خلاصه مدیریتی

بیان/شرح مسئله

مسائل موجود در حکمرانی در تمامی سیستم‌های حاکمیتی در دنیا، شامل طیف وسیعی از موضوعات هستند که اکثر آنها با عوامل اجتماعی پیوند خورده‌اند. وجود عامل انسانی در این مسائل موجب پیچیدگی آنها می‌شود. از طرفی با در نظر گرفتن ماهیت متغیر رویدادهای محیطی که بر خط‌مشی‌گذاری مؤثر بوده و بعضاً مسائل جدید خط‌مشی‌گذاری ناشی از همین تغییرات می‌یاشند، ضرورت استفاده از روش‌های پشتیبان تصمیم که نوآورانه‌تر باشند را بیشتر نمایان می‌کنند. حکمرانی در ایران نیز از مسائل فوق‌الذکر مستثنی نیست و باید توجه داشت تصمیماتی که مربوط به مسائل حکمرانی هستند به دلیل دامنه اثربخشی وسیع خود، هزینه زیادی در اجرا خواهند داشت و درصورتی‌که جوانب تصمیمات به‌درستی بررسی نشود احتمال به وجود آمدن آسیب‌های جبران‌ناپذیر افزایش می‌یابد. حداقل آسیب مرتبط با تصمیمات نسنجیده یا کمتر سنجیده شده از دست رفتن منابع مالی و سرمایه‌ای است. این گزارش می‌کوشد با شناسایی حوزه‌هایی از مسائل حکمرانی که امکان بهره‌گیری از مدل‌های شبیه‌سازی به‌عنوان ابزاری نوآورانه در فرایند تصمیم‌گیری برای رویارویی با پیچیدگی آنها وجود دارد، دلالت‌هایی را برای مجلس شورای اسلامی ارائه نماید.

نقطه نظرات/ یافته‌های کلیدی

به‌دلیل پیچیدگی موجود در مسائل حکمرانی در بسیاری از منابع مربوط به ادبیات این موضوع به مفاهیمی نظیر سیستم‌های پیچیده اشاره شده است و راه‌حل‌هایی که برای پشتیبانی تصمیم این نوع از سیستم‌ها به‌کار گرفته می‌شود برای مسائل حکمرانی نیز استفاده شده است. مطالعات مختلفی در جهان به کاربست مدل‌سازی شبیه‌سازی به‌عنوان یکی از انواع سیستم‌های پشتیبان تصمیم در رویارویی با مسائل حکمرانی پرداخته‌اند که می‌توان از تجربیات و درس‌آموخته‌های آن برای بهبود کیفیت حکمرانی در ایران استفاده نمود.

با بررسی مقالاتی که کلمات کلیدی مرتبط با شبیه‌سازی و حوزه‌های خط‌مشی‌گذاری داشته‌اند، مشخص شد تعداد این مقالات رشد مرکب سالیانه بیش از 3 درصدی در بازه 15 ساله اخیر داشته است. همچنین سه رویکرد اصلی نیز برای دسته‌بندی مدل‌های شبیه‌سازی شامل: 1. رویکردهای فرایندی (شامل شبیه‌سازی گسسته پیشامد)، 2. رویکردهای مبتنی‌بر عامل (شامل شبیه‌سازی عامل‌بنیان و شبیه‌سازی چندعاملی) و 3. رویکردهای مبتنی‌بر پویایی (شامل سیستم‌های پویا و پویایی‌های سیستم) شناسایی شد. با بررسی فراوانی کلمات کلیدی مقالات مشخص شد بیشترین سهم کاربرد مربوط به شبیه‌سازی عامل‌بنیان یا رویکرد مبتنی‌بر عامل است که در آن قابلیت شبیه‌سازی عامل انسانی بیش از سایر روش‌ها وجود دارد.

براساس تحلیل کلمات کلیدی مقالات احصا شده مهم‌ترین حوزه‌های موضوعی به ترتیب عبارت‌اند از مسائل موجود در حوزه فناوری و نوآوری، مدیریت، فرهنگی و اجتماعی، سلامت، حمل‌ونقل، انرژی، نرم‌افزار، ارتباطات، رسانه، اقتصاد، جمعیت‌شناسی، محیط‌زیست، مسکن و برنامه‌ریزی شهری، فلسفه و دین، آموزش، توسعه و پایداری، امنیت، زیست‌شناسی، غذا و کشاورزی، عدالت، گردشگری، قوانین و مقررات و حقوق. برخی از حوزه‌ها نیز مانند هوش مصنوعی (که بخشی از حوزه فناوری و نوآوری است) و حوزه سلامت رشد قابل‌توجهی نسبت به سایر حوزه‌ها داشته‌اند.

با وجود آنکه روش‌های شبیه‌سازی تا به امروز عمر قابل‌توجهی داشته‌اند اما همچنان بین مباحث علمی استفاده از آن و کاربرد آن در عمل فاصله زیادی وجود دارد. بخشی از این فاصله را می‌توان به‌دلیل عدم شناخت کافی قابلیت‌های این حوزه دانست که نیاز به معرفی بیشتر این روش و کاربرد‌های آن در حوزه حکمرانی را پررنگ‌تر می‌کند. با وجود مزایای متعدد استفاده از مدل‌های شبیه‌سازی برای حل مسائل حکمرانی، چالش‌هایی نیز در به‌کارگیری آنها در این حوزه وجود دارد که کاربرد آن را محدود می‌کند. براساس نتایج تحقیقات انجام شده پژوهشگران و تجربیات سیاست‌پژوهان، انواع مختلفی از چالش‌ها در به‌کارگیری مدل‌های شبیه‌سازی در حل مسائل حکمرانی وجود دارند که می‌توان به چالش امکان در تضاد قرار گرفتن با اندیشه مدیریتی، چالش داده‌های کافی و باکیفیت یا دشواری در دسترسی به آنها، چالش کم‌توجهی به اعتبار سنجی نتایج مدل‌ها و به‌روز نگه داشتن آنها در سالیان آتی، چالش کمبود نیروی انسانی متخصص مکفی، چالش چندرشته‌ای بودن فرایند مدل‌سازی، چالش فقدان آگاهی از طرز کار سیستم‌های پشتیبان تصمیم یا عدم دانش درباره چگونگی دستیابی به خروجی‌ها از ورودی‌های اعمال شده به آن و دیگر چالش‌ها از قبیل اداری و ارتباطی و تعامل با ذی‌نفعان اشاره کرد.

پیشنهاد راهکار تقنینی، نظارتی یا سیاستی

امید است ضمن توجه دادن مسئولان به مزایا و نقش کاربست چنین روش‌هایی در پاسخگویی به ابهامات حوزه تصمیم‌گیری، روند مطالعات کارشناسی در حوزه‌های احصا شده‌ که به‌کارگیری شبیه‌سازی برای آنها مناسب‌تر است، با استفاده از ظرفیت جامعه پژوهشی تسهیل شود.

در مطالعات بعدی، این مسائل می‌توانند با موضوعات و مسائل مطرح در کمیسیون‌های مجلس شورای اسلامی که ازطریق سامانه مرکز پژوهش‌ها قابل دست‌یابی هستند تقاطع‌گیری شوند. ضمن آنکه می‌توان طرح‌ها و لوایحی که مدت زمان زیادی در میان مسیر ارجاع از شورای نگهبان و مجلس شورای اسلامی و ... معطل مانده‌اند و با انجام شبیه‌سازی امکان صرفه‌جویی در این رفت و برگشت‌ها وجود دارد شناسایی شوند و اقدامات لازم برای تحلیل آنها با مدل‌های پشتیبان تصمیم انجام شود.

در ادامه راهکارهایی برای توسعه مدل‌های شبیه‌سازی برای ارتقای نظام تصمیم‌گیری و متعاقباً حل مسائل پیچیده در حوزه‌های احصا شده، ارائه می‌شود:

•                      لزوم آگاه‌سازی خط‌مشی‌گذاران با مزایای استفاده از مدل‌های شبیه‌سازی به‌عنوان پشتیبان تصمیم در بررسی سیستم‌های پیچیده و ارتقای سطح فرهنگ استفاده از سیستم‌های پشتیبان تصمیم در عرصه خط‌مشی‌گذاری ازطریق مواردی همچون ارائه نتایج شبیه‌سازی سناریوهای تصمیم و ارزیابی نتایج آن به مسئولین یا طراحی دوره‌های آموزشی برای به‌کارگیری بهینه‌تر از سیستم‌های پشتیبان تصمیم؛
•                      ارتقای کیفیت داده‌های مورد نیاز در مدل‌های شبیه‌سازی و در تصمیم‌گیری ازطریق بهبود تبادل داده میان مالکان و مصرف‌کنندگان داده یا ایجاد سازوکارهایی برای دسترسی به داده‌های با کیفیت مانند بانک جامع اطلاعات برای محققان؛
•                      توجه به اعتبارسنجی مدل‌سازی و افزایش دقت نتایج مدل‌ها که برای این مهم استفاده از ظرفیت متخصصین این حوزه، ایجاد شبکه شبیه‌سازی میان بازیگران دانشگاهی و حاکمیتی و ایجاد مراکز ناظر فنی غیر ذی‌نفع برای ایفای این نقش توصیه می‌شود
•                      انتخاب روش صحیح پشتیبان تصمیم متناسب برای تصمیم‌گیری و خط‌مشی‌گذاری با هر نوع مسئله. مثلاً مسائل حوزه نرم‌افزار به روش عامل‌بنیان؛
•                      وجود نگاه تکاملی و بلندمدت در به‌کارگیری روش‌های مدل‌سازی شبیه‌سازی و توسعه مدل‌ها در تکمیل مدل‌های قبلی؛
•                       به‌روز نگه داشتن مدل‌ها و انجام تحقیقات آتی براساس نتایج حاصل شده از مدل‌سازی‌های قبلی و تربیت نیروی انسانی متخصص در حوزه مدل‌سازی؛
•                      همراه نمودن و به‌کارگیری نتایج شبیه‌سازی در کنار سایر روش‌های علمی از قبیل مدل‌های بهینه‌سازی، مدل‌های تصمیم‌گیری چند معیاره، مدل‌های نظریه بازی و غیره متناسب با پیچیدگی هر موقعیت برای دریافت خروجی‌های بهتر.

1. مقدمه

خط‌مشی‌ها در واقع تکنیک‌های حکمرانی هستند [1]. برای شناخت مفهوم خط‌مشی (به‌عنوان ابزار حکمرانی) نیاز است ابتدا مفهوم حکمرانی درک شود. نظریات متفاوتی درخصوص تعریف حکمرانی وجود دارد.

حکمرانی مجموعه‌ای از روش‌های متعدد است که افراد حقیقی و حقوقی دولتی و خصوصی با استفاده از آنها امور مشترک خود را مدیریت می‌کنند. حکمرانی فرایندی مستمر است که ممکن است منافع متضاد یا متنوعی از افراد را در خود لحاظ کند و یا تحت آن اقدامات مشارکتی بین افراد انجام شود. هدف از حکمرانی هدایت، راهبری و تنظیم مقررات فعالیت‌های شهروندان ازطریق قدرت سیستم‌ها و روابط مختلف برای به حداکثر رساندن منافع عمومی است [2]. حاکمیت در این راستا و برای رسیدن به اهداف خود، از ابزارهایی نظیر خط‌مشی‌گذاری استفاده می‌کند [1].

حکمرانی را می‌توان به‌عنوان یک پدیده تعاملی درک کرد که در آن بازیگران دولتی، خصوصی و غیرانتفاعی برای ایجاد و اجرای خط‌مشی‌های عمومی با یکدیگر تعامل دارند.

همچنین حکمرانی مربوط به سیستم‌های پیچیده شامل بازیگران زیاد و ارتباطات بین آنهاست که ماهیت اجتماعی آن موجب می‌شود مشکلات پیچیده‌ای که اصطلاحاً «مشکلات بدخیم» عنوان شده‌اند در این مفهوم بروز پیدا کنند [3]. دولت‌های محلی و سیاستمداران از این جهت که تصمیماتشان درخصوص زیرساخت‌ها که تأثیر زیادی بر جامعه دارند، عواقب فاجعه‌‌‌‌باری در به هم زدن تعادل اقتصادی و اجتماعی نداشته باشد تحت فشار هستند. ضمن اینکه دامنه تأثیر تصمیمات محدود به محیط‌ ملی نیست و در مناسبات جهانی و دریافت بازخورد از آنها نیز مؤثر هستند [4]. علاوه‌بر موضوعات فوق باید توجه داشت که تغییرات جهانی اجتماعی و فناوری، ارتباط بین حاکمیت و جامعه را که زمانی ثابت به‌نظر می‌رسید دچار تغییر کرده است. امروزه برای شهروندان علاوه‌بر موفقیت تصمیمات اتخاذ شده در دستیابی به اهداف تعیین شده، اعتماد به خط‌مشی‌ها و وجود شفافیت در رویارویی با مسائل نیز اهمیت دارد. آنها خواستار مشارکت در طراحی و اجرای این خط‌مشی‌ها هستند. بنابراین آنها نیازمند ابزارهای تحلیلی پیشرفته‌ای هستند که هم‌زمان هم خط‌مشی‌گذاری را بهبود ببخشد و هم فرصت‌های نوآورانه‌ای را برای در نظر گرفتن دیدگاه عمومی ایجاد کند [4].

با توضیحات و تعاریف فوق می‌توان چنین جمع‌بندی کرد که:

1.      حکمرانی مفهومی فراتر از کارکرد حاکمیت یا دولت است و به‌دلیل ابعاد زیاد مسائل عمومی نیاز است بازیگران مختلفی در رسیدن به راه‌حل مسائل دخیل باشند.

2.      حاکمیت و دولت با اینکه تنها بازیگر عرصه حکمرانی نیستند، اما بازیگری بسیار قوی هستند و با همین ویژگی تا حد زیادی در بسیاری از حوزه‌ها تعیین‌کننده زمینه و شیوه حکمرانی خواهند بود؛ لذا مسئولیت ویژه‌ای دارند.

3.      راه‌حل‌ها و نقش اصلی حاکمیت در عرصه حکمرانی در قالب خط‌مشی‌ها بروز پیدا می‌کنند. لذا شیوه خط‌مشی‌گذاری به نوعی شیوه حکمرانی را بروز می‌دهد و بالطبع مشکلاتی که در هر مرحله از چرخه خط‌مشی‌گذاری بروز پیدا کند ناظر به شیوه حکمرانی خواهد بود.

4.      مسائلی که حکمرانی با آن روبروست پیچیده و چندوجهی هستند. خط‌مشی‌ها به‌عنوان راه‌حل این مسائل مطرح می‌شوند؛ لذا برای حل مسائل و خط‌مشی‌گذاری باید از روش‌های متناسب با پیچیدگی مسائل بهره برد.

5.      با توجه به تحولات سریع جهانی و ظهور فناوری‌های نوین، خواسته‌های اجتماعی نیز در حال تغییر است و پیچیدگی مسائل حکمرانی را بیشتر می‌کند. به این دلیل در آینده استفاده از ابزارهای فناورانه که بتوانند مسائل اجتماعی مرتبط با حکمرانی را به‌عنوان یک سیستم پیچیده حل کنند ضرورت بیشتری خواهد یافت.

6.      برای حل مسائل حکمرانی باید بازیگران مختلفی را در فرایند خط‌مشی‌گذاری دخیل نمود. بخشی از این موضوع ازطریق دخیل کردن روش‌های علمی در خط‌مشی‌گذاری قابل تأمین است.

7.      خط‌مشی‌گذاری صرفاً محدود به مرحله تصمیمات حاکمیتی نیست و نیازمند مراحل اجرا و ایجاد اطمینان از متناسب بودن خط‌مشی مصوب با مسئله و همچنین نحوه اجرای آن نیز هست.

این گزارش می‌کوشد باتوجه‌به بررسی آخرین مطالعات انجام شده در دنیا در استفاده از مدل‌های شبیه‌سازی در حل مسائل حکمرانی به‌عنوان یکی از ابزارهای تحلیلی سیستم‌های پیچیده، به این پرسش پاسخ دهد که چه دسته موضوع‌هایی از مسائل حکمرانی وجود دارند که مدل‌های شبیه‌سازی می‌توانند برای بررسی به آنها ورود نمایند و همچنین مناسب‌ترین مدل‌های شبیه‌سازی برای رویارویی با هر دسته موضوعی چیست. با این هدف به رصد و دیده‌بانی مسائل موجود در عرصه قانونگذاری که قابلیت به‌کارگیری مدل‌های شبیه‌سازی در آنها وجود دارد پرداخته می‌شود و دلالت‌هایی برای مجلس شورای اسلامی برای کاربست آن ارائه می‌شود تا در ادامه بتوان در گزارش‌های آتی با استفاده از مناسب‌ترین مدل‌های شبیه‌سازی، به تجزیه‌وتحلیل مسائل مطرح در مجلس شورای اسلامی که امکان شبیه‌سازی برای آنها وجود دارد، اقدام و سیستم‌های پشتیبانی تصمیم برای آنها را طراحی نمود.

روش شناسایی حوزه‌های موضوعی خط‌مشی‌گذاری که امکان به‌کارگیری مدل‌سازی شبیه‌سازی در آنها به‌عنوان پشتیبان تصمیم وجود دارد ازطریق تحلیل کلمات کلیدی مقالات این حوزه است. منبع اصلی استخراج اطلاعات مقالات و کلمات کلیدی، پایگاه اطلاعاتی اسکوپوس بوده و کلمات کلیدی مقالات منتشر شده در بازه زمانی 2009 تا 2024 (به مدت 15 سال) دسته‌بندی شده و فراوانی آنها محاسبه شده است. دسته‌های موضوعی مبتنی‌بر کلمات کلیدی که فراوانی قابل‌توجهی داشته‌اند احصا شده‌اند.

با انجام این امر که در راستای مسئله‌شناسی و اطلاع‌رسانی نیازهای مطالعاتی حوزه حکمرانی به جامعه پژوهشی است، امید است ضمن توجه دادن مسئولان به مزایا و نقش کاربست چنین روش‌هایی در پاسخگویی به ابهامات حوزه تصمیم‌گیری، روند مطالعات کارشناسی در این حوزه تسهیل شود. اهداف این گزارش عبارت‌اند از:

•         رصد و دیده‌بانی مسائل حکمرانی قابل بررسی با ابزار مدل‌های شبیه‌سازی،
•          اطلاع‌رسانی نیازهای مطالعاتی حوزه حکمرانی به جامعه پژوهشی و تسهیل روند مدل‌سازی و مطالعات کارشناسی در این حوزه،
•          ترویج و معرفی ابزارهای شبیه‌سازی به‌عنوان یکی از سیستم‌های پشتیبانی تصمیم و تثبیت جایگاه استفاده از رویکردهای مدل‌سازی در تحلیل مسائل کلان خط‌مشی‌گذاری،
•          یافتن چالش‌های استفاده از مدل‌سازی شبیه‌سازی در خط‌مشی‌گذاری و تصمیم‌سازی و ارائه راهکارهایی برای رفع آن.

2. پیشینه

1ـ2. سوابق مطالعاتی در مرکز

پیش از این در چندین گزارش به کاربست مدل‌سازی به‌مثابه سیستم پشتیبانی تصمیم و توصیه‌هایی برای استفاده از آن در فرایند خط‌مشی‌گذاری و قانونگذاری پرداخته شده است. خلاصه‌ای از مطالعاتی که در مرکز پژوهش‌های مجلس شورای اسلامی از انواع مدل‌ها برای تصمیم‌گیری استفاده شده است یا مدل‌هایی برای تصمیم‌گیری در آنها معرفی شده‌اند در جدول 1 آورده می‌شود.

جدول 1. اهم مطالعات انجام شده مرتبط در مرکز پژوهش‌های مجلس

مأخذ: یافته‌های پژوهش.

2ـ2. سوابق تقنینی به همراه آسیب‌شناسی

در رابطه با ایجاد یا یکپارچه‌سازی سیستم‌های اطلاعاتی کلان و افزایش شفافیت داده‌ها و اطلاعات و ایجاد زیرساخت‌های لازم جهت نیل به خط‌مشی‌گذاری شواهد محور تصویب قوانینی نظیر قانون انتشار و دسترسی آزاد به اطلاعات (مصوب 6 بهمن 1387) و قانون مدیریت داده‌ها و اطلاعات ملی (مدام) (مصوب در 10 آبان 1401) نشان‌دهنده شکل‌گیری رویکرد خط‌مشی‌گذاری شواهدمحور در کشور است که این رویکرد در برنامه توسعه پنجم و ششم توسعه و هم اکنون قانون برنامه هفتم پیشرفت (در آن به هوشمندسازی و تحقق دولت الکترونیک اشاره شده است)، دنبال می‌شود. مهم‌ترین قوانین و مقررات مصوبی که مرتبط با این حوزه هستند یا امکان بهره‌گیری از مدل‌سازی شبیه‌سازی در نیل به اهداف آنها وجود دارد در جدول 2 قابل مشاهده هستند.

جدول 2. اهم قوانین و مقررات مرتبط با خط‌مشی‌گذاری شواهد محور در حکمرانی و اداره کشور

مأخذ: همان.

3. خط‌مشی‌گذاری عمومی به‌عنوان مسئله تصمیم‌گیری

1ـ3. خط‌مشی‌های عمومی از نوع مسائل پیچیده

درخصوص خط‌مشی‌های عمومی تعاریف مختلفی ارائه شده است. «به بیان کلی خط‌مشی‌های عمومی ابزارهایی برای کنترل اجتماعی هستند که توسط سیستم‌های سیاسی مدرن تعریف شده‌اند و هدف آنها تنظیم حقایق عمومی و کاربرد منابع است [5]. «خط‌مشی عمومی اقدامی است که از اختیارات دولتی برای تخصیص منابع در حمایت از یک ارزش ترجیحی استفاده می‌کند. این اقدامات شامل شفاف‌سازی ارزش‌های عمومی، تعهدات مالی و خدماتی و اعطای حقوق و مزایا است. این اقدامات شامل اعمال قدرت عمومی است و یکی از فرایندهای اصلی را تشکیل می‌دهد که ازطریق آن جوامع به مسائل عمده اجتماعی، اقتصادی، زیست‌محیطی و سیاسی پاسخ می‌دهند» [6].

در کتاب «راهنمای ابزارهای خط‌مشی‌گذاری» [1]، خط‌مشی‌گذاری به‌عنوان تکنیک‌های حکمرانی معرفی شده است. این تکنیک‌‌‌‌ها به نحوی شامل استفاده از اقتدار دولت یا محدودیت آگاهانه آن برای دستیابی به اهداف دولت می‌یاشند. خط‌مشی‌گذاری عمومی به مفهوم انتخاب از بین جعبه ابزار خط‌مشی‌ها است و طراحی خط‌مشی به معنی درک و تحلیل گزینه‌های بالقوه ابزار درگیر در فعالیت اجرا است. در همین کتاب به این نکته اشاره شده است که با توجه به اینکه تنوع بالایی در انواع خط‌مشی‌ها وجود دارد، باید بررسی شود که کدام موارد واقعاً مؤثر هستند و به‌این‌ترتیب خروجی‌های فرایند خط‌مشی‌گذاری به چند نوع قابل مدیریت محدود می‌شوند.

بنابراین حکمرانی یک فرایند است و خط‌مشی‌ها نیز ابزارهای آن هستند. فرایند خط‌مشی‌گذاری معمولاً به شکل چرخه ترسیم می‌شود. این دیدگاه به تحلیل‌‌گران اجازه می‌دهد که هر مرحله از این چرخه را به‌طور جداگانه بررسی و تحلیل نمایند. فرایند خط‌مشی گذاری به‌صورت شکل 1 قابل ترسیم است و شامل 5 مرحله است: 1. تعیین دستور کار، 2. صورت‌بندی، 3. تصمیم‌گیری، 4. اجرا و 5. ارزیابی (شکل 1) [1].

‌

شکل 1. چرخه خط‌مشی‌گذاری [1]

در شکل 2 ارتباط چرخه خط‌مشی‌گذاری با مراحل متناظر در حل مسئله کاربردی آورده شده است. باتوجه‌به شکل ارائه شده می‌توان چنین نتیجه‌گیری کرد که چرخه خط‌مشی‌گذاری حالت خاصی از حل مسئله است که به حوزه خط‌مشی‌گذاری عمومی اختصاص یافته است و خط‌مشی‌های عمومی و استفاده از آنها در حکمرانی از جنس مسائل تصمیم‌گیری هستند [1].

‌

شکل 2. پنج مرحله چرخه خط‌مشی‌گذاری و ارتباط آنها با مراحل حل مسئله کاربردی [1]

از دیدگاه سیستمی، مسائل مربوط به خط‌مشی‌گذاری عمدتاً از نوع سیستم‌های پیچیده می‌یاشند و در مقالات و متون متعددی نیز با صراحت به پیچیده بودن مسائل خط‌مشی‌گذاری اشاره شده است [7] و [3]. برای مثال کنش‌ها و تعاملات اجتماعی که توسط میلیون‌ها نفر و به طرق مختلف و با ابزارهای سنتی یا دیجیتال انجام می‌شود، یا فرایندهای اقتصادی که در آنها بازیگران اقتصادی بسیار ناهمگن ازطریق معاملات، روابط مالکیت، رقابت و همیاری تعامل می‌کنند، دو نمونه از سیستم‌های پیچیده هستند. خط‌مشی‌ها نیز که مجموعه‌ای از اقدامات برای بهبود زندگی اجتماعی و فرایندهای اقتصادی و نمونه‌ای بارز کنترل آنها هستند و بر فضای اجتماعی، اقتصادی و سیاسی اثرگذار و نیازمند شناخت صحیح از این فضا هستند، از نوع پیچیده می‌باشند [7].

بنابراین روش‌های مربوط به تحلیل سیستم‌های پیچیده قابل به‌کارگیری در تحلیل خط‌مشی‌گذاری‌ها نیز هستند. خط‌مشی‌ها محصول تعامل عوامل و نهادها در زمان و مکان مشخصی هستند که در آن دانش از وضعیت فعلی، تنها دیدگاه‌های ناقصی از وضعیت‌های آینده سیستم ارائه می‌دهد [7].

در تصمیمات خط‌مشی‌گذاری ذی‌نفعان مختلفی درگیر هستند که منافع متفاوتی دارند. این تفاوت می‌تواند موجب تنش بین ذی‌نفعان شود. در شرایط عدم شناخت از روش‌های علمی مناسب یا فقدان اعتماد به آنها برای پشتیبانی نمودن تصمیمات، تصمیمات معمولاً به‌صورت شهودی اخذ می‌شوند و به بیشتر شدن تنش‌ها دامن می‌زنند [4].

در یک جمع‌بندی ویژگی‌های مشترک و شباهت‌های بین سیستم‌های پیچیده و مسائل مربوط به خط‌مشی‌گذاری به شرح زیر است [1]:

•           لزوم ایجاد تعادل بین ابعاد مختلف مسئله ازجمله منافع، فشار، بروکراسی و شواهد،
•           وجود اختلاف‌نظر در اولویت‌ها، اهداف موردنظر، روش‌های موجود و خروجی‌ها،
•           تعامل عوامل ناهمگون ازجمله: شهروندان، گروه‌های اجتماعی، بروکرات‌ها، طرف‌های ذی‌نفع، لابی‌گران، فعالان، رهبران و محیط زمینه‌ای آنها،
•           به وجود آمدن نتایج جدید و غیرخطی حاصل از تعامل بین بازیگران طی زمان و مکان‌های مختلف،
•          وجود واکنش‌های متفاوت افراد به این دلیل که در سیستم سود یا زیان می‌کنند،
•            وجود تکامل، یادگیری، سازگاری و تغییر در سیستم،
•          دشوار بودن پیش‌بینی نتایج،
•          درک یک سازوکار تضمین‌کننده درک کل سیستم نیست. به عبارتی کل سیستم چیزی بیشتر و متفاوت از جمع اجزای آن است،
•          در هم تنیدگی خط‌مشی‌گذاری با سیستم اجتماعی و نیاز به داشتن دیدگاه مفهومی از سیستم و استفاده از روش مناسب در زمان مداخلات سیاسی،
•           وجود چند راه‌حل برای یک مسئله که ممکن است در آنها (بسته به نحوه تعامل، واکنش، مشارکت یا همکاری طرفین) تناقض هم وجود داشته باشد. (برخی از مسائل خط‌مشی‌گذاری راه‌حل خطی دارند، مانند کنترل ترافیک، اما برخی پیچیده هستند و راه‌حل یرخطی دارند، مانند خشونت اجتماعی. مسائل پیچیده لزوماً یک راه‌حل ندارند)،
•           عدم توانایی در به‌کارگیری آزمون‌های واقعی در مسائل مربوط به علوم اجتماعی به صورتی که هیچ آسیبی به شهروندان وارد نشود (مانند آزمایش یک دارو به‌صورت کنترل شده که تضامین اخلاقی برای آن اخذ می‌شود).

2ـ3. رویکردهای ارزیابی آثار تصمیمات بر سیستم هدف

طیفی از رویکردها برای ارزیابی آثار برنامه‌های مختلف بر سیستم هدف به‌کار می‌روند که در گزارش «مدل‌های مورد استفاده در آزمایشگاه‌های حکمرانی و بررسی سه نمونه پیاده‌‌سازی‌شده در حوزه‌های سلامت، انرژی و منابع انسانی آموزش‌وپرورش» [8] به تعدادی از آنها اشاره شده است. تصمیم‌گیران می‌توانند با کمک هریک از ابزارهای موجود در این طیف، آثار اجرای برنامه‌های مورد نظر خود را قبل از اجرا، حین اجرا و بعد از اجرای آنها بر سیستم هدف مشاهده کنند. این طیف را می‌توان به‌صورت شماتیک در شکل 3 ترسیم کرد.

شکل 3. انواع رویکردهای ارزیابی آثار برنامه‌ها در تصمیم‌گیری [8]

رویکرد تجربه‌های آزموده شده عمدتاً بر تجربه سایر کشورها و حوزه‌ها در خط‌مشی‌گذاری تکیه دارد. این رویکرد مزیت مهمی که نسبت به رویکرد آزمون و خطا دارد جلوگیری از هزینه‌ها و هدررفت فرصت‌ها است. اما به دلیل اینکه شرایط تجربه‌شده قبلی کاملاً منطبق با شرایط فعلی که خط‌مشی‌گذاری باید برای آن اجرا شوند، نیستند خطاهای زیادی دارد. رویکرد آزمایش مجازی اما از بسیاری از جهات برتری بیشتری نسبت به رویکرد تجربه‌های آزموده شده دارد. ماهیت آزمایشگاه حکمرانی و بالطبع ابزارهایی که در آن برای پشتیبانی از تصمیمات حوزه حکمرانی به‌کار گرفته می‌شوند در دسته ابزارهای آزمایشی قرار می‌گیرد. در رویکرد روش‌های آزمایشی، تصمیم‌گیرنده در فرایند انتخاب گزینه پیشنهادی، سعی می‌نماید مدلی از مسئله واقعی را ایجاد نماید، متغیرهای مؤثر بر آن را لحاظ نماید و به تجزیه‌وتحلیل آن مدل در شرایط و گزینه‌های پیشنهادی بپردازد. این روش مزایای دیگری همچون استفاده از مدل در طراحی گزینه پیشنهادی دیگر، پیش‌بینی پذیری رفتارهای سیستم، ارتقای شناخت از سیستم و بهبود مستمر [8] را به همراه دارد.

4. مدل‌سازی و کارکرد آن در خط‌مشی‌گذاری

اساساً مدل‌ها برای درک بهتر سیستم‌های واقعی به وجود آمده‌اند. مدل‌سازی به‌عنوان ساخت یک نمایش ساده‌شده از بخشی از دنیای واقعی تعریف می‌شود که تنها شامل برخی از عناصر است که مطالعه بر آنها تمرکز دارد. بنابراین برای یک سیستم در دنیای واقعی می‌توان مدل‌های مختلف و متنوعی را برای اهداف مختلف ساخت که هر یک از آنها شامل زیرمجموعه‌ای متفاوت از عناصر آن سیستم باشد که بر بخش خاصی از آنها تمرکز دارد و احتمالاً سطح جزئیات متفاوتی با یکدیگر دارند [9].

براساس تعریف فوق به خوبی می‌توان انطباق مدل‌سازی بر رویکرد آزمایشی و ارتباط آن با مسائل پیچیده و کاربرد آن در آزمایشگاه حکمرانی را درک کرد. مدل به‌عنوان یک دنیای مصنوعی به کاربر فرصت بی‌سابقه‌ای برای آزمایش مداخلات و با هدف افزایش عملکرد آن می‌دهد. به این ترتیب می‌توان آن را به‌عنوان یک آزمایشگاه ایمن از خطرات محیط واقعی در راستای آزمایش فرضیه‌ها و پیش‌بینی‌ها در نظر گرفت [9].

از مدل‌های اجتماعی می‌توان برای بررسی ماهیت خط‌مشی و آثار دقیق تغییرات ساختاری استفاده کرد. این مدل‌ها معمولاً در خط‌مشی‌های دولتی در زمینه‌های مختلف مانند مالیات، تأمین اجتماعی و رفاه به‌کار گرفته شده‌اند [6].

مدل‌سازی امکان درک بهتر یک سیستم پیچیده و ارتباط و گفتگوی اساسی‌تر در مورد آن را بین محققان و متخصصان علاقه‌مند فراهم می‌کند. این رویکرد می‌تواند برای اهداف پیش‌بینی، برنامه‌ریزی و پشتیبانی از تصمیم‌گیری در مسائل خط‌مشی‌گذاری با پیچیدگی زیاد و همچنین برای آموزش، درصورتی‌که دسترسی به سیستم واقعی پرهزینه یا غیرممکن باشد، مورد استفاده قرار گیرد. مدل‌سازی به کاربران این امکان را می‌دهد که با پیچیدگی دنیای واقعی به شیوه‌ای مؤثر و تدریجی برخورد نمایند. مدل‌سازی ممکن است به‌عنوان یک رویکرد ساده به سیستم مورد بررسی شروع شود و به تدریج بهبود یابد، زیرا درک ما از سیستم خاصی که با آن سر و کار داریم در حال افزایش است. این «بهبود تدریجی» تقریب خوبی از مسائل بسیار پیچیده را ممکن می‌سازد [9].

فرایند مدل‌سازی شامل ایجاد بازنمایی‌های انتزاعی و ساده‌شده از سیستم‌های واقعی یا نظری، ثبت ویژگی‌های اساسی آنها ازطریق مدل‌های ریاضی، منطقی و محاسباتی است [10]. مدل‌سازی سه مرحله کلی دارد. ۱. نگاشت یک سیستم دنیای واقعی بر روی یک مدل ساده شده (فرایند انتزاع)، ۲. تجزیه و تحلیل رفتار سیستم و بهینه‌سازی آن، ۳. نگاشت بهبودهای مدل به سیستم واقعی [9].

1ـ4. انواع مدل‌ها در رویکرد آزمایشی

انواع مختلفی از مدل‌ها برای این رویکرد در حل مسائل پیچیده وجود دارند. برخی از این مدل‌ها در مطالعات گوناگونی معرفی و کارکردهای آنها توضیح داده شده است [7] و [8]. کلیدی‌ترین و بهترین معیار برای گزینش ابزار مناسب برای مدل‌سازی، سودمندی آن مدل برای ارائه تحلیل‌های موردنیاز و اثربخش بودن آن است. نوع مدل را هدف مسئله، شرایط خاص هر مسئله و نوع نگاه مدل‌ساز، تعیین می‌کند. بنابراین ابزارها و روش‌های موجود در آزمایشگاه حکمرانی، نسبت به یکدیگر برتری‌ای ندارند [7] و همان‌طور که برای حل یک مسئله بهینه‌سازی ممکن است گاهی راه‌حلی تصادفی و فراابتکاری و گاهی برای مسئله دیگری از راه‌حلی تقریبی استفاده نمود، هر مسئله نیز راهکار مختص خود را می‌طلبد و لزوماً هر مسئله‌ای را با نوع خاصی از روش‌شناسی نمی‌توان مورد بررسی قرار داد و مدل‌ساز باید بتواند در مواجهه با مسائل پیچیده و مبهم سازمانی، راه‌حل متناسب را از میان روش‌های مختلف انتخاب کند و در فرایند تصمیم‌گیری از آنها بهره ببرد. در همین رابطه در گزارش «فراتحلیل مطالعات مرکز پژوهش‌های مجلس شورای اسلامی درباره برنامه پنجم توسعه» [11] به غلبه رویکردهای کمی و تکنیک‌های اقتصادسنجی بر تحلیل‌های خط‌مشی‌گذاری که می‌تواند به فرایند برنامه‌ریزی آسیب بزند، اشاره شده است که نشان‌دهنده آن است که در برخی مواقع سعی شده تنها با یک کلید به حل تمامی مسائل و مشکلات پرداخته شود.

انواع مختلفی از مدل‌ها قابل ذکر هستند. لیستی از انواع مدل‌ها که در ادبیات موضوع خط‌مشی‌گذاری استفاده می‌شوند به این شرح هستند: مدل‌های اقتصادسنجی، مدل‌های اقتصاد کلان، مدل‌های تعادل اقتصادی، مدل‌های بهینه‌سازی، مدل‌های شبیه‌سازی، مدل‌های تصمیم‌گیری چندمعیاره، مدل‌های شبیه‌سازی عامل‌بنیان، مدل‌های نظریه بازی، مدل‌های آماری، مدل‌های برپایه هوش مصنوعی (مدل‌های داده‌کاوی و مدل‌های مبتنی‌بر شبکه عصبی)، مدل‌های صفحه گسترده، مدل‌های تصادفی، مدل‌های تحلیل‌های بینش رفتاری، مدل‌های توصیفی، تجزیه‌وتحلیل سناریو، تجزیه‌وتحلیل ریسک و گزینه‌های واقعی [8] و اهمیت این متدولوژی‌ها در ایجاد ارتباط بین علم و تصمیمات خط‌مشی‌گذاری است. در شکل 4 نیز (که از کتاب «راهنمای ابزارهای خط‌مشی‌گذاری» [1] برگرفته شده است) تلاش شده است انواع مدل‌های مورد کاربرد در چرخه خط‌مشی‌گذاری با توجه به نیاز هر مرحله آورده شود.

شکل 4. ابزارهای تحلیلی در هر مرحله از چرخه خط‌مشی [1]

2ـ4. مدل‌های شبیه‌سازی

مدل‌های شبیه‌سازی به‌عنوان پشتیبان تصمیم از ابزارهای مرتبط با تصمیم‌گیری هستند. با توجه به ماهیت انعطاف‌پذیر و مبتنی‌بر شواهد مدل‌سازی شبیه‌سازی، با به کارگیری آنها درک بهتری از کل سیستم و اثرسنجی تصمیمات بر آنها فراهم می‌شود. علاوه‌براین، می‌توان گزینه‌های متعددی را شبیه‌سازی کرد و درعین‌حال از موقعیت‌های واقعی پرخطر اجتناب کرد. هفت هدف کلی برای مدل‌های شبیه‌سازی وجود دارد: پیش‌بینی، توضیح، توصیف، کاوش نظری، تصویرسازی، قیاس و یادگیری اجتماعی [1].

شبیه‌سازی از نرم‌افزارهای کامپیوتری برای مدل‌سازی عملکرد و تکامل فرایندها، سیستم‌ها یا رویدادهای «دنیای واقعی» استفاده می‌کند [9]. به‌طور خاص، شبیه‌سازی شامل ایجاد یک نمایش محاسباتی از منطق و قوانین اساسی است که نحوه تغییر سیستم را تعریف می‌کند (مثلاً ازطریق معادلات دیفرانسیل، نمودارهای جریان، ماشین‌های حالت، دستگاه خودکار سلولی و غیره). سپس این نمایش‌ها در نرم‌افزار کدگذاری می‌شوند که به‌طور مکرر تحت شرایط مختلف (مثلاً ورودی‌های مختلف، فرضیات جایگزین، ساختارهای مختلف) اجرا می‌شود و تغییرات وضعیت سیستم را در طول زمان (پیوسته یا گسسته) محاسبه می‌کند. بنابراین، درحالی‌که سایر روش‌های تحقیق با هدف پاسخ به سؤالات «چه اتفاقی افتاده است، چگونه و چرا» (تلاش برای درک گذشته) انجام می‌شود، شبیه‌سازی عمدتاً با هدف پاسخ به سؤال «چه می‌شد اگر؟» (یعنی اگر تغییرات خاصی در ساختار یا قوانین سیستم رخ دهد، چه اتفاقی خواهد افتاد، تلاش برای «حرکت به جلو» به آینده) انجام می‌شود [9]. برای اجرای شبیه‌سازی‌ها از مدل‌های کامپیوتری، آزمایش شبیه‌سازی کامپیوتری و فرامدل‌ها استفاده می‌شود [12].

ویژگی‌های مختلفی که شبیه‌سازی می‌تواند مورد استفاده قرار گیرد عبارت‌اند از: آزمایش ایده‌های جدید، پیش‌بینی تأثیر خط‌مشی یا فناوری، توسعه یک نظریه، تعیین نیاز به سازوکاری که به‌طور خاص تصمیم‌گیری را هدف قرار می‌دهد، پیش‌بینی جهت‌گیری‌های آینده، بررسی سناریوهای چه می‌شود اگر، آزمایش مواردی که منتقدان پیشنهاد می‌دهند، تأثیر متغیرها و فرضیات مختلف یا هر عاملی که در یک آزمایش شبیه‌سازی وجود دارد [13].

البته معایبی نیز برای شبیه‌سازی قابل ذکر است. شبیه‌سازی‌ها مدل هستند و انتزاعی از پدیده‌های پیچیده‌ای که مدل‌سازان برای به دست آوردن بینش و خروجی‌های سیستماتیک اجرا می‌کنند. مدل‌ها از آنجا که مبتنی‌بر فرضیات، نظریه‌ها و ساده‌سازی‌ها هستند، مورد انتقاد قرار می‌گیرند. بااین‌حال، به‌طورکلی، آنها مفید تلقی می‌شوند [1].

در طول شبیه‌سازی، از مدل‌های شبیه‌سازی برای انجام آزمایش‌های مجازی، بررسی رفتار سیستم در شرایط مختلف و تجزیه‌وتحلیل نتایج استفاده می‌شود. کاربردهای معمول شبیه‌سازی‌ها شامل درک بهتر سیستم، مقایسه بین برنامه‌ها و سناریوهای مختلف قبل از اجرا، پیش‌بینی رفتار، کمک به فرایندهای تصمیم‌گیری و توسعه ابزارهای جدید برای بررسی پدیده‌ها است [10]. به‌طور خلاصه، مدل‌سازی ابزارهای مفهومی ایجاد می‌کند، درحالی‌که شبیه‌سازی از آنها برای کسب بینش در مورد رفتار سیستم‌های نمایش داده شده استفاده می‌کند [10].

3ـ4. مدل‌های شبیه‌سازی به‌عنوان روشی برای حل مسائل پیچیده نظیر خط‌مشی‌گذاری

در مدل‌سازی می‌توان از راه‌حل‌های تحلیلی استفاده کرد که منجر به معادله Υ=f(X) می‌شود که خروجی Y را به ورودی X متصل می‌کند، اما اگر این کار امکان‌پذیر نیست یا بسیار دشوار است، از شبیه‌سازی استفاده می‌شود [9]. به همین دلیل می‌توان شبیه‌سازی را به‌عنوان ابزار مناسبی برای تحلیل مسائل خط‌مشی‌گذاری استفاده کرد [7].

اهمیت به کار‌گیری شبیه‌سازی در تصمیم‌گیری توسط خط‌مشی‌گذاران به قدری است که بعضاً به‌عنوان بهترین روش برای خط‌مشی‌گذاران در تصمیم‌گیری معرفی شده است [9]. از مهم‌ترین دغدغه‌هایی که درخصوص مسائل خط‌مشی‌گذاری به علت حساسیت آن وجود دارد امکان ارزیابی آثار آن است. در همین رابطه شبیه‌سازی به‌عنوان یکی از امیدوارکننده‌ترین تکنیک‌ها برای ارزیابی خط‌مشی‌ها معرفی شده است. ارزیابی خط‌مشی قبل و بعد از اجرای خط‌مشی رویکرد حیاتی برای مدیریت کارآمدتر خط‌مشی‌های عمومی است و مزیت شبیه‌سازی این است که فرصتی را برای آزمایش و تفسیر بهتر واقعیت فراهم می‌کند. با استفاده از آن می‌توان صحنه‌های متعددی را شبیه‌سازی کرد، درعین‌حال از موقعیت‌های واقعی پرخطر اجتناب کرد و همچنین امکان پیش‌بینی آینده را نیز فراهم آورد [5].

مراحل کلی مدل‌سازی برای ارزیابی خط‌مشی‌های عمومی به ترتیب زیر است:

1.      جمع‌آوری داده‌ها (درخصوص خط‌مشی‌های انتخاب‌شده)؛

2.      ساخت مدل‌های شبیه‌سازی برای تحلیل اثربخشی آن خط‌مشی‌ها و تأثیر آنها در جامعه؛

3.      و درنهایت، اعتبارسنجی که در آن نتایج مدل‌ها با مقایسه آن با واقعیت سال‌های گذشته تأیید می‌شوند تا صحنه آینده در رابطه با آن خط‌مشی‌ها پیش‌بینی شود [5].

کارکرد اصلی مدل‌سازی شبیه‌سازی، پشتیبان تصمیم است. در حوزه خط‌مشی‌گذاری عمومی این کارکرد نمودهای مختلفی پیدا می‌کند. به‌عنوان‌مثال در تصمیماتی که به‌منظور مدیریت بحران در بلایای طبیعی و غیرطبیعی باید اخذ شود، برنامه‌های شبیه‌سازی اضطراری می‌تواند به‌عنوان پشتیبان تصمیم عمل کند.

مدل‌سازی شبیه‌سازی می‌تواند ارزش‌های مختلفی را به همراه داشته باشد که در مقاله «مفهوم‌سازی ارزش مدل‌سازی شبیه‌سازی برای مشارکت عمومی با خط‌مشی: مروری انتقادی بر ادبیات [14]» به آنها اشاره شده است:

1.      مدل‌ها، مسائل پیچیده را شبیه‌سازی کرده و به حل آنها کمک می‌کنند (کارکرد به‌عنوان پشتیبان تصمیم).

2.      مدل‌ها ابزاری برای مشارکت جامعه در خط‌مشی‌گذاری را فراهم می‌کنند.

3.      مدل‌ها به‌عنوان ابزاری برای ایجاد وفاق عمل می‌کنند.

4.      مدل‌ها به‌عنوان فناوری‌های سبک که آثار اجتماعی ایجاد می‌کنند عمل می‌کنند [5].

استفاده از مدل‌سازی در خط‌مشی‌گذاری عمومی مزایا و کارکردهای متعددی دارد که در ادامه موارد آن ذکر می‌شود:

•          کمک به خط‌مشی‌گذاران در درک بهتر رفتار سیستم و چالش‌ها و اهداف متعدد در یک مسئله پیچیده (صرفاً اعداد خروجی مهم نیستند) [1]، [13] و [14].
•          شناسایی فرصت‌هایی برای مداخله یا اقدامی که ممکن است توسط رویکردهای سنتی «مبتنی‌بر شواهد» یا هزینه/فایده نادیده گرفته‌شده باشند و انتخاب استراتژی‌های مداخله مؤثرتر.
•          امکان بررسی چگونگی اولویت‌گذاری دستورکارهای مختلفی که باید یکی از آنها انتخاب شوند، به‌عنوان‌مثال نداشتن این اولویت‌بندی در سطوح مختلف اجرایی دولت، ممکن است تأثیر نتایج خط‌مشی‌گذاری مطلوب را تضعیف کند [14].
•          افزایش اعتماد و تسهیل رسیدن به آرمان «شفافیت» و اجتناب از مدل «جعبه سیاه» به‌نحوی‌که ساختار مدل، فرضیات و محدودیت‌های آن را برای ارزیابی خارجی در دسترس قرار می‌دهد تا به تفسیر نتایج مدل کمک کند [4] و [14].
•          ایجاد فرصت بازاندیشی در فرضیات بدیهی مسئله که موجب مولد و تحول‌آفرین بودن مدل‌ها می‌شود.
•         یک مدل نقش یک فرد خارجی را ایفا می‌کند که به تعامل متخصصان خط‌مشی کمک می‌کند و شرکت‌کنندگان را آزاد می‌گذارد تا آشکارا انتقادات خود را بیان کند و با مسائل حساس روبرو شوند.
•          مدل‌های خوب به‌عنوان بخشی از یک علم تطبیق‌پذیر بسیج می‌شوند که در آن می‌توان آنها را به‌عنوان مسیری برای گفتگو و درک عمیق‌تر از مداخلات و آثار آنها در نظر گرفت [14].
•          برای توصیف و درک نظری پدیده‌های اجتماعی و روان‌شناختی که خط‌مشی‌های عمومی دخیل هستند، تکنیک‌های نظریه‌پردازی و مدل‌سازی رایج به‌اندازه کافی مؤثر نیستند و نمی‌توانند فرایندهای پیچیده و تعاملی و پویا را درک کنند. اما شبیه‌سازی اجتماعی می‌تواند در این زمینه راهگشا باشد [13].
•          داشتن محدودیت‌های کمتر در بررسی فرصت‌ها نسبت به سایر مدل‌های سنتی ریاضی [4].
•          افزایش کیفیت خط‌مشی‌های دولت و همچنین امکان مشارکت مردم به‌صورت فعال در فرایند خط‌مشی‌گذاری [4].
•         امکان برقراری ارتباط بین گروه‌ها که به‌عنوان یک زبان مشترک بین آنها عمل می‌کند و بالطبع تقویت ارتباط بین آنها در حل مسائل طراحی شده به‌صورت سیستماتیک و همچنین افزایش داده‌های در دسترس و قدرت محاسباتی. در این حالت نیاز به گروه‌های بین‌رشته‌ای وجود دارد [1].
•          امکان انجام آزمایش برای گزینه‌های مختلف در محیط شبیه‌سازی امن، کم‌ریسک و کم‌هزینه برای مسائل مربوط به علوم اجتماعی و اخذ تصمیمات آگاهانه‌تر و به‌موقع [9] و [13].
•          تمرکز بر پیش‌بینی، تحلیل مسیرهای آینده و انجام این کار ازطریق مقایسه با جایگزین‌های موجود، به اصطلاح خلاف واقع‌ها [1].
•          امکان ارزیابی سناریوهای ممکن، توضیح پیامدهای گسترده و ترسیم فضای احتمالات به منظور پیش‌بینی نتایج اقدامات خط‌مشی‌گذاری [1] و [9].
•          امکان ایجاد یادگیری اجتماعی ازطریق به اشتراک گذاشتن اطلاعات، مفاهیم و معانی در مورد یک مشکل مشترک [1].
•          حتی افرادی که تجربه گسترده‌ای در این زمینه ندارند نیز می‌توانند از آن استفاده کنند: همه بسته‌های نرم‌افزاری شبیه‌سازی مدرن شامل یک رابط کاربری گرافیکی هستند که امکان نمایش (مدل‌سازی) سیستم/فرایند مورد نظر کاربر و همچنین نمایش گرافیکی نتایج شبیه‌سازی را فراهم می‌کند [9].
•         امکان بررسی مسائل غیرساختاریافته با بازیگران و ابعاد متعدد، تضاد منافع و عدم قطعیت.
•          ماهیت انعطاف‌پذیر و تکرارپذیر.
•          ماهیت مبتنی‌بر شواهد (بر این جنبه برای کاربرد آن در خط‌مشی‌گذاری عمومی تأکید بسیار شده است).
•          امکان دسترسی تمامی ذی‌نفعان به آن [13].

کارکرد دیگر و بسیار مهم شبیه‌سازی در خط‌مشی‌گذاری امکان افزایش مشارکت عمومی در تصمیم‌گیری است [9]. همان‌طور که در سرفصل تعریف حکمرانی نیز اشاره شد این موضوع در حکمرانی در حال حاضر اهمیت بالایی برای جوامع دارد و از مسائلی است که نیاز و مطالبه آن طی زمان رشد داشته است. به این کارکرد در مقالات متعددی نیز پرداخته شده است [4]، [9] و [14]. چالش‌هایی در خط‌مشی‌گذاری وجود دارند که باید مشارکت جامعه حل شوند. در حل این مسائل ایجاد تعادل بین نظرات شهروندان و اقدامات معتبر برای عبور روان از یک مرحله گذار بسیار مهم است. اتخاذ رویکردهای مشارکتی، مانند مدل‌سازی مشارکتی، افراد و جوامع را توانمند می‌سازد و با بهره‌گیری از خرد جمعی و تخصص، تصمیم‌گیری فراگیر را تقویت کرده و راه‌حل‌های پایدار را توسعه دهند [15].

با تمرکز بر مدل‌سازی مشارکتی در خط‌مشی‌گذاری عمومی نیز می‌توان مزایا و کارکردهای زیر را ذکر کرد:

•          امکان استفاده از اطلاعات سطح فردی برای رسیدن به تصویر بزرگ‌تری از مدل. به عبارتی استفاده از مفهوم «بسیج دانش» با هدف اثرگذاری «کاربران نهایی» (یعنی تصمیم‌گیرندگان) مدل در فرایند توسعه مدل.
•          افزایش اعتماد به خروجی‌های مدل، تضمین توجه به مسائل عملی در اجرا یا ارزیابی خط‌مشی و همچنین قابلیت ترجمه یافته‌های مدل درصورتی‌که خط‌مشی‌گذاران، محققان و متخصصان عملی (مثلاً پزشکان) به‌عنوان ذی‌نفع در مدل‌سازی مشارکت کنند.
•          ایجاد فرصت‌هایی برای ظرفیت‌سازی ازنظر دانش و تخصص در علوم سیستم‌ها و روش‌های مدل‌سازی و بهبود سواد در تفسیر نتایج مدل و توانمندسازی کاربران نهایی برای ارزیابی بهتر مدل‌ها در آینده.
•         افزایش یادگیری اجتماعی بین بازیگران مختلف در سیستم و افزایش سرمایه اجتماعی ازطریق یک فرایند تعاملی و تکراری.
•          ترویج درک مشترک از مشکلات پیچیده بین بازیگران مختلف در سیستم از موضوع مدل‌سازی شده - چه اجرای خط‌مشی باشد و چه بررسی اجمالی یک سیستم – به‌عنوان یک نتیجه ذاتاً مطلوب فرایند مدل‌سازی.
•          مشارکت در گفتگوها و تقویت ارتباط بین متخصصان و عموم مردم.
•          امکان ایجاد مشارکت در گروه‌های به حاشیه رانده شده جامعه.
•          امکان استفاده از تجربه و دانش شرکت‌کنندگان از جامعه به‌عنوان متخصصانی در بافت محلی و تاریخی. چنین گروه‌هایی ممکن است به‌واسطه تجربه‌شان، به‌عنوان‌مثال افرادی با تجربه شخصی سوءمصرف مواد و خشونت خانگی، یا به‌واسطه رابطه‌شان با مکان و تجربه ابتکارات تاریخی (به‌عنوان‌مثال، مردمان ملت‌های نخستین) شناسایی شوند.
•         تسهیل ارتباطات و فراهم کردن فرصت‌هایی برای مذاکره در مورد اختلافات و ایجاد اجماع بین گروه‌های ذی‌نفع متمایز.
•          مدل‌ها به‌عنوان بستری و زبان مشترکی برای تقویت روابط بین جوامع دانش مختلف (به‌عنوان‌مثال دانشگاهیان و خط‌مشی‌گذاران یا نهادهایی که سابقه تاریخی تخاصم و مخالف با هم دارند) ازطریق مذاکره در مورد اختلاف یا آشتی دادن دیدگاه‌های مختلف بین شرکت‌کنندگان عمل می‌کنند. (این مهم است زیرا مدل‌سازی اغلب برای پرداختن به مسائل پیچیده و درهم‌ریخته استفاده می‌شود و شرکت‌کنندگان دانش قبلی غنی، اما اغلب جزئی از وضعیت را با خود به همراه می‌آورند).
•           انعطاف‌پذیر بودن مدل موجب می‌شود افراد با تخصص‌ها و پیشینه‌های مختلف به‌طور مؤثرتری ارتباط برقرار کنند و در فعالیت‌های هماهنگ شرکت کنند [14].
•          امکان به‌کارگیری نوآوری در تصمیمات خط‌مشی‌گذاری با دخیل کردن نظرات جامعه در طراحی مدل و تعریف ورودی‌ها و همچنین ارزیابی مدل با استفاده از داده‌های باز [16].

5. انواع مدل‌ها و روش‌های شبیه‌سازی قابل استفاده در خط‌مشی‌گذاری

روش‌های اصلی درخصوص مدل‌های شبیه‌سازی که در اکثر منابع موجود در ادبیات موضوع شبیه‌سازی به‌کار برده می‌شود به این شرح قابل اشاره هستند: 1. گسسته پیشامد، 2. سیستم‌های پویا، 3. پویایی‌های سیستم، 4. شبیه‌سازی عامل‌بنیان، 5. مونت کارلو، 6. سلولار اتوماتا و 7. شبیه‌سازی عددی، ریزشبیه‌سازی یا شبیه‌سازی ریاضی [9] و [12].

روش مونت‌کارلو با وجود اینکه غالباً به‌عنوان یک شبیه‌سازی ذکر می‌شود اما در واقعیت روشی برای بررسی مدل‌ها در سناریوهای مختلف است و مدل‌سازی را در فرایند خود ندارد. سلولار اتوماتا نیز حالت خاصی از شبیه‌سازی عامل‌بنیان است. نوع دیگری از شبیه‌سازی با عنوان شبیه‌سازی چندعامله نیز که در ادبیات موضوع پرتکرار است در همین دسته جای می‌گیرد. سیستم‌های پویا و پویایی‌های سیستم شباهت زیادی به یکدیگر دارند. هر دو رویکردی مبتنی‌بر پویایی دارند و براساس حوزه کاربرد، دو عنوان مختلف دارند. شبیه‌سازی عددی، ریزشبیه‌سازی و شبیه‌سازی ریاضی نیز روش نسبتاً ساده‌تری است که معادلات تحلیلی غیرقابل حل را به‌صورت عددی حل می‌کند. این روش، کاربرد ساده قوانین شناخته شده، که معمولاً قوانین احتمالی هستند، در حالت‌های شناخته شده است تا محقق بتواند مسیر و نتایج را در آینده مشاهده کند. به‌عنوان‌مثال شبیه‌سازی عددی، برای درک آثار یک تغییر معین در مالیات بر بخش‌ها یا مالیات‌دهندگان خاص مفید است. ریزشبیه‌سازی تنها آثار مستقیم، یعنی تأثیر مالیات‌ها بر بازار را در نظر می‌گیرد، اما واکنش متقابل، یعنی تأثیر غیرمستقیمِ داشتن بازاری متفاوت از بازار اصلی را در نظر نمی‌گیرد [7].

بااین‌حال برای شبیه‌سازی سیستم‌های پیچیده اجتماعی - فنی (اجتماعی - تکنیکی)، سه الگو و مفهوم (پارادایم‌) اصلی شامل پویایی سیستم، شبیه‌سازی گسسته پیشامد و مدل‌سازی عامل‌بنیان پیشنهاد شده است [17]. در گزارش «مدل‌های مورد استفاده در آزمایشگاه‌های حکمرانی و بررسی سه نمونه پیاده‌سازی‌شده در حوزه‌های سلامت، انرژی و منابع انسانی آموزش و پرورش» [8] نیز 5 رویکرد کلی برای شبیه‌سازی سیستم‌های اقتصادی اجتماعی پیشنهاد ‌شده که عبارت‌اند از: سیستم‌های پویا، پویایی‌های سیستم، شبیه‌سازی گسسته پیشامد، مدل‌سازی عامل‌بنیان، و شبیه‌سازی چندین عامله که دو مورد از آنها شباهت زیادی به دیگری دارند. شبیه‌سازی پویایی‌های سیستم و سیستم‌های پویا رویکرد از بالا به پایین دارند، درحالی‌که مدل‌سازی عامل‌بنیان و شبیه‌سازی چندین عامله دیدگاهی از پایین به بالا داشته و سعی در شبیه‌سازی عامل‌ها و نه کل سیستم را دارند و برای هر عامل قواعد تصمیم‌گیری تعریف می‌نمایند. هر یک از این رویکردها مزایا و معایبی دارد که بسته به مسئله مورد مطالعه به‌کار گرفته می‌شوند و در مواقعی می‌توان از ترکیب رویکردها برای فائق آمدن بر ضعف‌ها بهره برد.

بنابراین باتوجه‌به توضیحات فوق می‌توان سه رویکرد اصلی را شناسایی کرد و مبتنی‌بر آن مدل‌های شبیه‌سازی را دسته‌بندی کرد.

•          رویکردهای فرایندی (شامل شبیه‌سازی گسسته پیشامد)
•          رویکردهای مبتنی‌بر عامل (شامل شبیه‌سازی عامل‌بنیان و شبیه‌سازی چندعاملی)
•          رویکردهای مبتنی‌بر پویایی (شامل سیستم‌های پویا و پویایی‌های سیستم)

شکل 5 برای نشان دادن دسته‌بندی شبیه‌سازی کامپیوتری به‌صورت شماتیک قابل مشاهده است. در این تصویر روش‌ها براساس رویکرد مدل‌سازی بالا به پایین و پایین به بالا تفکیک شده‌اند. همچنین برخی از تفاوت‌های روش‌های معروف‌تر شبیه‌سازی در جدول 3 به‌صورت خلاصه آورده شده‌اند.

جدول 3. مقایسه ویژگی‌‌های روش‌های مختلف شبیه‌سازی [9]

شکل 5. دسته‌بندی رویکردهای مدل‌سازی و شبیه‌سازی [9]

با بررسی مقالات مشاهده می‌شود که در برخی از آنها بر استفاده از انواع شبیه‌سازی عامل‌بنیان در خط‌مشی‌گذاری تأکید شده است. به‌عنوان نمونه در مقاله «مدل‌سازی و شبیه‌سازی تأثیر خط‌مشی‌های عمومی بر زیرساخت‌های ناملموس» [4] بهترین روش در مقایسه با تحلیل‌های مبتنی‌بر قضاوت کارشناسی و مدل‌های اقتصادسنجی، شبیه‌سازی چندعاملی دانسته شده است که آینده‌نگرانه‌تر است. در مقاله‌های « مقایسه خط‌مشی‌ها و علیت در یک مدل مبتنی‌بر عامل [18]» و «شبیه‌سازی‌ها به‌عنوان ابزاری برای گفتگو: تقویت مشارکت جامعه و فرایندهای دموکراتیک محلی [15]» نیز بر اهمیت استفاده از شبیه‌سازی عامل‌بنیان در تصمیم‌گیری توسط خط‌مشی‌گذاران تأکید شده است.

مبتنی‌بر شواهد و بررسی تعداد زیادی از مقالات، هرچند که برای انواع مختلف مدل‌های ذکر شده می‌توان کاربردهای مختلفی در مقالات پیدا کرد اما در ادبیات مرتبط با شبیه‌سازی خط‌مشی، غالباً دو روش عامل‌بنیان و سیستم‌های پویا بسیار پرکاربرد هستند. شواهد این موضوع در بخش‌های آتی آورده می‌شود. به این دلیل توضیحاتی درخصوص این دو روش جداگانه ذکر می‌شود.

1ـ5. شبیه‌سازی عامل‌بنیان

مدل‌سازی عامل‌بنیان به‌عنوان یک روش، ویژگی‌هایی دارد که احتمالاً آن را به روشی در حوزه سیستم‌های پیچیده تبدیل می‌کند که بیشترین ارتباط را با خط‌مشی‌گذاری دارند. این روش انعطاف‌پذیر، سازگار با تحلیل تجربی، مقرون به‌صرفه و مناسب برای سناریوهای تحلیلی دائماً در حال تغییر است. مدل‌سازی عامل‌بنیان همچنین در تعدادی از رشته‌های مختلف در حوزه مطالعات خط‌مشی از جمعیت‌شناسی گرفته تا انسان‌شناسی اعمال می‌شود و همچنین در اقتصاد و سیاست بین‌الملل به رسمیت شناخته شده و کاربرد دارد [7].

شبیه‌سازی چندعاملی نوعی از شبیه‌سازی عامل‌بنیان است که کاربرد زیادی در خط‌مشی‌گذاری داشته است. شبیه‌سازی چندعاملی را می‌توان در تحقیقات اقتصادی به روش‌های مختلفی یافت: نمونه‌هایی از مدل‌های مفهومی، نگاشت مدل‌های اقتصادی، تا مدل‌های عامل‌بنیان، که به جنبه‌های فرعی اقتصاد مانند آثار اهرمی در بازارهای مالی اختصاص دارند. علاوه‌بر این، برخی رویکردهای پراکنده برای مدل‌سازی اقتصاد «به‌عنوان یک کل» وجود دارد [4].

2ـ5. سیستم‌های پویا

سیستم‌های پویا یک رویکرد مدل‌سازی است که در آن جریان‌های زمان‌بندی‌شده بین موجودی‌های مدل و کنترل ورودی متغیرها که حالت احتمالی دارد انجام می‌شود و هدف آن تطبیق یک تحلیل سیستمی با بازخورد است. در چنین شرایطی، هر موجودیتی یک ساختار انتزاعی است که امکان شبیه‌سازی ریاضی حالت‌های آینده سیستم را فراهم می‌کند. بااین‌حال، برخلاف شبیه‌سازی عامل‌بنیان ناهمگونی در هر موجودیت و نمایش فضایی وجود ندارد. از تفاوت‌های سیستم‌های پویا و شبیه‌سازی عامل‌بنیان می‌توان به کاربرد آنها در سطوح تجزیه‌وتحلیل اشاره کرد. در شبیه‌سازی عامل‌بنیان تحلیل ظهور ویژگی‌های جدید در سطوح بالاتر با استفاده از اصول اولیه دشوار است اما در سیستم‌های پویا این تحلیل از ویژگی‌ها و خواص اصلی است [7].

6 . ویژگی‌های مسائل خط‌مشی‌گذاری با قابلیت کاربست مدل‌های شبیه‌سازی

اصلی‌ترین ویژگی قابل ذکر برای کاربست مدل‌سازی در مسائل حکمرانی، پیچیدگی است. اما باید معنای این پیچیدگی بررسی شده و ابعاد و مؤلفه‌های آن مشخص شود.

می‌توان ویژگی‌های زیر را برای نوع خاصی از مسائل خط‌مشی‌گذاری استخراج کرد که انواع مدل‌های شبیه‌سازی می‌توانند با بهره‌گیری از قابلیت‌های خود برای رویارویی با چالش‌های این نوع مسائل به‌کار گرفته شوند.

•         محدود نبودن نتیجه تصمیمات، به‌نحوی‌که حتی نتایج آن محدود به داخل مرزهای کشور هم نباشد؛
•         مطالبه عمومی برای شفافیت بیشتر به‌منظور افزایش اعتماد به حاکمیت؛
•         نیاز به درک متقابل بین مردم و حاکمیت؛
•         مطالبه مشارکت بیشتر در طراحی و اجرای خط‌مشی‌ها از جانب مردم؛
•         نیاز به تکامل قوانین مطابق با نیازهای جامعه؛
•         نیاز به ایجاد فرصت‌های نوآورانه برای مشارکت افکار عمومی؛
•         نیاز به در نظر گرفتن کلیه گروه‌های ذی‌نفع و داشتن ابعاد مختلف؛
•         داشتن ابعاد مالی و اجتماعی پرهزینه و آثار عمیق آن بر زندگی افراد و جامعه؛
•         داشتن پویایی و پیچیدگی زیاد به‌نحوی‌که با مدل‌های سنتی خطی قابل حل نباشد.
•         تصمیمات خط‌مشی‌گذاری در محیط واقعی تغییر ایجاد می‌کنند. مدل‌سازی با قابلیت یادگیری و اصلاح و به‌روزرسانی برآوردها براساس نتایج قبلی، می‌تواند در فرایند طراحی مجدد خط‌مشی نقش داشته باشد [4].

مدل‌های شبیه‌سازی به‌عنوان یک از ابزارهای خط‌مشی‌گذاری به کارگرفته می‌شوند و بهره‌گیری از آن در مسائل خط‌مشی‌گذاری با ویژگی‌های زیر که در ادامه توصیف می‌شود، پیشنهاد شده است:

•         در هم تنیدگی مسائل خط‌مشی‌گذاری با سیستم اجتماعی؛
•         نیاز به داشتن دیدگاهی مفهومی از سیستم برای ارائه راه‌حل؛
•         نیاز به استفاده از روش مناسب در زمان مداخلات سیاسی؛
•         برخی از مسائل خط‌مشی‌گذاری راه‌حل خطی دارند، مانند کنترل ترافیک، اما برخی پیچیده هستند و راه‌حل غیرخطی دارند مانند خشونت اجتماعی؛
•         وجود گزینه‌های متعدد به‌عنوان راه‌حل مسائل پیچیده که بعضاً با یکدیگر در تناقض هستند [1].

ویژگی‌هایی نیز به‌عنوان انتظاراتی که مدل‌سازی خط‌مشی باید در رویارویی با مسائل حوزه حکمرانی برآورده کند به شرح زیر قابل ذکر هستند:

•         بازیگران متعددی از سازمان‌ها و گروه‌های ذی‌نفع مختلف وجود دارند؛
•         بازیگران مختلف در سناریوهای مختلف برای منابع یکسان رقابت می‌کنند؛
•         در ارزیابی خط‌مشی عمومی باید نقش بازیگران مختلف در نظر گرفته شوند؛
•         با توجه به تضاد منافع موجود، نیاز به استفاده از چندین ابزار و روش برای نمایش وضعیت سیستم در محیط مجازی است [13].

در توضیح و توصیف مسائل خط‌مشی‌گذاری در حوزه چالش‌های اجتماعی موارد زیر قابل ذکر هستند:

•         بزرگ بودن برخی از چالش‌ها مانند تغییرات اقلیمی و همه‌‌گیری کووید- 19 که نیازمند خط‌مشی‌گذاری هستند؛
•         مسئول بودن حاکمیت در قبال حل این مسائل؛
•         وجود ذی‌نفعان متنوع؛
•         پیچیدگی در پدیده‌ها و دشواری در تدوین راه‌حل؛
•         دشواری در شناخت مشکل واقعی و درک کاملی از چالش، زیرا که انتخاب خط‌مشی مناسب، ابتدائاً وابسته به درک کامل از چالش است؛
•         ارتباط شدید آنها با مسائل و چالش‌های اجتماعی. چالش‌ها فراتر از مسائل هستند و شامل مشکلات مختلفی هستند که اغلب در طول فرایند خط‌مشی‌گذاری کشف می‌شوند؛
•         چندوجهی بودن مسائل و وجود دیدگاه‌های مختلف ذی‌نفعان و بازیگران در مورد آن و مرتبط بودن آنها به چند حوزه؛
•         حل نشدن کامل مسئله با یک راه‌حل؛
•         دشواری در یافتن راه‌حلی که به شیوه‌ای مناسب مشکل واقعی را حل کند (به دلیل پیچیدگی)؛
•         اولویت‌بندی و ایجاد تعادل بین جنبه‌های مختلف مسائل اهمیت دارد و هدف اصلی فرایند خط‌مشی‌گذاری است؛ لذا راه‌حل‌ها شامل انتخاب جنبه‌های مهم هستند.
•         در طول مسیر خط‌مشی‌گذاری نتایج و آثار خط‌مشی‌ها و متغیرهای بیرونی، شرایط سیستم را تغییر می‌دهند و این سؤال مداوم مطرح می‌شود که «باید روی کدام مشکل تمرکز کرد و کدام یک مهم‌ترین است؟»؛
•          مسائل خط‌مشی‌گذاری همانند سیستمی پیچیده هستند که دارای اجزا، ارتباطات و تعاملات بسیار زیادی است، به این دلیل کل سیستم قابل درک نیست و نمی‌توان مسئله را به یک بازیگر یا یک محیط تقلیل داد [19].

خلاصه ویژگی‌های آن دسته از مسائل حکمرانی که چالش‌های آنها با استفاده از مدل‌های شبیه‌سازی قابل رویارویی است به‌صورت موارد زیر قابل ذکر است:

1. مسائلی که درک کاملی از آن لازم است. در صورت شناسایی ناقص یک مسئله، راهکارهای ارائه شده برای مواجهه ناکارا خواهد بود. شبیه‌سازی به شناخت مسئله و مجموعه متغیرهای مداخلاتی در آن کمک می‌کند [19].

2. تنوع ذی‌نفعان و تعدد متغیرهای مسئله، بالا باشد [4]، [13] و [19]؛

3. خط‌مشی‌هایی که سطح اثرگذاری آنها، کلان و فراتر از اثرگذاری بر سطح شهر، استان یا حتی کشور باشد [4]؛

4. اقداماتی که اجرای آنها از ابعاد مالی و اجتماعی پرهزینه باشد و امکان بازگشت‌پذیری آنها کم یا پرهزینه و زمان‌بر باشد [4]؛

5. تصمیماتی که آثار ماندگاری دارند [4]؛

6. در بررسی طرح‌ها و لوایحی که آثار بازخوردی میان اجزای آن، قابل انتظار است و با نگاهی خطی نتوان مسئله را تحلیل نمود. مسائلی که ضرورت تفکر و عقلانیت سیستمی در بررسی و تحلیل کاربردی در آنها احساس می‌شود؛ بنابراین تصمیماتی که آثار آن سلسله‌وار در سیستم تکثیر نشود و شرایط مسئله را تغییر ندهد کاربست شبیه‌سازی توجیه ندارد  [1]، [4] و [19].

7. مسائلی که در آنها تعارض منافع و رقابت میان ذی‌نفعان آن زیاد است [13] و [19]؛

8. مسائلی که رفتار جامعه برابر با برآیند مجموع رفتارهای تک‌تک اجزاء آن نباشد [1] و [19]؛

9. مسائلی که ذی‌نفعان توانایی توافق بر سر راه‌حلی مشترک نداشته باشند [1]، [13] و [19].

7. موضوعات موجود در حکمرانی قابل تحلیل با کاربست مدل‌های شبیه‌سازی

موضوعاتی که حکمرانان و خط‌مشی‌گذاران با آنها مواجه هستند تنوع بسیار زیادی دارند. در این بخش تلاش شده است با بررسی وسیع آماری بر کلمات کلیدی مقالات مرتبط با خط‌مشی‌گذاری و روش‌های مختلف شبیه‌سازی، فراوانی استفاده از روش‌های مختلف شبیه‌سازی در حل مسائل حکمرانی طبق تجربه چندساله پژوهش‌های جهانی استخراج شود. از نتایج حاصل از این بررسی می‌توان در شناسایی حوزه‌های خط‌مشی‌گذاری که کاربست شبیه‌سازی برای تجزیه‌وتحلیل مسائل مرتبط با آنها مفید است و ظرفیت بیشتری دارد، استفاده کرد.

1ـ7. روش بررسی

روش بررسی در گزارش حاضر مرور مستندات و بررسی آماری کلمات کلیدی مقالات مرتبط منتشر شده است. منبع اصلی استخراج اطلاعات مقالات و کلمات کلیدی پایگاه داده اسکوپوس بوده است. اطلاعات مقالات منتشر شده در بازه زمانی 2009 تا 2024 (به مدت 15 سال) با کلمات کلیدی مرتبط از این پایگاه دریافت شدند. سپس مرحله به مرحله خالص‌سازی، تفکیک و تحلیل شدند. خلاصه مراحل طی شده در جدول 4 آورده شده است.

جدول 4. مراحل تفکیک و تحلیل کلمات کلیدی

مأخذ: یافته‌های پژوهش.

2ـ7. کلمات کلیدی به کار رفته برای شناسایی مقالات مرتبط

کلمات کلیدی برای جستجوی مقالات استفاده شده، به شرح جدول 5 است. لازم به ذکر است که برای جستجو، اطلاعات کلیه مقالاتی که حتی یک مورد از مجموعه کلمات زیر در کلمات کلیدی نویسنده، عنوان مقاله، چکیده یا کلمات کلیدی ذکر شده بودند استخراج شدند.

جدول 5. کلمات کلیدی استفاده شده برای جستجوی مقالات

مأخذ: همان.

3ـ7. حوزه‌های خط‌مشی‌گذاری احصا شده

حوزه‌های احصا شده برای کلمات کلیدی به‌صورت بررسی کلمات پرتکرار و دسته‌بندی آنها انتخاب شده‌اند. پس از دسته‌بندی مقدار قابل‌توجهی از آنها، اصلاحاتی در عنوان حوزه‌ها ایجاد شد و نهایتاً 29 حوزه اصلی شناسایی شدند. این موارد در جدول 6 قابل مشاهده‌اند. عمده حوزه‌ها در مقالات بررسی شده همچون آموزش، انرژی، محیط‌زیست، کشاورزی، سلامت، نوآوری و مسائل اجتماعی در کنار کلمه خط‌مشی به‌کار می‌روند و در کلمات کلیدی نیز تکرار شده‌اند. در موارد دیگری مانند دسته غیرکاربردی، روش شبیه‌سازی بنا به هدف و نیاز تحلیلی این مقالات در حوزه‌ها قرار گرفته‌اند.

درخصوص دسته‌بندی کلمات کلیدی نکته‌ای که باید ذکر شود آن است که برخی از کلمات کلیدی چند بعد داشته و می‌توانستند در چند دسته موضوعی قرار داده شوند. به‌عنوان‌مثال برنامه‌ریزی هم می‌تواند در دسته مدیریت قرار بگیرد و هم در دسته اهداف شبیه‌سازی. در این حالت دسته‌ای که نزدیکی و احتمال بیشتری داشته است انتخاب شده است؛ یا دسته هوش مصنوعی زیرمجموعه دسته مباحث نظری و تحلیل علمی است. اما به دلیل اینکه بسیاری از کلمات کلیدی مختص این حوزه بوده‌اند و فراوانی قابل‌توجهی داشته است برای آن، دسته جداگانه‌ای در نظر گرفته‌شده است.

جدول 6. دسته‌بندی حوزه‌های مختلف کاربردی کلمات کلیدی و سایر حوزه‌های تفکیک شده برای تحلیل کلمات

مأخذ: همان.

4ـ7. بررسی فراوانی تعداد مقالات در حوزه‌های موضوعی

1ـ4ـ7. فراوانی کلمات کلیدی مرتبط با روش‌های مختلف شبیه‌سازی در هر حوزه

برای اینکه مشخص شود سهم هر یک از روش‌های شبیه‌سازی در حوزه‌های موضوعی شناسایی شده، چقدر است جدول 7 تهیه شد. این جدول نتایج کل 15 سال بررسی شده را به‌صورت جمع‌بندی شده نمایش می‌دهد. همان‌طور که مشخص است شبیه‌سازی عامل‌بنیان در اکثر دسته‌ها بیشترین سهم را داشته است. سهم کلی این روش شبیه‌سازی از کل حوزه‌ها 83 % است. بعد از آن سیستم‌های پویا با سهم 11% بیشترین کاربرد را داشته است. نهایتاً هم شبیه‌سازی گسسته پیشامد با سهم 6 %کمترین سهم را دارد. غیر از دسته توسعه و پایداری که درآن فراوانی کلمات کلیدی مقالاتی که از سیستم‌های پویا استفاده کرده‌اند با مقالاتی که از روش عامل‌بنیان استفاده کرده‌اند اختلاف کمی دارند (به‌واسطه دید کلان مورد نیاز)، در باقی حوزه‌ها این اختلاف زیاد است. درخصوص شبیه‌سازی گسسته پیشامد نیز تنها در دسته مدیریت، هوش مصنوعی و فناوری و نوآوری تعداد کلمات کلیدی مقالات بیش از روش سیستم‌های پویا است. این در حالی است که در تمام حوزه‌ها نیز کاربرد روش عامل‌بنیان بسیار بیشتر از گسسته پیشامد است.

جدول 7. فراوانی کلمات کلیدی در حوزه‌های موضوعی مختلف

مأخذ: همان.

براساس این جدول بیشترین کلمات کلیدی در دسته مباحث نظری و تحلیل علمی قرار گرفته‌اند. در این دسته عمدتاً کلمات کلیدی‌ای قرار دارند که عنوان یک مفهوم، تکنیک یا الگوریتم نظری یا علمی مانند الگوریتم ژنتیک، نظریه بازی‌ها و داده‌های بزرگ هستند. دلیل داشتن رتبه اول این موضوع گستردگی مباحث این حوزه است و همچنین این موضوع قابل برداشت است که شبیه‌سازی در کنار سایر روش‌ها قرار می‌گیرد و موجب می‌شود تحلیل‌های قوی‌تری حاصل شود. این موضوع قوت شبیه‌سازی را در ایفای نقش پشتیبان تصمیم به خوبی نشان می‌دهد.

سهم «فناوری و نوآوری» و «هوش مصنوعی» نیز در این دسته‌بندی قابل توجه است. به‌دلیل ارتباط بسیار نزدیک هوش مصنوعی با عامل‌بنیان‌ها و اینکه هر دو به علم سیستم‌ها ارتباط زیادی دارند رتبه هوش مصنوعی در این جدول سوم است. سه سطر اول که سهم قابل‌توجهی از کل فراوانی را دارند حوزه کاربردی مشخصی ندارند و غالباً نظری و علمی هستند. یکی از دلایل این پدیده می‌تواند این واقعیت باشد که به‌دلیل شکافی که بین علم شبیه‌سازی و کاربرد آن در واقعیت هست، بسیاری از مطالعات منتشر شده به مباحث نظری حوزه شبیه‌سازی پرداخته‌اند.

در حوزه‌های «مدیریت» و «فرهنگی و اجتماعی» با توجه به اینکه عنصر اصلی انسان است و سیستم‌های مربوط به عوامل انسانی پیچیدگی دارند، کاربردی‌تر بودن شبیه‌سازی مخصوصاً در عامل‌بنیان مشهود است. کمترین کاربرد نیز مربوط به حوزه‌های گردشگری، قوانین و مقررات و حقوق است. در دسته حقوق هیچ کلمه کلیدی قرار ندارد. در واقع در کلمات کلیدی مقالات این دسته به‌دلیل اینکه هیچ یک از روش‌های شبیه‌سازی صراحتاً عنوان نشده‌اند، فراوانی نیز برای آنها نمایش داده نشده است. این جدول صرفاً فراوانی کلمات کلیدی مقالاتی را نمایش می‌دهد که در عنوان، چکیده یا کلمات کلیدی آنها نام روش شبیه‌سازی آورده شده باشد.

جدول 8 کاربرد کلمات کلیدی در هر حوزه را در بازه زمانی 15 ساله نمایش می‌دهد. شکل 6 نیز نمودار روند زمانی تغییرات فراوانی هر یک از دسته‌ها را در بازه 15 ساله نمایش می‌دهد. جدول 8 و شکل 6 نیز صرفاً مقالاتی را نمایش می‌دهد که در آنها صراحتاً نوعی از روش شبیه‌سازی در عنوان، چکیده یا کلمه کلیدی ذکر شده باشد. در جدول 8 به‌منظور محاسبه رشد از نرخ رشد مرکب سالیانه 5 و 15 ساله استفاده شده است. این نرخ صرفاً ابتدا و انتهای بازه را ملاک محاسبه قرار می‌دهد که به‌منظور کاهش خطای ناشی از نوسانات مقطعی برای هر دسته میانگین موزون 3 ساله محاسبه شده و سپس نرخ رشد براساس آن محاسبه شده است. دو ستون انتهایی جدول نرخ رشدهای مذکور را نمایش می‌دهند. نرخ رشد 5 ساله مربوط به دسته هوش مصنوعی، سلامت، محیط‌زیست، توسعه و پایداری، غذا و کشاورزی و عدالت قابل توجه است. نرخ رشد منفی 5 ساله برای حوزه‌های فناوری و نوآوری، فرهنگی و اجتماعی، نرم‌افزار، مسکن و برنامه‌ریزی شهری، فلسفه و دین و زیست‌شناسی نیز قابل توجه است. در حوزه حمل‌ونقل با وجود اینکه نرخ رشد 15 ساله عدد بالایی بوده است اما نرخ رشد 5 سال آخر کاهش یافته است. در برخی از حوزه‌ها نیز به‌دلیل اینکه در برخی از سال‌های مبدأ یا آخر بازه زمانی موردبررسی فراوانی وجود ندارد امکان محاسبه نرخ رشد وجود نداشته است.

درصورتی‌که در کنار نرخ رشد، فراوانی کلی هر دسته را نیز لحاظ کنیم، نرخ رشد بالای دسته‌های عدالت و غذا و کشاورزی قابل اغماض است. همین حالت برای نرخ رشد پایین دسته‌های فلسفه و دین، زیست‌شناسی و مسکن و برنامه‌ریزی شهری وجود دارد.

شکل 6. روند زمانی تغییرات فراوانی کلمات کلیدی هر دسته در بازه 2009 تا 2024

مأخذ: یافته‌های پژوهش.

شکل 7. فراوانی کلمات کلیدی در هر یک از دسته‌ها در پنج سال 2020 تا 2024

مأخذ: همان.

در شکل 7 فراوانی کلمات کلیدی در هر یک از دسته‌ها در 5 سال آخر در قالب نمودار ستونی آورده شده و به‌این‌ترتیب فراوانی دسته‌ها قابل مقایسه هستند. در جدول 1 پیوست این گزارش بیشترین کلمات کلیدی استفاده شده در هر یک از دسته‌ها قابل مشاهده است.

جدول 8. روند فراوانی کلمات کلیدی در هر حوزه در بازه زمانی 2009 تا 2024 و نرخ رشد مرکب سالیانه 5 و 15 ساله

مأخذ: همان.

2ـ4ـ7. بررسی دسته حکمرانی و خط‌مشی‌گذاری

دسته حکمرانی و سیاست به کلماتی اختصاص دارد که در جدول 9 آورده شده است.

جدول 9. کلمات کلیدی و فراوانی آنها در دسته حکمرانی و سیاست

مأخذ: همان.

با این فرض که مقالاتی که حاوی کلمات کلیدی جدول 9 هستند ارتباط مستقیم با کاربرد حکمرانی و خط‌مشی‌گذاری دارند، با توجه به هدف گزارش حاضر این دسته به‌طور جداگانه بررسی شد. فراوانی کلمات ذکر شده در جدول 9 صرفاً مربوط به مقالاتی است که در عنوان، چکیده یا کلمه کلیدی آنها عنوان یکی از 3 روش شبیه‌سازی آورده شده باشد.

جدول 10 فراوانی کلمات کلیدی جدول 9 را در سال‌های 2009 تا 2024 و براساس هر روش شبیه‌سازی نمایش می‌دهد، نتایج نشان‌دهنده تفاوت قابل‌ملاحظه استفاده از مدل‌سازی عامل‌بنیان و سیستم‌های پویا نسبت‌به شبیه‌سازی گسسته پیشامد است که به‌واسطه اقتضائات مسائل حکمرانی برای در نظر گرفتن عوامل متعدد اجتماعی (مدل‌سازی عامل بنیان) و همچنین دید کلان مورد نیاز (سیستم‌های پویا) قابل توجیه است. نمودار تغییرات زمانی آن نیز در شکل 8 قابل مشاهده است.

جدول 10. فراوانی کلمات کلیدی دسته حکمرانی در سال‌های مختلف براساس روش‌های شبیه‌سازی

مأخذ: همان.

شکل 8. تغییرات فراوانی کلمات کلیدی دسته حکمرانی و سیاست طی زمان

مأخذ: همان.

همان‌طور که در نمودار شکل 8 مشخص است رشدی خطی برای استفاده از مدل‌های شبیه‌سازی برای این دسته قابل مشاهده است.

3ـ4ـ7. بررسی دسته اهداف شبیه‌سازی

دسته اهداف شبیه‌سازی حاوی کلماتی است که مدل‌های شبیه‌سازی به‌منظور بهینه‌سازی، کاهش یا افزایش آنها تهیه می‌شوند. جدول 11 کلمات کلیدی این دسته به همراه فراوانی آنها در مقالات مرتبط با شبیه‌سازی را نمایش می‌دهد.

جدول 11. فراوانی کلمات کلیدی دسته اهداف شبیه‌سازی

مأخذ: همان.

ردیف اول و سوم این دسته مربوط به کلمات پشتیبان تصمیم است. این نتیجه در محتوای فصول پیشین نیز مورد اشاره قرار گرفت و به نحوی نتایج حاصل شده آن را تأیید می‌کند.

8. آسیب‌شناسی و چالش‌های به‌کارگیری مدل‌های شبیه‌سازی در حل مسائل حکمرانی

با توجه به حجم وسیعی از ادبیات مورد بررسی، انواع روش‌های شبیه‌سازی در کنار مزایای بسیاری که به دنبال دارند و در فصول قبلی ذکر شدند، اما با چالش‌هایی همراه هستند. برخی از موارد قابل ذکر که باید موردتوجه قرار بگیرند به شرح زیر هستند:

•         خط‌مشی‌گذاری شواهدمحور مبتنی‌بر کاربست مدل‌های شبیه‌سازی در بهبود خط‌مشی‌گذاری به‌کندی صورت می‌پذیرد. گاه به‌دلیل بی‌توجهی به برخی الزامات شبیه‌سازی شواهدمحور، امکان در تضاد قرار گرفتن با اندیشه مدیریتی یا عدم تأمین اهداف خاص مدیریتی، اهمیت و ضرورت این ابزار ازسوی کارفرما درک نشده یا بیهوده دانسته شود. موضوعی که در آن صورت، امکان کاهش اراده کارفرما و حمایت از ادامه فعالیت فرایند شبیه‌سازی از قبیل پیگیری دسترسی به داده یا همراهی در فرایند مدل‌سازی وجود دارد که بالأخص در حکمرانی که دیوانسالاری (بروکراسی) برای انجام مطالعات پژوهشی بالاتر است، ممکن است به حدی حاد شود که مدلساز از ادامه مدل‌سازی یا توسعه مدل‌سازی‌های مشابه صرف‌نظر نماید [20].
•          یافتن حد مناسب و به‌اندازه برای مدل‌سازی: در مدل‌سازی باید به سطحی از جزئیات پرداخت که به‌اندازه کافی به تحلیل‌گر بینش لازم را منتقل کند و از طرفی به‌قدری پیچیده نباشد که قابل تحلیل و استفاده نباشند. در کتاب «ابزارهای خط‌مشی‌-مدل‌های شبیه‌سازی به‌مثابه ابزاری برای خط‌مشی‌گذاری» [1] به این موضوع با عنوان سطح مناسب انتزاع اشاره شده است. در مقاله «بررسی سیستماتیک کاربردهای مدل‌سازی و شبیه‌سازی عامل‌بنیان برای تحلیل رفتارهای طرفدار محیط‌زیست [10]» نیز به بیانی دیگر به تعیین حد مناسب برای مدل‌سازی اشاره شده است.
•         در شبیه‌سازی مرتبط با خط‌مشی‌گذاری عمدتاً با عنصر انسانی روبرو هستیم: مردم و افراد مانند سیستم‌های موجود در طبیعت لزوماً از قوانین از پیش تعیین شده پیروی نمی‌کنند و ممکن است با تغییراتی که حین شبیه‌سازی اتفاق می‌افتد رفتار خود را تغییر دهند. به‌عبارتی با آنکه عمدتاً برای تعریف متغیرهای ورودی شبیه‌سازی از داده‌های گذشته استفاده می‌شود اما نمی‌توان انتظار داشت که در آینده عیناً همان اتفاقات بیفتد. در کتاب «راهنمای ابزارهای خط‌مشی [1]‌» این موضوع به این شکل توضیح داده شده است که خود انسان‌ها سیستم‌های پیچیده‌ای هستند و ممکن است در یک نقش واحد قرار نگیرند. افراد اراده آزاد دارند و ممکن است از نظرات جمعی پیروی کنند. همچنین افراد قادرند هم‌زمان در مقیاس‌های محلی و جهانی و در طیفی بین آنها عمل کنند و اثرگذار باشند. بنابراین به دلیل ضرورت مشخص کردن پارامترهای تعیین‌کننده رفتار، از چالش‌هایی که عمدتاً مرتبط با شبیه‌سازی عامل‌بنیان خواهد بود ساخت مدل‌های محاسباتی برای مطالعه رفتار انسانی است [10].
•         مدل‌ها به‌طورکلی مملو از دیدگاه‌ها، پیش‌زمینه‌ها و ساختارهای ذهنی دانشمندان هستند: دیدگاه‌ها، پیش‌زمینه‌ها، ساختار ذهنی یا خطاهای شناختی بر فرضیات مدل‌سازی تأثیر می‌گذارند [1].
•          مدل‌سازان و کاربران مدل باید محدودیت‌های مدل را درک کنند و مطمئن شوند که مدل به‌طور کامل آزمایش و بررسی شده است. وقتی مدل روی میز خط‌مشی‌گذاران قرار می‌گیرد، احتمالاً هیچ شخصی با دیدگاه ثالث و بی‌طرف مدل را آزمایش نکرده است. با در نظر گرفتن پیچیدگی مدل و دانش ضمنی از جزئیات و پیچیدگی‌های آن، معمولاً فقط تعداد انگشت‌شماری از افراد می‌توانند مدل را به‌درستی اجرا کنند و این نقش را ایفا کنند. گاهی اوقات، حتی مدل‌ساز هم نمی‌تواند پیاده‌سازی محاسباتی مدل را به‌طور کامل درک کند. استفاده از یک مدل اشتباه برای خط‌مشی‌گذاری موجب سردرگمی بیشتر در تصمیم‌گیری می‌شود. که این به مرور اعتماد تصمیم‌گیران را نسبت به سیستم‌های پشتیبان تصمیم کاهش می‌دهد [1].
•          یکی از مشکلاتی که در استفاده از مدل‌های شبیه‌سازی برای حل مسائل خط‌مشی‌گذاری وجود دارد این است که ادبیات بیان مسائل خط‌مشی‌گذاری عمدتاً کیفی و روایی است اما در روش‌های علمی این بیان وجود ندارد و باید شکاف بین این دو حوزه پر شود. به همین دلیل مقالات متعددی در استفاده از مدل‌سازی و شبیه‌سازی برای حل مسائل خط‌مشی‌گذاری تهیه شده‌اند اما در عمل این روش‌ها زیاد به‌کارگرفته نشده‌اند [1].
•          یکی از چالش‌های به‌کارگیری شبیه‌سازی در حل مسائل حکمرانی استفاده از داده‌های کافی، باکیفیت، دردسترس عمیق و مرتبط است. به این منظور باید از استانداردهای لازم پیروی شود [4].

در بسیاری از مطالعات انجام شده منبع داده به درستی گزارش داده نمی‌شود و به همین دلیل اعتبارسنجی مدل با ابهاماتی روبروست [10] که می‌تواند دلیلی برای کم بودن تحقیقات در ارزیابی خط‌مشی‌ها پس از اجرای آنها باشد. بنابراین استفاده از داده‌های مناسب برای حالتی که شبیه‌سازی به‌صورت مشارکتی و با داده‌های باز انجام می‌شود، بسیار اهمیت دارد [4]. ویژگی «باز» شامل چندین جنبه کلیدی است که داده‌ها باید داشته باشند تا ظرفیت کامل خود را برای کاربران آشکار کنند. داده‌ها به خودی خود باید منسجم، نامتناقض، جامع، به موقع و مرتبط باشند. علاوه‌بر این، باید برای کشف و بازیابی در دسترس باشند، درحالی‌که دسترسی فیزیکی به آنها تحت کنترل است و پاسخ‌دهندگان محافظت می‌شوند [4].

•         یکی از موانع محدودکننده بر سر کاربست مدل‌های شبیه‌سازی در مسائل حکمرانی، دشواری در دسترسی به داده‌های قابل اعتماد است. در برخی موارد داده‌ها و ارقام برای یک شاخص که توسط سازمان‌های مختلف پایش و گردآوری شده‌اند، مشابه نیستند که این موضوع می‌تواند به دلایل مختلفی از قبیل تعاریف متفاوت شاخص‌های قابل اندازه‌گیری یا خطا در اندازه‌گیری باشد. همچنین درخصوص اطلاعات ورودی مدل در بعضی موارد نیاز به ترکیب داده‌هایی از چند حوزه مختلف است. معمولاً اطلاعات توسط مؤسسات مختلف تهیه شده و با توجه به نیاز و رویکردهای هر حوزه به شکل‌های مختلفی ذخیره شده‌اند. همان‌طور که گفته شد ممکن است ارزش‌های دو نهاد مختلف با هم تعارض داشته باشند و این موضوع بر اطلاعات آنها مؤثر باشد [7]. بنابراین پاک‌سازی، یکسان‌سازی و سنجش درستی داده‌های ورودی به مدل اهمیت دارد.
•         با وجود اینکه اجرای مدل‌های شبیه‌سازی از اجرای سناریوهای محتمل در دنیای واقعی کم‌هزینه‌تر است، اما همچنان هزینه اجرای برخی مدل‌ها بالاست و به همین دلیل آزمایش‌های شبیه‌سازی طراحی می‌شوند تا تعداد دفعات تکرار مدل‌سازی به صورت بهینه محاسبه شوند [12].
•          بخش اعتبارسنجی مدل بسیار بااهمیت و از مهم‌ترین چالش‌های اساسی شبیه‌سازی به‌خصوص مدل‌های شبیه‌سازی عامل‌بنیان است زیرا موردهایی که بتوان با آنها مدل را محک زد کم هستند و همیشه اطلاعات تاریخی که بتوان خروجی‌های مدل‌سازی را با آن تطبیق داد و اعتبارسنجی کرد در دسترس نیستند [1] و [12]. چنانچه این مسئله به خوبی مورد توجه قرار نگیرد، ممکن است قابلیت اطمینان و اعتبار نتایج تضعیف شود و نتایج مدل قابل اتکا نباشد [1] و [10].
•          اخلاق نقش بسیار مهمی در مدل‌سازی شبیه‌سازی دارد. زیرا مسائل مربوط به خط‌مشی‌گذاری با پدیده‌های اجتماعی مرتبط است. در مدل‌سازی باید به احتمال سوگیری‌ها، احترام به حقوق فردی و به حداقل رساندن آسیب‌های اجتماعی توجه کرد. با در نظر گرفتن چالش‌های اخلاقی که در حوزه‌های موردمطالعه مانند فناوری‌های دیجیتال، یادگیری ماشین و هوش مصنوعی وجود دارد اهمیت پرداختن به اخلاق بیشتر هم می‌شود. باید به این موضوع نیز توجه کرد که یکی از کارکردهای غیرمستقیم مدل‌سازی شبیه‌سازی در بسیاری از موارد اجتناب از مشکلات اخلاقی است که در آزمایش در دنیای واقعی به وجود می‌آیند. اما درصورتی‌که مدل‌سازی به درستی انجام نشود و نتایج گمراه‌کننده باشند احتمال بروز همان مشکلات اخلاقی بیشتر خواهد شد [10].
•          یافته‌های شبیه‌سازی باید در چارچوب محدودیت‌های مطالعه، زمینه‌سازی شوند و خطر کاربرد غیرقابل‌توجیه بدون در نظر گرفتن واکنش‌های منفی احتمالی یا تشدید رفتارهای پرخطر یا معضلات اجتماعی کاهش یابد. بنابراین برای استفاده مؤثر از الگوریتم‌های پشتیبان تصمیم، درک محدودیت‌های آنها بسیار مهم است [10].
•          ذی‌نفعان و مدیران با خط‌مشی‌گذاری شواهد محور آشنا نیستند یا نسبت به کارایی آن در تردید هستند. فقدان آگاهی از طرز کار سیستم‌های پشتیبان تصمیم و عدم دانش درباره چگونگی دستیابی به خروجی‌ها از ورودی‌های اعمال شده به آن یا فقدان تجربه فعالیت تخصصی اجرایی با سیستم‌های پشتیبانی تصمیم منجر به ناآگاهی از مزایای استفاده از این سیستم‌ها می‌شود. در بسیاری از مواقع اختلاف هدف و مسئولیت بین کسانی که مدل‌ها را می‌سازند و کسانی که باید از آنها استفاده کنند وجود دارد. کاربران مدل، آموزش کافی درخصوص اینکه چه چیزی از مدل‌ساز دریافت می‌کنند ندیده‌اند. آنها نمی‌دانند که اطلاعات مدل چگونه تولید شده‌اند و متخصصانی که مسئول اطلاعات هستند نیز به دلیل ناآگاهی، ذی‌نفع نبودن یا دلایلی دیگر آن را به درستی انجام نداده‌اند [20].
•          در برخی موارد کسانی که حامی مدل‌سازی‌ها هستند اهمیت زیادی نمی‌دهند که چه مدلی تولید می‌شود و چه خروجی دارد. این کار صرفاً به دلیل اینکه مدرن و علمی است انجام می‌شود [20].
•          در مدل‌سازی باید به ارتباط بین طرف علمی و طرف خط‌مشی‌گذار توجه کرد. برخی از عواملی که می‌توانند در غیرواقعی بودن مدل‌سازی اثر بگذارند شامل موارد: «روابط فراگیر بین مشتری و تحلیلگر»، «دعواهای دیوانسالاری (بوروکراتیک) داخلی»، «اندیشکده‌ها که به‌اندازه کافی عاقل هستند که منافع کارفرما را در نتایج دخیل کنند (دستی را که به آنها غذا می‌دهد گاز نگیرند)»، «تصمیم‌گیرندگانی که از سرچشمه‌های خِرَد تحلیلی دور هستند» و «فقدان بررسی‌ها و ارزیابی‌های مستقل و انتقادی از مدل‌سازی» هستند [20].
•         دانشمندان و خط‌مشی‌گذاران در جوامع جداگانه‌ای هستند و موانع ارتباطی زیادی بین آنها وجود دارد [20].
•          در بررسی سناریوهای مختلف نیاز است تخصص‌های مختلفی در مدل‌سازی دخیل شوند [4].
•         مانند تمام ابزارهای خط‌مشی‌گذاری، در مواردی مدل‌های شبیه‌سازی ابزار مناسبی برای برآوردن یک هدف مشخص از خط‌مشی‌گذاری نیست؛ لذا باید تناسب بین هدف و ابزار را در نظر گرفت و در صورت وجود این تناسب از شبیه‌سازی استفاده کرد [1].
•         با توجه به اینکه برای کاهش دادن محدودیت‌های دیدگاه از منظر یک ابزار در خط‌مشی‌گذاری بعضاً از چند ابزار مختلف استفاده می‌شود باید به ارتباط و تأثیرگذاری این ابزارها بر هم نیز توجه نمود [1].
•          با توجه به پیچیدگی مسائل خط‌مشی‌گذاری معمولاً درک مناسبی از کل سیستم وجود ندارد. باید توجه داشت که مدل‌های شبیه‌سازی برای حل یک مسئله مشخص طراحی می‌شوند؛ لذا در ابتدا باید مسئله به‌درستی تعریف شود وگرنه استفاده از مدل‌سازی شبیه‌سازی اثربخش نیست [19].
•          ذی‌نفعان احساس می‌کنند که مدل‌های شبیه‌سازی، ملاحظات آنها را در نظر نمی‌گیرند یا منافع آنها را زیر سؤال می‌برند. عدم ارتباط با تمامی ذی‌نفعان (کارفرما، لایه‌های تصمیم‌گیر و لایه‌های اجتماعی) و کسب نکردن نظرات آنها در مراحل مختلف (مرحله تعریف مسئله و چارچوب‌بندی آن، مرحله جمع‌آوری داده، مرحله مدل‌سازی و آزمایش، مرحله ارائه پیشنهاد خط‌مشی و حتی در مرحله اجرایی و عمل به‌منظور مانیتورینگ و نظارت بر حسن انجام تصمیم)، ممکن است نگاه آنان را به نتایج مدل با تردید همراه سازند. بدون در نظر گرفتن تمامی ملاحظات ذی‌نفعان، ممکن است از نکاتی غفلت شود که اگرچه کم اهمیت انگاشته می‌شوند اما در حصول نتیجه نقش پررنگی را ایفا می‌کنند. همچنین لایه‌های اجتماعی در صورت عدم اقناع در راهکار پیشنهادی، ممکن است بر لایه‌های سیاسی فشار وارد نمایند به حدی که گاه گلوگاه اجرای یک تصمیم، نبود اراده مشترک در لایه‌های اجتماعی باشد. از یک تصمیم حوزه‌های مختلفی ممکن است تأثیر بپذیرند. در برخی مواقع مدل‌سازی تمام این حوزه‌های ذی‌نفع را در نظر نمی‌گیرد و تنها مبتنی‌بر نیاز و درخواست یک حوزه انجام می‌شود. عدم تعامل بین حوزه‌ها، احتمال بیشتر شدن تنش‌ها را افزایش می‌دهد [4].
•          به‌روز نبودن مدل یا داده‌های آن و از تاریخ گذشته شدن نتایج مدل یکی از دلایل شکست انواع مدل‌های شبیه‌سازی به‌خصوص مدل‌های طراحی‌شده دانشگاهی است. مدل‌های ایجاد شده با داده‌های جدید و تغییرات سیستم به‌روز نمی‌شوند و هرچه از زمان ایجاد آنها بگذرد، اعتبار گزارش و قابل استفاده بودن مدل نیز کاهش می‌یابد. به همین دلیل مدل‌های شبیه‌سازی نیاز دارند طی زمان و با گرفتن خروجی و بازخورد اصلاح شده و بهبود یابند. علاوه‌بر این فقدان این نگاه به آینده، هزینه‌های مطالعه سیستم‌ها و مدل‌سازی را در بررسی مسائل مختلف بعدی افزایش می‌دهد. در مواقعی که مدل‌سازی برای یک حوزه انجام شده باشد درحالی‌که بر سایر حوزه‌ها اثرگذار باشد، می‌توان اشتراکاتی در مدل‌سازی هر دو حوزه پیدا کرد و به یک مدل ارتقا یافته دست یافت. این موضوع یکی از دلایل نیاز به مستندسازی مناسب مدل‌ها است [10].
•         در بسیاری از مواقع انتخاب رویکرد شبیه‌سازی براساس تجربه گذشته مدل‌ساز است. درصورتی‌که باید متناسب با موضوع این موارد انتخاب شوند [10].
•          اتکای بیش‌ازحد به مدل یک چالش است. زیرا عدم قطعیت‌های ذاتی، خطاهای موجود در فرضیات بنیادی یا عوامل کلیدی حذف شده در روند مدل‌سازی، ممکن است تصمیم‌گیران و خط‌مشی‌گذاران را گمراه کرده و به سمت تصمیمات اشتباه سوق دهد [10].
•          نبود نیروی انسانی مکفی در شبیه‌سازی مسائل عرصه حکمرانی: برای حل مسائل حکمرانی و بررسی ابعاد آن، نگاهی چند رشته‌ای و میان رشته‌ای و بهره‌گیری از افراد در رشته‌ها و تخصص‌های مختلف نیاز است. به‌دلیل گستردگی موضوعات و نیاز به بازه زمانی بیشتر، تحقیقات در این زمینه غالباً با نرخی کمتر به انتشار یافته‌ها منجر خواهد شد که یکی از علل اقبال اندک جامعه علمی دانشگاهی خواهد بود. گستردگی دامنه پژوهش و زمان بیشتر، به همراه عدم امکان ارائه و انتشار برخی از موضوعات به‌گونه‌ای عمومی، سبب شده جامعه علمی با وجود اهمیت بالای این مسائل، نسبت به ورود به این موضوعات بی‌رغبت بوده و همین عامل در بلندمدت سبب کاهش تربیت نیروی انسانی بامهارت در این زمینه خواهد شد. کاهش نیروی انسانی بامهارت در این زمینه می‌تواند خود از عوامل آشنایی پایین تصمیم‌گیران با خط‌مشی‌گذاری شواهدمحور مبتنی‌بر مدل و استفاده از ابزارهای فناوری‌مبنا باشد.

9. راه‌های برون‌رفت از چالش‌ها و نیازمندی‌های کاربست مدل‌های شبیه‌سازی در حکمرانی

راهکارهایی که برای استفاده بهینه از مدل‌سازی شبیه‌سازی و برون‌رفت از چالش‌ها قابل پیشنهاد هستند در چند مجموعه پیشنهاد می‌گردند.

1ـ9. راهکارهای پیشنهادی برای ارتقای فرهنگ استفاده از سیستم‌های پشتیبان تصمیم

بخشی از چالش‌هایی که در کاربرد مدل‌سازی شبیه‌سازی در مسائل خط‌مشی‌گذاری وجود دارد و در سرفصل قبلی به آن اشاره شد به عدم شناخت جامعه خط‌مشی‌گذار و جامعه علمی از تخصص‌ها و نیازهای یکدیگر مربوط است. به این منظور می‌توان پیشنهادهای زیر را مطرح کرد:

•         برگزاری دوره‌های تخصصی آموزشی درباره ضرورت خط‌مشی‌گذاری علمی و شواهدمحور و چگونگی عملکرد سیستم‌های پشتیبان تصمیم برای کارشناسان و تصمیم‌گیران به‌عنوان بازوی خط‌مشی‌پژوهی.
•         تولید و توسعه سامانه‌های پشتیبان تصمیم در حوزه‌های تخصصی (همچون مدیریت ترافیک، ساماندهی بازار مسکن، تأمین نیروی انسانی، اصلاح الگوی کشت، امور بیمه و بازنشستگی) به‌منظور آشنایی تصمیم‌گیران از عملکرد چنین سامانه‌ها و مهارت‌افزایی درباره نحوه به‌کارگیری از آنها در حل مسائل مدیریتی.
•         بیان ضرورت و توجیه ذی‌نفعان برای خط‌مشی‌گذاری شواهدمحور مبتنی‌بر مدل‌های شبیه‌سازی و ایجاد اراده برای پیشبرد آن.
•         اولویت‌گذاری و ارزیابی پیشینی طرح‌ها و لوایح وصول‌شده از طریق کاربست روش‌های آزمایشگاهی و مدل‌سازی.
•         ارتباط مداوم با طیف‌های ذی‌نفعان در مراحل مختلف مدل‌سازی به‌نحوی‌که به‌طور مداوم فرایند پژوهش به سمع و نظر ذی‌نفعان و کارفرما برسد و ملاحظات و نظرات آنها مورد بررسی قرار بگیرد.
•         صرف زمان و هزینه کافی برای درک نیازمندی‌های کارفرمایان توسط مدل‌سازان و تعریف سازوکار‌های بازخورد پس از رسیدن به هر مرحله از نتایج؛ این موضوع ازطریق برگزاری نشست‌ها و رویدادها برای بیان مسائلی که کارفرمایان در تصمیم‌گیری با آنها مواجه هستند و ارائه نیازمندی‌های خود به مدل‌سازان قابل انجام است.
•         استفاده از افراد راهبر در تیم شبیه‌سازی به‌منظور تعامل با ذی‌نفعان، برگزاری جلسات همفکری، ارائه مستمر فرایند مدل‌سازی به آنها، شناخت امکانات و محدودیت‌های انجام مدل‌سازی، درگیر نمودن ذی‌نفعان برای استفاده از امکانات آنها و رفع موانع.
•         امکان حضور مدلسازان در جلسات همفکری به‌منظور درک بهتر مسئله و هضم اطلاعات ارائه‌شده در مصاحبه‌ها در همراهی با ادبیات و داده‌ها و شواهد گردآوری شده برای ترسیم مدل به ساده‌ترین حالت.

2ـ9. راهکارهای پیشنهادی برای افزایش کیفیت داده‌ها

•         برطرف نمودن نیازهای داده‌ای ازجمله دسترسی به داده‌های مسئله ازطریق همکاری ذی‌نفعان برای جمع‌آوری آنها. به منظور دریافت ورودی‌های واقعی و همچنین در نظر گرفتن تغییرات محیطی که بر سیستم‌ها مؤثر هستند، در برخی از چارچوب‌ها از داده‌های باز استفاده شده است. این داده‌ها به‌صورت مشارکتی از گروه‌های ذی‌نفع مختلف جمع‌آوری می‌شوند و نیاز آنها به مشارکت در خط‌مشی‌گذاری را هم تا حدی برطرف می‌کنند. هرچند استفاده از داده‌های باز در فرایند شبیه‌سازی، ملاحظات و چارچوب‌هایی دارد [4] که باید در نظر گرفت که در غیر اینصورت به‌کارگیری آنها چالش‌های جدیدی ایجاد می‌کند. به‌عنوان‌مثال موضوع زمان را باید در نظر گرفت که به‌کارگیری از روش‌های مبتنی‌بر وب 2 تاحدی می‌تواند سرعت دریافت ورودی‌ها را افزایش دهد.
•         به‌منظور تأمین داده‌های باکیفیت بهتر است از چند منبع مختلف استفاده کرد [10]. هر چه مدل‌ساز سعی کند منابع داده بیشتری را در نظر بگیرد مدل کالیبره‌تر و با واقعیت سازگارتر خواهد بود. به این منظور می‌توان بانک جامعی از اطلاعات که محققان به آن دسترسی داشته باشند را نیز ایجاد نمود.
•         تأمین داده‌های مورد استفاده در شبیه‌سازی بسیار با اهمیت است و برای آن باید زمان و هزینه لازم را در نظر گرفت. همچنین در کلیه مدل‌سازی‌ها باید داده‌ها به وضوح معرفی، مستندسازی و گزارش شوند.

3ـ9. راهکارهای پیشنهادی برای افزایش اعتبار مدل‌سازی و دقت نتایج

•         داشتن رویکرد مشارکتی در تمامی مراحل ایجاد و استفاده از مدل‌های شبیه‌سازی در تصمیم‌سازی (مرحله تعریف مسئله و چارچوب‌بندی آن، مرحله جمع‌آوری داده، مرحله مدل‌سازی و آزمایش، مرحله ارائه پیشنهاد خط‌مشی و حتی در مرحله اجرایی و عمل به‌منظور مانیتورینگ و نظارت بر حسن انجام تصمیم): ذی‌نفعان مختلفی که از نتایج تصمیم‌گیری اثر می‌پذیرند باید به درستی شناسایی شده و نظرات آنها در مدل‌سازی در نظر گرفته شود. استفاده از روش‌های مبتنی‌بر فناوری اطلاعات و ارتباطات مانند وب 2 می‌توانند مشکلات ارتباطی که بین ذی‌نفعان وجود دارد را تاحدودی برطرف شوند.
•          مهم شمردن نظارت بر صحت‌سنجی مدل و الزام به انجام اعتبارسنجی تحقیقات شبیه‌سازی.
•         برای افزایش اعتبار مدل‌ها می‌توان نهادهای بی‌طرف و ثالثی را تعیین یا ایجاد نمود که وظیفه اعتبارسنجی مدل و صحه‌گذاری بر خروجی‌های آن را بر عهده داشته باشند که هم در مدل‌سازی تخصص داشته باشند و هم زبان کاربران و نمایندگان را درک کنند.

4ـ9. راهکارهای پیشنهادی برای انتخاب درست روش پشتیبان تصمیم در تصمیم‌گیری و خط‌مشی‌گذاری

•          به‌دلیل نیازمندی شبیه‌سازی به صرف هزینه و زمان و استفاده از نیروی انسانی متخصص به‌منظور شناخت جامع سیستم، منطقی است شبیه‌سازی برای آن دسته از مسائلی به‌کار گرفته شود که هزینه اجرایی آنها زیاد و با ماندگاری و تأثیرگذاری چندین ساله باشد. به‌عبارتی به‌کارگیری از مدل‌های شبیه‌سازی برای بررسی مسائلی با اثرگذاری کوتاه‌مدت و میان‌مدت، هزینه‌ساز بوده و مقرون‌به‌صرفه نیست و می‌توان از سایر روش‌های تجزیه‌و‌تحلیلی همچون مطالعات امکان‌سنجی، برآورد هزینه-منفعت، آزمایش‌های کنترل شده تصادفی و ... برای ارزیابی استفاده نمود. همچنین در صورت برگزیدن ابزار شبیه‌سازی برای مواجهه با مسئله، از رویکرد مناسب آن بهره‌مند شد.

5ـ9. راهکارهایی برای داشتن نگاه تکاملی و بلندمدت به مدل‌سازی

•          به‌روزرسانی مدل با همراهی کارفرما به‌نحوی‌که داده‌ها به‌صورتی دوره‌ای جمع‌آوری شوند و با تغییر داده‌ها یا تغییر فرایندهای سیستم، خروجی‌های مدل به‌روزرسانی گردند (تعمیر جزئی و اساسی در مدل)
•          مدل‌های شبیه‌سازی باید به‌خوبی مستند شوند. این موضوع برای ارائه درک عمیق و تکرارپذیری آن ضروری است. در مدل‌های عامل‌بنیان نیاز به مستندسازی بیش از سایر روش‌ها است. در غیر این‌صورت نمی‌توان ارزیابی درستی از صحت مدل داشت [10].
•          طراحی نقشه راه مناسب انجام فرایند شبیه‌سازی باید انجام شده و مدل‌سازی‌ها براساس پروتکل‌های استاندارد تعریف شده انجام پذیرند. نبود استانداردهای یکسان سبب ایجاد هرج و مرج در شبیه‌سازی مجدد، اتصال دشوار زیرسیستم‌ها به یکدیگر، به‌هم ریختگی مدل، عدم مسئولیت‌پذیری و عدم پاسخگویی درباره نتایج زیربخش‌های مدل می‌شود.

6ـ9. راهکارهایی برای کاربردی نمودن نتایج شبیه‌سازی

•          توصیه‌های خط‌مشی‌گذاری برگرفته از شبیه‌سازی حتی‌الامکان با در نظر گرفتن مقدمات اجرایی آن راهکارها باشد تا نتایج شبیه‌سازی کاربردی باشد.
•          در تصمیم برای استفاده از مدل‌های شبیه‌سازی ابتدا بایدتعریف درستی از مسئله داشت. این موضوع در ادبیات حل مسئله در مرحله پیش از مدل‌سازی مطرح می‌شود و روش‌هایی هم برای آن وجود دارد. در حوزه شبیه‌سازی نیز برخی از مقالات روش‌هایی برای رسیدن به تعریف درست مسئله ارائه شده است. به‌عنوان‌مثال در مقاله «توسعه خط‌مشی برای چالش‌های اجتماعی: چارچوب خط‌مشی مدل‌سازی عامل‌بنیان مشارکتی [19]» تلاش شده است که چارچوبی برای رفع این مشکل ارائه شود.
•          با توجه به اختلافی که در زبان و تخصص و رویکرد جامعه علمی و جامعه خط‌مشی‌گذار وجود دارد باید در انتخاب رابط کاربری دقت کرد که کاربر نهایی بتواند از نتایج آن بهره‌برداری کند. پیشنهاد می‌شود که رابط‌هایی با کاربری‌های سطح آسان تا متوسط انتخاب شوند تا مدل‌ها بتوانند متناسب با هر کاربر در زمینه‌های مرتبط بهره‌برداری و اصلاح شوند [10].

7ـ9. راهکارهایی برای اجتناب از اتکای صرف بر نتایج شبیه‌سازی

•         به‌منظور اجتناب از خطر اتکای بیش از اندازه به مدل‌های شبیه‌سازی پیشنهاد می‌شود مدل‌ها در کنار روش‌های سنتی استفاده شوند. برای مثال توصیه می‌شود مدل‌های عامل‌بنیان همراه با روش‌های سنتی به‌کار گرفته شوند تا سوءگیری مربوط به مطلوبیت اجتماعی آنها کاهش یابد و امکان مقایسه سناریوهای مختلف با هزینه‌های مالی و زمانی کمتر فراهم شود [10].

8ـ9. راهکارهایی برای کاهش هزینه‌ها و هم‌افزایی

•          به دلیل گستردگی متغیرها و پارامترهای اثرگذار و پیچیدگی فرایند شبیه‌سازی بهتر است با توجه به محدودیت منابع از اجرای مطالعات جزیره‌ای بر یک موضوع خاص جلوگیری و در جهت هماهنگ نمودن مطالعات شبیه‌سازی به‌منظور هم‌افزایی هرچه بیشتر اقدام شود.
•          به‌منظور امکان استفاده از نتایج تحقیقات و مدل‌سازی‌های انجام شده توسط سایر گروه‌ها می‌توان اطلاعات مدل‌سازی به‌صورت برخط با حفظ سطوح دسترسی به اشتراک گذاشت. پیشنهاد می‌شود با حفظ سطوح دسترسی کد مدل‌سازی به اشتراک گذاشته شود. برای نمونه یک کتابخانه برای مدل‌سازی شبیه‌سازی عامل‌بنیان ایجاد شود که ازطریق آن امکان توسعه، اشتراک‌گذاری و استفاده مجدد از مدل‌ها وجود داشته باشد و به‌این‌ترتیب بتوان در حوزه‌های مختلف از نتایج آن استفاده کرد [10].

9ـ9. توصیه‌هایی برای تحقیقات آتی

•         در گزارش حاضر حوزه‌های موضوعی که مدل‌سازی شبیه‌سازی می‌تواند در خط‌مشی‌گذاری آنها کمک کننده باشد معرفی شدند. اما هر یک از این حوزه‌ها می‌تواند شامل هزاران مدل و مسئله باشد. برای تحقیقات آتی می‌توان با کمک خروجی‌های حاصل شده از این گزارش اولویت‌بندی بین حوزه‌های موضوعی انجام داد و هر حوزه را به‌طور جداگانه مورد بررسی و الگوگیری قرار داد.
•          در پژوهش‌های آتی توصیه می‌شود حوزه‌های احصا شده با سرفصل‌های کمیسیون‌ها و مسائل مزمن موجود و مرتبط با آنها، تقاطع‌گیری شده و سپس شبیه‌سازی مسائل موجود در هر حوزه به‌عنوان پیشنهاد به کمیسیون‌ها ارائه گردند.
•           با توجه به رشد بالا و فراوانی بسیار کلمات کلیدی مرتبط با حوزه هوش مصنوعی پیشنهاد می‌شود کاربرد این حوزه در خط‌مشی‌گذاری مورد مطالعه جدی قرار گیرد.

جدول 12. توصیه‌های سیاستی

مأخذ: همان.

* تداوم یا تقویت آیتم‌ها یا اقدامات

** اصلاح رویه‌ها یا ایجاد سازوکارها

10. پیوست‌ها

جدول 1 پیوست. پنج کلمه با بیشترین تکرار در هر دسته