Salut à tous,
je serais intéressé par des références (bouquins, articles, thèses etc.) et vos idées sur la notion de "Modélisation" en science.
La nature du concept, son historique, le pourquoi et le comment de son succès actuel dans le travail scientifique, la différence entre le modèle et "l'explication fondamentale" (terme employé par Mtheory, sur un autre fil), etc.
Merci.
Bonjour,
Je vais me lancer dans un essai de définition de la modélisation scientifique;
La modélisation est un outil de prévision de l'état futur d'un système évolutif complexe. Elle consiste d'abord dans la constitution d'une base de données aussi complète que possible de l'état du système tel qu'il est à un moment donné et ensuite l'utilisation de cette base de données dans un calcul préprogrammé permettant de prévoir l'état le plus probable du système à un moment ultérieur."
La qualité de la prévision résultante (corrélation entre ce qui est prévu et ce qui se produit) augmente avec le volume du contenu pertinent de la base de données et la pertinence de la programmation. Elle diminue avec le temps qui s'écoule entre l'état "actuel" et "prévisionnel" du système. Quand ce temps atteint "l'horizon prédictif", aucune prévision n'est plus possible.
Ces règles résultent de la théorie du chaos.
Exemple: la météo. J'espère ne pas me tromper!
Amicalement paulb.
A mon sens la modélisation en science a 2 aspects :
Le premier, un aspect graphique à savoir la modélisation 3D en archéo par exemple, où en info (tout ce qui est développement d'outil necessaire à la modélisation en temps réél par exemple, pour les jeux vidéo réalité virtuel etc..)
Ensuite on trouve la modélisation que je qualifierais mathématiques, à savoir la mise en équation d'un phénoméne, physique, chimique, cosmologique, biologique, puis sa simulation. La modélisation est typiquement et par définition mais les avis peuvent diverger la mise en équation. Aprés on simule par un programme info et on obtient l'évolution de notre systéme dans le temps. Puis on en tire les conclusions. Et la finesse des résultats ne dépend que des méthodes utilisé pour la résolution des équations, de la performance de la machine, de la précision machine, et aussi bien sûr de la justesse des équations de départs.
Ayant moi-même fait pas mal de modélisation durant mes études (non fini) j'ai toujours procédé de cette façon.
On peut rajouter à la définition de Paulb le fait que le calcul préprogrammé dont il parle comporte en général de très nombreux paramètres empiriques, qui sont affinés année après année en étudiant l'écart entre la prévision donnée par le modèle et la réalité observée sur le terrain.
