Anvendt forskning - videnskabelig forskning rettet mod praktisk løsning af tekniske og sociale problemer.
Videnskab er en sfære af menneskelig aktivitet, hvis funktion er udvikling og teoretisk systematisering af objektiv viden om virkeligheden. Videnskabens umiddelbare mål er beskrivelsen, forklaringen og forudsigelsen af de processer og fænomener af virkeligheden, der udgør emnet for dens undersøgelse på grundlag af de love , den opdager , det vil sige i bred forstand, den teoretiske afspejling af virkeligheden.
I henhold til deres orientering, i forhold til praksis, opdeles individuelle videnskaber normalt i grundlæggende videnskaber ( grundvidenskab ) og anvendt videnskab ( anvendt videnskab ). De grundlæggende videnskabers opgave er viden om de love, der styrer adfærden og samspillet mellem de grundlæggende strukturer i naturen, samfundet og tænkningen. Disse love og strukturer studeres i deres "rene form", som sådan, uanset deres mulige anvendelse. Det umiddelbare mål for de anvendte videnskaber er anvendelsen af de grundlæggende videnskaber til at løse ikke kun kognitive, men også socio-praktiske problemer. [en]
Opdelingen af forskning i grundlæggende og anvendt forskning er ret vilkårlig, da individuelle resultater af grundforskning kan have direkte praktisk værdi, og videnskabelige opdagelser kan opnås som et resultat af anvendt forskning .
Videnskabelig forskning er ved at blive en obligatorisk proces for at træffe ledelsesmæssige beslutninger. Omfanget og kompleksiteten af et sådant arbejde bestemmes af det specifikke problem, men det har altid en kognitiv struktur, og resultatet er baseret på anvendelsen af videnskabelige metoder .
Strukturen af den ontologiske model for forskning i at træffe ledelsesmæssige beslutninger ( beslutningstagning ) kan repræsenteres ved følgende sekvens: opstilling af problemet, opbygning af en model, indsamling og bearbejdning af indledende information, analyse og korrektion af modellen, opnåelse af en løsning, implementering af forskning resultater. Det bør samtidig præciseres, at grænserne for de enkelte etaper ikke har en tilstrækkelig bestemt karakter.
Traditionelle analytiske metoder i studiet af organisatoriske systemer er ikke altid effektive. En af de største ulemper i dette tilfælde er, at disse metoder ikke tillader at tage hensyn til systemets nye egenskaber , som er en konsekvens af samspillet mellem dets elementer. Derfor mister systemet under opskæring (analyse) en række af sine grundlæggende egenskaber. Et karakteristisk træk ved organisatoriske systemer er, at de delsystemer , der udgør det, har deres egne mål, som ikke altid er sammenfaldende med formålet med hele systemets funktion. Derfor garanterer lokal optimering af delsystemer ikke den maksimale effektivitet af hele organisationssystemet: "... det er den lokale tilgang til problemløsning, der er karakteristisk for energiske ledere af værksteder, afdelinger eller afdelinger, som fører til privat optimering af relevante enheder, som vist af operationsforskningsspecialister, er ofte skadelige for hele organismen som helhed" [2] . Mennesker - elementer af sådanne systemer - reagerer tvetydigt på denne eller hin påvirkning. Denne faktor, sammen med en række andre, tillader ikke undersøgelser af organisatoriske systemer kun at gå ud fra betingelserne for årsag- og virkningsforhold, der ligger til grund for analysen af fysiske (mekaniske) systemer. Organisatoriske systemer bliver mere komplekse på grund af ændringer i antallet og styrken af forbindelserne mellem deres elementer, i modsætning til fysiske systemer, hvis oprindelige strukturer er praktisk talt konstante.
Anvendt forskning i løsning af produktionsproblemer består af tre faser.
Den første fase af undersøgelsen af produktionsproblemet - den videnskabelige problemformulering - indeholder identifikation og beskrivelse af fakta, problemformuleringen, forskningens mål og hypoteser .
Problemstilling er et af de vigtigste stadier i beslutningstagningen. "Den mest almindelige fejlkilde i virksomhedsledelse er en overvægt på at finde det rigtige svar i stedet for at lede efter det rigtige spørgsmål" [3] . En nøjagtig løsning opnået med en forkert formulering af problemet fører kun til fremkomsten af nye problemer. Indlysende, ved første øjekast, kan årsagen til problemet faktisk kun være en konsekvens af mere komplekse og mindre mærkbare processer. I bund og grund handler opgaven om at studere den aktuelle situation, identificere præcis, hvad og hvorfor der ikke passer lederen, og beskrive den situation, der skal opnås. At studere situationen ud fra formålet med organisationen, identificere de faktorer, der førte til dens opståen og eksistens, sammenligne forskellige former for omkostninger og resultater giver lederen en grund til at adskille det vigtigere fra det mindre vigtige og formulere forhold, der afgør afgørelsens antagelighed og dens kvalitet.
Effektiviteten af problemformuleringen afhænger af forskningsobjektet. Inden for natur- og tekniske videnskaber, på grund af den materielle karakter af det undersøgte objekt, forårsager virkeligheden af fakta ikke vanskeligheder med deres objektive identifikation, og nøjagtigheden af beskrivelsen afhænger af de anvendte instrumenter. Problemet som genstand for operationsforskning er ideel af natur og er en modsætning mellem det eksisterende og forskningens mål - den ønskede tilstand. Når man beskriver den eksisterende situation, fungerer de ydre manifestationer af problemet som fakta, men deres overensstemmelse hermed er langt fra så entydig som ved beskrivelse af fakta inden for natur- og teknisk videnskab. Dette fører især til det faktum, at omkostningerne identificeres med resultaterne og nøjagtigheden af den anvendte matematiske metode - med tilstrækkeligheden af løsningerne på det undersøgte problem opnået med dens hjælp. F. Engels skrev i denne henseende: "Den jomfruelige tilstand af absolut betydning, uigendrivelige bevis for alt matematisk er for evigt væk, uenighedernes æra er kommet, og vi er nået til det punkt, at de fleste mennesker differentierer og integrerer, ikke fordi de forstår, hvad de gør, men simpelthen fordi de tror på det, da resultatet indtil nu altid har været korrekt” [4] . Og allerede vores samtidige M. Blaug , i betragtning af den økonomiske videnskabs tilstand, skriver: "Økonomer har gradvist erstattet deres fag, og gjort det til en slags social matematik, hvor analytisk stringens, som det forstås på matematiske fakulteter, er alt, og empirisk tilstrækkelighed, som det forstås i de fysiske afdelinger - ingenting." [5]
Endnu vanskeligere er spørgsmålet om en objektiv beskrivelse af den anden komponent af problemet - den ønskede situation og følgelig definitionerne af forskningens mål og hypotese, der følger af den. Alt dette afhænger af objektiviteten af beskrivelsen af den eksisterende situation og beslutningstageren til at identificere målene for de systemer, der inkluderer objektet under undersøgelse. Her kan metodefejl føre til, at et forsøg på at løse ét problem vil føre til, at der opstår nye. Mange nye problemer — jordpakning med tungt udstyr, træghed i det administrative apparat på grund af en stigning i antallet af ansatte og tilslutninger, bortskaffelse af spildevand fra husdyrkomplekser osv. — opstod som følge af menneskelig aktivitet med det formål at løse andre problemer.
En analyse af den første fase af den videnskabelige formulering af en ledelsesbeslutning viser, at hvis i natur- og teknisk videnskab er hovedkilden til subjektive forvrængninger og følgelig et fald i effektiviteten af denne fase fuldstændigheden af beskrivelsen af en reel faktisk kun opnået på grund af de anvendte instrumenter, så i tilfælde af at studere produktionsproblemer, spørgsmål om tilstrækkelig opfattelse af objektet af videnskabsmænd og/eller ledere, afhængigt af den metode, de bruger. I den første fase af problemforskningen er der stor sandsynlighed for at formulere falske problemer - "problemoider" og pseudo-opgaver, hvis løsning ikke vil være af nogen praktisk værdi, og implementeringen kan føre til uønskede konsekvenser. I dette tilfælde vil effektiviteten af ledelsesbeslutningen være nul eller endda negativ.
Den anden fase af studiet af et produktionsproblem er udviklingen af en matematisk model.
Objektivitet i dette tilfælde bør sikres ved brug af videnskabelige principper til vurdering af situationer samt metoder og modeller for beslutningstagning. Modellering, især med brug af computere, er det vigtigste teoretiske værktøj til systemforskning af anvendt orientering i styringen af komplekse systemer. Den meningsfulde del af modelleringsprocessen (valg af indikatorer, faktorer, afhængigheder) indgår i økonomisk teori, og den tekniske del (som i 9 ud af 10 tilfælde refererer til konstruktionen af visse statistiske modeller) indgår i økonometri . Dermed er økonomisk og matematisk modellering på den ene side brudt, på den anden side - trunkeret. Og spørgsmålene om forholdet mellem alle modelleringsstadier, rigtigheden af fortolkningen af resultaterne af modelleringen og følgelig værdien af anbefalinger baseret på modeller hænger så at sige i luften.
Den dybe interne sammenhæng mellem modellering og systemtilgang ( systemtilgang ) kan spores allerede i måden at positionere et objekt på, eftersom systemet, der repræsenterer det objekt, som beslutningen tages om, kan betragtes som en model for sidstnævnte. Sammen med dette viser repræsentationen af en model af et komplekst objekt som et system i mange tilfælde sig at være en effektiv metode til at studere det. Systemmodellering er en form for modellering, som er karakteriseret ved repræsentation af undersøgelsesobjektet i form af et system, multimodellering, iterativ konstruktion af en systemmodel, interaktivitet. Denne frugtbarhed ved at kombinere systemtilgangen og modelleringen er en vigtig faktor, der bidrager til deres interaktion og indbyrdes gennemtrængning.
Særligt bemærkelsesværdigt er det grundlæggende behov for at indføre ikke-formaliserbare elementer i systemmodellen i overensstemmelse med princippet om eksternt supplement art. Øl ( Beer Stafford ). Tilstedeværelsen af sidstnævnte bestemmer inklusion i modellen af emnet, som er designet til at udføre samspillet mellem formaliserede og ikke-formaliserede elementer i systemmodellen. Denne funktion gør det muligt i højere grad at implementere enhed af emnet og objektet, orienteringen mod målindstillingerne for de beslutninger, der træffes. Det er den iterative og interaktive karakter af systemmodellering, der gør det muligt at fjerne de modsætninger mellem de formaliserede og ikke-formaliserede elementer af hele modelleringsstrukturen, der opstår i modelleringsprocessen.
Under modellering, såvel som i den første fase af forskningen, som kan betragtes som konstruktionen af en konceptuel model af problemet, er der en foldning, begrænsning af den opnåede information i en form, der er praktisk for yderligere forskning. Mangfoldighedsbegrænsning er nødvendig for at strømline mængden af information, der kommer til objektet. Begrænsningen af mangfoldigheden af den indledende information (her er det allerede en konceptuel model af problemet) i matematisk modellering opstår på grund af tre begrænsninger, der er immanente for denne metode - begrænsningerne af det matematiske sprog , metoden og selve modellen .
Entydigheden i det matematiske sprog er både et "plus" og et "minus". Fordelen er, at den ikke tillader fejl, men den samme egenskab begrænser muligheden for en tilstrækkelig fuldstændig beskrivelse af objektet. Med stigningen i information i modellen vokser den heuristiske modelleringsfunktion ikke i direkte forhold til mængden af information, der tages i betragtning, men ifølge en ekstremal lov, det vil sige, at modelleringseffektiviteten kun vokser op til en vis grænse, efter at som den falder. Med andre ord garanterer brugen af matematik nøjagtigheden, men ikke rigtigheden af den resulterende løsning. I undersøgelser af fysiske objekter, hvis informationskompleksitet er relativt lav på grund af de årsagssammenhænge, der bestemmer dem, vil niveauet af tab og forvrængning af information være væsentligt lavere end i undersøgelsen af socioøkonomiske objekter. Det matematiske sprogs begrænsethed ligger til grund for teorien om ufuldstændigheden af K. Gödels formelle systemer og princippet om ydre komplement Art. Øl ( Beer Stafford ). Dets niveau er selvfølgelig stort set historisk, ikke absolut. Efterhånden som matematikken udvikler sig, vil dens muligheder vokse. Men i øjeblikket bemærker mange russiske og udenlandske matematikere, filosoffer, økonomer, repræsentanter for andre videnskabelige områder de begrænsede muligheder for en tilstrækkelig matematisk beskrivelse af socioøkonomiske fænomener.
Det praktisk talt ubegrænsede anvendelsesområde for matematiske metoder giver indtryk af deres "altædende" universalitet. Og hovedbekræftelsen af dette er oftest den gensidige argumentation af disse to karakteristika, og ikke effektiviteten af at bruge simuleringsresultater i praksis. En vigtig indflydelse herpå er også, at ved beskrivelsen af matematiske metoders og modellers metodiske træk udleveres mange egenskaber, som de skal have for at give en fyldestgørende løsning, og derfor opfattes som egenskaber, der er immanente for de beskrevne. metoder og modeller. Som ethvert specialværktøj pålægger en specifik metode sine egne begrænsninger på den information, der behandles: den fremhæver nogle aspekter, eliminerer og forvrænger andre, hvilket fører til en forvrængning af den virkelige situation, der er beskrevet med dens hjælp som helhed. Forfatterne til en række værker, hvis antal ikke kan sammenlignes med mængden af publikationer om udviklingen af teorier og metoder til matematisk modellering, giver forskellige argumenter, der bekræfter den grundlæggende begrænsning af deres anvendelse til at beskrive virkelige processer, der forekommer i social produktion. Inden for de snævre rammer for den metodologi, der er udviklet af optimeringstilgangen, er det umuligt at kombinere søgen efter den bedste løsning (eller optimale kontrol) med erkendelsen af den grundlæggende begrænsning af refleksion ved en reel model. Enhver, selv den mest subtile og sofistikerede indstilling, hvor den angivne modsigelse vil blive løst, fører faktisk til endnu mere alvorlige og åbenlyse nye modsætninger. Dette er også "overlejret" af fejlene ved at adskille og kombinere systemer og undersystemer ved brug af programmeringsmetoder . Brugen af fagbegreber, når man vælger en matematisk metode og model til at løse et specifikt problem, fører til, at for eksempel i tekniske videnskaber, ved hjælp af de samme formler, er styrken af belysningsanordninger til en lejlighed og en jernbanestation berettiget. Tilsvarende adskiller formaliseringen af opgaven med at optimere aktiviteten i en virksomhed, og endda hele industrien, sig fra opgaven med optimal skæring af et emne, hovedsageligt kun i antallet af variabler og ligninger. Men i dette tilfælde vil konsekvensen af en sådan "skæring" være en "mekanisk" brydning af et stort antal forbindelser, hvis kompleksitet og usikkerhed ikke altid er tilgængelig for en tilstrækkelig nøjagtig beskrivelse på sproget i moderne matematik. Ukorrektheden af den traditionelle tilgang til at underbygge strukturen af modellen for den undersøgte situation kan påvises ved at sammenligne opgaverne med at underbygge sammensætningen af foder og antallet af dyr på bedriften. Hvis vi følger den traditionelle metode, kan de henføres til samme klasse og løses med samme metode. På samme tid, hvis resultatet af den første kun har en væsentlig indvirkning på produktionsomkostningerne, så kræver den anden, at der tages hensyn til sociale interesser, spørgsmål relateret til miljøbeskyttelse osv. I det andet tilfælde er det således nødvendigt at bruge en metode, der har en lang række beskrivelsesmuligheder, end for den første, ellers vil det være umuligt at opbygge en tilstrækkelig matematisk model og få en ledelsesbeslutning, der har praktisk værdi.
Opgaven, hvis løsning i sidste ende leveres af optimeringsmetoder , hvad enten det er matematisk programmering eller regressionsanalyse , er reduceret til en søgning, omend ikke triviel (på grund af de mange mulige muligheder), men samtidig ikke en grundlæggende nyt resultat, da søgningen foregår inden for rækkevidde, hvis grænser er bestemt af viden om den proces, der undersøges. I tilfælde af at sætte tekniske, operationelle eller taktiske opgaver for tekniske eller simple socioøkonomiske objekter, der giver en forsker eller leder mulighed for at give deres fuldstændige formelle beskrivelse og begrunde rækkevidden af reelle alternativer, er tilstrækkeligheden og effektiviteten af at bruge optimeringsmetoder uden tvivl . Efterhånden som kompleksiteten af forskningsobjekter vokser i løsningen af strategiske problemer med at vælge retninger til forbedring af tekniske og socioøkonomiske systemer, kan optimeringsmetoder kun udføre hjælpefunktioner.
Strukturen af en eller anden "typisk" type modeller pålægger endnu mere alvorlige begrænsninger for muligheden for at præsentere det nødvendige niveau af diversitet i beskrivelsen af det undersøgte objekt. Derfor anbefaler nogle værker om matematisk modellering at starte en undersøgelse med at vælge type model, og derefter sætte forskningsproblemet op på en sådan måde, at det er nemmere at "passe" det ind i den valgte model. Denne tilgang letter opbygningen af modellen og er effektiv, hvis formålet med forskningen er at bygge en matematisk model, og ikke at opnå en løsning på problemet. Efterfølgende forvrængninger og tab af information, af lignende karakter, er forårsaget af begrænsningerne af algoritmer og programsprog og computers muligheder.
Strukturel-funktionel analyse viser, at selvom alle procedurer relateret til konstruktionen af en matematisk model og indhentning af de endelige data på en computer er logisk begrundet, indeholder de ikke nogen metodiske egenskaber, der garanterer tilstrækkeligheden af dette resultat og den tilsvarende ledelsesmæssige løsning til en reelt problem. I dette tilfælde kan dannelsen af effektivitetskriterier ( optimering ) udføres uanset de objektive love for social udvikling, og hovedkriteriet for udvikling af en matematisk model er betingelserne for den hurtigste konstruktion af en algoritme baseret på brugen af en "typisk" algoritme. Lederen/forskeren kan "tilpasse" det egentlige problem til strukturen af den matematiske metode, han har mestret, eller pc-softwaren. Orientering til den obligatoriske konstruktion af en matematisk model inden for rammerne af én metode fører til udelukkelse fra studiet af problemet med faktorer, der ikke kan kvantificeres. Beskrivelsen af årsag-virkning-sammenhænge fører til den urimelige anvendelse af additivitetsprincipperne . Resultatet i dette tilfælde vil kun være optimalt for det meget forenklede og forvrængede billede af et virkeligt objekt, som er en matematisk model efter flere "transformationer" udført ved hjælp af midler, hvis niveau af mangfoldighed og nøjagtighed stadig halter langt. bag kompleksiteten af socioøkonomiske problemer.
På tredje fase af undersøgelsen af problemer, efter begrundelsen af typen og strukturen , er tilstrækkeligheden og følgelig effektiviteten af ledelsesbeslutningen opnået ved hjælp af den matematiske model relateret til kvaliteten af den indledende information på grundlag af som for eksempel elementerne i matrixen af betingelser for det matematiske programmeringsproblem eller koefficienterne for regressionsligningen beregnes . Arten af forvrængningerne her afhænger i høj grad af modelleringsmetoden. For lineær programmering har fejl på dette trin kun lidt at gøre med det objekt, der undersøges, og opstår hovedsageligt på grund af udviklerens skødesløshed: produktivitets- eller materialeforbrugsrater tages forkert osv. Sådanne fejl findes normalt, mens de arbejder med modellen og er let rettet. En mere kompliceret situation opstår ved brug af regressionsanalyse, som er lige så udbredt inden for natur-, teknik- og samfundsvidenskab.
Forskellen på denne metode i sammenligning med f.eks. lineær programmering er, at dannelsen af regressionskoefficienter bestemmes af de indledende data, som er resultaterne af de processer, der forekommer i det undersøgte objekt, betragtet som en "sort boks", i hvor mekanismen til at transformere "input" til "output" ofte er ukendt. Med en stigning i mængden af initial information nærmer niveauet af dens mangfoldighed sig det, der er immanent i et virkeligt objekt. Det er således muligt at øge tilstrækkeligheden af regressionsmodellen, hvilket ikke kan opnås i lineær programmering. Denne fordel ved regressionsanalyse kan bruges ganske effektivt i naturvidenskaben på grund af det relativt lille antal faktorer og evnen til at kontrollere sidstnævnte. I undersøgelser af socioøkonomiske fænomener reduceres effektiviteten af brugen af regressionsmodeller, da antallet af faktorer stiger dramatisk, hvoraf mange er ukendte og/eller ukontrollerbare. Alt dette kræver ikke at være begrænset til en separat stikprøve, men at man stræber efter at bruge data i en mængde, der nærmer sig den generelle befolkning. I modsætning til de fleste af de processer, der studeres af natur- og tekniske videnskaber, hvor kompleksiteten af replikering, som i vid udstrækning kun bestemmes af omkostningerne ved eksperimentet, er det ret vanskeligt at teste regressionsmodellen for et socioøkonomisk objekt på grund af det unikke ved det. processer, der forekommer i den, og som har en historisk karakter.
I denne henseende er den vigtigste kilde til indledende information i undersøgelsen af socioøkonomiske objekter observation, et "passivt" eksperiment , der udelukker gentagelse af eksperimenter og følgelig verifikation af regressionsmodellens tilstrækkelighed i henhold til statistiske kriterier. Derfor er de vigtigste indikatorer for tilstrækkelighed, der anvendes i regressionsanalysen af socioøkonomiske objekter, den multiple korrelationskoefficient og tilnærmelsesfejlen. Men den høje værdi af den første og den lave værdi af den anden indikator tillader ikke en entydig at bedømme kvaliteten af regressionsmodellen. Dette forklares af det faktum, at med en stigning i antallet af medlemmer af modelpolynomiet og eksternt er dette antal kun begrænset af antallet af eksperimenter (observationer), på grund af den kvantitative stigning i dets mangfoldighed, nøjagtigheden af tilnærmelse af de indledende data ved regressionsligningen stiger.
V. Leontiev ( Leotief Wassily ), der kommenterer den lave effektivitet af brugen af statistiske metoder i økonomien, forklarer dette med, at "indirekte, selv metodisk raffineret, statistisk analyse ikke er egnet til at studere de komplekse kvantitative sammenhænge, der er iboende i moderne økonomi” [6] . En faktor, der også relaterer sig til fortolkningen af resultaterne og reducerer effektiviteten af anvendelsen af matematiske metoder og følgelig ledelsesbeslutninger, er den overdrevne idealisering af de kvantitative resultater opnået på denne måde. Nøjagtige beregninger betyder ikke den korrekte beslutning, som bestemmes af de indledende data og metoden til deres behandling. Ledere, der tilbydes at løse lineære programmeringsproblemer, bør være opmærksomme på, at tilstedeværelsen af selv det mindste ikke-lineære element i et problem kan rejse tvivl og endda gøre det farligt at løse det ved hjælp af lineær programmering. På de fleste introduktionskurser, der introducerer ledere på topniveau til det grundlæggende i tekniske videnskaber og økonomisk-matematiske metoder, bliver der desværre ikke sagt noget om, hvordan disse videnskaber forholder sig til praktiske problemer. Dette skyldes det faktum, at læreren fuldt ud tror på den universelle anvendelighed af hans metodologi og dårligt repræsenterer grænserne for dens anvendelse.
På alle tre betragtede stadier af "transformationen" af et produktionsproblem til en matematisk model er der således ingen tilstrækkeligt strenge, videnskabeligt baserede kriterier til at vurdere kvaliteten, overensstemmelsen mellem ideelle modeller og et virkeligt objekt. Samtidig er den traditionelle orientering kun rettet mod at overvinde beregningsvanskeligheder og store modeller og tager ikke højde for det matematiske apparats begrænsninger.
Modellering er den mest praktiske side af anvendt forskning, men denne pragmatisme bør være baseret på den epistemologiske og ontologiske tilgang i metodologien for proceduremæssig viden til at løse problemerne med individuel produktion. Samtidig bør anvendelsen af modeller til at træffe ledelsesmæssige beslutninger tage hensyn til deres kongruens og følgelig tilstrækkeligheden af deres beslutninger til reelle processer. Disse forhold er bestemt af karakteren af de processer, som modellerne beskriver. Inden for økonomi beskriver de fleste beskrivende modeller af typen "pris-efterspørgsel" de institutionelle processer, der er forbundet med menneskelig adfærd, og disse modeller er rent konceptuelle og kan ikke tjene til at opnå kvantitative prædiktive estimater. Mulighedsniveauet for statistiske modeller for interpolationsestimater inden for det beskrevne interval bestemmes af statistiske indikatorer for pålidelighed , men for prædiktive estimater bør ekstrapolationsniveauet ikke overstige 20-30 % af det oprindelige datainterval. Pålidelighed af regressionsmodeller afledt af kontrollerede eksperimenter med flere gentagelser[ Ukendt udtryk ] stiger markant. Normative modeller forbundet med optimering af ressourceforbrug, break-even forhold, loven om faldende afkast (Law of Diminishing Returns) kan betragtes som absolutte, og pålideligheden af estimaterne opnået fra dem afhænger kun af fejl i de indledende data.
| Videnskabelige retninger | |
|---|---|
| Humaniora naturlig Offentlig Anvendt Teknisk Nøjagtig | |
| Videnskab om Videnskab | |