A representação visual de complexidade

* As definições, Exemplos e pontos de aprendizagem *

praticantes de sustentabilidade têm confiado por muito tempo nas imagens para exibir relacionamentos em sistemas adaptativos
complexos em várias escalas e entre domínios di ff erent. Estas imagens facilitar a comunicação, aprendizagem, colaboração e avaliação
em que contribuam para a compreensão partilhada dos processos sistêmicos. Esta pesquisa aborda a necessidade de imagens que são
amplamente compreendidas através di ff campos erent fi e setores para investigadores, decisores políticos, profissionais de design e
avaliadores com diferentes graus de familiaridade com as ciências da complexidade. A pesquisa identifica, define e ilustra 16 principais
características de sistemas complexos e contribui para uma linguagem visual evolução de complexidade.
Um processo de pesquisa foi desenhado para identificar dezesseis principais características de complexidade e para informar o
desenvolvimento de novas imagens e descrições. A fim de reunir idéias de acadêmicos, profissionais de sustentabilidade e designers com
experiência na ciências da complexidade, mapeamento de sistemas e design, eu coletei 50 levantamentos em Meio Ambiente, Economia,
Democracia: florescente Juntos RSD6 (correlação dos sistemas de pensamento e de design) conferência em Oslo ( outubro 2017) e passou
dois oficina participativa em Londres (novembro e Dezembro de 2017). As imagens, de fi definições, exemplos e pontos de aprendizagem
foram desenvolvidos com este processo de investigação. O texto abaixo foi escrito com Alex Penn, Pete Barbrook-Johnson, Martha Bicket e
Dione Hills. Muito obrigado aos organizadores RSD6 e todos os que contribuíram imagens e idéias nas pesquisas e workshops.

texto introdutório pelo Dr. Joanna Boehnert

1. Qualificações 9. Pontos de ruptura

Quando um resultado ou de saída de um processo influencia a entrada quer ly direct- ou O ponto além do qual os resultados do sistema mudar drasticamente. A mudança pode ocorrer
indirectamente. Estes podem acelerar ou suprimir mudança. lentamente inicialmente, mas de repente aumentar em ritmo. Um limiar de idade é o ponto além do qual o

EXEMPLOS comportamento do sistema muda de repente.

• A debandada em uma multidão, como indivíduos pânico, outros ao seu redor pânico mais (feedback positivo). Exemplos
• Nós suor ou tremo para manter a temperatura corporal constante (feedback negativo). • A gradual, então súbita gentri fi cação de um bairro
• Como as mudanças climáticas, permafrosts derrete e libera mais gases de efeito estufa. Estes feedback no sistema climático • agitação social crescente que leva a uma mudança de regime

(feedback posivite). PONTOS DE APRENDIZAGEM • população de uma espécie de redução em números de tal na medida em que ela não pode restabelecer-se na natureza. pontos de aprendizagem

• Laços de realimentação pode levar a Effects fugitivos, ou pode criar inércia através de amortecimento Effects dois extremos. • mudança repentina pode acontecer e nós pode não saber que está vindo.
• Conhecimento de pontos de ruptura pode ser usado para uma mudança ff ect em um sistema. Podemos apontar para obter um sistema de passado um

ponto de inflexão (como também descrito nos 'domínios de estabilidade' de fi nição).

• feedbacks positivos são reforçar e acelerar a mudança.
• Negativo mudança de feedback Repressão e estão se estabilizando / regulação. • Um sistema pode ser empurrado para e passado um ponto de inflexão por feedback positivo de algum tipo.

2. Surgimento 10. Mudança ao longo do tempo

Novas, propriedades de nível superior inesperadas podem surgir a partir de A interacção entre sistemas complexos inevitavelmente desenvolver e mudar o seu comportamento ao longo do
componentes. Estas propriedades são ditos ser emergente, se eles não podem facilmente ser tempo. Isto é devido à sua abertura e a adaptação de seus com- ponentes, mas também o fato de
descrito, explicado ou prevista a partir das propriedades dos componentes de nível mais baixo. que estes sistemas são geralmente fora da Librium equi- e estão em constante mudança.

EXEMPLOS EXEMPLOS

• A preço de mercado é uma propriedade emergente, decorrente da interação de muitos compradores e vendedores. • Uma parceria comunidade local muda de direção quando um dos parceiros constituintes alterar as suas políticas. As normas sociais
• A jam tra ff ic é um fenômeno emergente, causado pela interação de motoristas, evoluem com o tempo.

• A consciência é uma propriedade emergente das interações dos neurônios em nosso cérebro. PONTOS DE APRENDIZAGEM • O que constitui o 'centro' político, ou o que é visto como 'politicamente correto', muda ao longo do tempo.
• Ecossistemas sofrer sucessão ao longo do tempo: por exemplo, a partir de plantas anuais, para esfregar, a floresta. PONTOS DE APRENDIZAGEM

• Completamente propriedades novas e inesperadas ou coisas podem surgir simplesmente a partir da interação de entidades de nível inferior.
Estas novas propriedades podem ser di ff icult e às vezes impossível de prever. • Não podemos assumir automaticamente que sistemas complexos ter atingido um estado estável.
• Considere como entender fenômenos emergentes imprevisíveis no seu domínio. • Não contar com o sistema sendo o mesmo no futuro.

3. A auto-organização 11. Sistema Aberto

Regularidades ou padrões de nível superior podem surgir a partir da interação local de componentes Um sistema aberto é um sistema que tem interacções externos. Estes podem assumir a forma
de nível inferior autônomos. de informação, energia, ou as transferências de materiais dentro ou para fora do limite do
EXEMPLOS sistema. Nas ciências sociais um sistema aberto é um processo que troca material, energia,
• Cardumes de peixes, FL ocking de aves pessoas, capitais e informa- ções com o seu ambiente.
• A formação de linhas de pessoas que se deslocam em direções opostas sobre um pavimento lotado pontos de aprendizagem

EXEMPLOS
• comportamento simples e autônomo pode criar ordem em escalas maiores.
• Uma empresa de produção de alimentos muda em resposta às mudanças na moda de alimentos ou no custo e disponibilidade de ingredientes.
• Esta ordem de nível superior requer apenas interacções locais (ou de nível inferior).
PONTOS DE APRENDIZAGEM
• Ordem surge espontaneamente, sem cima para baixo controle e, muitas vezes, portanto, pode permanecer no local, mesmo se parte do sistema é
interrompido.
• Sistemas abertos são impossíveis de salto.
• Surgimento e auto-organização são conceitos intimamente relacionados. A auto-organização pode causar fenômenos Lor
• sistemas abertos significa que devemos estar alerta para fora influências.
emergentes, mas fenômenos emergentes não tem que ser auto-organizado.

4. alavancas e hubs 12. A imprevisibilidade

Não podem ser componentes de um sistema que têm um desproporcionada em influência devido
à estrutura das suas ligações. Como estes se comportam pode ajudar a mobilizar a mudança,
mas o seu comportamento também pode fazer um sistema vulnerável a interrupções.
EXEMPLOS
• Um campeão comunidade pode ser um hub, mas se ela sai, uma iniciativa pode parar de ser promovido.
• Se uma espécie de distorção torna-se extinto pode haver cascata extinções entre outras espécies.
• Um colapso banco pode levar a várias knock-on Effects em todo o sistema financeiro. Pontos de aprendizagem:
• Identificar hubs e alavancas pode ajudar a identificar melhores lugares para intervir em sistemas complexos.
• assuntos estrutura; conhecer a estrutura de interações em um sistema é crucial para entender como ele vai se comportar, alterar
ou falhar.
Um sistema complexo é fundamentalmente imprevisível. O número ea interação de entradas /
causas / mecanismos e feedbacks significa que é impossível prever com precisão com precisão.
ruído aleatório pode ter um grande Effect. Os sistemas complexos são fundamentalmente
incognoscível em qualquer ponto no tempo - ou seja, é impossível reunir, armazenar e utilizar
todas as informações sobre o estado de um sistemas complexos.
Exemplos e pontos de aprendizagem:
• Na economia e outros sistemas, é impossível saber as intenções e interações de todos os atores.
• Não podemos prever o futuro, em vez disso, deve explorar a incerteza com rigor.
• modelos preditivos será sempre limitada em sistemas complexos, no entanto eles podem ser usados ​para explorar e comparar potenciais
cenários e comportamentos do sistema.
• previsão precisa é impossível no longo prazo.

5. Não-linearidade 13. desconhecidos

Um sistema é não-linear quando o Effect de insumos sobre os resultados não são proporcionais. O Devido à sua estrutura causal complexa e abertura, há muitos fatores que in fl uência (ou
comportamento de um sistema pode apresentar alterações exponenciais, ou mudanças de direcção podem influenciar) um sistema do qual não temos conhecimento. A existência inevitável de
tais incógnitas significa vemos muitas vezes inesperados Effects indiretos de nossas

?
(ou seja, aumenta em certa medida, tornando-se diminuições), apesar das alterações pequenas ou
consistentes em entradas. intervenções.
EXEMPLOS EXEMPLOS
• distância de travagem em um carro em 30 mph é mais que o dobro em 20mph • Um grupo social poderosa que opera em uma área política não antecipada por um fabricante de política.
• Um novo produto pode ser lento para tomar-o ff mas depois de vendas de ponto irá acelerar, antes de abrandar novamente. PONTOS DE APRENDIZAGEM • Uma planta desconhecida em uma floresta com inúmeras aplicações potenciais à saúde. PONTOS DE APRENDIZAGEM

• Em ambientes sociais, algumas coisas são realmente linear • Espere o inesperado.

• Não-linearidade pode significar que as relações entre as coisas podem ser tão poderosa na determinação dos resultados como a estrutura de • Esteja preparado para aprender como o sistema se desenvolve torna-se aparente que poderia influenciar ou ser influenciado por coisas
interações. • Em sistemas não-lineares quando se dobrar ou metade de uma entrada, a saída não irá ser o dobro ou metade do seu valor completamente inesperados.
original, e pode ser completamente di ff erent. • Uma nova tecnologia pode permitir que uma mudança fundamental, levando a Effects social generalizada.

6. Domínios de estabilidade 14. O controlo distribuído

sistemas complexos pode ter vários estados estáveis ​que podem mudar conforme o contexto evolui. Controlo de um sistema é distribuído entre vários intervenientes. Ninguém ator tem controle
Sistemas de gravitar em torno de tais estados, permanecendo lá a menos significativamente total. Cada ator só pode ter acesso à informação local.
perturbados. Se a mudança de um sistema passa um limiar, que pode deslizar rapidamente para EXEMPLOS
outro estado estável, fazer a mudança muito icult di ff para inverter. • O sucesso de uma intervenção de cessação tabágica pode ser determinada por muitos profissionais de saúde 'no chão' execução
de eventos e conselhos Ering o ff, ao invés da agência central.
• grupos locais e do governo dos partidos políticos pode ter vistas di ff Ering ao partido parlamentar central. Os grupos central e
Exemplos • O derretimento do gelo da Antártida: O planeta pode ser estável com ou sem calotas, mas não em estados intermediários. • armadilhas

da pobreza: rendimentos baixos ou razoáveis ​são estáveis, mas não pontos intermediários APRENDIZAGEM • Conhecimento de domínios de
distribuídas podem realizar trabalhos poltical de formas contraditórias. PONTOS DE APRENDIZAGEM

estabilidade pode ser usado para e mudança ff ect em um sistema. Se pudermos empurrar um sistema em um ff erent di, mais desejável estado,

estábulo com uma intervenção política, então nós mudamos o sistema de forma robusta. • Não precisa colocar em contínua ort e ff para manter o • Não há controle de cima para baixo em sistemas complexos. Decisões e reações acontecem localmente e as interações de todas estas
sistema no novo estado. • Podemos tentar usar a política para alterar as posições dos domínios de estabilidade. decisões de nível inferior pode nos dar propriedades de nível de sistema, tais como a estabilidade, resistência, adaptação ou regulamento
emergente sistema inteiro.

• O que é possível em um sistema é muitas vezes descontínua e pegajoso. Nem tudo é estável. • O melhor que podemos fazer é “orientar” o sistema.

7. Adaptação 15. sistemas aninhados

Componentes ou atores dentro do sistema são capazes de aprender ou evoluindo, mudando a forma Os sistemas complexos são muitas vezes aninhados hierarquias de sistemas complexos (os chamados
como o sistema se comporta em resposta a intervenções como eles são aplicados. Assim, por exemplo, 'sistemas de sistemas').
em sistemas sociais que as pessoas podem comuni- cado, interpretar e agir estrategicamente para EXEMPLOS
antecipar situações futuras. Em sistemas biológicos, as espécies vão evoluir em resposta à mudança. • Cérebro -> pessoa -> sociedade -> planeta

• Um ecossistema é composta de organismos, constituído por células, fez-se de organelos, uma vez que foram bactérias de vida livre,

EXEMPLOS • As bactérias evoluem para se tornar resistentes aos antibióticos. constituídos de processos metabólicos complexos interligados com sistemas genéticos (cada nível aninhado é um sistema complexo).

• Um novo imposto / regulação é contornada. Pontos de PONTOS DE APRENDIZAGEM

aprendizagem:
• As regras do jogo mudam como você joga-lo. • Temos que estar preparados para adaptar as nossas intervenções em resposta à forma como o • Ao estudar um sistema particular, é útil estar ciente do sistema maior do qual faz parte, ou os sistemas menores que
sistema reage a entrada anterior. • Devemos estar conscientes das pressões para se adaptar que estamos colocando em prática em sistemas. • Nós operam dentro dele.
também precisa estar preparado para os indivíduos - e sistemas • Mecanismos de mudança (como na avaliação realista) pode ter lugar a um nível mais elevado ou inferior a aquele onde uma
- para se adaptar em resposta a uma intervenção de maneiras que não antecipar. intervenção está a ter lugar.

dependência 8. Path 16. múltiplas escalas e níveis

estados atuais e futuros, ações ou decisões dependem da seqüência de estados, ações ou
decisões que os precederam - nomeadamente o seu (tipicamente temporal) caminho.
EXEMPLOS
• A primeira dobra de uma peça de papel de origami vai determinar qual fi nal formas são possíveis; origami é, portanto, uma arte dependente
caminho.
• A organização escolhida para liderar uma nova iniciativa política influências que outras organizações também se envolver.
Atores e interações em sistemas complexos pode operar através de escalas e níveis. Por esta
razão, os sistemas devem ser estudado e compreendido a partir de várias perspectivas
simultaneamente.
EXEMPLOS
• problemas de saúde podem ser considerados na escala da fisiologia individual ou de comportamento, o lar, a comunidade, a sociedade
(normas sociais) ou nação (economia, sistema de saúde). Normalmente mais de um domínio é necessário para entender completamente um
problema. PONTOS DE APRENDIZAGEM

• VHS + Betamax, ou ferrovias + calibres -> uma vez uma opção é adotada seria impraticável para mudar. PONTOS DE APRENDIZAGEM • Combater a obesidade requer pensar sobre os hábitos dos indivíduos alimentares e atividade, mas também as normas sociais, fatores econômicos e
até mesmo urbanismo. Ninguém nível é su ff icient. • Precisamos pensar em termos gerais sobre os sistemas em múltiplas escalas e campos como

• Que caminhos somos 'bloqueado em'? Que caminhos poderiam nossas ações bloquear-nos para? O que é que faz uma alteração em particular propriedades ou a dinâmica de uma escala de freqüência alimentar para cima ou para baixo a um outros ff ect domínios.

impossível por causa da dependência caminho? Que 'lock-ins' pode mudar em breve?

financiamento de projectos CECAN não cobrem os mentores do projeto: Pesquisa e design por Poster publicada em uma licença
Creative Commons:
custos totais para a produção desta pesquisa. Muito
Dr. Alex Penn Dr. Pete Dr. Joanna Boehnert Atribuição-NonCommercialShareAlike
obrigado aos organizadores e participantes do 4.0 Internacional
Barbrook-Johnson Martha Bicket j.boehnert@eco-labs.org
Pensamento Sistemas Relativos e Design
Dr. Dione Hills
Conference RSD6 por seu apoio, incluindo acenando @EcoLabs + @Ecocene
taxas de conferência. www.ecolabsblog.com
www.cecan.ac.uk www.ecocene.net
THE VISUAL REPRESENTATION OF COMPLEXITY
* Definitions, Examples & Learning Points *
Sustainability practitioners have long relied on images to display relationships in complex adaptive
systems on various scales and across different domains. These images facilitate communication, learning,
collaboration and evaluation as they contribute to shared understanding of systemic processes. This
research addresses the need for images that are widely understood across different fields and sectors for
researchers, policy makers, design practitioners and evaluators with varying degrees of familiarity with
the complexity sciences. The research identifies, defines and illustrates 16 key features of complex
systems and contributes to an evolving visual language of complexity. Ultimately the work supports
learning as a basis for informed decision-making at CECAN (Centre for the Evalutation of Complexity
Across the Nexus) and other communities engaged with the analysis of complex problems.
1. Feedback
When a result or output of a process influences the input either direct-
ly or indirectly. These can accelerate or suppress change.
EXAMPLES
• A stampede in a crowd, as individuals panic, others around them panic more (positive feedback).
• We sweat or shiver to maintain a constant body temperature (negative feedback).
• As the climate changes, permafrosts melts and releases more greenhouse gases. These feed-
back into the climate system (posivite feedback).
LEARNING POINTS
• Feedback loops can lead to runaway effects, or can create inertia through dampening of effects -
two extremes.
• Positive feedbacks are reinforcing and accelerate change.
• Negative feedback suppress change and are stabilising/regulating.
2. Emergence
New, unexpected higher-level properties can arise from the interac-
tion of components. These properties are said to be emergent if they
cannot easily be described, explained, or predicted from the proper-
ties of the lower level components.
EXAMPLES
• A market price is an emergent property, arising from the interaction of many buyers & sellers.
• A traffic jam is an emergent phenomena, caused by the interaction of drivers,
• Consciousness is an emergent property of the interactions of the neurons in our brain.
LEARNING POINTS
• Completely new and unexpected properties or things can arise simply from the interaction of lower
level entities. These new properties can be difficult and sometimes impossible to predict.
• Consider how to understand unpredictable emergent phenomena in your domain.
3. Self-organisation
Regularities or higher-level patterns can arise from the local interaction
of autonomous lower-level components.
EXAMPLES
• Shoals of fish, flocking of birds
• The formation of lines of people moving in opposite directions on a crowded pavement
LEARNING POINTS
• Simple and autonomous behaviour can create order at larger scales.
• This higher level order requires only local (or lower-level) interactions.
• Order arises spontaneously without top down control and hence can often remain in place even
if part of the system is disrupted.
• Emergence and self-organisation are closely related concepts. Self-organisation can cause
emergent phenomena, but emergent phenomena do not have to be self-organised.
4. Levers and hubs
There may be components of a system that have a disproportionate
influence because of the structure of their connections. How these
behave can help to mobilise change, but their behaviour may also
make a system vulnerable to disruption.
EXAMPLES
• A community champion can be a hub, but if she leaves, an initiative may stop being promoted.
• If a keystone species becomes extinct there may be cascading extinctions amongst other species.
• A bank collapsing may lead to multiple knock-on effects across the financial system.
LEARNING POINTS:
• Identifying hubs and levers can help identify best places to intervene in complex systems.
• Structure matters; knowing the structure of interactions in a system is crucial to understanding
how it will behave, change or fail.
5. Non-linearity
A system is non-linear when the effect of inputs on outcomes are not
proportional. The behaviour of a system may exhibit exponential
changes, or changes in direction (i.e., increases in some measure
becoming decreases), despite small or consistent changes in inputs.
EXAMPLES
• Braking distance in a car at 30MpH is more than twice that at 20MpH
• A new product may be slow to take-off but after a point sales will accelerate, before slowing again.
LEARNING POINTS
• In social settings, few things are actually linear
• Non-linearity can mean that the relationships between things can be just as powerful in determining
outcomes as the structure of interactions. • In non-linear systems when we double or half an input, the
output will not be double or half its original value, and may be completely different.
6. Domains of stability
Complex systems may have multiple stable states which can change as
the context evolves. Systems gravitate towards such states, remaining
there unless significantly perturbed. If change in a system passes a
threshold, it may slide rapidly into another stable state, making
change very difficult to reverse.
EXAMPLES • The melting of Antarctic ice: The planet may be stable with or without ice caps, but not
at intermediate states. • Poverty traps: Low or reasonable incomes are stable, but not intermediates
LEARNING POINTS • Knowledge of domains of stability can be used to effect change in a system. If
we can push a system into a different, more desirable, stable state with a policy intervention then we
have changed the system in a robust way. • We do not need to put in continuous effort to keep the
system in the new state. • We may try to use policy to change the positions of domains of stability.
• What is possible in a system is often discontinuous and sticky. Not everything is stable.
7. Adaptation
Components or actors within the system are capable of learning or
evolving, changing how the system behaves in response to interventions as
they are applied. So, for example, in social systems people may communi-
cate, interpret and behave strategically to anticipate future situations.
In biological systems, species will evolve in response to change.
EXAMPLES • Bacteria evolve to become resistant to antibiotics.
• A new tax/regulation is circumvented.
LEARNING POINTS:
• The rules of the game change as you play it. • We have to be prepared to adapt our interventions in
response to how the system reacts to previous input. • We should be aware of the pressures to adapt
that we are putting in place in systems. • We also need to be prepared for individuals - and systems
- to adapt in response to an intervention in ways we didn’t anticipate.
8. Path dependency
Current and future states, actions, or decisions depend on the
sequence of states, actions, or decisions that preceded them – namely
their (typically temporal) path.
EXAMPLES
• The first fold of a piece of origami paper will determine which final shapes are possible; origami is
therefore a path dependent art.
• The organisation chosen to lead a new policy initiative influences which other organisations also
become involved.
• VHS + Betamax, or railways + gauges -> once one option is adopted it would be impractical to switch.
LEARNING POINTS
• What paths are we ‘locked-into’? What paths might our actions lock us into? What is it that makes
a particular change impossible because of path dependency? Which ‘lock-ins’ might shift soon?
CECAN project funding did not cover
the full costs for the production of this
research. Many thanks to the
organisers and participants of the
Relating Systems Thinking and Design
conference RSD6 for their support,
including waving conference fees.
A research process was designed to identify sixteen key characteristics of complexity and to inform the
development of new images and descriptions. In order to gather ideas from academics, sustainability
practitioners and designers with expertise in the complexity sciences, systems mapping and design, I
collected 50 surveys at The Environment, Economy, Democracy: Flourishing Together RSD6 (Relating
Systems Thinking and Design) conference in Oslo (October 2017) and ran two participatory workshop in
London (November and December 2017). The images, definitions, examples and learning points were
developed with this research process. The text below was written with Alex Penn, Pete Barbrook-Johnson,
Martha Bicket and Dione Hills. Many thanks to RSD6 organisers and all who contributed images and
ideas in the surveys and workshops. Introductory text by Dr. Joanna Boehnert
9. Tipping points
The point beyond which system outcomes change dramatically. Change
may take place slowly initially, but suddenly increase in pace. A thresh-
old is the point beyond which system behavior suddenly changes.
Examples
• The gradual, then sudden gentrification of a neighbourhood
• Social unrest increasing leading to a regime change
• A species’ population reducing in numbers such to the extent that it cannot re-establish itself in the wild.
Learning points
• Sudden change can happen and we might not know it is coming.
• Knowledge of tipping points can be used to affect change in a system. We can aim to get a
system past a tipping point (as also described in the ’domains of stability’ definition).
• A system may be pushed towards and past a tipping point by positive feedback of some kind.
10. Change over time
Complex systems inevitably develop and change their behaviour over
time. This is due to their openness and the adaption of their compo-
nents, but also the fact that these systems are usually out of equi-
librium and are continuously changing.
EXAMPLES
• A local community partnership changes direction when one of the constituent partners changes
its policies. Social norms evolve over time.
• What constitutes the political ‘centre’, or what is viewed as ‘politically correct’, shifts over time.
• Ecosystems undergo succession over time: e.g. from annual plants, to scrub, to woodland.
LEARNING POINTS
• We cannot automatically assume that complex systems have reached a stable state.
• Do not rely on the system being the same in the future.
11. Open system
An open system is a system that has external interactions. These can
take the form of information, energy, or material transfers into or out
of the system boundary. In the social sciences an open system is a
process that exchanges material, energy, people, capital and infor-
mation with its environment.
EXAMPLES
• A food production company changes in response to changes in food fashions or in the cost and
availability of ingredients.
LEARNING POINTS
• Open systems are impossible to bound.
Lor
• Open systems mean that we must be alert to outside influences.
12. Unpredictability
A complex system is fundamentally unpredictable. The number and
interaction of inputs/ causes/ mechanisms and feedbacks mean it is
impossible to accurately forecast with precision. Random noise can
have a large effect. Complex systems are fundamentally unknowable at
any point in time - i.e. it is impossible to gather, store & use all the
information about the state of a complex systems.
EXAMPLES and LEARNING POINTS:
• In the economy and other systems, it is impossible to know the intentions and interactions of all actors.
• We can’t forecast the future, instead we must explore uncertainty with rigour.
• Predictive models will always be limited in complex systems, however they can be used to explore
and compare potential scenarios, and system behaviours.
• Precise prediction is impossible in the long term.
13. Unknowns
?
Because of their complex causal structure and openness, there are
many factors which influence (or can influence) a system of which we
are not aware. The inevitable existence of such unknowns mean we
often see unexpected indirect effects of our interventions.
EXAMPLES
• A powerful social grouping operating in a policy area not anticipated by a policy maker.
• An undiscovered plant in a rainforest with numerous potential health applications.
LEARNING POINTS
• Expect the unexpected.
• Be prepared to learn as the system unfolds it will become apparent that it might influence or be
influenced by completely unexpected things.
• A new technology might enable a fundamental change, leading to widespread social effects.
14. Distributed control
Control of a system is distributed amongst many actors. No one actor
has total control. Each actor may only have access to local information.
EXAMPLES
• A smoking cessation intervention’s success may be determined by the many health professionals
‘on the ground’ running events and offering advice, rather than the central agency.
• Political parties’ local groups and government may have differing views to the central parlia-
mentary party. The central and distributed groups may conduct poltical work in contradictory ways.
LEARNING POINTS
• There is no top down control in complex systems. Decisions and reactions happen locally and
the interactions of all these lower-level decisions can give us system-level properties such as
stability, resilience, adaptation or whole system emergent regulation.
• The best we can do is to “steer” the system.
15. Nested systems
Complex systems are often nested hierarchies of complex systems
(so-called ‘systems of systems’).
EXAMPLES
• Brain -> person -> society -> planet
• An ecosystem is made up of organisms, made up of cells, made up of organelles which were
once free-living bacteria, made up of complex metabolic processes intertwined with genetic
systems (each nested level is a complex system).
LEARNING POINTS
• When studying a particular system, it is useful to be aware of the larger system of which it is
part, or the smaller systems operating within it.
• Mechanisms of change (as in realist evaluation) may be taking place at a higher or lower level
to the one where an intervention is taking place.
16. Multiple scales and levels
Actors and interactions in complex systems can operate across scales
and levels. For this reason systems must be studied and understood
from multiple perspectives simultaneously.
EXAMPLES
• Health issues can be considered at the scale of the individual physiology or behaviour, the
household, community, society (social norms) or nation (economy, health system). Usually more
than one domain is required to fully understand a problem.
LEARNING POINTS
• Tackling obesity requires thinking about individuals’ eating habits and activity, but also social
norms, economic factors and even town planning. No one level is sufficient. • We need to think
broadly about systems at multiple scales and fields as properties or dynamics of one scale often
feed up or down to affect others domains.
Project mentors : Research and design by Poster published on a Creative
Commons license:
Dr. Alex Penn Dr. Joanna Boehnert Attribution-NonCommercial-
ShareAlike 4.0 International
Dr. Pete Barbrook-Johnson j.boehnert@eco-labs.org
Martha Bicket
@EcoLabs + @Ecocene
Dr. Dione Hills www.ecolabsblog.com
www.cecan.ac.uk www.ecocene.net