مدل های مفهومی

از ویکیپدیا، دانشنامه آزاد
پرش به ناوبریپرش به جستجو
برای دیگر کاربردها، مدل (ابهام‌زدایی) و مدل مفهومی (علوم رایانه) را ببینید.
مدل مفهومی نمایشی از یک سیستم است . این شامل مفاهیمی است که برای کمک به افراد در شناخت ، درک یا شبیه سازی موضوعی که مدل نشان می دهد استفاده می شود. همچنین مجموعه ای از مفاهیم است. در مقابل، مدل‌های فیزیکی اشیاء فیزیکی هستند ، مانند یک مدل اسباب‌بازی که ممکن است مونتاژ شود و مانند شیئی که نشان می‌دهد کار کند.

این اصطلاح ممکن است به مدل هایی اشاره داشته باشد که پس از یک فرآیند مفهوم سازی یا تعمیم شکل می گیرند . [1] [2] مدل‌های مفهومی اغلب انتزاعی از چیزها در دنیای واقعی هستند، چه فیزیکی و چه اجتماعی. مطالعات معنایی مربوط به مراحل مختلف شکل گیری مفهوم است . معناشناسی اساساً در مورد مفاهیم است، معنایی که موجودات متفکر به عناصر مختلف تجربه خود می دهند.

فهرست
1 بررسی اجمالی
1.1 مدل های مفاهیم و مدل هایی که مفهومی هستند
1.2 نوع و دامنه مدل های مفهومی
1.3 اهداف اساسی
2 تکنیک های مدل سازی
2.1 مدل سازی جریان داده ها
2.2 مدل سازی رابطه موجودیت
2.3 زنجیره فرآیند رویداد محور
2.4 توسعه برنامه مشترک
2.5 شبکه مکان/گذر
2.6 مدل سازی انتقال حالت
2.7 ارزیابی و انتخاب تکنیک
2.7.1 در نظر گرفتن عوامل موثر
2.7.2 در نظر گرفتن متغیرهای تحت تأثیر
3 نظریه مدل عمومی
4 الگوها در فلسفه و علم
4.1 مدل ذهنی
4.2 مدل های متافیزیکی
4.3 مدل مفهومی در مقابل مدل معناشناسی
4.4 مدل های معرفتی
4.5 مدل های منطقی
4.6 مدل های ریاضی
4.7 مدل های علمی
5 مدل های آماری
6 الگوهای اجتماعی و سیاسی
6.1 مدل های اقتصادی
7 مدل ها در معماری سیستم ها
7.1 مدل سازی فرآیند کسب و کار
8 مدل ها در طراحی سیستم های اطلاعاتی
8.1 مدل های مفهومی سیستم های فعالیت انسانی
8.2 مدل های منطقی-زبانی
8.3 مدل های داده
8.3.1 مدل نهاد-رابطه
8.3.2 مدل دامنه
9 همچنین ببینید
10 منابع
11 بیشتر خواندن
12 لینک های خارجی
نمای کلی
مدل‌های مفاهیم و مدل‌هایی که مفهومی هستند
اصطلاح مدل مفهومی عادی است. این می تواند به معنای “الگویی از مفهوم” یا می تواند به معنای “الگویی که مفهومی است” باشد. می توان بین اینکه چه مدل هایی هستند و چه مدل هایی ساخته شده اند تمایز قائل شد . به استثنای مدل‌های نمادین، مانند مدل مقیاس کلیسای جامع وینچستر ، بیشتر مدل‌ها مفهومی هستند. اما آنها، بیشتر، در نظر گرفته شده‌اند که مدل‌هایی از وضعیت‌های دنیای واقعی باشند. ارزش یک مدل معمولاً با میزان مطابقت آن با وضعیت گذشته، حال، آینده، بالفعل یا بالقوه نسبت مستقیم دارد. مدل یک مفهوم کاملاً متفاوت است زیرا برای اینکه مدل خوبی باشد نیازی به این مطابقت در دنیای واقعی ندارد. [3] در هوش مصنوعی، مدل های مفهومی ونمودارهای مفهومی برای ساختن سیستم های خبره و سیستم های مبتنی بر دانش استفاده می شوند . در اینجا، تحلیلگران نگران هستند که نظرات کارشناسان را در مورد آنچه درست است ارائه دهند، نه ایده های خود را در مورد آنچه درست است.

نوع و دامنه مدل های مفهومی
مدل‌های مفهومی (مدل‌هایی که مفهومی هستند) از نوع ملموس‌تر، مانند تصویر ذهنی یک شیء فیزیکی آشنا، تا کلیت صوری و انتزاعی بودن مدل‌های ریاضی که در ذهن به‌عنوان یک تصویر ظاهر نمی‌شوند، متغیر است. مدل‌های مفهومی نیز از نظر دامنه موضوعی که برای بازنمایی در نظر گرفته می‌شوند، متفاوت هستند. برای مثال، یک مدل ممکن است یک چیز واحد (مثلا مجسمه آزادی )، طبقات کامل چیزها (مثلاً الکترون )، و حتی حوزه های بسیار وسیعی از موضوع مانند جهان فیزیکی را نشان دهد. تنوع و گستردگی مدل های مفهومی به دلیل تنوع اهدافی است که افراد استفاده کننده از آنها داشته اند.

مدل‌سازی مفهومی، فعالیت توصیف رسمی برخی از جنبه‌های دنیای فیزیکی و اجتماعی اطراف ما به منظور درک و ارتباط است.» [4]

اهداف اساسی

مدل مقایسه ای نقش مدل مفهومی را در فرآیند سیستم برجسته می کند
هدف اولیه یک مدل مفهومی، انتقال اصول اساسی و عملکرد اساسی سیستمی است که آن را نشان می دهد. همچنین، یک مدل مفهومی باید به گونه ای توسعه یابد که تفسیر سیستمی به راحتی برای کاربران مدل ارائه شود. یک مدل مفهومی، زمانی که به درستی اجرا شود، باید چهار هدف اساسی را برآورده کند. [5]

درک یک فرد از سیستم نمایندگی را افزایش دهید
تسهیل انتقال کارآمد جزئیات سیستم بین ذینفعان
ارائه یک نقطه مرجع برای طراحان سیستم برای استخراج مشخصات سیستم
سیستم را برای مراجعات بعدی مستند کنید و وسیله ای برای همکاری فراهم کنید
مدل مفهومی نقش مهمی در چرخه عمر توسعه کلی سیستم ایفا می کند. شکل 1 [6]در زیر، نقش مدل مفهومی در یک طرح توسعه سیستم معمولی را نشان می دهد. واضح است که اگر مدل مفهومی به طور کامل توسعه نیابد، ممکن است اجرای خصوصیات اساسی سیستم به درستی اجرا نشود و جای خود را به مشکلات یا کمبودهای سیستم در آینده بدهد. این شکست ها در صنعت رخ می دهد و به فقدان ورودی کاربر، الزامات ناقص یا نامشخص و تغییر نیازمندیها. آن حلقه های ضعیف در فرآیند طراحی و توسعه سیستم را می توان در اجرای نادرست اهداف اساسی مدل سازی مفهومی ردیابی کرد. اهمیت مدل‌سازی مفهومی زمانی آشکار می‌شود که چنین شکست‌های سیستمی با توسعه کامل سیستم و پایبندی به اهداف/تکنیک‌های توسعه اثبات‌شده کاهش یابد.

تکنیک های مدل سازی
مقاله اصلی: مدل مفهومی (علوم کامپیوتر)
با پیچیده تر شدن سیستم ها، نقش مدل سازی مفهومی به طور چشمگیری گسترش یافته است. با آن حضور گسترده، اثربخشی مدل‌سازی مفهومی در گرفتن مبانی یک سیستم در حال تحقق است. بر اساس این درک، تکنیک های مدل سازی مفهومی متعددی ایجاد شده است. این تکنیک‌ها را می‌توان در چندین رشته به کار برد تا درک کاربر از سیستم مورد مدل‌سازی افزایش یابد. [7] چند تکنیک به اختصار در متن زیر توضیح داده شده است، با این حال، بسیاری دیگر وجود دارند یا در حال توسعه هستند. برخی از تکنیک‌ها و روش‌های مدل‌سازی مفهومی که معمولاً مورد استفاده قرار می‌گیرند عبارتند از: مدل‌سازی گردش کار ، مدل‌سازی نیروی کار ، توسعه سریع برنامه‌های کاربردی ، مدل‌سازی نقش شیو زبان مدلسازی یکپارچه (UML).

مدلسازی جریان داده
مدل‌سازی جریان داده (DFM) یک تکنیک مدل‌سازی مفهومی اولیه است که به صورت گرافیکی عناصر یک سیستم را نشان می‌دهد. DFM یک تکنیک نسبتاً ساده است، با این حال، مانند بسیاری از تکنیک‌های مدل‌سازی مفهومی، می‌توان نمودارهای معرف سطح بالاتر و پایین‌تری ساخت. نمودار جریان داده معمولاً جزئیات پیچیده سیستم مانند ملاحظات توسعه موازی یا اطلاعات زمان‌بندی را منتقل نمی‌کند، بلکه برای وارد کردن عملکردهای اصلی سیستم به متن کار می‌کند. مدل‌سازی جریان داده‌ها یک تکنیک مرکزی است که در توسعه سیستم‌ها استفاده می‌شود که از روش تحلیل و طراحی سیستم‌های ساخت‌یافته (SSADM) استفاده می‌کند.

مدلسازی رابطه موجودیت
مدل‌سازی رابطه نهاد (ERM) یک تکنیک مدل‌سازی مفهومی است که عمدتاً برای نمایش سیستم نرم‌افزاری استفاده می‌شود. نمودارهای رابطه نهاد، که محصول اجرای تکنیک ERM هستند، معمولاً برای نشان دادن مدل های پایگاه داده و سیستم های اطلاعاتی استفاده می شوند. اجزای اصلی نمودار موجودیت ها و روابط هستند. موجودیت ها می توانند توابع، اشیاء یا رویدادهای مستقل را نشان دهند. روابط مسئول ارتباط موجودیت ها با یکدیگر هستند. برای تشکیل یک فرآیند سیستمی، روابط با موجودیت ها و هر ویژگی مورد نیاز برای توصیف بیشتر فرآیند ترکیب می شوند. چندین قرارداد نمودار برای این تکنیک وجود دارد. IDEF1X ، باخمن ، و EXPRESS، چندتا را نام بردن. این قراردادها فقط روش های متفاوتی برای مشاهده و سازماندهی داده ها برای نمایش جنبه های مختلف سیستم هستند.

زنجیره فرآیند مبتنی بر رویداد
زنجیره فرآیند رویداد محور(EPC) یک تکنیک مدل‌سازی مفهومی است که عمدتاً برای بهبود سیستماتیک جریان‌های فرآیند کسب‌وکار استفاده می‌شود. مانند بسیاری از تکنیک‌های مدل‌سازی مفهومی، زنجیره فرآیند مبتنی بر رویداد متشکل از موجودیت‌ها/عناصر و توابع است که امکان توسعه و پردازش روابط را فراهم می‌کند. به طور خاص، EPC از رویدادهایی تشکیل شده است که مشخص می‌کنند یک فرآیند در چه وضعیتی قرار دارد یا قوانینی که بر اساس آن عمل می‌کند. برای پیشرفت در میان رویدادها، یک تابع/رویداد فعال باید اجرا شود. بسته به جریان فرآیند، تابع این قابلیت را دارد که حالت‌های رویداد را تغییر دهد یا به زنجیره‌های فرآیند محور رویداد دیگر پیوند دهد. عناصر دیگری در یک EPC وجود دارند که همه آنها با هم کار می کنند تا نحوه و قوانین سیستم را تعریف کنند. تکنیک EPC را می توان در شیوه های تجاری مانند برنامه ریزی منابع، بهبود فرآیند و لجستیک به کار برد.

توسعه برنامه مشترک
روش توسعه سیستم‌های پویا از فرآیند خاصی به نام JEFFF برای مدل‌سازی مفهومی چرخه حیات سیستم استفاده می‌کند. JEFF در نظر گرفته شده است تا بیشتر بر برنامه ریزی توسعه سطح بالاتری که قبل از شروع اولیه پروژه است تمرکز کند. فرآیند JAD مستلزم مجموعه‌ای از کارگاه‌های آموزشی است که در آن شرکت‌کنندگان برای شناسایی، تعریف، و به طور کلی نقشه‌برداری یک پروژه موفق از زمان ایده‌پردازی تا تکمیل کار می‌کنند. مشخص شده است که این روش برای برنامه های کاربردی در مقیاس بزرگ خوب کار نمی کند، با این حال برنامه های کوچکتر معمولاً مقداری سود خالص در کارایی گزارش می کنند. [8]

شبکه مکان/گذر
همچنین به عنوان شبکه های پتری شناخته می شود ، این تکنیک مدل سازی مفهومی اجازه می دهد تا یک سیستم با عناصری ساخته شود که می توانند با ابزارهای ریاضی مستقیم توصیف شوند. شبکه پتری، به دلیل ویژگی‌های اجرای غیر قطعی و تئوری ریاضی تعریف‌شده‌اش، یک تکنیک مفید برای مدل‌سازی رفتار سیستم همزمان ، یعنی اجرای همزمان فرآیند است.

مدل سازی انتقال حالت
مدل‌سازی انتقال حالت از نمودارهای انتقال حالت برای توصیف رفتار سیستم استفاده می‌کند. این نمودارهای انتقال حالت از حالت های متمایز برای تعریف رفتار و تغییرات سیستم استفاده می کنند. اکثر ابزارهای مدل‌سازی فعلی دارای نوعی توانایی برای نشان دادن مدل‌سازی انتقال حالت هستند. استفاده از مدل های انتقال حالت را می توان به آسانی به عنوان نمودارهای حالت منطقی و نمودارهای جهت دار برای ماشین های حالت محدود تشخیص داد .

ارزیابی و انتخاب تکنیک
از آنجایی که روش مدل‌سازی مفهومی گاهی اوقات می‌تواند به طور هدفمند مبهم باشد تا حوزه وسیعی از استفاده را در نظر بگیرد، کاربرد واقعی مدل‌سازی مفهومی می‌تواند دشوار شود. برای کاهش این موضوع، و روشن کردن مواردی که هنگام انتخاب یک تکنیک مدل‌سازی مفهومی مناسب باید در نظر گرفته شود، چارچوب پیشنهادی جمینو و وند در متن زیر مورد بحث قرار خواهد گرفت. با این حال، قبل از ارزیابی اثربخشی یک تکنیک مدل‌سازی مفهومی برای یک کاربرد خاص، یک مفهوم مهم باید درک شود. مقایسه مدل‌های مفهومی از طریق تمرکز ویژه بر بازنمایی‌های گرافیکی یا سطح بالای آن‌ها کوته‌نگر است. جمینو و وند وقتی استدلال می کنند که تأکید باید بر یک زبان مدل سازی مفهومی باشد ، نکته خوبی را بیان می کنند.هنگام انتخاب یک تکنیک مناسب به طور کلی، یک مدل مفهومی با استفاده از نوعی تکنیک مدل سازی مفهومی توسعه می یابد. این تکنیک از یک زبان مدل سازی مفهومی استفاده می کند که قوانین نحوه رسیدن به مدل را تعیین می کند. درک قابلیت‌های زبان خاص مورد استفاده برای ارزیابی صحیح یک تکنیک مدل‌سازی مفهومی ذاتی است، زیرا زبان توانایی توصیفی تکنیک‌ها را منعکس می‌کند. همچنین، زبان مدل‌سازی مفهومی مستقیماً بر عمقی که سیستم قادر به نمایش آن است، خواه پیچیده یا ساده، تأثیر می‌گذارد. [9]

در نظر گرفتن عوامل مؤثر
جمینو و وند با تکیه بر برخی از کارهای قبلی خود، [10] برخی از نکات اصلی را که باید در هنگام مطالعه عوامل تأثیرگذار در نظر گرفته شوند تصدیق می کنند: محتوایی که مدل مفهومی باید نشان دهد، روشی که در آن مدل ارائه خواهد شد، ویژگی های مدل. کاربران، و زبان مدل مفهومی وظیفه خاص. [9]محتوای مدل مفهومی باید در نظر گرفته شود تا تکنیکی انتخاب شود که امکان ارائه اطلاعات مرتبط را فراهم کند. روش ارائه برای اهداف انتخاب بر توانایی تکنیک برای نشان دادن مدل در سطح مورد نظر از عمق و جزئیات متمرکز است. ویژگی های کاربران یا شرکت کنندگان مدل جنبه مهمی است که باید در نظر گرفته شود. پیشینه و تجربه یک شرکت کننده باید با پیچیدگی مدل مفهومی مطابقت داشته باشد، در غیر این صورت ارائه نادرست از سیستم یا درک نادرست مفاهیم کلیدی سیستم می تواند منجر به مشکلاتی در تحقق آن سیستم شود. تکلیف زبان مدل مفهومی بیشتر امکان انتخاب تکنیک مناسب را فراهم می کند.

در نظر گرفتن متغیرهای تحت تأثیر
جمینو و وند با در نظر گرفتن تمرکز مشاهده و معیار مقایسه، محتوای متغیر تحت تأثیر چارچوب پیشنهادی خود را گسترش می‌دهند. [9] تمرکز مشاهده در نظر می‌گیرد که آیا تکنیک مدل‌سازی مفهومی یک «محصول جدید» ایجاد می‌کند، یا اینکه آیا این تکنیک فقط درک دقیق‌تری از سیستم در حال مدل‌سازی را به ارمغان می‌آورد. معیار مقایسه، توانایی تکنیک مدلسازی مفهومی را برای کارآمد یا مؤثر بودن می سنجد. یک تکنیک مدل سازی مفهومی که امکان توسعه یک مدل سیستم را فراهم می کندکه همه متغیرهای سیستم را در سطح بالایی در نظر می گیرد، ممکن است فرآیند درک عملکرد سیستم را کارآمدتر کند، اما این تکنیک فاقد اطلاعات لازم برای توضیح فرآیندهای داخلی است و مدل را کمتر موثر می کند.

هنگام تصمیم گیری برای استفاده از کدام تکنیک مفهومی، توصیه های جمینو و وند را می توان به منظور ارزیابی مناسب دامنه مدل مفهومی مورد نظر به کار برد. درک دامنه مدل های مفهومی منجر به انتخاب آگاهانه تر تکنیکی می شود که به درستی به آن مدل خاص می پردازد. به طور خلاصه، هنگام تصمیم‌گیری بین تکنیک‌های مدل‌سازی، پاسخ به سؤالات زیر به شخص اجازه می‌دهد تا به برخی ملاحظات مهم مدل‌سازی مفهومی بپردازد.

مدل مفهومی چه محتوایی را نشان خواهد داد؟
مدل مفهومی چگونه ارائه خواهد شد؟
چه کسی از مدل مفهومی استفاده خواهد کرد یا در آن شرکت خواهد کرد؟
مدل مفهومی چگونه سیستم را توصیف خواهد کرد؟
تمرکز مدل های مفهومی مشاهده چیست؟
آیا مدل مفهومی در توصیف سیستم کارآمد یا مؤثر خواهد بود؟
یکی دیگر از عملکردهای مدل مفهومی شبیه‌سازی، ارائه یک مبنای منطقی و واقعی برای ارزیابی مناسب بودن کاربرد شبیه‌سازی است.

نظریه مدل عمومی
مدل یک تصویر ساده‌کننده از واقعیت است. این تصویر می تواند یا از نظر حسی و مهمتر از همه از نظر نوری قابل مشاهده باشد یا صرفاً به صورت تئوری ارائه شود. به گفته هربرت استاچویاک ، یک مدل با حداقل سه ویژگی مشخص می شود: [11]

1. نقشه برداری
یک مدل همیشه مدلی از چیزی است – این یک تصویر یا نمایشی از یک اصل طبیعی یا مصنوعی، موجود یا تصوری است که خود این اصل می تواند یک مدل باشد.
2. کاهش
به طور کلی، یک مدل تمام ویژگی‌هایی را که مدل اصلی را توصیف می‌کنند، شامل نمی‌شود، بلکه فقط آن‌هایی را که به نظر خالق یا کاربر مدل مرتبط هستند، می‌شود.
3. عمل گرایی
یک مدل به طور واضح با اصلی خود ارتباط ندارد. در نظر گرفته شده است که به عنوان جایگزینی برای نسخه اصلی کار کند
الف) برای موضوعات خاص (برای چه کسی؟)
ب) در محدوده زمانی معین (چه زمانی؟)
ج) محدود به اعمال مفهومی یا فیزیکی معین (برای چه؟) .
به عنوان مثال، یک نقشه خیابان مدلی از خیابان های واقعی در یک شهر است (نقشه برداری)، که مسیر خیابان ها را نشان می دهد، در حالی که مثلاً علائم راهنمایی و رانندگی و خط کشی جاده (کاهش) را نشان می دهد، که برای عابران پیاده و رانندگان وسایل نقلیه برای این منظور ساخته شده است. راه یافتن در شهر (پراگماتیسم).

ویژگی های اضافی مانند گسترش و تحریف [12] و همچنین اعتبار پیشنهاد شده است. [13] فیلسوف آمریکایی مایکل وایزبرگ بین مدل‌های انضمامی و ریاضی تفاوت قائل می‌شود و شبیه‌سازی‌های کامپیوتری (مدل‌های محاسباتی) را به‌عنوان کلاس مدل‌های خود پیشنهاد می‌کند. [14]

الگوها در فلسفه و علم
مدل ذهنی
اطلاعات بیشتر: مدل ذهنی ، بازنمایی (روانشناسی) و مدل شناختی
در روانشناسی شناختی و فلسفه ذهن، مدل ذهنی بازنمایی چیزی در ذهن است، [15] اما یک مدل ذهنی ممکن است به یک مدل بیرونی غیر فیزیکی از خود ذهن نیز اشاره داشته باشد. [16]

مدل های متافیزیکی
مدل متافیزیکی نوعی از مدل مفهومی است که با دامنه پیشنهادی خود از سایر مدل های مفهومی متمایز می شود. یک مدل متافیزیکی قصد دارد واقعیت را به گسترده ترین شکل ممکن بازنمایی کند. [17] به این معنا که پاسخ به سؤالات اساسی از جمله اینکه آیا ماده و ذهن یک یا دو جوهر هستند را توضیح می دهد . یا اینکه انسانها اراده آزاد دارند یا نه .

مدل مفهومی در مقابل مدل معنایی

این بخش ممکن است برای خوانندگان گیج کننده یا نامشخص باشد. به طور خاص، انگلیسی‌های ضعیف ممکن است ارتباط زیادی با آن داشته باشند، اما تعریف حتی ایده اولیه در مورد تفاوت بین مدل‌سازی مفهومی و معنایی بسیار دشوار است. یک مثال می تواند کمک کند. لطفا در شفاف شدن بخش کمک کنید . ممکن است در صفحه بحث در مورد این بحث وجود داشته باشد . ( اکتبر 2014 ) ( نحوه و زمان حذف این پیام الگو را بیاموزید )
مدل‌های مفهومی و مدل‌های معنایی شباهت‌های زیادی دارند، اما نحوه ارائه، میزان انعطاف‌پذیری و کاربرد متفاوت است. مدل‌های مفهومی هدف خاصی در ذهن دارند، از این رو مفاهیم معنایی اصلی در یک مدل متا از پیش تعریف شده‌اند. این یک مدل سازی عملی را امکان پذیر می کند اما انعطاف پذیری را کاهش می دهد، زیرا فقط می توان از مفاهیم معنایی از پیش تعریف شده استفاده کرد. نمونه ها نمودارهای جریان برای رفتار فرآیند یا ساختار سازمانی برای رفتار درختی هستند.

مدل‌های معنایی انعطاف‌پذیرتر و بازتر هستند و بنابراین مدل‌سازی آنها دشوارتر است. به طور بالقوه هر مفهوم معنایی را می توان تعریف کرد، از این رو پشتیبانی مدل سازی بسیار عمومی است. نمونه ها اصطلاحات، طبقه بندی یا هستی شناسی هستند.

در یک مدل مفهومی، هر مفهوم دارای یک نمایش گرافیکی منحصر به فرد و قابل تشخیص است، در حالی که مفاهیم معنایی به طور پیش فرض یکسان هستند. در یک مدل مفهومی، هر مفهوم دارای ویژگی های از پیش تعریف شده ای است که می توان آنها را جمع کرد، در حالی که مفاهیم معنایی به مفاهیمی مرتبط هستند که به عنوان ویژگی ها تفسیر می شوند. در یک مدل مفهومی، معنای عملیاتی می‌تواند مانند پردازش یک دنباله تعبیه شود، در حالی که یک مدل معنایی به تعریف معنایی صریح دنباله نیاز دارد.

تصمیم گیری در مورد استفاده از یک مدل مفهومی یا یک مدل معنایی، به “شیء مورد بررسی”، هدف مورد نظر، انعطاف پذیری لازم و همچنین نحوه تفسیر مدل بستگی دارد. در مورد تفسیر انسانی ممکن است تمرکز بر مدل‌های مفهومی گرافیکی باشد، در مورد تفسیر ماشینی ممکن است تمرکز بر مدل‌های معنایی باشد.

مدل های معرفتی
مدل معرفت‌شناختی نوعی مدل مفهومی است که حوزه‌ی پیشنهادی آن معلوم و دانستنی و باورکردنی و باورپذیر است.

مدل های منطقی
در منطق ، مدل نوعی تفسیر است که بر اساس آن یک گزاره خاص صادق است. مدل‌های منطقی را می‌توان به طور کلی به مدل‌هایی تقسیم کرد که فقط سعی در نمایش مفاهیم دارند، مانند مدل‌های ریاضی. و آنهایی که سعی در بازنمایی اشیاء فیزیکی دارند، و روابط واقعی، که از جمله آنها مدلهای علمی هستند.

نظریه مدل مطالعه (طبقه‌های) ساختارهای ریاضی مانند گروه‌ها، میدان‌ها، نمودارها یا حتی جهان‌های نظریه مجموعه‌ها با استفاده از ابزارهای منطق ریاضی است. سیستمی که به جملات یک زبان رسمی معنا می بخشد، الگوی زبان نامیده می شود. اگر یک مدل برای یک زبان علاوه بر این، یک جمله یا نظریه خاص (مجموعه جملات) را برآورده کند، به آن مدل جمله یا نظریه می گویند. نظریه مدل پیوندهای نزدیکی با جبر و جبر جهانی دارد.

مدل های ریاضی
مقاله اصلی: مدل ریاضی
مدل‌های ریاضی می‌توانند اشکال مختلفی داشته باشند، از جمله، اما نه محدود به سیستم‌های دینامیکی، مدل‌های آماری، معادلات دیفرانسیل، یا مدل‌های نظری بازی. این و انواع دیگر مدل‌ها می‌توانند همپوشانی داشته باشند، با یک مدل معین که شامل انواع ساختارهای انتزاعی است.

نوع جامع تری از مدل ریاضی [18] از نسخه زبانی نظریه مقوله برای مدل سازی یک موقعیت معین استفاده می کند. مشابه مدل‌های رابطه موجودیت ، دسته‌ها یا طرح‌های سفارشی می‌توانند مستقیماً به طرح‌واره‌های پایگاه داده ترجمه شوند . تفاوت این است که منطق با نظریه مقوله جایگزین می شود، که قضایای قدرتمندی را در مورد موضوع مدل سازی به ارمغان می آورد، به ویژه برای ترجمه بین مدل های متفاوت (به عنوان تابع بین دسته ها).

مدل های علمی
مقاله اصلی: مدلسازی علمی
یک مدل علمی یک دیدگاه انتزاعی ساده شده از یک واقعیت پیچیده است. یک مدل علمی اشیاء تجربی ، پدیده ها و فرآیندهای فیزیکی را به روشی منطقی نشان می دهد. تلاش‌ها برای رسمی‌سازی اصول علوم تجربی از تفسیری برای مدل‌سازی واقعیت استفاده می‌کنند ، به همان روشی که منطق‌دانان اصول منطق را بدیهی می‌دانند . هدف از این تلاش ها ساختن یک سیستم رسمی است که واقعیت تنها تفسیر برای آن باشد. جهان تفسیر (یا مدل) این علوم است، فقط تا آنجا که این علوم صادق باشند. [19]

مدل های آماری
اطلاعات بیشتر: مدل آماری ، مدل پارامتریک ، آمار ناپارامتریک و انتخاب مدل
یک مدل آماری یک تابع توزیع احتمال است که به عنوان تولید داده پیشنهاد شده است. در یک مدل پارامتری ، تابع توزیع احتمال دارای پارامترهای متغیر است، مانند میانگین و واریانس در یک توزیع نرمال ، یا ضرایب برای نماهای مختلف متغیر مستقل در رگرسیون خطی . یک مدل ناپارامتریک یک تابع توزیع بدون پارامتر دارد، مانند بوت استرپینگ ، و فقط با مفروضات محدود می شود. انتخاب مدلیک روش آماری برای انتخاب یک تابع توزیع در یک کلاس از آنها است. به عنوان مثال، در رگرسیون خطی که در آن متغیر وابسته چند جمله‌ای از متغیر مستقل با ضرایب پارامتری است، انتخاب مدل بالاترین توان را انتخاب می‌کند و ممکن است با میانگین‌های ناپارامتریک، مانند اعتبار متقاطع انجام شود .

در آمار می توان مدل هایی از رویدادهای ذهنی و همچنین مدل هایی از رویدادهای فیزیکی وجود داشت. به عنوان مثال، یک مدل آماری از رفتار مشتری مدلی است که مفهومی است (زیرا رفتار فیزیکی است)، اما یک مدل آماری از رضایت مشتری مدلی از یک مفهوم است (زیرا رضایت یک رویداد ذهنی است نه فیزیکی).

الگوهای اجتماعی و سیاسی
مدل های اقتصادی
مقاله اصلی: مدل اقتصادی
در علم اقتصاد ، مدل سازه‌ای نظری است که فرآیندهای اقتصادی را با مجموعه‌ای از متغیرها و مجموعه‌ای از روابط منطقی و/یا کمی بین آنها نشان می‌دهد. مدل اقتصادی یک چارچوب ساده شده است که برای نشان دادن فرآیندهای پیچیده طراحی شده است، اغلب اما نه همیشه از تکنیک های ریاضی استفاده می کند. اغلب، مدل های اقتصادی از پارامترهای ساختاری استفاده می کنند. پارامترهای ساختاری پارامترهای اساسی در یک مدل یا کلاس مدل هستند. یک مدل ممکن است پارامترهای مختلفی داشته باشد و این پارامترها ممکن است برای ایجاد خصوصیات مختلف تغییر کنند.

مدل ها در معماری سیستم ها
مقاله اصلی: مدل سیستم
مدل سیستمی مدل مفهومی است که ساختار، رفتار و دیدگاه‌های بیشتر یک سیستم را توصیف و نشان می‌دهد . یک مدل سیستمی می تواند چندین نما از یک سیستم را با استفاده از دو رویکرد متفاوت نشان دهد. اولی رویکرد غیرمعماری و دومی رویکرد معماری است. رویکرد غیرمعماری به ترتیب مدلی را برای هر نما انتخاب می کند. رویکرد معماری، همچنین به عنوان معماری سیستم شناخته می شود ، به جای انتخاب بسیاری از مدل های ناهمگن و نامرتبط، تنها از یک مدل معماری یکپارچه استفاده می کند.

مدل سازی فرآیند کسب و کار
مقاله اصلی: مدل سازی فرآیند کسب و کار

انتزاع برای مدل سازی فرآیند کسب و کار [20]
در مدل‌سازی فرآیند کسب‌وکار، مدل فرآیند سازمانی اغلب به عنوان مدل فرآیند کسب‌وکار شناخته می‌شود . مدل‌های فرآیند مفاهیم اصلی در رشته مهندسی فرآیند هستند. مدل های فرآیند عبارتند از:

فرآیندهایی با ماهیت یکسان که با هم در یک مدل طبقه بندی می شوند.
شرح یک فرآیند در سطح نوع.
از آنجایی که مدل فرآیند در سطح نوع است، یک فرآیند نمونه ای از آن است.
همین مدل فرآیند به طور مکرر برای توسعه بسیاری از برنامه ها استفاده می شود و بنابراین، نمونه های بسیاری دارد.

یکی از کاربردهای احتمالی یک مدل فرآیند، تجویز این است که چگونه کارها باید/باید/می توانند انجام شوند برخلاف خود فرآیند که واقعاً اتفاق می افتد. یک مدل فرآیند تقریباً پیش‌بینی است که فرآیند چگونه خواهد بود. این که فرآیند باید در طول توسعه واقعی سیستم مشخص شود. [21]

مدل ها در طراحی سیستم های اطلاعاتی
مدل‌های مفهومی سیستم‌های فعالیت انسانی
مقاله اصلی: روش شناسی سیستم های نرم
مدل‌های مفهومی سیستم‌های فعالیت انسانی در روش‌شناسی سیستم‌های نرم (SSM) استفاده می‌شود که روشی برای تجزیه و تحلیل سیستم‌ها است که به ساختار مشکلات در مدیریت مربوط می‌شود. این مدل ها مدل هایی از مفاهیم هستند. نویسندگان به طور خاص بیان می کنند که آنها قصد ندارند وضعیتی از امور در جهان فیزیکی را نشان دهند. آنها همچنین در تجزیه و تحلیل نیازهای اطلاعاتی (IRA) استفاده می شوند که نوعی از SSM است که برای طراحی سیستم اطلاعات و مهندسی نرم افزار توسعه یافته است.

مدل های منطقی-زبانی
مقاله اصلی: مدل‌سازی منطقی-زبانی
مدل‌سازی منطقی-زبانی نوع دیگری از SSM است که از مدل‌های مفهومی استفاده می‌کند. با این حال، این روش مدل‌هایی از مفاهیم را با مدل‌هایی از اشیاء و رویدادهای واقعی دنیای واقعی ترکیب می‌کند. این یک نمایش گرافیکی از منطق مودال است که در آن از عملگرهای مدال برای تشخیص گزاره در مورد مفاهیم از گزاره های مربوط به اشیاء و رویدادهای دنیای واقعی استفاده می شود.

مدل های داده
مدل رابطه نهاد
مقاله اصلی: مدل نهاد-رابطه
در مهندسی نرم افزار، مدل رابطه نهاد (ERM) یک نمایش انتزاعی و مفهومی از داده ها است. مدل‌سازی نهاد-رابطه یک روش مدل‌سازی پایگاه‌داده است که برای تولید یک نوع طرحواره مفهومی یا مدل داده معنایی یک سیستم، اغلب یک پایگاه‌داده رابطه‌ای، و الزامات آن به صورت بالا به پایین استفاده می‌شود. نمودارهای ایجاد شده توسط این فرآیند، نمودارهای موجودیت-رابطه، نمودارهای ER یا ERD نامیده می شوند.

مدل‌های رابطه موجودیت کاربرد گسترده‌ای در ساخت سیستم‌های اطلاعاتی داشته‌اند که برای پشتیبانی از فعالیت‌های مربوط به اشیاء و رویدادها در دنیای واقعی طراحی شده‌اند. در این موارد آنها مدل هایی هستند که مفهومی هستند. با این حال، این روش مدل‌سازی را می‌توان برای ساخت بازی‌های رایانه‌ای یا درخت خانوادگی خدایان یونانی استفاده کرد، در این موارد می‌توان از آن برای مدل‌سازی مفاهیم استفاده کرد.

مدل دامنه
مقاله اصلی: مدل دامنه
مدل دامنه نوعی مدل مفهومی است که برای به تصویر کشیدن عناصر ساختاری و محدودیت‌های مفهومی آن‌ها در یک حوزه مورد علاقه استفاده می‌شود (که گاهی به آن حوزه مشکل نیز گفته می‌شود ). یک مدل دامنه شامل موجودیت های مختلف، ویژگی ها و روابط آنها، به علاوه محدودیت های حاکم بر یکپارچگی مفهومی عناصر مدل ساختاری شامل آن حوزه مشکل است. یک مدل دامنه همچنین ممکن است شامل تعدادی دیدگاه مفهومی باشد، که در آن هر دیدگاه مربوط به حوزه موضوعی خاصی از دامنه یا زیر مجموعه خاصی از مدل دامنه است که مورد علاقه یکی از ذینفعان مدل دامنه است.

مانند مدل‌های موجودیت-رابطه، مدل‌های دامنه می‌توانند برای مدل‌سازی مفاهیم یا مدل‌سازی اشیاء و رویدادهای دنیای واقعی استفاده شوند.

مریام-وبستر، دیکشنری دانشگاهی مریام-وبستر، مریام-وبستر.
تاتومیر، ا. و همکاران (2018). “توسعه مدل مفهومی با استفاده از یک پایگاه داده عمومی ویژگی ها، رویدادها و فرآیندها (FEP) برای ارزیابی تاثیر احتمالی شکستگی هیدرولیکی بر سفره های آب زیرزمینی” . پیشرفت در علوم زمین . 45 : 185-192. Bibcode : 2018AdG….45..185T . doi : 10.5194/adgeo-45-185-2018 .
گرگوری، فرانک هاتسون (ژانویه 1992) علت، معلول، کارایی و مدل‌های سیستم‌های نرم مقاله پژوهشی دانشکده بازرگانی وارویک شماره 42. با تجدید نظر و اضافات در مجله انجمن تحقیقات عملیاتی (1993) 44 (4) منتشر شد. صص 149-68.
Mylopoulos, J. “مدل سازی مفهومی و Telos1”. در Loucopoulos، P. زیکاری، ر (ویرایش‌ها). مدل‌سازی مفهومی، پایگاه‌های اطلاعاتی و موردی دیدگاهی یکپارچه از توسعه سیستم‌های اطلاعاتی . نیویورک: وایلی. صص 49-68. CiteSeerX 10.1.1.83.3647 .
«CH Kung, A. Solvberg, Activity Modeling and Behavior Modeling, in: T. Ollie, H. Sol, A. Verrjin-Stuart, مجموعه مقالات کنفرانس کاری IFIP WG 8.1 در مورد بررسی مقایسه ای روش های طراحی سیستم های اطلاعاتی: بهبود تمرین شمال هلند، آمستردام (1986)، صفحات 145-71″ . Portal.acm.org . بازیابی 2014-06-20 .
سوکولوفسکی، جان آ. بنکس، کاترین ام.، ویراستاران. (2010). مبانی مدل‌سازی و شبیه‌سازی: مبانی نظری و حوزه‌های عملی . هوبوکن، نیوجرسی: جان وایلی و پسران . doi : 10.1002/9780470590621 . شابک 9780470486740. OCLC 436945978 .
I. Davies, P. Green, M. Rosemann, M. Indulska, S. Gallo, چگونه پزشکان از مدل سازی مفهومی در عمل استفاده می کنند؟, Elsevier, Data & Knowledge Engineering 58 (2006) pp.358-80 [ پیوند مرده ]
دیویدسون، ای جی (1999). “طراحی برنامه مشترک (JAD) در عمل”. مجله سیستم ها و نرم افزار . 45 (3): 215-23. doi : 10.1016/S0164-1212(98)10080-8 .
جمینو، ا. Wand, Y. (2004). “چارچوبی برای ارزیابی تجربی تکنیک های مدل سازی مفهومی”. مهندسی نیازمندیها. 9(4): 248-60. doi:10.1007/s00766-004-0204-6. S2CID34332515.
جمینو، ا. Wand, Y. (2003). “ارزیابی تکنیک های مدل سازی بر اساس مدل های یادگیری”. ارتباطات ACM . 46 (10): 79-84. doi : 10.1145/944217.944243 . S2CID 16377851 .
Herbert Stachowiak: Allgemeine Modelltheorie ، 1973، صفحات 131-133.
Thalheim: Towards a Theory of Conceptual Modeling . در: Journal of Universal Computer Science , vol. 16، 2010، شماره. 20, S. 3120
دیتریش دورنر: اندیشه و طراحی – استراتژی‌های تحقیق، رویکرد تک موردی و روش‌های اعتبارسنجی . در: E. Frankenberger et al. (ویرایشگران): طراحان. کلید توسعه محصول موفق Springer-Verlag، برلین و همکاران. 1998، S. 3-11.
M. Weisberg: شبیه سازی و شباهت – استفاده از مدل ها برای درک جهان. انتشارات دانشگاه آکسفورد، نیویورک نیویورک 2013
بازنمایی ذهنی: نظریه محاسباتی ذهن، دایره المعارف فلسفه استنفورد، [1]
مدل‌های ذهنی و کاربردپذیری، دانشگاه دیپاول، روان‌شناسی شناختی 404، 15 نوامبر 1999، مری جو دیویدسون، لورا داو، جولی ولتز، [2] بایگانی‌شده در 18-05-2011 در ماشین راه‌اندازی
اسلیتر، متیو اچ. یودل، زنجا، ویرایش. (2017). متافیزیک و فلسفه علم: مقالات جدید . آکسفورد؛ نیویورک: انتشارات دانشگاه آکسفورد . پ. 127. شابک 9780199363209. OCLC 956947667 .
دی اسپیواک، RE کنت. “Ologs: یک رویکرد نظری طبقه بندی به بازنمایی دانش” (2011). PLoS ONE (در حال چاپ): e24274. doi : 10.1371/journal.pone.0024274
ویرایش شده توسط هانس فرودنتال (1951)، مفهوم و نقش مدل در ریاضیات و علوم طبیعی و اجتماعی ، صفحات 8-9
کولت رولان (۱۹۹۳). “مدل سازی فرآیند مهندسی نیازمندی ها.” در: سومین سمینار اروپایی-ژاپنی در مدل سازی اطلاعات و پایگاه های دانش، بوداپست، مجارستان ، ژوئن 1993.
سی. رولان و سی. تانوس پرنیسی (1998). “نگاهی جامع از مهندسی فرآیند”. در: مجموعه مقالات دهمین کنفرانس بین المللی CAiSE’98, B. Lecture Notes in Computer Science 1413 , Pisa, Italy , Springer, ژوئن 1998.
ادامه مطلب

مدل های مفهومی
patrick_Owyhee
برنامه‌های پایش موفق بر اندازه‌گیری شاخص‌هایی متمرکز هستند که به تغییرات در ویژگی‌های کلیدی اکوسیستم حساس هستند. برای اینکه این اتفاق بیفتد، باید بتوانیم آن شاخص های مهم را شناسایی کنیم و نحوه تفسیر تغییرات در مقادیر شاخص را در طول زمان تعیین کنیم. برای انجام مؤثر این کار، باید درک کنیم که مدیریت و سایر اختلالات، مانند خشکسالی، چگونه بر زمین تأثیر می گذارد. مدل‌های مفهومی اکوسیستم برای سازماندهی این دانش و اطلاعات مفید هستند تا بتوان آن را در انتخاب و تفسیر شاخص‌ها به کار برد. اگرچه مدل‌های مفهومی آماری یا پیش‌بینی‌کننده نیستند، اما باید جزئیات کافی برای مستندسازی اثرات شناخته‌شده (یا فرضی) مدیریت و سایر اختلالات بر جوامع گیاهی و خاک داشته باشند. مدل‌های مفهومی همچنین می‌توانند شکاف‌های دانش در ساختار یا عملکرد اکوسیستم را برجسته کنند.

سطح جزئیاتی که در یک مدل مفهومی ضروری است به اهداف مدیریت و نظارت و همچنین مقیاسی که آن اهداف در آن تعریف می شوند بستگی دارد.

انواع مدل های مفهومی
هر سیستمی را می توان با استفاده از تعدادی مدل مفهومی مختلف توصیف کرد. یک مدل ممکن است بر محرک‌های یک سیستم و تعاملات آن‌ها تاکید کند، در حالی که مدلی دیگر ممکن است بر خود اجزا و چگونگی ایجاد تغییرات در آنها توسط محرک‌ها یا عوامل استرس‌زا تمرکز کند. مدل های مفهومی نیز می توانند در مقیاس های مختلف برای توصیف یک سیستم ایجاد شوند. گاهی اوقات چندین مدل یا مدل از انواع مختلف در مقیاس های مختلف می تواند مفید باشد. چندین نوع مختلف از مدل های مفهومی که بر جنبه های مختلف ساختار و عملکرد یک سیستم تمرکز دارند در زیر توضیح داده شده اند. این انواع مختلف مدل ها را می توان با هم در توسعه برنامه های نظارت استفاده کرد.

تصویری از رابطه بین مدل‌های کنترل، حالت و گذار و مکانیکی که می‌تواند برای توصیف ساختار و عملکرد اکوسیستم‌ها برای توسعه و حمایت از نظارت بر منابع طبیعی استفاده شود. تجدید چاپ شده از Miller et al. (2010).
مدل های کنترل
مدل‌های کنترل بهترین دانش ما را در مورد نحوه سازماندهی و عملکرد یک اکوسیستم و نحوه واکنش آن به محرک‌های مختلف اکوسیستم توصیف می‌کنند. مدل‌های کنترل، محرک‌ها و عوامل استرس‌زای غالب یک سیستم و نحوه تعامل آنها را توصیف می‌کنند. مدل‌های کنترلی ممکن است برای اکوسیستم‌های با تعریف گسترده، مانند مدلی که پویایی اکوسیستم‌های خشک زمینی را توصیف می‌کند، بسیار کلی باشند، یا برای سیستم‌های با تعریف محدود مانند مدل اینجا بسیار خاص‌تر باشند. مدل‌های کنترل بر تأثیر کلی و تعاملات محرک‌های اکوسیستم بر اجزای یک اکوسیستم تمرکز دارند.

مدل کنترلی که مؤلفه‌های کلیدی (مستطیل)، محرک‌های اکوسیستم و عوامل استرس‌زا (بیضی‌ها) و روابط عملکردی (یعنی علتی) آن‌ها (فلش‌ها) را برای اکوسیستم‌های استپی و پینون-خرس در حوضه بزرگ، ایالات متحده نشان می‌دهد. تجدید چاپ شده از Miller et al. (2010).
مدل کنترلی که مؤلفه‌های کلیدی (مستطیل)، محرک‌های اکوسیستم و عوامل استرس‌زا (بیضی‌ها) و روابط عملکردی (یعنی علتی) آن‌ها (فلش‌ها) را برای اکوسیستم‌های استپی و پینون-خرس در حوضه بزرگ، ایالات متحده نشان می‌دهد. تجدید چاپ شده از Miller et al. (2010).
مدل های حالت و گذار
در برخی از سیستم ها، اجزا را می توان عناصر گسسته نسبت به تأثیر محرک ها و عوامل استرس زا در نظر گرفت. هنگامی که این مورد است، اجزای یک سیستم را می توان به عنوان یک سری از حالت های مرتبط به هم نشان داد که توسط انتقال های تعریف شده توسط یک یا چند درایور به هم مرتبط هستند (شکل 2.1). این رویکرد حالت و گذار به مدل‌سازی، نتایج احتمالی فرآیندها و رویدادهای طبیعی یا انسانی را به وضوح نشان می‌دهد. مدل‌های حالت و انتقال به‌ویژه برای توسعه یک برنامه پایش مفید هستند زیرا تمرکز مدیریت محور آنها بر علل تغییر در یک اکوسیستم است.

مدل مفهومی حالت عمومی و گذار برای اکوسیستم‌های استپی درمنه در حوضه بزرگ، ایالات متحده آمریکا. مدل تجدید چاپ شده از Miller et al. (2010). ساختار کلی از Bestelmeyer و همکاران پیروی می کند. (2003) و استرینگهام و همکاران. (2001، 2003). توضیحات را در صفحه زیر ببینید این مدل نمایش متفاوتی از بسیاری از اطلاعات مشابهی است که در مدل کنترلی موجود است
مدل مفهومی حالت عمومی و گذار برای اکوسیستم‌های استپی درمنه در حوضه بزرگ، ایالات متحده آمریکا. مدل تجدید چاپ شده از Miller et al. (2010). ساختار کلی از Bestelmeyer و همکاران پیروی می کند. (2003) و استرینگهام و همکاران. (2001، 2003). توضیحات را در صفحه زیر ببینید این مدل نمایش متفاوتی از بسیاری از اطلاعات مشابهی است که در مدل کنترلی موجود است

مدل‌های حالت و انتقال معمولاً برای نشان دادن تغییرات احتمالی در جوامع گیاهی زمینی و ویژگی‌های خاک و تعاملات آنها استفاده می‌شوند. می توان از آنها برای کمک به تصمیم گیری در مورد نظارت بر مناطقی استفاده کرد که در آن احتمال تغییر بیشتر است. آنها همچنین می توانند برای کمک به تصمیم گیری در مورد نظارت استفاده شوند، زیرا آنها اغلب اطلاعاتی در مورد تغییرات خاک و پوشش گیاهی ارائه می دهند که احتمالاً قبل از تغییر حالت ایجاد می شود. حالت ها با انتقال متمایز می شوند، که ممکن است نسبتاً برگشت ناپذیر باشد، که منعکس کننده افزایش قابل توجهی در انرژی مورد نیاز برای بازگشت به حالت قبلی است. مدل‌های حالت و انتقال معمولاً شامل حداقل دو حالت و یک یا چند جامعه گیاهی در هر ایالت هستند. جوامع گیاهی در یک ایالت از نظر ترکیبات گونه ای مشابه هستند.

جوامع گیاهی در داخل یک ایالت عموماً از نظر توانایی در محدود کردن تلفات خاک، چرخش آب و تولید زیست توده رویشی از نظر عملکرد مشابه هستند. تغییرات در میان جوامع گیاهی در ایالت ها از طریق تغییرات ساده در مدیریت چرا (در اکوسیستم های چرا) یا شرایط آب و هوایی در نوسان قابل برگشت در نظر گرفته می شود. نمودارهای مدل حالت و انتقال (شکل 2.4) انتقال های احتمالی بین حالت ها را نشان می دهد. نمودارها همچنین عواملی را نشان می دهند که احتمال وقوع تغییرات را افزایش می دهند. انتقال بین حالت‌ها فقط از طریق روش‌های پرهزینه و فشرده مانند حذف بوته‌ها یا اصلاح خاک قابل برگشت است.

مدل های محرک مکانیکی یا عوامل استرس زا
در بهترین سطح از جزئیات، مدل های مکانیکی روش های خاصی را توصیف می کنند که یک محرک یا عامل استرس زا بر یک جزء سیستم تأثیر می گذارد. مدل‌های مکانیکی ممکن است تعاملات بین محرک‌های مختلف را نیز در بر گیرند. به دلیل سطح جزئیات، مدل‌های مکانیکی معمولاً فقط مرتبط‌ترین اجزا، محرک‌ها و تعاملات را در خود جای می‌دهند. گاهی اوقات از مدل های مکانیکی برای استخراج فرضیه های قابل آزمایش برای تحقیقات علمی استفاده می شود. مدل‌های مکانیکی می‌توانند برای شناسایی شاخص‌های پایش و برای تفسیر معنای مقادیر شاخص مفید باشند، اما اگر اثرات محرک‌ها و عوامل استرس‌زا به خوبی درک شده و در مدل‌های مفهومی دیگر به اشتراک گذاشته شوند، ممکن است نیازی به ایجاد مدل‌های مکانیکی برای برنامه‌های پایش نباشد.

مدل مکانیکی که محرک‌ها و عوامل استرس‌زای متعددی را نشان می‌دهد که ممکن است منجر به افزایش استخدام درخت، و در نهایت انتقال به حالت تحت سلطه درخت، در اکوسیستم‌های حوضچه‌ای-استپی بزرگ حوضه شود. تجدید چاپ شده از Miller et al. (2010).
مدل مکانیکی که محرک‌ها و عوامل استرس‌زای متعددی را نشان می‌دهد که ممکن است منجر به افزایش استخدام درخت، و در نهایت انتقال به حالت تحت سلطه درخت، در اکوسیستم‌های حوضچه‌ای-استپی بزرگ حوضه شود. تجدید چاپ شده از Miller et al. (2010).
استفاده از مدل‌های مفهومی برای شناسایی ویژگی‌های کلیدی و انتخاب شاخص‌ها
بکارگیری مدل‌های مفهومی برای نظارت بر طراحی برنامه به تعریف الف) پتانسیل اکولوژیکی، معیارها یا شرایط مرجع و ب) پیش‌بینی‌هایی در مورد تغییر احتمالی آینده واحدهای مختلف زمین در یک منظر کمک می‌کند. این اجازه می دهد تا نظارت بر انتخاب سایت بر اساس اهداف و فرآیندهای اکولوژیکی دخیل در تغییر زمین باشد. طراحی یک برنامه پایش در چارچوب مدل مفهومی به مشخص کردن ویژگی‌های اکوسیستم مورد نظارت و سایر جزئیاتی که ممکن است در بین ایالت‌ها و مکان‌های اکولوژیکی متفاوت باشد، کمک می‌کند.

به عنوان مثال، اگر اثرات مدیریت چرا هدف نظارت بر یک سایت اکولوژیکی “شکست” باشد، یک مدل حالت و گذار چندین بخش مهم از اطلاعات را برای انتخاب شاخص های انتقال بالقوه بین ایالت ها فراهم می کند. اول، این مدل پیش‌بینی می‌کند که رقابت برای آب و منابع منجر به انتقال بین ساوانا با علف‌های مخلوط و ایالت‌های چوبی/آبدار می‌شود، و این رقابت تحت‌تاثیر شدت چرا، فرکانس آتش‌سوزی و بارندگی است. دوم، انتقال بین حالت ها با تغییرات در زمین برهنه و پوشش بستر و علف های چند ساله مشخص می شود.

استفاده از مدل‌های مفهومی برای هدایت انتخاب مکان نظارت، هزینه‌های نظارت را در ایالت‌های بسیار تخریب‌شده به حداقل می‌رساند، جایی که همه شواهد موجود نشان می‌دهد که تغییری نمی‌کنند. و تلاش‌های نظارتی را در ایالت‌های «در معرض خطر» و جوامع گیاهی که مدیریت پتانسیل محدود کردن تخریب یا ارتقای بهبود را دارد، متمرکز می‌کند. با وجود این منطق، نظارت را می توان به عنوان مجموعه ای از آزمایشات منطبق با بخش های خاصی از یک منظره تلقی کرد. مؤلفه‌های کلیدی این آزمون، مراحلی هستند که برای اعمال مدل‌های حالت و انتقال در طراحی برنامه نظارتی استفاده می‌شوند.

منابع مدل های مفهومی
NRCS، BLM، The Nature Conservancy و سایر سازمان‌ها در حال حاضر در حال توسعه مدل‌های حالت و گذار و انواع دیگر مدل‌های مفهومی برای اکوسیستم‌های مرتع، بوته‌زار و ساوانا هستند. به عنوان مثال، در ایالات متحده، مدل‌های مفهومی حالت و گذار بخشی از توصیف مکان زیست‌محیطی هستند. محدوده آزمایشی USDA-ARS Jornada یک وب سایت جامع در مورد استفاده و توسعه ESD ها و مدل های حالت و انتقال همراه آنها دارد.

در مناطقی که یک مدل مفهومی مناسب در دسترس نیست، مدل‌های موجود از مناطق مشابه ممکن است نقطه شروع خوبی باشد. شما باید با دانشمندان خاک، بوم شناسان، زیست شناسان حیات وحش و کارشناسان دانش محلی مشورت کنید تا مدل های مفهومی ایجاد کنید که می تواند نیازهای شما را برای طراحی پایش برآورده کند. فهرست منابع زیر مدل‌های مفهومی اکوسیستم را برای انواع مختلف سیستم‌ها ارائه می‌کند:

NRCS Ecological Dynamics Interpretive Tool – مخزن توضیحات مکان های زیست محیطی در ایالات متحده، که بسیاری از آنها شامل مدل های حالت و انتقال هستند.
ارزیابی سریع محیط زیست منطقه ای BLM
آتش سوزی زمین
منابع
Bestelmeyer، BT، K. Moseley، PL Shaver، H. Sanchez، DD Briske، و ME Fernandez-Gimenez. 2010. راهنمای عملی برای توسعه مدل های حالت و گذار. Rangelands 32:23-30.

Bestelmeyer، BT، AJ Tugel، GL Peacock، DG Robinett، PL Shaver، JR Brown، JE Herrick، H. Sanchez، و KM Havstad. 2009. مدل های حالت و گذار برای مناظر ناهمگن: استراتژی برای توسعه و کاربرد. اکولوژی و مدیریت مراتع 62:1-15.

Elzinga، CL، DW Salzer، و JW Willoughby. 1377. اندازه گیری و پایش جمعیت های گیاهی. وزارت کشور ایالات متحده، دفتر مدیریت زمین. مرکز ملی علوم منابع کاربردی، دنور، کلرادو.

کارل، جی دبلیو و جی هریک. 1389. پایش و ارزیابی بر اساس سایت های اکولوژیکی. Rangelands، 32، 60-64.

میلر، ME 2005. ساختار و عملکرد اکوسیستم های خشک: مدل های مفهومی برای اطلاع از نظارت طولانی مدت اکولوژیکی. صفحه 73. US Geological Survey, Reston, VA.

Miller، DM، SP Finn، Andrea Woodward، Alicia Torregrosa، Mark E. Miller، DR Bedford و AM Brasher. مدل‌های اکولوژیکی مفهومی برای هدایت نظارت یکپارچه چشم‌انداز حوضه بزرگ. گزارش تحقیقات علمی Reston، VA: US Geological Survey، 2010.