Was ist Realität und was ein Modell?

21. Juni 2020

Gibt es Realität und wie können wir sie abbilden?

Zu dieser Frage gibt es viele verschiedene Antworten, wobei alle ihre Berechtigung haben, aber gleichzeitig unbefriedigend sind. Konsens empirischer Forschung ist, aber egal ob es sie gibt oder nicht, sie zu komplex ist, sie vollständig abzubilden und zu messen.

Wir finden uns also immer damit ab, das zu messen, was wir in einem Modell abbilden können und was für uns für den Moment am relevantesten, plausibelsten, einfachsten erscheint.

Wir benötigen also immer Modelle als Brückenglied zwischen uns als BeobachterInnen und "realen" Gegebenheiten.

Nutzen wir ein Beispiel zur Verdeutlichung:

Wie stellen wir das an? Wir können, wenn wir uns im Labor (oder falls wir frei haben, Zuhause) befinden simplerweise aus dem Fenster schauen. Ist es Tag ist es hell; ist es Nacht ist es dunkel.

Schön wäre die Welt, wäre sie binär! So simpel. Noch besser unsere Sinne wären so objektiv! Pech gehabt, beides ist falsch!

Einige Probleme dieser simplen Hypothese:

Wie du siehst gibt es zig Probleme solch eine simple Frage präzise und eindeutig beantwortbar zu bekommen. Insbesondere wenn wir das Raum-Zeit-Kontinuum bei unserer Messung berücksichtigen müssen und bedenken, dass unsere Sinne begrenzt sind. Wir können festhalten:

Wie hilft uns ein Modell?

Ein Modell hilft uns einen Aspekt von Realität möglichst realitätsnah oder -getreu abzubilden. Ein Modell ist also eine ausgefeilte Darstellung einer oder mehrerer Messungen (siehe homomorphe Abbildung unter dem Punkt: Urlisten, Listen, Ränge, Messungen, Tabellen).

Beispielsweise ein Balkendiagramm das die absoluten Häufigkeiten des Ehestatus von 3000 Personen der Mittelatlantikstaaten repräsentiert.

Ein Balkendiagramm des Ehestatus von 3000 Personen der Mittelatlantikstaaten.

Ebenso kann ein Modell aber auch komplexere Eigenschaften aufweisen und verschiedene mathematische Konzepte einbinden. Beispielsweise ein Regressionsmodell, das tätliche Übergriffe in 50 Staaten der USA in Abhängigkeit zur prozentualen Größe der städtischen Population modelliert.

Ein grafisches Regressionsmodell

Das Ziel ist es also immer etwas in einer Form darzustellen, die unserem Anliegen entspricht, und Konzepte für uns greifbarer gestaltet. So erhalten wir einen leichteren Überblick, insbesondere, wenn etwas nicht direkt beobachtbar (latent) ist oder wir nicht mehr greifbare Dimensionierungen haben, benötigen wir ein Modell. Beispielsweise eine Karte das die Anzahl von tätlichen Übergriffen in 50 Staaten der USA verdeutlichen soll.

Ein Karte von Amerika mit zugefügten Daten

Wenn wir beispielsweise die Dauer einer Geysireruption und die Wartezeit bis zur nächsten Eruption grafisch modellieren ist es also wichtig zu überlegen, welche Dimensionen wir darstellen und welche Art der Modellierung wir vornehmen. So können wir Datenpunkte in Tabellen zählen und Häufigkeiten visualisieren, oder "von oben" Daten überblicken. Wenn wir Wahrscheinlichkeiten abtragen möchten, haben wir die Möglichkeit auch ihre Kerndichteschätzer darstellen.

Verschiedene grafische Modelle

Ebenso können wir Marginalverteilungen einzelner Variablen aber auch kombinieren und uns das Ganze dreidimensional modellieren.

Eine grafische Darstellung in 2D und 3D

Konzeptspezifikation und Operationalisierung stellen die ersten Ansätze der adäquaten Modellierung dar. Wie man bei den tätlichen Übergriffen sehen kann, ist ein Zusammenhang nicht immer adäquat modelliert. Die Varianz ist beispielsweise nicht gleichmäßig über die Populationsgröße. Aber eine Darstellung die intuitiv wirkt, kann falsche Eindrücke vermitteln, so weisen die Staaten mit helleren Farbtönen mehr Fälle auf als solche mit dunkleren und die Intensität vermittelt den Eindruck die Anzahl der tätlichen Übergriffe sei bedeutend hoch, dabei ist sie in anderen Ländern und in anderen Jahren vermutlich höher oder niedriger. Ein Vergleichsmaßstab fehlt hier also, um einschätzen zu können, wie hoch eigentlich hoch ist. Entscheidend sind also die theoretische und messtheoretische Repräsentation und Eindeutigkeit von Konzepten, um die Bedeutsamkeit von Messergebnissen gewährleisten zu können.

Fraglich bleibt: Wie funktioniert eine adäquate Modellierung? Habe ich die richtigen Indikatoren? Wie formuliert und interpretiert man diese Modelle? Wie kann ich Modelle vergleichen? Was bedeuten unsere Forschungsergebnisse und welche Schlüsse kann ich ziehen? Wie kann ich eine bessere Modellformulierung erhalten?

Gemeinsam können wir diese Fragen und weitere gerne beantworten. Schreibe mir einfach eine Mail.