Modelo De Conceptualización

LA SORPRESA ESTA PARA QUEDARSE

“Sorpresa”. En la ciencia y en la vida práctica se puede conceptualizar una idea, un hecho, un efecto, o cualquier tipo de evento que podrá ser modelado para generalizar un problema.

El modelo conceptual es la recopilación de ideas para la solución o la investigación de un evento, es por esto que para crear el modelo se necesita de la mayor información que pueda ser aportada al modelo. La información obtenida para la elaboración del modelo debe considerarse inicialmente como una visualización teórica es decir una idea subjetiva, lo que se conoce como la conceptualización del modelo, luego del análisis teórico se plantean los diversos métodos numéricos que los analistas consideren adecuados para la formación del modelo, ya que estos me proveen herramientas que mejoran el modelo, así mismo, no se puede dar certeza de lo teórico hasta tener el modelo numérico planteado. Pero como en todo y sobre todo en la ciencia, es sabido que los eventos y mas en este caso que se evalúan las aguas subterráneas no es exacta su variación con el tiempo, es lógico pensar que los datos que se pudieron tomar para la elaboración del modelo dejen de producir resultados adecuados lo que conlleva a que al modelo se le suministre o adecue nueva información, pero esto no es del todo conveniente ya que el reformular el modelo se presta para generar datos erróneos o resultados inadecuados y a esto es a lo que los investigadores llaman Sorpresa, es decir, es el problema que se genera en un modelo conceptual. Estas sorpresas ocurren entre un 20% a un 30% de los casos. El problema se presenta a partir de la nueva información que esta siendo suministrada al modelo puesto que en algún momento los datos empiezan a variar arrojando resultados incoherentes, por lo tanto, los modelos deben ser analizados continua y permanentemente, es por esto que los analistas deben mantener el hecho de que el modelo puede cambiar de manera total e inesperada a medida que se le adicione más información al modelo, esto en parte no indica que el modelo llegue a ser inútil, es mas la incertidumbre que se esta generando, es necesario entonces realizar predicciones para la disminución de dicha incertidumbre. Esto me genera un paradigma.

Las predicciones no se pueden evaluar en un lapso de tiempo muy largo ya que el modelo puede generar un aumento en la incertidumbre, es decir, que en el momento de introducir los datos al modelo este arroja resultados mas inconclusos que los propuestos en el modelo inicial, es por esto que las predicciones deben realizarse a corto plazo para que no se pierda de vista el comportamiento del sistema. Se espera que con la nueva información se pueda cambiar el modelo y se pueda lograr un adecuado resultado, aunque por más probabilidades estadísticas que se quiera generar en el modelo esto no me va indicar que se reduzca la incertidumbre ya que una mala escogencia del modelo

...