系统动力学
我们正在不断地意识到我们生活在一个复杂且不断变化的世界中，并且每年都有更多的认识。为了不断地作出决定，我们运用思维模式。然而，这些模型并不是总能帮我们解决问题，，正如Jay Forrest 所认为的那样：作为一种方法，它们可能是违背直觉的，即使是非常简单的事情。
例如：带着小孩子们去参观科技博物馆，我们可能要解释，在水箱中，为什么那个离地面最近的空所喷出的水会喷得更远一些。我们也可能要解释，为什么距离稍远一些，在放大镜中的影像就会倒转过来，而不是变得模糊。
正如Ludwing von Bertalanffy所认为的那样：对于那些做科学的人而言，任何科学以外的问题都是毫无意义的。文件中所没有的就是不存在的。这样才是科学合法的位置。尽管这样，如果我们想要使我们的理解进一步，只有“模拟”可以解释那些和物理学家们毫不相关的东西，我们最直观的真实世界的模拟就是：我们对现实的直接经验。
用康德的话说，对真实世界的所有描述就是一次原因上的探究。这样的话，那只有两个替代品可以选择：我们或者拒绝所有关于事物本质上的描述，或者我们必须意识到它的相似本性，因为我们还没有丝毫的证据证明我们自身内在的经验与真实是一致的。
当我们面对那些伴随着一定的参数，特别是定量化参数的事例时，我们可以利用那些具有合理的高成功率的模型来进行模拟。可是，当我们面对那些复杂的并伴随有大量很难被定量化的参数的事物时，我们可以求助的能够提供更多的结构性观点，问题的关键方面和可能的解决办法的模型却很少。
Lynda M. Applegate 指出今天的计算机用来连续地处理信息，一条指令接一条指令的工作。如果问题可以构建出框架并且分成几个部分，这一工作可以进行得很好。但是，如果问题是复杂的、缺乏结构性的，并且需要直觉、创造性和洞察力才能解决的，计算机将不能很好地工作。
系统动力学主要应用于这种复杂的但很容易定义的环境中， 在这种情况下，人们的决策将有逻辑地进行。我们并须记着现在的科学是基于可测量和可复制的基础上的。正如营销学专家所知道的那样，人们是根据一定的规则进行行动的，市场法则是很容易被衡量和复制的（高需求促使价格上涨）。
关于这一点，Javier Aracil在系统动力学的引言中进行了阐述，认为计算机模型可以提供思维模式不能提供的信息：它们可以给出既定系统组成元素间的动力学因果关系。当评价一定行为的因果关系时，思维模式的运用意味着有可能得到错误的结论。当问题复杂时，直觉是不可靠的。一个可能的原因是：我们趋向于进行一个原因一个结果式的思考，忘记了很可能存在于这个系统中的结构性反馈。当准备好了一个计算机模型时，我们必须分别考虑每一步骤。我们必须对所产生的思维形象进行深入研究，并用计算机程序语言表达出来。通常，任何具有一致性和具体的系统思维影像都可以通过这个途径表达出来。在计算机程序中，这些体验的准确的公式表达驱使我们进行检查、使其结构化、聚焦于我们的思维模式，这样通过一些观察，为我们提供更多的认识。
程序式的数学模型可以进行明确表达。运用于描述模型的数学语言使其十分清晰。系统动力学模型要比思维模式明确很多，所以可以清晰地表达出来。建立模型的假定条件和构建元素间的相互关系可以被完全清晰地提出并进行讨论和修改。基于这一点，用于预测未来的模型可以以完全准确的方式进行研究。
区分以下两种模型是非常重要的：预测模型用来提供模拟系统未来状态的准确信息，而管理模型用来决定决策X是否优于决策Y.管理模型不需要太精确，因为比较是十分有意义的。系统动力学模型属于后者。
正如上述所说，系统意味着设定的独立因素，它们以固定的方式进行相互作用。首先来理解用于定义系统构造元素的行为模式和它们可能的相互关系。Aristotle认为系统整体在这里有其特殊意义，而不是各部分的简单整合。
系统动力学观点与已有的且用于构造社会生态系统模型的技术有本质上的区别，如计量学。基于行为学的计量科学，利用经验数据诸如统计上的微积分来定义所涉及变量间的意义和相互关系。模型由独立参变量的历史演化而成，统计学用来确定等式的系统参数，这些公式用于连接其他独立变量。那种不需要内在作用信息的模型可以用这些技术进行构建。证券市场模型分析股票价值的波动以及涨落周期等就是运用的这些方法。他们无需尝试收集公司运作的内部信息，因为一个公司价值的涨落是由新产品和新的竞争对手决定的。
系统动力学的基本目标是不同的。它的目的是获得对系统行为的结构性原因的理解。这就意味着要增加对系统中每个元素角色的理解，为的是评价系统的不同部分所产生的不同行为是如何强调或突显行为的趋势的。
系统动力学区别与其他方法的一个特征就是它不会给出一个具体的预测结果。利用模型研究系统和检测不同的假定条件，我们可以加深我们对真实世界的认识，从而评价我们假定条件的一致性和每个方案的有效性。
另一个重要特征是它的长期性，也就是说它有一个相当长的研究时段，足以使系统的各个显著方面进行自由的演化。只有足够长的时间尺度，系统的基础性行为才能够观察到。如果决策过程的水平时间尺度过短，或者问题在被提出时缺乏说明性，一些方案的结果有时就是不适合的，我们必须切记这一点。在这些情况下，了解发生在当前事件的长期结果，对我们而言是非常有用的，而且如果我们使用一个合适的模型，这将是很容易的事。
只有任何可能的改变的起因被鉴别出来，这种长期的深化过程才能够被理解。如果选择了合适的变量，这一过程可以被简化。就理论而言，任何重要的变化都会发生在主要的系统变量中，这些变量对应于宽泛的时间尺度，系统的局限性就是机制的整体设置是这些变化的原因。
系统动力学允许先对系统的各元素进行认真地分析，然后进行建模。这一分析可以将模型中的内在逻辑性提取出来。那时，系统长期深化的过程可以被认知。值得注意的是：根据历史数据对模型进行调试不是最重要的，模型内部的逻辑关系以及内在结构关系才是模型构建的重点。
注意事项：所有的教学材料，包括这个练习，都应该是客观的。这是练习要实现的目标，但是作者承认他也不是永远都成功。对于这一点，他必须道歉。作为一个公众性的方法，个人意见的整合，读者可以作出他们自己的假设。
Text: Juan Martin Garcia - Translation: Qi Honggang
