därför drar vi en positiv orsakssamband från befolkning tillbaka till födslar.

Denna länk bildar vår första återkopplingsslinga, som visas på vänster sida i bilden ovan. En återkopplingsslinga är vad vi kallar en uppsättning relationer där en variabel leder till en förändring i en annan variabel som så småningom leder till en förändring i den ursprungliga variabeln. För att läsa en återkopplingsslinga väljer man en variabel att börja med och väljer godtyckligt en riktning – antingen Mer eller Mindre.

Så låt oss läsa den här och börja med Befolkning och Mer. Mer befolkning leder till fler födslar som leder till mer befolkning. Detta kallas en förstärkande återkopplingsslinga (markerad med ett R) eftersom fler födslar i dag leder till fler födslar i framtiden – födslar förstärker födslar. På samma sätt skulle färre födslar leda till en lägre befolkning vilket skulle leda till färre födslar i framtiden; den förstärkande processen fungerar också i motsatt riktning. Om detta var den enda återkopplingsslingan i befolkningssystemet och människor inte dog skulle vi se en exponentiell tillväxt av antalet människor.

Vi ser en annan typ av återkopplingsslinga när vi undersöker dödsfall. Fler dödsfall i dag leder till färre dödsfall i framtiden. Detta beror på att fler dödsfall i dag leder till att befolkningen minskar, vilket innebär att färre människor kommer att finnas kvar för att dö senare. Dessa typer av slingor kallas balanserande återkopplingsslingor (markerade med ett B) eftersom mer leder till mindre eller mindre leder till mer – den ursprungliga förändringen balanseras av en förändring i motsatt riktning.

Feedback-slingor får ett eget liv. Vi ser en uppsättning relationer som alltid sker om och om igen och som genererar ett beteende som utvecklas med tiden. Dessa två återkopplingsslingor kan orsaka några olika beteenden beroende på födelsetal och förväntad livslängd – vi kommer att observera att befolkningen växer och växer allt snabbare så länge den förstärkande slingan Födda dominerar, och planar ut om den balanserande slingan Döda dominerar.

Bemärk i bilden ovan att det finns två hash-markeringar, || , på kausalförbindelserna mellan Befolkning och Födda och mellan Befolkning och Döda. Hashmarkeringar representerar en fördröjning, en situation där det tar tid innan effekten utspelar sig. Det tar tid för en individ att bli myndig för att skaffa barn, varför det finns en fördröjning mellan befolkning och födslar. Denna fördröjning är längre i vissa länder som Nya Zeeland där den genomsnittliga kvinnan får barn vid 29 års ålder, medan den är mindre än 20 år i vissa utvecklingsländer.

Fördröjningen av dödsfall är en fördröjning där vi ser stora skillnader mellan olika länder. I Japan är den förväntade livslängden över 80 år, medan den bara är 49 år i Afghanistan. Fördröjningar har viktiga konsekvenser, så när du stöter på en sådan bör du tänka dig själv: ”Hur lång är den här fördröjningen?”. Om fördröjningarna är relativt långa kan det leda till en fördröjning i reaktionsförmåga eller oförmåga att anpassa sig (dvs. du kan helt enkelt inte ändra befolkningen omedelbart), medan om fördröjningarna är mycket korta eller obefintliga kan systemet vara mer sporadiskt.

Den fördröjning det tar för människor att ändra sina åsikter är mycket kort hos ett litet barn och mycket lång hos vuxna (vissa vuxna ändrar aldrig sin världsbild efter en viss ålder).

Ett resurssnålt, fattigt land

Nu ska vi titta på en modell som fångar ett resurssnålt, fattigt land nedan. Kan du spåra de två nya balanserande och förstärkande slingorna och förstå dem? Låt oss göra ett försök!

Vi börjar med den nya balanserande slingan längst ner till höger. När befolkningen ökar sjunker antalet resurser per person, och när detta sker kommer den genomsnittliga livslängden också att sjunka eftersom färre resurser innebär mindre mat, en svagare ekonomi, färre läkare och färre jobb. När livslängden sjunker ökar antalet dödsfall, vilket leder till att befolkningen sjunker. Denna balanseringsslinga är logisk, men den kommer bara att spela in om resursbegränsningar är ett allvarligt problem.

En annan intressant sak utspelar sig i samband med förväntad livslängd i den nya förstärkande slingan längst ned till vänster. När medellivslängden sjunker och spädbarnsdödligheten ökar kan människor vilja ha större familjer. Detta leder i slutändan till fler barn i varje hushåll, vilket ökar befolkningens storlek, förvärrar resursbegränsningarna och minskar livslängden ytterligare. Detta förstärkande kretslopp utgör en ond cirkel där människor i huvudsak får vad de vill ha i nuet på bekostnad av framtiden. Är denna mekanism begriplig? Den skulle säkerligen inte gälla i alla sammanhang, men i vissa situationer skulle man kunna tänka sig hur en mor, som förväntar sig att flera av hennes barn kommer att dö innan de når en mogen ålder, skulle vilja skaffa fler barn i väntan på tidiga dödsfall. Modellen är sann i samband med en rådande uppsättning faktorer (resursbegränsningar spelar roll) och uppfattningar (att ha många barn är det bästa sättet att se till att man har familj i framtiden).

Kontexten är nyckeln

Håll i minnet att detta bara är en förenklad befolkningsmodell av en hypotetisk befolkning. Den kan representera vissa länder mer än andra. Vissa skulle till exempel hävda att sambandet mellan resurser och livslängd är svagt så länge som tekniska framsteg och innovationer gör det möjligt för oss att stödja våra konsumtionsvanor utan att utvinna resurser i alltför hög takt. Men andra hävdar att tekniken inte kan göra så mycket, och att även USA så småningom kommer att nå sina gränser. Vissa anser att vi använder olja som om vi hämtar vatten från en brunn – vi har ingen aning om hur mycket som finns kvar, så vi beter oss som om den är bottenlös.

Det särskilda problemet och sammanhanget för en modell bör alltid vara tydligt. Modeller används för att sätta in problem och besvara frågor. De är explicita teorier om varför något beter sig som det gör. De bör bidra till att klargöra vad som beaktas och vad som utesluts och ge möjligheter att föreslå korrigeringar, tillägg och förbättringar.

Sammanfattning

Så nästa gång du ser ett orsaksslingediagram:

1. Fråga vilket problem detta beskriver
2. Gå igenom de viktigaste återkopplingsslingorna, identifiera vilken typ de är, och koka ner dem till den process som de beskriver
3. Skatta fördröjningarna för att få en uppfattning om tidsskalan för varje återkopplingsslinga
4. Identifiera vilka variabler och slingor som är dominerande
5. Tänk på vad som saknas

Tränar nu på det du lärt dig i det här korta frågesportspasset om orsaksslinga-diagram!

Öva på att läsa fler kausala loopdiagram (eller se hela listan över uppsatser med CLD):

• Smartphone-industrins tillväxt
• Hyrestillväxt i San Francisco
• Bortförbud av aborter
• Hur smutsiga tallrikar hopar sig

Lär dig grunderna:

• Grunderna
• Arketyper
• Tänk som en modellbyggare