Bagaimana Memindahkan Kebijakan Energi di Luar Bias dan Vested Interests

Bagaimana Memindahkan Kebijakan Energi di Luar Bias dan Vested InterestsPemodelan harus menjadi peluang untuk menguji asumsi Anda, bukan hanya mengkonfirmasikannya. Shutterstock

Rencana energi utama pemerintah Turnbull, the Jaminan Energi Nasional, dimaksudkan untuk mengakhiri kebuntuan satu dekade kebijakan energi dan iklim di Australia.

Ironisnya, sejak itu pembukaan di 2017 Oktober, perdebatan itu meningkat jauh, dengan hasil yang dimiliki pemerintah sekarang melangkah menjauh dari komponen pengurangan emisi kebijakan.

Banyak perhatian telah tertuju pada drama politik yang tinggi - dan konflik mendasar tentang pentingnya pengurangan emisi. Namun masalah utama lainnya adalah kurangnya kepercayaan dalam model pemerintah memprediksi hasil kebijakan mereka.

Misalnya, pemerintah mengklaim bulan ini bahwa NEG akan mengurangi tagihan rumah tangga sebesar A $ 150 per tahun. Analis independen, sebaik Tenaga kerja serta Sayuran hijau politisi, telah mempertanyakan angka ini. Mereka menunjukkan yang lain model menyarankan hasil yang berbeda - terutama yang diumumkan oleh menteri energi federal Josh Frydenberg pada bulan Oktober 2017, yang memperkirakan pengurangan A $ 100. Semua kelompok ini menyerukan pembebasan penuh dari pekerjaan pemodelan pemerintah.

Tetapi jika pemodelan adalah suatu bentuk analisis ilmiah, mengapa model yang berbeda memberikan hasil yang berbeda?

Apa itu model?

Model adalah representasi realitas yang disederhanakan, tetapi "realitas" didefinisikan oleh pembuat moda. Kami memberikan model satu set input dan menghasilkan satu set output.

Proses pemodelan melibatkan serangkaian "pilihan" yang dibuat oleh pembuat keputusan tentang metode yang digunakan, input data untuk dimasukkan ke dalam, dan hubungan antara data ini (yaitu, apa dampaknya).


Dapatkan Yang Terbaru Dari Diri Sendiri


Dengan memberikan beberapa faktor lebih banyak berat - baik secara sengaja atau secara tidak sengaja - modeller dapat membuat satu hasil terlihat lebih menarik, mungkin atau penting daripada yang lain.

Bayangkan meminta koki 100 dari berbagai negara untuk membuat sup mie terbaik di dunia. Mereka semua akan memilih berbagai bahan, jenis mie, dan cara memasak.

Pilihan-pilihan ini akan mencerminkan resep-resep yang sudah mereka ketahui, selera yang secara pribadi mereka suka atau tidak suka, dan bahan-bahan yang mereka kenal. Ini membentuk bias mereka sehubungan dengan apa yang seharusnya menjadi sup mie yang enak. Anda tidak akan terkejut jika Anda melihat 100 sup mie yang sangat berbeda di akhir kompetisi ini!

Seperti halnya sup mie, model kebijakan juga dibuat dengan berbagai bahan, yang dibentuk oleh pilihan dan bias para pembuat mod dan pemangku kepentingan mereka. Efek kumulatif dari pilihan ini menciptakan model yang berbeda, dan oleh karena itu hasil yang berbeda.

Itulah mengapa beberapa pembuat mod dan analis sekarang berpendapat bahwa tidak ada model yang "model yang tepat", seperti halnya tidak ada sup mie adalah sup mie yang tepat, dan bahwa tidak ada model tunggal yang akan menghasilkan "menegakkan kebenaran".

Jadi, bagaimana kita dapat merancang kebijakan menggunakan model yang dipenuhi dengan bias dan kepentingan pribadi?

Eksplorasi, bukan prediksi

Berikut ini adalah jawaban kami: kita tidak boleh mempertimbangkan alat-alat model untuk "prediksi", melainkan untuk "eksplorasi". Kita tidak boleh mengharapkan model memberi kita jawaban “yang” untuk pertanyaan kebijakan kita. Kami membutuhkan model untuk mengeksplorasi berbagai skenario untuk menginformasikan diskusi kebijakan.

Mari kita gunakan contoh mengurangi emisi gas rumah kaca. Ada banyak cara untuk melakukan ini. Kita dapat mengubah sistem pembangkit listrik kita untuk meningkatkan jumlah energi terbarukan; kita dapat meningkatkan efisiensi bangunan; kita bisa menggunakan sarana transportasi yang lebih bersih.

Setiap jalur memiliki lawan dan pendukungnya. Mereka mungkin memperdebatkan manfaatnya, konsekuensinya, dan berapa banyak investasi yang masing-masingnya layak dari kumpulan uang yang terbatas.

Dalam pendekatan prediktif konvensional, kami akan memodelkan setiap opsi kebijakan (atau kombinasi opsi) dan menilai dampaknya terhadap emisi. (Dan mungkin masing-masing pihak akan melakukan pemodelan mereka sendiri, dengan asumsi implisit mereka sendiri.)

Namun dalam pendekatan eksplorasi, kami memperlakukan model sebagai sesuatu untuk dimainkan, untuk "menguji" opsi kebijakan. Kami mengubah asumsi yang mendasari model dan melihat bagaimana hasilnya berubah. Kami mengubah skenario masa depan dan menjalankan berbagai skenario dan melihat bagaimana opsi kebijakan dilakukan di bawah skenario yang berbeda. Dan di akhir latihan yang menyenangkan ini, tidak ada jawaban tunggal! Setiap hasil tergantung pada asumsi dan skenario dari mana ia dihasilkan, dan - yang terpenting - asumsi ini semuanya didokumentasikan dan dibuat transparan.

Kami menggunakan pendekatan ini untuk menyelidiki India transisi ke energi bersih. Mereka, seperti Australia, berhadapan dengan isu-isu politik dan sosial yang sangat rumit yang tidak terlipat rapi ke cara-cara pemodelan konvensional, yang berusaha memberikan satu jawaban.

Kami tentu saja tidak menyarankan bahwa pemodelan eksplorasi adalah peluru perak untuk menyelesaikan perbedaan politik pada isu-isu kebijakan yang kompleks. Namun, hal itu dapat mengubah pemahaman kita tentang model dari proses "blackbox" menjadi proses transparan yang terbuka untuk dicermati. Ini dapat mengubah asumsi implisit menjadi skenario eksplisit yang dapat diuji dan diperdebatkan. Dengan cara ini, kita mungkin memiliki lebih banyak kebijakan yang akan memberikan apa yang mereka janjikan - dan sebuah landasan informasi yang disetujui bersama untuk diperdebatkan.

Tentang Penulis

Shirin Malekpour, Pemimpin Riset dalam Studi Perencanaan Strategis dan Masa Depan, Monas Sustainable Development Institute, Universitas Monash dan Enayat A. Moallemi, Research Associate, UNSW

Artikel ini awalnya diterbitkan pada Percakapan. Membaca Artikel asli.

Buku terkait

{amazonWS: searchindex = Buku; kata kunci = innerself; maxresult = 3}

Percakapan

enafarzh-CNzh-TWnltlfifrdehiiditjakomsnofaptruessvtrvi

ikuti InnerSelf di

facebook-icontwitter-iconrss-icon

Dapatkan Terbaru Dengan Email

{Emailcloak = off}