科学模型（一）
在许多科学环境中，模型具有核心重要性。 宇宙中宇宙学的通胀模型，全球气候通用模型，DNA双螺旋模型，生物学的进化模型，社会科学的展示模型，及其普通均衡模型相应的域是一个案例（此条目末尾的其他Internet资源部分包含与讨论这些模型的在线资源的链接）。 科学家们花了大量的时间建设，测试，比较和修改模型，许多期刊空间致力于解释和讨论模型的含义。
因此，模型吸引了哲学家的注意力，现在有关于科学建模各个方面的文学体系。 与模型的哲学接触的有形结果是哲学文献中识别的模型类型的增殖。 探测模型，现象学模型，计算模型，发育模型，解释模型，贫困型号，检测模型，理论模型，理论模型，规模模型，启发式模型，漫画型号，探索模型，教学型号，幻想模型，最小型号，玩具型号，虚构模型，数学模型，机械模型，替代模型，标志性型号，正式模型，模拟模型以及乐器模型，但其中一些概念用于对模型进行分类。 虽然乍一看这种丰富是压倒性的，但是通过认识到这些观念涉及与模型有关所产生的不同问题，可以控制它。 模型在语义中提出问题（如何，如果是，模型代表？），本体（型号是什么样的东西？），宣传学（我们如何使用模型学习和解释），当然，在科学哲学中的其他域名中。
1.语义：模型和表示
2.本体：模特是什么？
2.1物理对象
2.2虚构物体和抽象对象
2.3设定理论结构
2.4描述和方程
3.认识论：模型的认知功能
3.1学习模型
3.2了解目标系统
3.3用模型解释
3.4与模型的理解
3.5其他认知功能
4.模型和理论
4.1款式作为子公司理论
4.2独立于理论的型号
5.科学哲学中的模型和其他辩论
5.1模型，现实主义和自然定律
5.2模型和减速
参考书目
学术工具
其他互联网资源
相关条目
1.语义：模型和表示
许多科学模式是代表性模型：它们代表了世界的选定部分或方面，这是模型的目标系统。 标准实例是气体的台球模型，原子的Bohr模型，Lotka-Volterra模型的捕食者 - 猎物互动，开放经济的Mundell-Fleming模型，以及桥梁的规模模型。
这提出了模型代表目标系统的意义意味着什么。 这个问题相当涉及并分解成各个子问题。 对于对陈述问题的深入讨论，请参阅科学代表的条目。 在这一点上，而不是解决模型代表的方法的问题，我们专注于许多不同类型的代表，在基于模型的科学的实践中发挥着重要作用，即规模模型，模拟模型，理想化模型，玩具型号，最小模型，现象学模型，探索模型和数据模型。 这些类别不是互斥的，并且给定的模型一次可以陷入若干类别。
规模模型。 某些型号是其目标系统（黑色1962）的缩小或放大副本。 典型的例子是一辆小型木制车，被放入风洞中以探索实际的汽车的空气动力学特性。 直觉是规模模型是目标复制品或目标的真实镜像; 因此，规模模型有时也称为“真实模型”（Achinstein 1968：Ch。7）。 但是，没有完全忠实的规模模型这样的东西; 忠诚总是限于某些方面。 汽车的木制尺度模型提供了汽车形状的忠实描写，而不是其材料。 即使在模型是忠实的代表的方面，模型 - 属性和目标属性之间的关系通常通常并不直接。 当工程师使用时，例如，船舶的1：100比例模型来调查实际船舶在穿过水时经历的阻力，他们不能简单地测量模型经验的阻力，然后将其乘以规模。 事实上，模型面临的电阻不会以直接的方式转化为实际船面临的电阻（即，一个人不能简单地使用模型的规模缩放耐水性：实际船舶不需要具有其1：100模型的耐水性百倍）。 这两种数量彼此复杂的非线性关系，以及这种关系的确切形式通常是高度的，并且由于对情况进行了彻底的研究而产生的，并且出现了这种情况（Sterrett 2006，即将到来的Pincock）。
类比模型。 模拟模型的标准例子包括气体的台球模型，经济系统的水力模型，以及黑洞的哑孔模型。 在最基本的层面上，如果它们之间存在某些相关的相似性，则两件事是类似的。 在经典文本中，Hesse（1963）根据两个对象进入的相似关系类型区分不同类型的类比。 简单类型的类比是基于共享属性的类比。 地球和月球之间存在类比，因为这两者都是从太阳接收热量和光的大，固体，不透明的球体，围绕它们的轴旋转，并倾向于其他体。 但属性的明确不是必要的条件。 两个对象之间的类比也可以基于其属性之间的相关相似性。 在这种更自由的意义上，我们可以说声音和光线之间存在类比，因为回声类似于反射，响度到亮度，亮度的响亮，耳朵的可检测到眼睛的可检测性，等等。
类比也可以基于两个系统的部分之间关系的共识或相似，而不是在他们的Monadic属性上。 这意味着，父亲对他的孩子的关系被认为是与国家对其公民的关系类似。 到目前为止提到的这些类比是Hesse称之为“材料类比”。 当我们从系统的具体特征摘要时，我们获得了更正式的类比概念，并仅关注其正式设置。 模拟模型与其目标的共享是什么不是一组特征，而是相同的抽象关系模式（即，在形式意义上理解的结构相同的结构）。 这种类比的概念与Hesse称之为“正式类比”密切相关。 如果它们都是相同正式微积分的解释，则两个项目是通过正式的类比相关的。 例如，摆动摆和振荡电路之间存在正式的类比，因为它们都被相同的数学方程描述。
由于Hesse引起的进一步重要区别是阳性，阴性和中性类动物之间的重要区别。 两个物品之间的正类比在它们分享的性质或关系中（气体分子和台球有质量）; 负面的类比在他们不分享的属性中组成（台球是有色的，气体分子不是）; 中性类比包括其不知道的性质（尚）是否属于正或负面类别（台球和分子在散射过程中具有相同的横截面？）。 中性类比在科学研究中发挥着重要作用，因为他们引起了问题并提出了新的假设。 由于这个原因，若干作者强调了类似于理论和模型建设的种族的启发式作用，以及创意思想（Bailer-Jones和Bailer-Jones 2002; Bailer-Jones 2009：Ch。3; Hesse 1974; Holyoak和Thagard 1995; Kroes 1989; Psillos 1995;以及在Helman 1988收集的论文。 另请参阅类比和模拟推理的条目。
还讨论了在某些情况下是否可以在某些情况下验证贝叶斯意义上的模拟模型。 Hesse（1974：208-219）认为，如果类比是一种类似的材料，这是可能的。 Bartha（2010年，2019年[2019]）不同意，并认为类似的模型不能在贝叶斯的意义上确认，因为封装在类比模型中的信息是相关背景知识的一部分，这使得假设的后续可能性是关于一个假设的后果的一部分由于观察类比，目标系统无法改变。 因此，类比模型只能在证明不可忽略的现有概率分配的意义上建立结论的合理性（Bartha 2010：§8.5）。
最近，已经在所谓的模拟实验的背景下讨论了这些问题，这承诺通过操纵另一个系统，源系统（例如，Bose-Einstein冷凝水）。 Dardashti，Thébault和Winsberg（2017）和Dardashti，Hartmann等。 （2019）所说，给定某些条件，另一个系统的一个系统的模拟模拟可以确认关于目标系统的要求（例如，那个黑洞发出霍克辐射）。 看克林瑟特尔。 （即将举行）对于关键讨论，以及科学中的计算机模拟。
理想化的型号。 理想化的模型是涉及刻意简化或扭曲的模型，这些模型与使其更具易懂或可理解的目标。 无摩擦的平面，点质量，完全隔离系统，无关和完全合理的药剂，以及完美均衡的市场是众所周知的例子。 理想化是科学的重要手段，以应对它们完全复杂的系统（Potochnik 2017）来说太难以研究的系统。
对理想化的哲学辩论专注于两个一般的理想化：所谓的亚里士敦和加里利利亚理想化。 亚里士多德的理想化量为“剥夺”，在我们的想象中，我们认为与手头的问题无关的具体对象的所有性质。 有关这项工作的分歧。 Jones（2005）和Godfrey-Smith（2009）就真理提供了抽象分析：虽然抽象对系统的某些功能或方面保持沉默，但它没有说明错误，并且还提供真正的（虽然限制）描述。 这使科学家能够孤立地关注一组有限的属性。 一个例子是行星系统的经典力学模型，其描述了物体作为时间的函数的位置，忽略了行星的所有其他特性。 Cartwright（1989：Ch.5），使用“疏忽假设”一词和Mäki（1994）的Musgrave（1981），讲述“隔离方法”，允许抽象来说是假的，例如通过忽视因果关系。
伽利利利的理想化是涉及刻意扭曲的理想化：物理学家建立由在无摩擦平面上移动的点肿块; 经济学家认为代理商是无所不知的; 生物学家研究孤立的群体; 等等。 每当一个情况太难以解决的情况时，使用这种情况的简化是伽利略的科学方法的特征。 因此，常常将这种作为“Galilan Legualizations”的“扭曲”理想化称为“Glilal Legalizations”（McMullin 1985）。 这种理想化的示例是冰溜冰场的运动模型，该溜冰场假设冰是无摩擦的，当实际上它具有低但非零摩擦。
伽利利利的理想化有时被描述为受控理想化，即，通过连续去除扭曲假设来实现解除理想的理想化（McMullin 1985; Weisberg 2007）。 因此解释说，加里利莱利的理想化不会涵盖所有扭曲的理想化。 Batterman（2002年，2011年）和米（2015,2019）讨论了不可确定的扭曲理想化，因为它们不能从模型中删除而不完全拆除模型。
涉及扭曲的模型是什么告诉我们关于现实的？ Laymon（1991）制定了一个理论理解的理想，作为理想限制：想象一系列接近假设限制的实际情况的一系列改进，然后要求系统的性质越靠到理想的极限，其行为越越突出限制的系统（单调性）。 如果是这种情况，科学家可以在限制下研究系统，并从该系统到远离极限的系统。 但这些条件不必总是保持。 事实上，可能发生限制系统在极限下不接近系统。 如果发生这种情况，我们面临着一个奇异的限制（Berry 2002）。 在这种情况下，限制的系统可以表现出与远离限制的系统行为不同的行为。 这种情况的限制出现在许多背景下，最值得注意的是在统计力学中的相变理论中。 但是，没有关于对这种限制的正确解释的同意。 贝尔曼（2002年，2011年）将它们视为表明紧急现象，而Butterfield（2011年，B）认为它们与减少相容（另见物理和科学减少的互际关系条目）。
Galilan和Aristotelian的理想化不是相互排斥的，许多模型都表现出来，他们考虑了一套狭窄的属性并扭曲它们。 再次考虑行星系统的经典力学模型：该模型仅考虑狭窄的属性，并扭曲它们，例如通过将行星描述为具有旋转对称质量分布的理想球体。
与理想化密切相关的概念是近似。 在一个广义上，如果a的方式接近b，则可以称为b的近似值。然而，这太广泛，因为它使空间有任何相似度，以获得近似。 Rueger和Sharp（1998）将近似为定量近距离限制，并且Portides（2007）将其框架框架作为基本上的数学概念。 在该概念A上是B IFF A的近似值在可指定的数学意义上接近B，其中上下文将给出相关的“关闭”的相关感。 一个例子是用另一个曲线的近似，可以通过将函数扩展到功率序列并仅保持前两种或三个术语来实现。 在不同情况下，我们通过让控制参数倾向于零（红发1980）来近似与另一个的等式。 这提出了近似值与理想化不同的问题，这也可以涉及数学近似。 Norton（2012）看到了两个作为参考的区别：近似是目标的不精确描述，而理想化引入了代表目标系统的二级系统（真实的或虚构）（同时与其不同）。 如果我们说墙上的钟摆的时期大约是两秒钟，那么这是一个近似值; 如果我们假设摆锤是点质量并且弦是无线的，则我们推理真正的摆锤（即，如果我们假设摆动是所谓的理想摆），则我们使用理想化。 以这种方式分离理想和近似并不意味着两者之间不存在有趣的关系。 例如，通过指出它是可接受的理想化的数学表达（例如，当我们忽略运动方程中的耗散术语时，可以是近似的近似，因为我们使系统是无摩擦的理想假设）。
玩具模型。 玩具模型非常简化，强烈扭曲其目标效果，通常只代表少数因果或解释因素（Hartmann 1995; Reutlinger等，2018; Nguyen即将到来）。 典型的例子是人口生态学（Weisberg 2013）中的Lotka-Volterra模型以及社会科学中的隔离模型（Sugden 2000）。 玩具模型通常在预测和经验充足程度方面不会表现良好，并且它们似乎在其他认知目标（第3节中的更多内容）。 这提出了一个问题，无论他们是否应该被视为代表性（Luczak 2017）。
一些玩具型号的特点是“讽刺”（Gibbard和Varian 1978; Batterman和Rice 2014）。 漫画模型隔离系统的少量突出特性，并将它们扭曲成极端情况。 一个经典的例子是Akerlof（1970）的汽车市场模型（“柠檬市场”），其解释了新的和二手车之间的价格差异，而不是在不对称信息方面，从而无视所有可能影响汽车价格的其他因素（另见ugden 2000）。 然而，这是争议的是否仍然被视为其目标系统的信息性陈述。 有关漫画模型的讨论，特别是经济学，请参阅Reiss（2006）。
最小的模型。 最小模型与玩具模型密切相关，因为它们也很容易被简化。 它们如此简化，有些人认为它们是非代表性的：它们缺乏与世界（Bablman和Rice 2014）的任何相似性，同构或相似之处。 有人认为，许多经济模式都是如此（Grüne-yanoff 2009）。 最小的经济模型也因自然法律而不受约束，并且不会隔离任何真正的因素（同上）。 然而，最小的模型有助于我们在他们用作真实系统的代理人的意义上学会世界的一些东西：科学家可以研究模型来学习目标的东西。 然而，如果他们没有代表任何东西，是争议的最小模型是否可以帮助科学家在学习世界（FUMAGALLI 2016）的情况下。 据称缺乏任何相似性或代表的最小模型也用于物理学的不同部分，以解释微调行为极为多样化的各种系统的宏观规模行为（Bardman和Rice 2014; Mice 2018,2019; Shech 2018）。 典型的示例是相变的特征和流体流动。 最小模型的支持者认为，在这些情况下，该系统的宏观规模行为的解释不是系统和模型具有共同的特征，而是系统和模型属于同一普遍性类的事实（即使也表现出相同限制行为的一类模型它们在有限尺度上显示出非常不同的行为）。 然而，有争议的是，是否可以参考至少一些共同特征（Lange 2015; Reutlinger 2017），是有争议的是否有可能。
现象学模型。 现象学模型已经不同，虽然有关，但是相关的方式。 共同的定义将它们成为仅代表其目标的可观察属性的模型，并避免隐藏隐藏机制等（Bokulich 2011）。 由于McMullin（1968），另一种方法将现象学模型定义为与理论无关的模型。 然而，这似乎太强烈了。 许多现象学模型，同时无法从理论中导出，纳入与理论相关的原则和法律。 例如，原子核的液滴模型描绘了核作为液体下降，并将其描述为在不同理论中具有若干特性（表面张力和电荷，其中）分别具有不同理论（流体动力学和电动和电动力）。 这些理论的某些方面 - 虽然通常不是完整的理论 - 然后用于确定细胞核的静态和动态性质。 最后，旨在识别具有现象的模型的现象学模型。 在这里，“现象”是一种涵盖来自科学观点有趣的世界的相对稳定和一般特征的伞长。 声音的弱化作为到源的距离，α颗粒的衰减，当一块石灰石溶解在酸中时发生的化学反应，兔子种群的生长，以及房价对联邦基本率的依赖性在这个意义上是现象。 有关进一步讨论，请参阅Bailer-Jones（2009：Ch.7），Bogen和Woodward（1988），以及科学理论和观察的进入。
探索模型。 探索模型是第一个模型，首先是学习关于特定目标系统的某些东西或特定的实验建立的现象。 探索模型用作进一步探索的起点，其中模型被修改和精制。 Gelfert（2016）指出，探索模型可以提供原则上的证据，并建议如何解释（2016：Ch.4）。 例如，Gelfert提及理论生态的早期模型，例如捕食者 - 猎物互动的Lotka-Volterra模型，这使得在资源有限的环境中加速和放缓的定性行为（2016年：80）。 此类模型不准确叙述任何实际人群的行为，但它们为开发更现实模型提供了起点。 Massimi（2019）注意到探索性模型提供了模态知识。 费舍尔（2006）将这些模型视为考察给定理论的特征的工具。
数据模型。 数据模型（有时也“数据模型”）是纠正，纠正，团制的，并且在许多情况下，我们从立即观察中获得的数据的理想版本，所谓的原始数据（Suppes 1962）。 特征性地，首先消除错误（例如，从故障观察的记录中删除点），然后以“整齐”的方式呈现数据，例如通过通过一组点绘制平滑曲线。 这两个步骤通常被称为“数据减少”和“曲线拟合”。 例如，当我们调查某个星球的轨迹时，我们首先消除从观察记录中羞辱的点，然后将剩余的平滑曲线拟合。 数据模型在确认理论中发挥着至关重要的作用，因为它是数据的模型，而不是经常凌乱和复杂的原始数据，所以可以测试理论。
数据模型的构造可能非常复杂。 它需要复杂的统计技术，并提高了严重的方法论以及哲学问题。 我们如何确定需要删除记录上的哪个点？ 给出了一套干净的数据，我们适合它的曲线？ 第一个问题主要是在实验哲学的背景下处理（例如，Galison 1997和Staley 2004）。 在后一种问题的核心上，所谓的曲线拟合问题是数据本身既不规定拟合曲线的形式也不决定科学家应该使用什么统计学技术来构建曲线。 统计技术的选择和合理化是统计哲学的主题，我们将读者提交给统计的入学哲学，并向Bandyopadhyay和Forster（2011）讨论这些问题。 在Bailer-Jones（2009：Ch.7），Brewer和Chinn（1994），Harris（2003），Hartmann（1995），Laymon（1982），Mayo（1996,2018）中，可以找到数据模型的讨论，并支持（2007）。
数据的收集，处理，传播，分析，解释和存储，超出了与数据模型相关的相对狭窄的问题的重要问题。 Leonelli（2016年，2019年）调查科学数据的状态，认为数据应该不是由他们的来源定义，而是通过他们的证据函数来研究数据如何在不同的上下文之间旅行。
