NGLISH: traduction de mécaniste pour les hispanophones pourtant, en comparant la vertu des deux approches, nous devons faire attention de ne pas comparer les pommes et les oranges: pour une comparaison de paribus ceteris des modèles mécanistiques et phénoménologiques, la même quantité de l`information doit entrer dans le processus de modélisation. Dans la pratique, cependant, je dirais que les modèles mécanistes impliquent généralement une quantité beaucoup plus importante d`informations parce que nous les utilisons à un stade ultérieur du processus scientifique, lorsque les principaux facteurs qui conduisent certains modèles sont déjà plus ou moins compris (ou à moins réduite à quelques options). Ainsi, il y a beaucoup de données implicites cachées dans la structure du modèle. Si vous voulez officialiser que dans un cadre théorique de décision (bien que cela semble un peu inutile pour moi), vous pourriez probablement Encoder ces informations supplémentaires comme des antécédents sur la structure du modèle dans une analyse bayésienne, qui vous donnerait le formel “excuse” de préférer l`explication mécaniste. “quel modèle est le meilleur?” Je ne comprends pas pourquoi les gens posent encore cette question. Comme presque tout dans la vie “ça dépend”. Quelle question/problème essayez-vous de répondre/résoudre? Chacun a ses propres forces et faiblesses. En outre, très peu de modèles sont purement mécanistiques dans la nature. La plupart ont au moins quelques hypothèses empiriques/fondements. À propos de la sélection du modèle AIC: il existe des méthodes bayésiennes alternatives qui se prémunir également contre les surajustement tels que les facteurs Bayes, DIC et d`autres. Ils ont tous leurs problèmes spécifiques, mais mon opinion est que, si vous voulez vraiment faire un modèle formel de sélection de modèles qui sont mécanistes à un degré différent, ceux-ci sont préférables parce que l`approche bayésienne vous permet d`inclure vos informations (antérieures) sur mécanismes de manière systématique. De nombreux modèles ne remplissent qu`un sous-ensemble de ces critères.
Prenons, par exemple, la théorie neutre de Hubbell, qui est généralement adaptée aux données – la plupart d`entre eux conviennent qu`il s`agit d`un modèle mécaniste, mais à un niveau aussi agrégé qu`il est discutable dans quelle mesure les paramètres qui résultent de l`ajustement ont une «définition biologique» – difficile à les mesurer indépendamment en tout cas. Le problème sous-jacent est que les différents modèles «mécanistiques» en écologie font des simplifications différentes, ce qui rend les paramètres pas vraiment comparables parce qu`ils ne décrivent pas le même processus de la même manière. Il devient également une question de l`échelle à laquelle vous voulez être mécaniste ou structurellement réaliste, et à quelle échelle vous acceptez une description phénoménologique. (BTW, je n`assimilerait pas “phénoménologique” avec “statistique”, les modèles mécanistiques sont de plus en plus en adéquation exactement de la même manière que les modèles “phénoménologiques”; nous avons essayé une définition de travail des modèles statistiques ici, mais “modèle statistique” reste un autre terme aussi flou). Pingback: Comment trouver un orignal: intentions dans les modèles phénoménologiques et mécanistiques par Adam Clark | PLOS Blogs réseau c`est un post vraiment intéressant (et je suis aimant le blog! C`est formidable de voir le nombre d`écologistes qui se trouvent dans les blogs d`une manière importante.) Je ne suis toujours pas sûr que je suis convaincu que la distinction de modèle mécaniste/phénoménologique est vraiment un élément fondamental.