Maklumat

1.3: Model dan Memudahkan Andaian - Biologi

1.3: Model dan Memudahkan Andaian - Biologi


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Membuat Model Perkara Sebenar

Hidup ini rumit. Kata pepatah umum menyatakan: "Semua model salah, tetapi beberapa model berguna." Maksudnya, tidak kira seberapa canggihnya, semua model adalah penghampiran sesuatu yang nyata. Model terdapat dalam pelbagai bentuk yang merangkumi, tetapi tidak terhad kepada:

Jenis Model

  • Model fizikal - ini adalah objek 3D yang boleh kita sentuh.
  • Lukisan - ini boleh dibuat di atas kertas atau di komputer dan sama ada dalam 3D 2D atau maya. Kami kebanyakannya melihat mereka.
  • Model matematik - ini menerangkan sesuatu dalam kehidupan sebenar dalam istilah matematik. Kami menggunakan ini untuk mengira kelakuan perkara atau proses yang ingin kami fahami.
  • Model lisan atau bertulis - model ini disampaikan dalam bahasa bertulis atau lisan.
  • Model mental - model ini dibina dalam fikiran kita dan kita menggunakannya untuk mencipta jenis model lain dan untuk memahami perkara di sekeliling kita.

Memudahkan Andaian

Biasanya, dalam sains dan kehidupan seharian, model mudah lebih diutamakan daripada yang kompleks. Mencipta model mudah perkara sebenar yang kompleks memerlukan kita membuat apa yang dikenali sebagai mempermudahkan andaian. Seperti namanya, mempermudahkan andaian adalah andaian yang termasuk dalam model untuk mempermudah analisis sebanyak mungkin. Apabila model yang dipermudahkan tidak lagi meramalkan kelakuan perkara sebenar dalam had yang boleh diterima, terlalu banyak andaian yang memudahkan telah dibuat. Apabila sedikit nilai ramalan diperoleh daripada menambahkan lebih banyak perincian pada model, kemungkinan terlalu rumit. Mari kita lihat pelbagai jenis model daripada disiplin yang berbeza dan nyatakan andaian memudahkan mereka.

Contoh dari fizik: Bongkah pada satah tanpa geseran

Sumber: Dicipta oleh Marc T. Facciotti (Karya sendiri)

Lukisan garisan yang memodelkan bongkah (mana-mana bahan) yang terletak pada satah condong generik. Dalam contoh ini beberapa memudahkan andaian dibuat. Sebagai contoh, butiran bahan yang diperbuat daripada bongkah dan satah diabaikan. Selalunya kita mungkin juga untuk kemudahan menganggap bahawa pesawat itu tanpa geseran. The mempermudahkan andaian benarkan pelajar tersebut berlatih berfikir tentang bagaimana mengimbangkan daya yang bertindak pada blok ketika ditinggikan di medan graviti dan permukaan di mana ia duduk tidak tegak lurus dengan vektor graviti (mg). Ini memudahkan matematik dan membolehkan pelajar menumpukan pada geometri model dan cara mewakilinya secara matematik. Model, dan yang mempermudahkan andaian, mungkin melakukan kerja yang agak baik untuk meramalkan kelakuan kiub ais yang menggelongsor ke bawah satah condong kaca tetapi mungkin akan melakukan kerja yang buruk untuk meramalkan kelakuan span basah pada satah condong yang disalut dengan kertas pasir. Model ini akan terlalu dipermudahkan untuk senario yang terakhir.

Contoh dari biologi: gambar rajah reben protein

Sumber: Dicipta oleh Marc T. Facciotti (karya sendiri), University of California, Davis
Diperolehi daripada PDBID:4FPD

Ini adalah model kartun bacteriorhodopsin protein transmembran. Protein diwakili sebagai reben biru muda dan ungu (warna yang berbeza menyerlahkan heliks alfa dan helaian beta, masing-masing), ion klorida diwakili sebagai sfera kuning, sfera merah mewakili molekul air, bola dan batang merah jambu mewakili retina. molekul yang terletak di "bahagian dalam" protein, dan bola dan batang oren mewakili molekul lipid lain yang terletak di permukaan "luar" protein. Model ini dipaparkan dalam dua paparan. Di sebelah kiri model dilihat "sebelah atas" manakala di sebelah kanan ia dilihat sepanjang paksi panjangnya dari sisi ekstrasel protein (diputar 90 darjah keluar dari halaman dari paparan di sebelah kiri). Model ini memudahkan banyak perincian tahap atom protein. Ia juga gagal mewakili dinamik (pergerakan antara bahagian, kelenturan) protein. The mempermudahkan andaian bermakna model itu tidak akan melakukan kerja yang baik meramalkan masa yang diperlukan untuk protein melakukan kerjanya atau berapa banyak proton boleh diangkut merentasi membran sesaat. Sebaliknya, model ini melakukan kerja yang sangat baik untuk meramalkan berapa banyak ruang yang akan diambil oleh protein dalam membran selular, sejauh mana retina berada di dalam membran, kawasan mana protein mungkin paling kritikal untuk fungsinya, atau tertakluk kepada penyuntingan untuk mengubah fungsi, dan sama ada sebatian tertentu boleh "bocor" melalui saluran dalaman.

Contoh dari Kimia: Model garis molekul glukosa

Sumber: Dicipta oleh Marc T. Facciotti (Karya sendiri)

Rajah 3: Lukisan garisan molekul glukosa. Mengikut konvensyen, titik pertemuan garis lurus difahamkan mewakili atom karbon manakala atom lain ditunjukkan secara eksplisit. Memandangkan beberapa maklumat tambahan tentang sifat atom yang diwakili secara kiasan di sini, model ini boleh berguna untuk meramalkan beberapa sifat kimia molekul ini, termasuk keterlarutan atau tindak balas berpotensi yang mungkin berlaku dengan molekul lain. The mempermudahkan andaian namun menyembunyikan dinamik molekul.

Contoh dari kehidupan seharian: Model skala Ferrari

Model skala Ferrari. Terdapat banyak penyederhanaan dan kebanyakan hanya menjadikannya berguna untuk meramalkan bentuk umum dan bahagian relatif perkara sebenar. Sebagai contoh, model ini tidak memberi kita kekuatan ramalan tentang seberapa baik kereta itu memandu atau seberapa cepat ia berhenti dari kelajuan 70 km / s.

Sumber: Dicipta oleh Marc T. Facciotti (Karya sendiri)

Nota: Perbincangan yang mungkin

Terangkan model fizikal yang anda gunakan dalam kehidupan seharian. Apakah yang dipermudahkan oleh model daripada perkara sebenar?

Nota: Perbincangan yang mungkin

Terangkan lukisan yang anda gunakan dalam kelas sains untuk memodelkan sesuatu yang sebenar. Apakah yang dipermudahkan oleh model daripada perkara sebenar? Apakah kebaikan dan keburukan penyederhanaan?

Lembu sfera

Lembu sfera ialah metafora terkenal dalam fizik yang mempersendakan kecenderungan ahli fizik untuk mencipta model yang sangat dipermudahkan untuk perkara yang sangat kompleks. Banyak jenaka dikaitkan dengan kiasan ini dan mereka seperti ini:

"Pengeluaran susu di ladang tenusu rendah, jadi petani itu menulis surat kepada universiti tempatan, meminta bantuan dari akademik. Pasukan profesor multidisiplin telah dihimpunkan, diketuai oleh seorang ahli fizik teori, dan dua minggu penyelidikan intensif di lokasi berlangsung . Para ulama kemudian kembali ke universiti, buku nota penuh dengan data, di mana tugas menulis laporan diserahkan kepada ketua pasukan. Tidak lama selepas itu ahli fizik kembali ke ladang, berkata kepada petani, "Saya mempunyai penyelesaian, tetapi ia hanya berfungsi dalam kes lembu sfera dalam keadaan hampa. "
Sumber: halaman Wikipedia pada Spherical Cow - diakses pada 23 November 2015.

Gambaran kartun lembu sfera.
Sumber: upload.wikimedia.org/wikiped…/d2/Sphcow.jpg
Oleh Ingrid Kallick (Kerja sendiri) [GFDL (http://www.gnu.org/copyleft/fdl.html) atau CC BY 3.0 (http://creativecommons.org/licenses/by/3.0)], melalui Wikimedia Commons

"Lembu sfera" hanyalah cara yang menggembirakan untuk memperlekehkan proses membuat model sederhana. Sekurang-kurangnya, kita rasa ia lucu.

Analisis Bounding atau Asimptotik

Di BIS2A kami sering menggunakan model. Kadang-kadang kita juga suka membayangkan atau menguji sejauh mana model kita sebenarnya mewakili realiti dan membandingkannya dengan jangkaan daripada apa yang kita tahu adalah benar untuk perkara kehidupan sebenar. Terdapat banyak cara untuk melakukan ini bergantung pada seberapa tepat anda perlu mengetahui tingkah laku perkara yang ingin anda modelkan. Sekiranya anda perlu mengetahui banyak perincian, anda membuat model terperinci. Sekiranya anda bersedia untuk hidup dengan lebih terperinci, anda akan membuat model yang lebih ringkas. Selain memohon mempermudahkan andaian, selalunya berguna untuk menilai model anda menggunakan teknik yang kami panggil mengikat atau analisis asimptotik. Idea utama teknik ini adalah menggunakan model, lengkap dengan mempermudahkan andaian, untuk memahami bagaimana perkara sebenar mungkin berkelakuan pada keadaan yang melampau (cth. menilai model pada nilai minimum dan maksimum pembolehubah). Mari kita periksa contoh kehidupan sebenar yang mudah tentang cara teknik ini berfungsi:

Contoh: Batas

Persediaan masalah
Bayangkan bahawa anda perlu meninggalkan Davis, CA dan pulang ke Selma, CA pada hujung minggu. Jam 5 petang dan anda memberitahu ibu bapa bahawa anda akan pulang pada jam 6:30. Selma berjarak 200 batu (322 kM) dari Davis. Anda semakin bimbang bahawa anda tidak akan sampai ke rumah tepat pada masanya. Bolehkah anda mendapat perkiraan sama ada mungkin atau jika anda akan memanaskan makan malam anda di dalam ketuhar gelombang mikro? Oh, dan internet tergendala.

Buat Model Ringkas dan Penggunaan Bounding
Anda boleh membuat model yang dipermudahkan. Dalam kes ini, anda boleh menganggap bahawa jalan antara Davis dan Selma betul-betul lurus. Anda juga menganggap bahawa kereta anda hanya mempunyai 2 kelajuan: 0 mph dan 120 mph. Dua kelajuan ini adalah kelajuan minimum dan maksimum yang dapat anda tempuh - nilai batas. Anda kini dapat menganggarkan bahawa walaupun berdasarkan andaian senario "kes terbaik" secara teoritis, di mana anda akan memandu di jalan lurus yang sempurna tanpa halangan atau lalu lintas pada kelajuan maksimum, anda tidak akan membuatnya pulang tepat pada waktunya. Pada kelajuan maksimum anda hanya akan menempuh jarak 180 dari 200 batu yang diperlukan dalam 1.5 jam yang anda ada.

Tafsiran
Dalam contoh kehidupan sebenar ini, model yang dipermudahkan dibuat. Dalam kes ini, satu yang sangat penting mempermudahkan andaian dibuat: Jalan itu diandaikan lurus dan bebas daripada halangan atau lalu lintas. Andaian ini membolehkan anda membuat andaian yang munasabah bahawa anda boleh memandu jalan ini pada kelajuan penuh sepanjang jarak. The mempermudahkan andaian dipermudahkan banyak perkara yang anda tahu sebenarnya ada di dunia nyata yang akan mempengaruhi kelajuan yang boleh anda lalui dan dengan lanjutan masa yang diperlukan untuk melakukan perjalanan. Penggunaan pembanding – atau mengira kelakuan pada kelajuan minimum dan maksimum ialah cara untuk membuat ramalan cepat tentang perkara yang mungkin berlaku di dunia nyata. Model yang kami gunakan di sini ialah

tidak realistik sama sekali

, tetapi ia memberi kami satu

jawapan yang amat berguna

- memandangkan menambah faktor kehidupan sebenar yang lain (keluk, trafik, had laju) hanya boleh membuat perjalanan mengambil masa yang lebih lama, kami dapat dengan cepat menentukan bahawa jawapan kepada soalan asal kami- bolehkah kami sampai ke sana pada jam 6:30?- adakah "tidak".

Kami akan melakukan analisis serupa di BIS2A.

Kepentingan mengetahui andaian model utama

Mengetahui apakah andaian pemudah cara yang dibuat dalam model adalah penting untuk menilai sejauh mana ia berguna untuk meramalkan kehidupan sebenar dan untuk mula membuat tekaan tentang di mana model itu perlu diperbaiki jika ia tidak cukup ramalan. Di BIS2A anda akan diminta untuk membuat pelbagai jenis model secara berkala dan mengenal pasti secara jelas mempermudahkan andaian dan kesan andaian tersebut terhadap utiliti dan keupayaan ramalan model. Kami juga akan menggunakan model bersama-sama dengan mengikat latihan untuk mencuba mempelajari sesuatu tentang kemungkinan tingkah laku sistem.

Model Organisma

Pelbagai jenis model yang dinyatakan di atas adalah berkonsepkan model- mereka mempermudah "perkara sebenar" kepada beberapa perkara penting yang membolehkan kita memahaminya dengan lebih baik. Terdapat jenis model lain yang sangat penting dalam Biologi, yang disebut sebagai "sistem model". Sistem model adalah pendekatan sederhana (itulah model apa pun) - tetapi mereka masih hidup, bukan konsep! Jika anda melihat bacaan sebelumnya ("Biologi sebagai Sains"), anda mungkin masih ingat contoh penyiasat yang ingin menentukan sama ada calonnya kompaun pengurangan tekanan darah benar-benar mengurangkan tekanan darah. Dia dapat mengawal sekurang-kurangnya satu "dos" pemboleh ubah bebas (baiklah, semoga subjek eksperimennya "hanya manusia" dan siapa yang tahu apa yang akan mereka buat dengan pil mereka), tetapi dia tidak dapat mengawal banyak faktor lain dalam populasi sukarelawan manusia: genetik, gaya hidup, diet, corak tidur, perkara rawak yang mungkin berlaku kepada individu semasa kajian. Dia dapat menyusun hasilnya dengan pemboleh ubah bebas lain yang mudah dijaringkan, seperti jantina dan usia, dan itu berguna. The "bunyi bising"dihasilkan oleh semua pemboleh ubah bebas yang tidak terkawal ini mungkin menutupi"isyarat", itu adalah kesan ubatnya. Ini bermakna dia perlu menggunakan populasi manusia yang sangat besar untuk melihat isyarat itu, menghasilkan kajian yang sangat mahal. Seperti yang kami usulkan sebelumnya, dia dapat menghilangkan semua kebisingan ini dengan menggunakan sistem model seperti populasi tikus yang serupa secara genetik, dipesan daripada katalog, yang telah menjalani pengalaman hidup yang sama dan akan terus berbuat demikian semasa kajian. Malah kesan halus ubatnya akan mudah dikesan, dan ubatnya adalah pemboleh ubah bebas sahaja.

Kedengaran hebat, bukan?

Tetapi tanya diri anda- apa masalah dengan menggunakan "sistem model", seperti tikus, untuk menguji ubat yang tidak dimaksudkan untuk digunakan pada tikus?

Begitu juga, "sistem model" yang murah, cepat dan terkawal sangat penting untuk kajian Biologi, kerana eksperimen yang tidak dapat dilaksanakan (belum lagi sangat tidak beretika) pada manusia mungkin dapat dilaksanakan dalam "model" ragi pembuat roti seperti itu (model eukariota!) , lalat buah (model haiwan!) cangkang telinga tikus (model tanaman!), atau tikus (model mamalia!). Beberapa prinsip biologi molekul paling asas, yang akan kita pelajari di sini, berasal dari kajian bakteria dan patogennya, bakteriofag. Seperti yang dinyatakan oleh pemenang Nobel Jacob Monod (di sini diterjemahkan) "Adapun E coli, jadi untuk gajah!". Sudah tentu, itu terlalu menjangkau dalam banyak cara, tetapi anda tahu apa yang dia maksudkan... Aspek yang paling asas, penting, umum tentang cara kehidupan melaksanakannya ialah "helah sihir" dikongsi antara E coli dan gajah, kerana masalah yang akan kita kaji di sini: menangkap tenaga dan bahan dari alam sekitar, mengekalkan dan secara beransur-ansur "memperbaiki" cetak biru seumur hidup, dan bagaimana membaca cetak biru itu, diselesaikan oleh nenek moyang kuno kedua-duanya E coli dan gajah.


1 Model Generatif untuk Data Diskrit

Dalam biologi molekul, banyak situasi melibatkan peristiwa penghitungan: berapa banyak kodon menggunakan ejaan tertentu, berapa banyak bacaan DNA yang sesuai dengan rujukan, berapa banyak digram CG yang diperhatikan dalam urutan DNA. Kiraan ini memberi kita diskret pemboleh ubah, berbanding dengan kuantiti seperti jisim dan intensiti yang diukur berterusan penimbang.

Sekiranya kita mengetahui peraturan yang diikuti oleh mekanisme yang dikaji, walaupun hasilnya secara rawak, kita dapat menghasilkan kebarangkalian peristiwa yang kita minati dengan pengiraan dan undang-undang kebarangkalian standard. Ini adalah atas-bawah pendekatan berdasarkan potongan dan pengetahuan kita tentang cara memanipulasi kebarangkalian. Dalam Bab 2, anda akan melihat cara untuk menggabungkan ini dengan dipacu data (dari bawah ke atas) pemodelan statistik.


Catatan mengenai ( mathbf) Bahagian

Untuk besar n, (T^2) ialah lebih kurang khi kuasa dua diedarkan dengan hlm darjah kebebasan.

Jika kita menggantikan sampel matriks varians-kovarian, S, dengan matriks varians-kovarian populasi, (Σ)

maka ujian yang dihasilkan betul-betul diedarkan dengan chi-square dengan hlm darjah kebebasan ketika data diedarkan secara normal.

Untuk sampel kecil, anggaran chi-square untuk (T ^ 2 ) tidak mengambil kira variasi kerana mengira (Σ ) dengan matriks varians-kovarians sampel S.

Hasil yang lebih baik dapat diperoleh dari transformasi statistik Hotelling (T ^ 2 ) seperti di bawah:

Di bawah hipotesis nol, (H_ <0> colon boldsymbol < mu> = boldsymbol < mu_ <0>> ), ini akan mempunyai F pengedaran dengan hlm dan n-hlm darjah kebebasan. Kami menolak hipotesis nol, (H_ <0> ), pada tahap (α ) jika statistik ujian F lebih besar daripada nilai kritikal dari F- Meja dengan hlm dan n-hlm darjah kebebasan, dinilai pada tahap (α ).

Untuk menggambarkan ujian Hotelling's (T ^ 2 ) kami akan kembali ke data Kajian Kesihatan Wanita USDA.


Makroekonomi Bab 1

2. Ahli ekonomi menganggap bahawa individu membuat pilihan yang berusaha untuk memaksimumkan nilai beberapa objektif, dan bahawa mereka menentukan objektif mereka dari segi kepentingan diri mereka sendiri.
Individu memaksimumkan dengan membuat keputusan sama ada untuk melakukan lebih sedikit atau kurang sesuatu.

Beberapa pilihan utama yang dinilai oleh ahli ekonomi termasuk apa yang hendak dihasilkan, bagaimana menghasilkannya, dan untuk siapa ia harus dihasilkan. Ekonomi dibezakan dari disiplin akademik lain yang juga mengkaji pilihan dengan penekanan pada pentingnya pentingnya peluang peluang dalam menilai pilihan, anggapan memaksimumkan tingkah laku yang melayani kepentingan individu membuat keputusan, dan fokus untuk menilai pilihan di pinggir.

Analisis ekonomi mungkin bertujuan untuk menjelaskan pilihan atau pilihan individu dalam pasaran individu penyiasatan sedemikian sebahagian besarnya menjadi tumpuan mikroekonomi. Analisis kesan pilihan individu tersebut terhadap agregat seperti jumlah output, tahap pekerjaan, dan tahap harga adalah perhatian makroekonomi.

Bekerja dalam rangka kaedah saintifik, ahli ekonomi merumuskan hipotesis dan kemudian mengujinya. Ujian ini hanya boleh menyangkal hipotesis hipotesis dalam sains tidak dapat dibuktikan. Hipotesis yang telah diuji secara meluas sering dianggap sebagai teori yang telah memenangi penerimaan hampir universal ialah undang-undang. Kerana kerumitan dunia nyata, ahli ekonomi bergantung pada model yang bergantung pada serangkaian andaian yang mudah. Model-model tersebut digunakan untuk menghasilkan hipotesis mengenai ekonomi yang dapat diuji dengan menggunakan data dunia nyata.


3. Bahagian 2: Ke arah perubahan pasca wabak

Dalam menjawab bagaimana COVID-19 – bersama-sama penyakit lain – mendorong pertimbangan semula konsep pembangunan kami, kami telah menyerlahkan dua tema – sifat tidak terkawal dan proses sosio-politik, dan memperdalam ketidaksamaan struktur. Persoalannya kini timbul: apakah implikasi untuk transformasi pasca-pandemik, dan untuk memikirkan semula pembangunan?

Dalam bahagian kedua artikel ini, sekarang kita terus menerus meneroka bagaimana cabaran muncul untuk berfikir dan bertindak dalam tiga bidang utama & # x02013 untuk sains dan membuat keputusan, untuk membangun ekonomi yang berdaya tahan, dan untuk hubungan rakyat-negara. Untuk setiap bidang, kami mempertimbangkan sekali lagi apa yang telah dipelajari semasa pandemi COVID-19 bersama dengan wabak lain, dan kami membincangkan implikasi untuk menangani masalah kesihatan dan krisis lain di masa depan, dan untuk pembangunan secara lebih umum.

3.1. Memikirkan semula sains, dasar dan ketidakpastian

Bagaimana nasihat dan bukti saintifik harus digunakan dalam polisi untuk wabak penyakit dan masalah pembangunan yang lebih luas? Di sini kita menghadapi cabaran bahawa, dalam satu pihak, syarat nasihat sains dan proses dasar sains di mana ia tertanam mencerminkan politik dan struktur institusi yang berakar dalam, namun nasihat juga mesti bertindak balas terhadap ketidakpastian yang berleluasa dan kerumitan dinamik yang berlaku. .

Ketegangan ini tentunya berlaku untuk COVID-19. Tindak balas global telah banyak dimaklumkan oleh model epidemiologi, kini menjadi tunjang utama tindak balas wabak. Terdapat banyak versi yang bersaing, semuanya menggunakan sumber data yang berbeza. Tidak menghairankan, ini telah menyebabkan banyak ramalan berbeza mengenai apa yang akan berlaku, dan apa yang harus dilakukan (Rhodes et al., 2020). Pada satu tahap, ini adalah keadaan yang sihat, dengan berbilang saintis bekerja dengan niat baik untuk mencuba dan mencari penyelesaian dalam menghadapi ketidakpastian yang mendalam contohnya tentang laluan penghantaran, penyakit bersamaan, kadar kematian, tahap pendedahan, tindak balas imun dan kesan umur. . Bahaya datang apabila ketidakpastian seperti itu, atau sememangnya bentuk kejahilan, dikaburkan dalam proses itu, dan bentuk pengetahuan alternatif dan pandangan tentang penyakit itu tidak memasuki perbualan. Semestinya, model mempermudah dunia, menjadikannya beberapa anggaran dan parameter utama. Oleh itu, model itu sendiri hanya sebaik andaian yang memberitahu mereka, dan pelbagai perspektif – termasuk dari sains sosial – boleh memberikan kelayakan dan pelengkap penting. Masalah timbul apabila andaian ini tidak diakui, diperiksa atau diselaraskan. Mungkin lebih banyak daripada wabak sebelumnya, kepakaran pemodelan epidemiologi yang sempit telah menjadi sumber nasihat sains yang dominan semasa episod COVID-19 (Enserink dan Kupferschmidt, 2020). Ketika ahli politik dan penasihat bergelut dengan pandangan yang bersaing dan tekanan awam, pembingkaian kuantitatif dan kepastian palsu sesuatu model adalah menarik, dan kaveat mudah diketepikan. Seperti yang ditunjukkan oleh pengalaman COVID-19, ini boleh berbahaya, dengan akibat yang boleh membawa maut (Sampel, 2020).

Semasa wabak selesema burung di Asia Tenggara, model epidemiologi serupa digunakan untuk meramalkan penyebaran, dan memandu tindak balas intervensi. Pada tahun 2005 dua model telah diterbitkan dalam Alam semula jadi dan Sains (Ferguson et al., 2005, Longini et al., (2005) & # x02019) yang menumpukan perhatian pada & # x02018at sumber & # x02019 kawalan untuk mengelakkan penyebaran manusia selanjutnya. Hasilnya adalah sokongan untuk campur tangan besar-besaran untuk membasmi populasi unggas (dan itik liar dan angsa) di seluruh wilayah. Pada masa yang sama, model penularan manusia & # x02013 manusia berpotensi meramalkan sejumlah besar kemungkinan kematian (Scoones, 2010). Ramalan serupa ditawarkan pada awal 2013 & # x0201316 wabak Ebola di Afrika Barat, dengan model Pusat Kawalan Penyakit meramalkan sehingga 1.4 juta kematian (Meltzer et al., 2014). Sambil membantu menggerakkan sumber untuk organisasi antarabangsa, ramalan tersebut adalah berdasarkan andaian utama tentang kekurangan perubahan tingkah laku manusia dan tindak balas masyarakat, yang untungnya ternyata tidak benar (Richards, 2016).

Apa yang hilang semasa wabak selesema burung adalah rasa keadaan di lapangan dan keutamaan penduduk tempatan dan oleh itu apa yang dimaksudkan dengan bagaimana langkah-langkah kawalan akan dilaksanakan. Doktor haiwan mengeluh bahawa pemusnahan ayam belakang rumah secara besar-besaran akan menyebabkan kerosakan besar pada mata pencaharian dan ekonomi dan tidak akan berdampak sedikit pada penyebaran, bahkan di kalangan burung. Fokus lain untuk wabak penyakit adalah penyebab penyebaran, terutamanya unit pengeluaran unggas berskala sederhana yang dikomersialkan dengan biosekuriti yang terhad. Sementara itu, doktor perubatan yang telah berurusan dengan pesakit di Hong Kong pada tahun 1997 dan di seluruh Asia Tenggara dari tahun 2004 menimbulkan pertanyaan mengenai kadar penularan melalui laporan kes. Tidak ada hujah untuk berpuas hati, tetapi pandangan lain & # x02013 sama ada dari doktor haiwan lapangan atau doktor hospital dan jururawat & # x02013 adalah penting, tetapi sebahagian besarnya diabaikan. Ternyata penularan virus H5N1 burung terbatas di antara manusia, dan hanya sekitar 350 kematian manusia dicatat di seluruh dunia, sementara lebih dari satu miliar ayam hancur dan banyak penghidupan terjejas.

Begitu juga, keadaan dan tanggapan sosial tempatan tidak dihiraukan dalam pemodelan awal Ebola di Afrika Barat, dengan dasar dan pelaburan yang berkaitan menumpukan perhatian pada penyediaan sejumlah besar tempat tidur rawatan Ebola. Andaian linear tentang penularan penyakit tidak sejajar dengan hubungan persaudaraan, perjalanan dan perdagangan yang tertanam di rantau ini. Amalan sosial dan budaya tempatan di sekitar pengebumian, penjagaan dan lawatan terbukti menjadi teras kepada perjalanan wabak dan, apabila penduduk kampung dan pekerja barisan hadapan bersama-sama membangunkan pemahaman tentang jangkitan, mereka menyesuaikan amalan mereka untuk mengimbangi isu sosial dan penyakit dengan sewajarnya – untuk contohnya dengan mewujudkan ritual pengebumian bukan fizikal dan amalan karantina yang diketuai oleh tempatan yang sesuai dengan konteks sosial dan penghidupan (Richards, 2016). Bukti daripada pembelajaran dan tindakan tempatan secara beransur-ansur dimasukkan ke dalam tindak balas dasar, difasilitasi oleh rangkaian saintis sosial, membolehkan pendekatan menjadi lebih melibatkan komuniti, sensitif dan berkesan. Pada saat banyak unit rawatan yang dirancang awal selesai, wabak itu sudah reda, sebahagian besarnya disebabkan oleh perubahan tingkah laku yang dipimpin oleh masyarakat.

Ini bukan hujah menentang penggunaan model epidemiologi, tetapi satu untuk pengiktirafan bahawa mereka mempunyai kehidupan sosial dan politik (Leach dan Scoones, 2013). Ketidakpastian yang tertanam dalam model mudah adalah legion, dan bukti yang muncul daripada latihan pemodelan mesti ditriangulasi dengan sumber lain. Pengetahuan tempatan tentang bagaimana penyakit merebak, apa kesannya dan bagaimana ia dapat diuruskan dengan cara yang sesuai dengan konteks adalah penting (Scoones et al., 2017). Dalam kes COVID-19, pelbagai perangkap pemodelan telah muncul (Sampel, 2020). Di UK, hanya sekali pemodel yang berpangkalan di Imperial College London (menggunakan model teras yang sama seperti yang digunakan untuk selesema burung pada tahun 2000-an) menambah data daripada kemasukan ke hospital di Itali, dan bukannya menggunakan anggaran daripada wabak influenza bermusim lalu, bahawa nasihat berubah. Kebimbangan yang mendorong ialah kapasiti penjagaan kritikal Perkhidmatan Kesihatan Negara boleh melebihi. Namun, doktor dan pesakit di China mempunyai banyak pengalaman pada minggu dan bulan sebelumnya, dan ini jelas menunjukkan bahawa kesan virus novel ini berbeza dengan influenza dan bahawa penahanan radikal untuk menularkan penularan diperlukan sekiranya sistem kesihatan tidak dibebani ( Horton, 2020).

Di luar masa krisis, seperti dalam wabak penyakit, ramalan, perancangan dan campur tangan berorientasikan kawalan adalah teras kepada gaya pembangunan tertentu. Kami melihat ini di banyak bidang, dari upaya mengatasi keuangan dan kemiskinan, hingga yang menangani perubahan lingkungan dan iklim. Model dari pelbagai jenis adalah pusat pendekatan ini, begitu juga rangkaian nasihat yang cenderung sempit dan teknokratik. Sistem pentadbiran dan campur tangan yang berikut adalah dari atas ke bawah dan berorientasikan rancangan pelan tindakan, semuanya jauh dari kehidupan dan amalan orang ramai dan ketidaktentuan yang timbul akibatnya. Di mana ketidakpastian diakui, ini dikurangkan ke domain risiko yang dapat dihitung, di mana kebarangkalian dapat diberikan, seperti dalam banyak peringatan awal, pengurangan risiko bencana dan sistem perencanaan luar jangka. Yang kurang diakui adalah ketidakpastian (di mana kebarangkalian hasil berpotensi tidak diketahui), kesamaran (di mana hasil dipertandingkan di antara kumpulan yang berlainan) dan bentuk ketidaktahuan (di mana hasil atau kebarangkalian tidak dapat diberikan) yang berlaku dalam dunia pembangunan yang kompleks dalam keputusan -membuat dan amalan lapangan (Stirling, 2010). Mengabaikan ini dalam cubaan kawalan yang salah membuka kesalahan dan bahaya (Stirling dan Scoones, 2020).

Sekiranya ketidakpastian dapat diterapkan secara lebih menyeluruh dalam pembangunan & # x02013 dari kawalan penyakit hingga perubahan iklim, perlindungan sosial dan perancangan ekonomi & # x02013 maka diperlukan pendekatan sains dan kepakaran yang lebih majmuk dan bersyarat. Pendekatan, perancangan dan kawalan pendekatan berorientasikan risiko standard pembangunan moden didapati sangat serius. Begitu juga dengan budaya dan institusi kepakaran yang dikuasai Utara. Ini bermaksud pendekatan pemodelan yang berbeda, merangkumi kepelbagaian input dan sumber pengetahuan, yang berakar pada pendekatan yang disengajakan dan inklusif untuk nasihat sains.

COVID-19 juga menunjukkan dengan kejam bahawa bergantung pada sumber bukti dan kepakaran yang sempit, dan rancangan yang kaku, sangat bermasalah. Sebaliknya, untuk memupuk kebolehpercayaan dalam menghadapi kerumitan, pergolakan dan & # x02018mess & # x02019 & # x02013 iaitu dunia nyata & # x02013 pendekatan baru diperlukan (Roe, 2013). Dalam ‘infrastruktur kritikal’ – sama ada tenaga, air, stesen janakuasa nuklear atau kawalan trafik udara – kebolehpercayaan muncul melalui penjejakan pelbagai senario (termasuk melalui pemodelan) digabungkan dengan perhatian masa nyata terhadap sistem berfungsi di lapangan ( berasal dari profesional barisan hadapan dan mereka yang berada di lapangan). Bidang bukti ini dihubungkan oleh & # x02018 profesional kebolehpercayaan & # x02019 yang dapat menghubungkan dan berkomunikasi antara dan merentasi rangkaian untuk memastikan kebolehpercayaan (Roe, 2013). Hal ini berlaku untuk infrastruktur penting sistem kesehatan seperti pada sistem makanan atau ekonomi, tetapi sering kali terlewat kerana terputusnya fokus pada pemodelan sistem yang luas dan pengetahuan dan amalan tempatan.

Bahaya dengan COVID-19 ialah kemunculannya dilihat sebagai tidak pernah berlaku sebelum ini, dan dikatakan bahawa model yang dipertingkatkan boleh meramalkan dan menghentikannya dan penguatkuasaan kuat 𠆊tas-bawah’ langkah kesihatan awam boleh mengawal peningkatan itu &# x02013 seterusnya mengukuhkan pendekatan jenis ini kepada kejutan secara lebih umum. Tetapi pengajaran daripada pelbagai wabak penyakit dan inisiatif pembangunan menunjukkan bahawa ketidakpastian sentiasa ada dan mengakuinya, bersama-sama dengan menjana kebolehpercayaan, mesti menjadi teras dasar dan amalan pembangunan. Ini memerlukan pemikiran semula asas tentang cara kepakaran pelbagai jenis dan bentuk profesionalisme baharu dihimpun dan digabungkan. Sekarang, lebih daripada sebelumnya, gaya projek dan program yang menekankan pembelajaran, penyesuaian berulang, tindakan fleksibel dan hubungan yang adil di antara pelbagai pelakon (Chambers, 2017) perlu beralih dari tahap ke tahap tengah.

3.2. Ekonomi berdaya tahan

Untuk mengekang COVID-19, pemerintah di seluruh dunia menutup ekonomi pada skala yang belum pernah terjadi sebelumnya. Ini telah memberi impak besar kepada guna tenaga dan keluaran ekonomi, dengan anggaran lebih AS$5 trilion akan dihapuskan daripada ekonomi dunia, bersamaan dengan keseluruhan ekonomi Jepun’. 3 Skala impak ekonomi telah mengejutkan banyak orang, tetapi dalam pemodelan potensi dampak wabak global selesema burung, menyebar dengan cepat antara manusia, termasuk penutupan sempadan nasional dan sekatan pergerakan global dan tempatan, Bank Dunia telah lama meramalkan bahawa impak boleh mencapai sehingga 4.8 peratus daripada KDNK global pada tahun pertama (Burns et al., 2006). Perancangan kesiapsiagaan wabak berikutnya di peringkat global sering merujuk kepada kerja ini, tetapi ini nampaknya tidak banyak memberi kesan kerana bilangannya terlalu besar, ancaman terlalu jauh dan kesan yang tidak dapat dibayangkan.

Bank pusat telah membangunkan pelan luar jangka untuk kejutan besar, termasuk wabak, yang secara konsisten muncul di bahagian atas daftar risiko, dan telah menggunakan liberal ‘quantitative easing’ berikutan krisis kewangan 2008. Tetapi skala kesan ekonomi COVID-19 – dari segi kehilangan aktiviti ekonomi dan keperluan untuk kredit dan pembiayaan pinjaman untuk memastikan perniagaan berfungsi – telah melebihi anggaran awal, memerlukan beberapa pemikiran semula yang besar (Tooze, 2020). Dengan tidak adanya rencana kontingensi ekonomi untuk pandemi pada skala ini, pemerintah nasional di seluruh dunia berusaha untuk membuat kebijakan ekonomi di tempat, dengan cepat mengatur peraturan yang telah lama dibuat mengenai had perbelanjaan pemerintah, batas hutang dan penghematan fiskal. Di beberapa negara, sokongan pendapatan yang besar bagi mereka yang kehilangan mata pencarian telah ditawarkan, tetapi ini jauh dari universal, dengan banyak orang dibiarkan bertahan tanpa bantuan. Dengan penurunan mendadak dalam aktiviti perniagaan, ini telah menunjukkan betapa tidak menentunya kerja dalam ekonomi moden.

Pengajaran daripada wabak penyakit terdahulu adalah terhad untuk menangani kesan COVID-19 terhadap ekonomi global. Selesema Sepanyol pada tahun 1918 menyebabkan kemusnahan ekonomi yang besar di seluruh dunia, tetapi di belakang perang empat tahun, dan dalam ekonomi yang jauh kurang berkaitan, dan jauh lebih kecil daripada hari ini (Barry, 2005). Tempoh perang mengubah ekonomi, tetapi selalunya ini melalui peralihan kepada aktiviti baharu, apabila pekerja ditempatkan semula ke industri masa perang atau direkrut menjadi tentera, dan ledakan pasca perang adalah perkara biasa, apabila ekonomi bangkit semula. Episod penyakit yang lebih baru-baru ini tidak menyebabkan keruntuhan ekonomi yang meluas. Penyakit koronavirus lain, SARS, tersebar di seluruh dunia pada tahun 2003, menyebabkan kerosakan ekonomi yang besar, ketika negara-negara menerapkan sekatan pergerakan dan karantina. Walau bagaimanapun, kos keseluruhan tidak begitu besar seperti yang diramalkan pada masa itu, dan ekonomi kembali ke tahap kegiatan ekonomi sebelumnya dengan cepat, kerana hubungan dengan ekonomi global yang masih berfungsi kembali terjalin (Keogh-Brown dan Smith, 2008). Hari ini, keadaannya sangat berbeza, kerana semua ekonomi di seluruh dunia terjejas, walaupun tidak semuanya dengan cara yang sama dan pada waktu yang sama.

Bencana sudah tentu boleh membuka peluang kepada sesetengah pihak, kerana pelabur membeli industri yang lemah dan membuat spekulasi mengenai pelaburan apabila harga rendah. ‘kapitalisme bencana’ (Klein, 2007) sebegini mempunyai jangkauan yang lebih luas apabila beberapa kawasan terjejas – katakan akibat gempa bumi – dan yang lain boleh bergerak untuk mengeksploitasi keadaan. Ada yang memanfaatkan kekurangan tempatan atau menyediakan perkhidmatan on-line dan penghantaran baru (mis. Amazon di banyak negara), bertindak untuk menyusun semula ekonomi. Hanya setelah krisis reda, kita boleh menilai bagaimana aset telah dialihkan, pelaburan spekulatif baharu dibuat dan penumpuan dan monopoli perniagaan dilanjutkan atau dipecahkan (Davis, 2020).

Pengalaman baru-baru ini dengan sekatan COVID-19 telah menunjukkan dengan jelas betapa buruh adalah pusat kepada ekonomi dan betapa banyak daripada apa yang dipanggil ‘kerja penting’ ini bergaji rendah, tidak menentu dan dijalankan oleh wanita, etnik minoriti dan pendatang (Meadway, 2020). Apabila pekerjaan hilang secara tiba-tiba, seringkali di kawasan pedesaan di mana sokongan dicari, menunjukkan betapa pentingnya, walaupun dalam ekonomi global yang dikuasai oleh bandar, hubungan luar bandar adalah untuk pembiakan sosial dan mengekalkan ekonomi yang lebih luas. Namun pekerja luar bandar juga menjadi sebahagian dari mereka yang paling menderita COVID-19 dan polisi, kerana sekatan pergerakan dan risiko kesihatan daripada bekerja dalam keadaan tidak bersih, mengancam kedua-dua mata pencaharian mereka dan kelestarian sistem ekonomi dan makanan yang lebih luas (IPES-Food, 2020) .

Banyak perbincangan dasar berpusat pada perlunya pakej rangsangan besar-besaran untuk mendorong ekonomi bergerak setelah krisis pandemi mereda. Matlamatnya adalah untuk menggalakkan pertumbuhan dan mendapatkan ekonomi ‘kembali ke landasan’ melalui bentuk rangsangan jenis Keynesian, seperti yang digunakan selepas Perang Dunia Kedua. Pengajaran – positif dan negatif – juga diambil daripada percubaan pemulihan selepas krisis kewangan 2008, berdasarkan permodalan semula utama sistem perbankan global (Tooze, 2020). Walau bagaimanapun, pendekatan ini tertumpu pada memperbaiki struktur sedia ada melalui pelaburan piawai untuk meningkatkan pertumbuhan ekonomi kehilangan peluang untuk memikirkan semula sistem ekonomi yang lebih mendalam untuk transformasi pasca pandemik.

Untuk apa yang telah didedahkan oleh COVID-19 adalah kerapuhan ekonomi kapitalis global semasa, dengan bergantung pada trans- urus niaga kewangan kontinental, pengeluaran tepat pada waktunya dan rantaian bekalan antarabangsa yang panjang dan memakan karbon. Ia juga telah menunjukkan bagaimana ekonomi tempatan selalunya lebih berdaya tahan terhadap kejutan besar dan boleh menyediakan peruntukan dengan berkesan dan cekap semasa krisis. Ekonomi yang tertanam, inklusif, sering tidak formal dan tidak teratur, berakar pada sikap saling percaya dan solidariti, telah berkembang. Sebagai contoh, bidang penyediaan makanan telah menyaksikan peningkatan solidariti dan aktivisme akar umbi, dari sumbangan makanan secara meluas kepada orang miskin di India dan Pakistan, hingga penyediaan makanan mudah alih hingga penduduk yang kurang beruntung di AS dan Kanada. Masyarakat telah berkumpul untuk mengatasi jurang sistem dan membantu mereka yang memerlukan, dengan kumpulan masyarakat sipil kadang-kadang bekerjasama dengan pelaku negara yang menyokong. Sebagai contoh, dalam sistem India yang sangat terdesentralisasi, negara Kerala telah memimpin jalannya dalam menanggapi COVID-19, dengan memastikan pengedaran makanan melalui dapur komuniti percuma yang dikendalikan oleh rangkaian wanita (IPES-Food, 2020). Contoh-contoh tersebut mengingatkan kepada solidariti masyarakat yang telah muncul dan memungkinkan ketahanan dalam bencana sebelumnya (Solnit, 2009). Persoalannya adalah: apakah solidariti seperti itu terbatas pada konteks darurat tertentu, atau adakah mereka menawarkan sekilas ekonomi alternatif untuk masa depan?

Ini tentu saja berkaitan dengan perbahasan yang lebih luas yang mempunyai silsilah panjang dalam kajian pembangunan. Pertimbangan awal 𠆎konomi tidak formal’ (Hart, 1973) menyerlahkan bagaimana aktiviti sedemikian menyediakan peluang yang luas, dan boleh memupuk pembangunan tempatan, walaupun tanpa ‘peningkatan-pengredan’ dan pemformalkan. Dinafikan sebagai mundur, tidak terkawal dan tidak menyumbang kepada aktiviti ekonomi formal, ekonomi tidak formal dilihat memerlukan transformasi oleh pembuat dasar (Meagher, 2013). Koperasi dan industri milik pekerja telah dipopularkan pada tahun 1970-an, seperti ‘Lucas Plan’ (Smith et al., 2016), tetapi sekali lagi dilihat sebagai marginal kepada pertumbuhan industri arus perdana dan pembangunan rantaian nilai global. Namun, seperti yang ditunjukkan oleh Thorpe dan Gaventa (2020), melalui kajian 28 kes dari seluruh dunia, aktiviti ekonomi tempatan dapat menguntungkan, inklusif dan berkelanjutan dalam keadaan yang tepat. Ciri utama tadbir urus ekonomi berkesan yang dikenal pasti termasuk kuasa teragih dalam pengurusan penglibatan perniagaan dan mobilisasi pekerja dan lain-lain untuk melaksanakan rangkaian perubahan dan gabungan sebagai pusat perbincangan aktiviti ekonomi untuk membuat keputusan yang diagihkan dan pengetahuan yang didemokrasikan untuk tindakan kolektif.

Ciri sedemikian ditekankan dalam tindak balas ekonomi terhadap COVID-19 dan kejutan besar lain, mencadangkan kemungkinan untuk alternatif pasca kapitalis yang lebih berdaya tahan. Tema utama ialah kepentingan sumber kongsi bersama – yang diuruskan secara kolektif – dalam menyediakan aktiviti ekonomi dan mata pencarian, dan keperluan untuk kebersamaan dan perpaduan untuk menyokong mereka yang terlibat, merentas rantaian bekalan dan antara pengeluar dan pengguna, sebagai sebahagian daripada tindakan bersama, ekonomi bersama (Bollier dan Helfrich, 2014). Pendekatan sedemikian mengingatkan gaya lama organisasi ekonomi – daripada hak berkongsi sumber di hutan di Afrika kepada masyarakat bersama yang menyokong pekerja di industri awal England, contohnya, masing-masing berakar umbi dalam pengaturan harta bersama dan pengurusan kolektif, dengan pasaran yang tertanam dalam masyarakat (rujuk Polanyi, 2001 [1944]). Contoh-contoh seperti itu menunjukkan betapa berkesannya aktiviti ekonomi yang berterusan dapat disokong melalui rangkaian bersama, bukan aktiviti ekonomi persaingan yang individual, seperti dalam buku teks pembangunan model ekonomi konvensional. Seperti yang ditunjukkan oleh COVID-19, gaya kegiatan ekonomi seperti itu dapat bertahan melalui krisis, dengan cara yang tidak dapat dilakukan oleh organisasi ekonomi bentuk lain.

Pengalaman COVID-19 juga telah menyerlahkan idea nilai yang lebih luas dalam ekonomi – ‘pekerja penting’ pengeluaran tempatan dan pasaran rangkaian perkongsian di peringkat komuniti dan sumber barangan rendah karbon dan mampan. Memikirkan semula & # x02018nilai & # x02019 dan & # x02018maksud & # x02019 dalam ekonomi (Mazzucato, 2018) memerlukan pertimbangan mengenai arah perubahan ekonomi. Adakah & # x02018 pertumbuhan & # x02019 semestinya satu-satunya objektif, atau adakah nilai-nilai lain, seperti ekuiti atau kelestarian yang penting untuk kesejahteraan manusia? Tumpuan pada pembiakan sosial mencadangkan penekanan pada ‘membuat hidup’ bukan ‘menjana untung’ (Jaffe, 2020), menonjolkan percanggahan antara penjagaan dan modal (Fraser, 2016). Daripada pakej rangsangan kembali ke status quo ekonomi berkarbon tinggi, diukur dari segi petunjuk sempit pertumbuhan KDNK, pelbagai alternatif dicadangkan (D & # x02019Alessandro et al., 2020). Ini menimbulkan persoalan tentang bagaimana & # x02018kehadiran & # x02019 ditadbir secara sosial dalam kehidupan sosial dan ekonomi (Kallis, 2019) dan bagaimana lantai sosial untuk melindungi mereka yang memerlukan & # x02013 termasuk mekanisme seperti Pendapatan Asas Universal & # x02013 dapat digabungkan with approaches that ensure that economies function sustainably, within ‘planetary boundaries’. Principles of collaboration, regeneration and circularity, rather than extraction and growth, thus become the defining guides for economic development (Raworth, 2017).

Through thinking about how economies become resilient in the face of recurrent shocks, relations between states and markets are challenged too. Rather than states being shrunk to allow markets to function unfettered, as in the neoliberal era, or as sources of funding to prop up banks or ailing industries, as in post-crisis moments, ‘post-capitalist’ states can take on new functions to improve systemic resilience, including public ownership of vital services and support for basic incomes (Mason, 2016, Bello, 2008). An 𠆎ntrepreneurial state’ can foster innovation, encouraging long-term, patient finance (Mazzucato, 2013) supporting particular directions of sustainable economic development. Progressive regulatory environments for capital can in turn steer transformations towards more sustainable, equitable futures through ‘just’ and ‘green’ transformations (Newell, 2015). Equally, radical uncertainties are a feature of our complex, connected world, so the design of institutions, businesses and infrastructures – and indeed the wider economy – for reliability, with built-in redundancy and adaptive capacities, are essential (Roe and Schulman, 2008). In sum, expanding the criteria for ‘success’ in economic development beyond growth and profit to thinking about equity, resilience and sustainability suggests a very different set of directions for economic development, requiring diverse, new skills.

A particular type of neoclassical economics has dominated development studies for decades, rooted in individualised behaviour, linked to market efficiency, business profit and aggregate economic growth, and committed to a particular style of capitalist development. While debates about the relative role of states and markets have occurred over time and been repeatedly revisited (Colclough and Manor, 1993, Leach, 2016), objectives of economic growth as development have remained, even if tweaked in favour of greater equality, more sustainability and so on. The radical rupture that COVID-19 has created means that old assumptions have been challenged, and a more fundamental rethink of capitalism and development is needed. This requires a transformative economics for sustainable, inclusive development that can survive future shocks, whether pandemics, climate change, financial instability or conflict, which is rooted in ideas of inclusive, solidarity economies (Utting, 2015), where long-held notions of modernist ‘progress’ are rethought and sustainability and equity are central.

3.3. Re-configuring citizen-state relations

The public health measures required during a significant disease outbreak necessarily shift state-citizen relations, and these changed relationships will be the driver of transformations to follow. Forcing lockdowns, restricting movements, requiring new behaviours and creating surveillance to monitor populations, all involve the exercise of state power and implementation and depend on trust between citizens and authorities and in sources of expertise. States of emergency have historically been used to extend power and abuse rights in the longer term and today there is evidence some leaders are using COVID-19 to do just this (Smith and Cheeseman, 2020). There is also evidence that untrusting publics have been pushed to their limits, provoked into unruliness, as in Malawi when people revolted against lockdown orders and the authority of a government already perceived to be illegitimate. In a further twist, human rights coalitions took the government to court and won, resulting in the suspension of restrictions (Dodsworth and Cheeseman, 2020). The control of COVID-19 and the emergence of exit strategies are a massive test of authority and accountability, and the need to be inclusive of all citizens.

Trust is both a measure of state-citizen relations and an enabler of effective response to diseases and development more generally. Experience during the West African Ebola outbreak showed how critical trust was. Trust and any sense of a social contract was lacking because of the legacy of slavery, colonialism, war and the failure of state provisioning in previous decades. Communities had neither trust in the health system, their government or outsiders and nor were they trusted by these authorities and outsiders to know what was best for them. Building trust required tangible improvements to services, but also dialogue and relationship building. It was only when communities, supported by truly representative leaders, were able to take the lead that critical behaviours began to change – such as around safe burial and quarantining (Wilkinson et al., 2017), shifting the course of the epidemic.

Trust between authorities, medical establishments and citizens is often lacking at the onset of epidemics but can be built as part of a response and re-shaped in the process. In the early phases of the HIV/AIDS pandemic, public health efforts were upset by blame and stigmatisation. AIDS was seen as a disease of ‘gays’, 𠆏oreigners’, ‘sex workers’, ‘truck drivers’ for instance, and not a responsibility of all citizens (Parker, 2002). In some cases, states ignored mainstream medical advice, failed to develop national programmes and calls for universal access to emerging antiretroviral therapies. This was the case in South Africa, where support of 𠆊IDS dissidents’ who peddled an alternative understanding of the science was rooted also in perceptions on the part of the president and health minister that prevailing narratives of the origins of HIV in Africa denigrated African sexuality and lifestyles, and undermined a positive vision of a new African renaissance. The resultant lack of political will in ‘rolling out’ free antiretrovirals had marked consequences for those infected by the virus in South Africa, which were those most marginalised by poor access to healthcare and the structural violence of the Apartheid period. Only when wider mobilisations – such as through the Treatment Action Campaign – occurred, did new relationships between citizen initiatives and state investment become realised which led to court action and finally the initiation of a free anti-retroviral therapy programme in the state health sector. Scepticism that people living in precarity would not be able to maintain adherence to antiretrovirals or be engaged in self-management and health education initiatives was dealt a blow by civil society initiatives built on principles of patient empowerment, collective action and holding the state to account to uphold the right to health and to other social protection measures (MacGregor, 2010). Across Africa, a surge of community-based organisations was partly linked to increases in global health funding, and provided homebased care as well as support for those affected by HIV led to initiatives in income generation and for orphans and vulnerable children (Edström and MacGregor, 2010).

These examples show how important state-citizen alliances are in times of crisis, and beyond. This is evident again with the flourishing of ‘mutual aid’ initiatives during COVID-19, supported by local and national states, as well as diaspora networks, religious organisations, business networks, philanthropists and others. Trust, inclusive collaboration, collective action and mutuality are the watchwords, complemented by ethics of care, respect and empathy. And here there are links to inequality: trust is lower in more unequal societies, and low trust and high inequality have been shown to hinder cooperation, collective action, inclusive politics and economic development (Justino, 2015). This points to the potential for a new style of politics, embedded in communities and egalitarian norms, yet supported by a trusted, accountable state.

The 𠆋ottom-up’ COVID-19 responses have been impressive globally, emerging through force of circumstance. But can such experiences be translated into longer-term struggles for transformation, linking structural, systemic and enabling change (Scoones et al., 2020)? Beyond addressing the pandemic there remain many other development challenges that require such a new style of politics, not least perhaps the largest one of all: that of transformations towards a low-carbon sustainable future. In our discussions of the politics of ‘green transformations’ more broadly (Scoones et al., 2015), we specifically identified the need for alliance-building, across technology-led, business-led, state-led and citizen-led transformations. Looking to earlier successful transformations where radical change has been effected, it is always connections between actors through networks that help forge an alternative vision. This inevitably requires hard political negotiations, across unequal power gradients. Alliances for sustainability require political choices and the challenging of incumbent interests, reliant for example on deeply-entrenched fossil fuel capitalism. Yet, changes are possible and may happen quite rapidly as new progressive narratives for change gain a foothold, new technologies emerge, alternative networks form and political interests realign.

Crises can open up new forms of relationship and action, and can demonstrate alternatives, whether these are new styles of local politics and state-citizen relationship that can assist in an immediate emergency and persist beyond it, reformed approaches to global coordination or more fundamental transformations in economy and society towards new pathways of development. But ruptures can also close down, reinforcing the status quo and shoring up incumbent power. COVID-19, for example, offers opportunities for the spread of surveillance-led authoritarianism, as citizens accede to control of their data and lives in the name of public health states may act to shore up big business in the name of protecting jobs and the economy, rather than seeking radical transformations and the rhetoric of nationalist, authoritarian populisms frequently gains a hearing in times of crisis, as leaders claim they can protect people from external threats (Rodrik, 2018).

What the future will hold remains uncertain, but major challenges, such as COVID-19, do both expose fractures and contradictions and offer opportunities for change, which ultimately will depend on political choice and mobilisation. This must address both the structural dimensions, challenging incumbent power, while accepting that change is not linear, and must embrace uncertainty, complexity and unruliness in politics, as in economy, ecology and society – vital to forging and moving forward with a politics not of authoritarianism but of solidarity and care.


Models of Coevolution

Various aspects of genetic models of coevolution are reviewed and discussed. The emphasis is on the assumptions made in coevolutionary models and the questions addressed. In the first part of the review, general results from models of single species or of interacting species are summarized. In a number of cases, there are useful maximization and equilibration principles that can be applied to particular coevolutionary problems. Such principles can sometimes be used without making explicit genetic assumptions. The second part of the review summarizes various models of particular types of ecological interactions: generalized competition, character displacement, predator-prey and host-parasite interactions, and mutualism. When possible, the principles available from the general theory are applied. There is also some discussion of the role of different time scales of genetic and ecological change and of the role of assumptions concerning genetic variability in each species. The current emphasis in theoretical studies is on the equilibrium properties of panmictic species under constant conditions. Even under those restrictive conditions, a wide variety of results can be obtained, but it does not seem that there is a consistent effect of coevolution on community stability.


Economic Models

A model is simply a framework that is designed to show complex economic processes.

Objektif Pembelajaran

Recognize the uses and limitations of economic models

Pengambilan Utama

Perkara utama

  • Many models use mathematical techniques in order to investigate, theorize, and fit theories into economic situations.
  • Economic models have two functions: 1) to simplify and abstract from observed data, and 2) to serve as a means of selection of data based on a paradigm of econometric study.
  • Creating a model has two basic steps: 1) generate the model, and 2) checking the model for accuracy – also known as diagnostics.
  • Examples of the uses of economic models include: professional academic interest, forecasting economic activity, proposing economic policy, presenting reasoned arguments to politically justify economic policy, as well as economic planning and allocation.

Syarat Utama

  • deductive: Based on inferences from general principles.
  • diagnostik: The process of determining the state of or capability of a component to perform its function(s).
  • kualitatif: Based on descriptions or distinctions rather than on some quantity.

Economic Models

In economics, a model is defined as a theoretical construct that represents economic processes through a set of variables and a set of logical or quantitative relationships between the two. A model is simply a framework that is designed to show complex economic processes. Most models use mathematical techniques in order to investigate, theorize, and fit theories into economic situations.

Uses of an Economic Model

Economists use models in order to study and portray situations. The focus of a model is to gain a better understanding of how things work, to observe patterns, and to predict the results of stimuli. Models are based on theory and follow the rules of deductive logic.

Economic model diagram: In economics, models are used in order to study and portray situations and gain a better understand of how things work.

Economic models have two functions: 1) to simplify and abstract from observed data, and 2) to serve as a means of selection of data based on a paradigm of econometric study. Economic processes are known to be enormously complex, so simplification to gain a clearer understanding is critical. Selecting the correct data is also very important because the nature of the model will determine what economic facts are studied and how they will be compiled.

Examples of the uses of economic models include: professional academic interest, forecasting economic activity, proposing economic policy, presenting reasoned arguments to politically justify economic policy, as well as economic planning and allocation.

Constructing a Model

The construction and use of a model will vary according to the specific situation. However, creating a model does have two basic steps: 1) generate the model, and 2) checking the model for accuracy – also known as diagnostics. The diagnostic step is important because a model is only useful if the data and analysis is accurate.

Limitations of a Model

Due to the complexity of economic models, there are obviously limitations that come into account. First, all of the data provided must be complete and accurate in order for the analysis to be successful. Also, once the data is entered, it must be analyzed correctly. In most cases, economic models use mathematical or quantitative analysis. Within this realm of observation, accuracy is very important. During the construction of a model, the information will be checked and updated as needed to ensure accuracy. Some economic models also use qualitative analysis. However, this kind of analysis is known for lacking precision. Furthermore, models are fundamentally only as good as their founding assumptions.

The use of economic models is important in order to further study and understand economic processes. Steps must be taken throughout the construction of the model to ensure that the data provided and analyzed is correct.


The Mental Models of Numeracy

1. Distributions
The normal distribution is a statistical process that leads to the well-known graphical representation of a bell curve, with a meaningful central “average” and increasingly rare standard deviations from that average when correctly sampled. (The so-called “central limit” theorem.) Well-known examples include human height and weight, but it’s just as important to note that many common processes, especially in non-tangible systems like social systems, do not follow this pattern. Normal distributions can be contrasted with power law, or exponential, distributions.

2. Compounding
It’s been said that Einstein called compounding a wonder of the world. He probably didn’t, but it is a wonder. Compounding is the process by which we add interest to a fixed sum, which then earns interest on the previous sum dan the newly added interest, and then earns interest on that amount, and so on ad infinitum . Ia adalah eksponensial effect, rather than a linear, or additive, effect. Money is not the only thing that compounds ideas and relationships do as well. In tangible realms, compounding is always subject to physical limits and diminishing returns intangibles can compound more freely. Compounding also leads to the time value of money, which underlies all of modern finance.

3. Sampling
When we want to get information about a population (meaning a set of alike people, things, or events), we usually need to look at a sample (meaning a part of the population). It is usually not possible or even desirable to consider the entire population, so we aim for a sample that represents the whole. As a rule of thumb, more measurements mean more accurate results, all else being equal. Small sample sizes can produce skewed results.

4. Randomness
Though the human brain has trouble comprehending it, much of the world is composed of random, non-sequential, non-ordered events. We are “fooled” by random effects when we attribute causality to things that are actually outside of our control. If we don’t course-correct for this fooled-by-randomness effect – our faulty sense of pattern-seeking – we will tend to see things as being more predictable than they are and act accordingly.

5. Regression to the Mean
In a normally distributed system, long deviations from the average will tend to return to that average with an increasing number of observations: the so-called Law of Large Numbers. We are often fooled by regression to the mean, as with a sick patient improving spontaneously around the same time they begin taking an herbal remedy, or a poorly performing sports team going on a winning streak. We must be careful not to confuse statistically likely events with causal ones.

6. Multiplying by Zero
Any reasonably educated person knows that any number multiplied by zero, no matter how large the number, is still zero. This is true in human systems as well as mathematical ones. In some systems, a failure in one area can negate great effort in all other areas. As simple multiplication would show, fixing the “zero” often has a much greater effect than does trying to enlarge the other areas.

7. Equivalence
The introduction of algebra allowed us to demonstrate mathematically and abstractly that two seemingly different things could be the same. By manipulating symbols, we can demonstrate equivalence or inequivalence, the use of which led humanity to untold engineering and technical abilities. Knowing at least the basics of algebra can allow us to understand a variety of important results.

8. Surface Area
The surface area of a three dimensional object is the amount of space on the outside of it. Thus, the more surface area you have, the more contact you have with your environment. Sometimes a high surface area is desirable: Our lungs and intestines have a huge surface area to increase the absorption of oxygen and nutrients. Other times we want to reduce our exposure, such as limiting our internet exposure to reduce the attack surface.

9. Global and Local Maxima
The maxima and minima of a mathematical function are the largest and smallest values over its domain. Although there is one maximum value, the global maximum, there can be smaller peaks of value in a given range, the local maxima. Global and local maxima help us identify peaks, and if there is still potential to go higher or lower. It also reminds us that sometimes we have to go down to go back up.


Statistics and Physical Oceanography (1993)

Research in oceanography has historically been pursued to better understand the oceans as, for example, avenues to exploration, routes for commerce, theaters for military operations, and components in the weather system. Today this research is also done in conjunction with studies on major issues such as global climate, environmental change, and biodiversity, among many others. Statistical techniques have always been important in the analysis of oceanographic data. With the recent introduction of oceanographic observational mechanisms that yield much larger quantities of data than ever before, statistical considerations have gained even more prominence in oceanographic research contexts. Yet disciplinary distinctions have limited interactions across discipline boundaries in many national and global research areas (NRC, 1987, 1990a) traditional statistics and oceanography are not exceptions. To stimulate progress on important research questions now arising at this interface, more cross-disciplinary efforts between statistics and oceanography are needed. This report is thus presented to help encourage successful collaborations between statistics and oceanography that are focused on potentially fruitful cross-disciplinary research areas.

The report was prepared in response to a request from the Mathematical Sciences Division of the Office of Naval Research for a cross-disciplinary report describing basic research questions in statistics and applied probability motivated by oceanographic applications. The request reflects ONR&rsquos desire to call such questions to the attention of research statisticians and to develop stronger interactions between the statistics and oceanography research communities. A panel of five oceanographers and five statisticians was convened by the Committee on Applied and Theoretical Statistics of the National Research Council to produce the report. The charge to the panel was to survey crossover areas between statistics and oceanography of greatest potential value (with respect to important oceanographic questions) and to recommend statistical research opportunities. The panel met in April 1992 and again in August 1992. It quickly became apparent that a comprehensive summary of statistical research opportunities addressing all disciplines of oceanography would exceed the project time and budget constraints. This report is therefore limited to a discussion of statistical research opportunities arising in physical oceanography.

Lest the limited scope of this report be misconstrued as a statement of the unimportance of statistical analysis to biological, chemical, and geological oceanography, the panel emphasizes that there are numerous opportunities for statisticians to work in those disciplines as well. For example, recent interest in the carbon cycle has focused attention on the spatial and seasonal distributions of phytoplankton pigment concentration in the ocean. These data, obtained by satellite, exhibit all the challenges of sparsity and

incompleteness shared by the other data sets discussed in this chapter, and furthermore exhibit temporal and spatial correlation. An eventual question to address is the role of phytoplankton distribution in climate change, but first a quantitative analysis of the distribution itself is necessary. Factors such as bathymetry, nutrients, eddy kinetic energy, wind stress, cloud cover, meltwater formation, and Ekman upwelling are believed to be potential influences on the phytoplankton distribution, but the relationships are as yet unknown. Currently available data on many of these factors are sparse, and a great deal of spatial and temporal aggregation is necessary in order to assess such potential relationships. Future satellite observations are expected to ameliorate the data issues basic to the study of these important biological and chemical oceanographic processes, but the statistical problems discussed in Chapters 2 through 8 will remain the same.

In physical oceanography, the development and application of statistical analysis techniques are somewhat more advanced than in other disciplines of oceanography. In large part, a greater need for sophisticated statistical techniques in physical oceanography has been driven by rapid technological advances over the past 30 years or so that have resulted in larger volumes of observational data spanning a broader range of space and time scales than are available in the other oceanographic disciplines. There has also been intensive development of a theoretical foundation to explain the observations. As a result of these two parallel efforts and recognition of the importance of physical oceanographic processes in many of today&rsquos important global issues, there are many significant opportunities for applications of statistics, both where descriptive analyses of the observational data are needed and where there is a need to relate observations to theory. Even the limited scope of physical oceanography presents a rather daunting task for those who would explore it, since the discipline encompasses a very broad range of topics. Input to the panel was sought and was generously provided by several outside experts (see the preface) to broaden the span of topics outlined in this report.

It should be emphasized at the outset that statistical analyses of physical oceanographic data have not been developed in total isolation from developments in the field of statistics. On the contrary, statistical techniques are already used to an unusual degree of sophistication compared with their use in some other scientific disciplines, partly because of the need to develop techniques to understand the almost overwhelming quantity of observational data available. In this regard, physical oceanography has benefitted from the parallel development of techniques of statistical analysis in the field of atmospheric sciences, in which researchers also need to interpret the large volumes of atmospheric data available. Physical oceanographers are generally well versed in traditional and many modern statistical analysis techniques. In addition, several books and monographs have been written specifically on applications of statistical techniques in the atmospheric sciences and physical oceanography (e.g., Gandin, 1965 Thiebaux and Pedder, 1987 Preisendorfer, 1988 Daley, 1991 Ghil and Malanotte-Rizzoli, 1991 Bennett, 1992). Many statistical techniques tailored to specific analyses of oceanographic data have also been published in journal articles.

This report consists of a collection of sections (Chapters 2 through 8) outlining research problems that the panel believes could serve as fruitful areas for collaboration between statisticians and oceanographers. In Chapter 9, the panel presents its conclusions, observations, and suggestions on encouraging successful collaborations between statistics and

oceanography. As noted above, physical oceanographic research encompasses a very broad range of topics. Not all of these subdisciplines are represented by the five oceanographers on the panel. This report should therefore be viewed as a compendium of research interests reflecting the viewpoints of the oceanographers on the panel. This somewhat parochial bias should be kept in mind when using this report to identify potential crossover areas between statistics and physical oceanography there are likely many statistical research opportunities that have not been identified in the report. Notwithstanding these limitations, the panel believes that the report represents a good first step toward encouraging interaction between statisticians and physical oceanographers to the mutual benefit of both disciplines.

Oceanography&mdashA Brief Sketch

The birth of oceanography as a science can be traced back to 1769, when Benjamin Franklin contributed significantly to scientific knowledge of the oceans by charting sea surface temperature in the North Atlantic and noting that the maximum flow of the Gulf Stream (which had been known to exist and had been used for navigation for a long time) occurred where surface temperatures began dropping rapidly for a ship traveling from the New World to the Old World. Further scientific surveys of the ocean were conducted during this same era by Captain James Cook, who set sail from England in 1772 with the primary goal of making a detailed map of the Pacific Ocean and learning the natural history of the Pacific region. Fontaine Maury is generally credited as the founding father of international oceanographic science. As a U.S. Navy officer, Maury published an atlas (Maury, 1855) based on a worldwide compilation of data taken from ship logbooks. The culmination of this era of scientific exploration of the ocean was the historic voyage of the HMS Challenger funded in 1873 by Great Britain to collect detailed measurements of the physical, biological, and chemical characteristics of the world oceans. The 4-year expedition resulted in some 50 volumes of reports published between 1890 and 1895.

The 20th century has witnessed a dramatic expansion of oceanographic research. At the beginning of the century, most of the deep ocean was thought to be relatively quiescent. Except for moderate seasonal variability, it was generally believed that the circulation near the surface of the oceans was relatively constant and large scale. Scripps Institution of Oceanography was founded in 1903 and the Woods Hole Oceanographic Institution was established in 1930. As a result of new technological developments, it became possible to measure physical, chemical, and biological characteristics from the sea surface to the ocean bottom. Dedicated research vessels set out to systematically map the three-dimensional physical, chemical, and biological characteristics of the world ocean on a coarse spatial grid. Although tremendous progress was made in the field of oceanography prior to World War II, it was still possible to summarize existing knowledge in all three disciplines (physical, biological, and chemical) in a single book (Sverdrup et al., 1942).

The general description of the steady component of ocean circulation (defined to be the temporal mean) has changed surprisingly little since World War II. In contrast, the view of temporal variability has undergone a major paradigm shift over the subsequent half century. Although eddy-like characteristics of ocean currents were known to exist even by


Appendix 2

Comments on the Fourth Exposure Draft and Responses

The fourth exposure draft titled Pemodelan was approved by the ASB in December 2018 with a comment deadline of May 15, 2019. Twenty-six comment letters were received, some of which were submitted on behalf of multiple commentators, such as by firms or committees. For purposes of this appendix, the term “commentator” may refer to more than one person associated with a particular comment letter. The Task Force and General Committee carefully considered all comments received, and the ASB reviewed (and modified, where appropriate) the changes proposed by the General Committee.

Summarized di sini are the significant issues and questions contained in the comment letters and the responses to each. Minor wording or punctuation changes that were suggested but not significant are not reflected in the appendix, although they may have been adopted.

The term “reviewers” includes the Task Force, General Committee, and the ASB. Unless otherwise noted, the section numbers and titles used below refer to those in the fourth exposure draft, which are then cross referenced with those in the final ASOP.


Tonton video: KSSM Bio Ting 4 - Bab 1: Pengenalan kepada Biologi dan Peraturan Makmal Bahagian 1 (Disember 2022).