Causale lussen om de wereld beter te begrijpen

Er zijn veel oorzaak-gevolg-relaties in onze wereld.


Een voorbeeld: roekeloos rijden leidt tot ongevallen. Dit is een voorbeeld van lineair denken. A veroorzaakt B.

      roekeloos rijden ----------> aantal ongevallen


Lineair denken leidt tot lineaire actie. Denk in dit voorbeeld aan het plaatsen van verkeersdrempels om roekeloos rijden om te beperken.

     roekeloos rijden ----------> aantal ongevallen ----------> verkeersdrempels instellen


Maar de wereld is complexer. Er is vaak een 'circulerende' relatie tussen variabelen van elementen van het systeem. In dit voorbeeld: verkeersdrempels leiden tot harde remmen vlak voor de drempel. Dat zorgt voor meer aanrijdingen van achteren, dus nog meer ongevallen.


De cirkel is rond. We noemen dit cyclisch denken. Door deze manier van denken te visualiseren, kunnen we situaties beter begrijpen. We visualiseren dit met causale lussen.

Maak je eigen causale lussen: 

Eigen taal '

Causale lussen zijn een belangrijk onderdeel van de taal van systeemdenken. Om die taal te begrijpen, moeten enkele basisregels bekend zijn. Door die regels consequent toe te passen, gaat er een nieuwe wereld open. Deze regels worden hieronder toegelicht. 

Variabelen

Voor causale lussen werken we altijd met variabelen. Dat zijn elementen die steeds minder kunnen worden. 

Zo is 'het aantal vogels' een variabele.
In de app zou het eruit zien als de foto rechts.

Voorbeelden van goede variabelen: 

  • aantal ongevallen
  • kwaliteit 
  • omzet
  • aantal zieken
  • temperatuur

Relatiepijlen

Een relatie tussen variabelen wordt aangegeven met een pijl. 

Het aantal vogels heeft invloed op het aantal eieren. Naarmate er meer vogels komen, zullen er ook meer eieren worden gelegd. Als er minder vogels komen, worden er minder eieren gelegd. Naarmate de ene variabele toeneemt, neemt ook de andere toe. Als de ene afneemt, neemt de andere af. Ze doen dus allebei hetzelfde.

We geven dit aan met een S (Same).

We zetten de S bij de pijlpunt.

We kunnen nog een pijl tekenen

want als het aantal eieren toeneemt, komen er meer vogels en zullen er minder eieren zijn.
Dit is ook een S (dezelfde) relatie.

De variabelen beïnvloeden elkaar dus. Ze versterken elkaar zelfs. Er komen meer vogels, dus meer eieren, en meer vogels, meer eieren, enzovoort. 

Deze winst geven we aan met een R (Reinforcing)  . We zetten die R in het midden van de lus.

Maar ook: hoe minder vogels, hoe minder eieren, nog minder vogels, nog minder eieren, enzovoort.


Een relatie is niet altijd hetzelfde (S). Als we bijvoorbeeld naar de causale lus hierboven kijken, zien we dat het aantal eieren van invloed is op het aantal vossen dat die eieren eet. Veel eieren trekken vossen aan. Die relatie is Same (S). Maar hoe meer vossen er zijn, hoe minder eieren. Ze worden massaal opgegeten door die vossen. Dit is een omgekeerde relatie. We geven dit aan met een O (Opposite).




Als het aantal eieren echter af neemt. ook het aantal vossen zal afnemen. (Bovenste pijl, zelfde). En met minder vossen kan het aantal eieren weer toenemen. (Onderste pijl, tegenover) Op deze manier houden deze variabelen elkaar in evenwicht. We geven dit aan met een B. (Balans)

Wanneer we dit simuleren met Play in de app, zien we soms dat beide variabelen afnemen en dan weer toenemen. 

We kunnen ook combineren met de variabele 'Aantal vogels'. Probeer het zelf uit met de onderstaande causale lus.
(Klik op de pijl-omhoog of pijl-omlaag in een variabele.) 


Maak je eigen causale lussen: 


Klik HIER voor voorbeelden van causale lussen