Senaste tiden har jag funderat kring hur man benämner den typ av öppna problem som saknar färdiga och entydiga lösningar. Jag har tidigare kallat dem illa strukturerade från King och Kitcheners ill-structured problems till skillnad från väl strukturerade problem som har korrekta och entydiga lösningar. King och Kitchener använde som exempel frågor som om man kan lita på det som sägs på nyheterna och huruvida kärnkraft är säkert, och byggde sin Reflective judgment model på hur väl människor hanterar den här typen av problem som innehåller osäkerhet och motstridiga åsikter.
Jag har själv använt begreppet och den typen av problem i undervisningen, hur man utvärderar hur studenterna hanterar dessa och vilket stöd man kan ge dem. Dock har vissa invänt att benämningen, illa strukturerade problem, är missvisande, något jag kan hålla med om. Därför kommer jag i fortsättningen att helt enkelt kalla dem komplexa problem eller komplexa frågeställningar. Men vad som vanligtvis avses med komplexa frågeställningar är inte helt överensstämmande med King och Kitcheners begrepp. Det verkar som att problem som benämns komplexa innehåller fler svårigheter än de illa strukturerade som brukar handla mer om kunskap och förståelse, även om svårigheterna kan ses på en glidande skala.
Här följer en kort introduktion till komplexa system med en jämförelse med komplicerade sådana, samt enkla och kaosartade system. Därefter lite om hur man kan hantera komplexa problem och ett exempel på sådant.
Komplexa system
När jag letat efter hur andra använder begreppet komplexitet så kommer svaren främst från komplexitetsteorin, alltså de till en början naturvetenskapliga studierna av komplexa system. Jag brukar referera till den typen av komplexitet som ontologisk komplexitet till skillnad från den epistemologiska som vi studerar i vuxenutvecklingen. Komplexa system kännetecknas av att de består av många delar där kännedom om deras egenskaper inte räcker till för att förklara det hela systemets egenskaper, något man kallar emergens. Systemets egenskaper är kvalitativt skilda från de ingående komponenterna, precis som vattnets egenskaper, smältpunkt, kokpunkt, densitet osv, inte kan att förutsägas utifrån syreatomens och väteatomens respektive egenskaper.
Komplexa system kan modelleras till viss del men inte fullt ut förutsägas, de är alltså inte deterministiska. De är som regel adaptiva och förändrar sig när omgivningen förändras och kan innehålla feedback-mekanismer så att de förändras av sig själva. Exempel på komplexa system som brukar anges är biologiska system som ett träd, en grupp eller samhälle med myror, bin, fiskar eller människor. Komplexa system kan förstås i det tillstånd där de för närvarande befinner sig, men ses ofta som resultat av en process, till exempel en evolutionär sådan. Processerna är som regel olinjära och kan transformeras, som när ett klimatsystem passerar gränsen för sin stabilitet. Innan jag går närmare in på komplex problemlösning och komplext tänkande följer en kort introduktion till en aningen enklare form av problemlösning.
Komplicerade system och problem
Som alternativ till komplexa system anges ofta komplicerade system. De är förvisso svåra att förstå sig på, men ändå lösbara och förutsägbara om man har kunskap om de ingående komponenterna och deras inbördes relationer. Komplicerade system är ofta mekaniska sådana, som de jag själv ägnat mig åt att studera i strukturmekaniken där man bygger upp modeller genom att foga ihop ett stort antal strukturelement. Ofta är dessa system designade av människan, men även planetbanor kring en stjärna kan förstås som komplicerade system då de i princip är förutsägbara givet att man har kännedom om alla ingående variabler. De är alltså deterministiska. Andra typiska exempel är maskiner, som urverk, datorer eller rymdfärjor.
Denna syn på system som mekaniska och förutsägbara sågs länge som idealet inom naturvetenskapen från Newtons klassiska mekanik fram till födelsen av först kvantmekaniken och sedan kaosteorin på 1900-talet, men sträcker sig långt utanför naturvetenskapen än idag. Tänk bara på den förutsägbara maskinen som liknelse inom organisationsteorin eller människans förmodat rationella beteende i ekonomin. En mekanisk syn på beslutsfattande och problemlösning, som alltså utgår från en syn på systemet som komplicerat, går ut på ta in rätt expert som löser problemet genom att göra en modell över systemet. Sedan implementerar man en strategi utifrån modellen. Med denna modell av systemet kan man alltså kontrollera det, en top-down-lösning. I och med detta har vi alltså kommit in på problemlösning och på hur man hanterar komplicerade problem i allmänhet. Det kan illustreras med en klassisk managementlegend:
En gammal ingenjör med en sällsynt begåvning på maskiner hade gått i pension. Flera år senare kontaktade hans gamla företag honom om ett till synes omöjligt problem de hade med en av deras maskiner värd många miljoner kronor. Den pensionerade ingenjören antog motvilligt utmaningen. Han tillbringade en längre tid att studera maskinen och satte till slut ett X med en krita på en del av maskinen och förklarade: “Där är problemet!” Den markerade delen byttes ut och maskinen fungerade sedan perfekt igen. Företaget fick därefter en faktura på 500 000 kr från ingenjören för sina tjänster. När företaget begärde en specificering av fakturan blev svaret från ingenjören kort:
Ett kritmärke: 10 kr
Veta var det ska sitta: 499 990 kr
Maskinen i historien kan ses som ett deterministiskt system som den gamle ingenjören till slut får fullständig kännedom om. Han sätter fingret och kritan på exakt den del som behöver bytas ut och han behöver inte ens stanna kvar för att se att han har rätt. Problemet är löst!
Ur ett vetenskapligt perspektiv kan man göra modeller av komplicerade system, där flera olika faktorer samverkar på ett visst sätt, och i princip bevisa modellens giltighet empiriskt genom att man varierar en variabel i taget och mäter resultatet. Det förutsätter dock att man kan avgränsa problemet och isolera det från omgivningen, något som är möjligt och giltigt för solsystemet. Detta sätt att skapa en komplicerad modell kan vara ett svårt och omfattande arbete eftersom man behöver kunna kontrollera alla variabler, men det är i princip möjligt i ett komplicerat system. Däremot är det i princip omöjligt med ett komplext system, i alla fall med de vetenskapliga verktyg vi brukar förknippa med hypotetiskt-deduktivt tänkande som man kan modellera komplicerade system med. Snarare handlar det om att identifiera egenskaper och mekanismer som typiskt uppträder i liknande system, exempelvis Darwins principer för hur evolutionen går till. Dessa principer kan inte förutsäga hur den evolutionära processen kommer att utvecklas, bara enligt vilka principer den sker.
Enkelt, komplicerat, komplext och kaosartat
Innan vi återgår till de komplexa problemen kan nämnas en vanlig indelning av problem från komplexitetsteorin, den mellan enkla, komplicerade, komplexa och kaotiska problem. Ett ramverk som beskriver detta är Cynefin av Dave Snowden. Komplicerade system och problem sätts ibland i kontrast till enkla problem, sådana som har en enkel och för de flesta uppenbar lösning. En enkel problemlösning kännetecknas ofta av linjärt tänkande där man ser problemet, karakteriserar det och hittar en befintlig lösning som man genomför. Problemet kan behandlas som isolerat från omgivningen.
Jag ska inte gå in i detalj på kaosteori, bara kort nämna att kaosartade system, t ex hur vädret förändras, brukar karaktäriseras främst av att små ändringar i indata skapar stora ändringar i resultat. De är alltså möjliga att någorlunda noggrant förutsäga den närmsta tiden (några dagar för vädret) men omöjliga att förutsäga på längre sikt då vi alltid har en begränsad mängd och viss osäkerhet i indata. Nu åter till komplexa system och problem som är huvudfokus här.
Hur hanterar man komplexa problem?
Jämfört med de komplicerade problemen får man angripa de komplexa med en annan approach och attityd. Exempel på komplexa problem är hur man uppfostrar ett barn, hur man leder ett företag, ett politiskt parti eller ett fotbollslag, hur man beter sig i en relation, hur man arbetar med hållbarhetsfrågor eller skapar annan förändring i samhället. Komplexa problem har inte slutgiltigt korrekta lösningar, man måste ofta kombinera olika förhållningssätt och strategier. Ofta kan många aktörer med olika perspektiv vara inblandade så att man inte har full makt att välja lösning själv.
Att hantera ett komplext problem kan beskrivas som en process snarare än en begränsad resa med en start och ett mål. Donella Meadows som var inblandad i arbetet med Limits to growth menade att komplexa system inte kan kontrolleras, man kan på sin höjd påverka dem och lära sig dansa med dem. Istället för att lägga tid på att räkna ut den slutgiltiga lösningen använder man kortare interventioner, drar lärdom av dessa och förbättrar sig till nästa intervention ungefär som när man cyklar. Ordet agilt används ofta för att beskriva ett sådant tillvägagångssätt.
Vad innebär då att “dansa” med ett komplext problem? En liknelse vi kan använda är att odla en växt. Det går inte att strikt kontrollera en växt, tvinga den att växa och dra ut bladen ur kvisten som Piaget uttryckte det. Växten är inte ett problem att lösa. Det man kan göra är att ge den förutsättningar i form av en grogrund, vatten och ljus. Sedan får naturen ha sin gång. Även om komplexa system inte helt går att förutsäga så finns en hel del kunskap och karakteristik kring hur de typiskt beter sig. Ett exempel på beskrivning kommer från just Donella Meadows som karakteriserade system i termer av hävstångspunkter som man kan trycka på för att åstadkomma förändring och Peter Senge talar ibland om systemarketyper.
Epistemologisk komplexitet
Vid det här laget kanske den uppmärksamma läsaren noterat att det kan finnas ett glapp mellan systemet i sig och hur vi uppfattar det. Alltså mellan den ontologiska verkligheten och vår epistemologiska förmåga. Epistemologisk komplexitet, till skillnad från den ontologiska som jag nämnde i början, handlar om hur komplex vår förståelse är, något som kan beskrivas och dessutom mätas med MHC (Model of Hierarchical Complexity). Detta glapp tar sig vanligen uttryck i att komplexa system uppfattas som komplicerade eller, än värre, som enkla (en skillnad som MHC dock inte fångar, däremot King och Kitchener respektive van Rossum och Hamer). På så sätt kan våra föreställningar kring frågan vara avgörande för hur vi hanterar den. Hur man angriper problemet beror på hur man förstår det, vilket varierar beroende på person och den förståelsen kan också utvecklas under resans gång. Att dansa med ett problem kan innebära att man låter problemet förändra en själv, ens förståelse av problemet och kanske till och med ens identitet.
Vilka lärdomar har jag dragit av att ha arbetat med komplexa frågeställningar? Vad bör man tänka på? Här följer några aspekter att ta hänsyn till, även om det säkert finns fler aspekter jag inte kommer på just nu:
1. Attityd: Först och främst är det avgörande att inse att problemet är komplext och därmed inte lösbart. Svar eller lösningar är inte slutgiltigt korrekta eller felaktiga, men det finns mer eller mindre rätta svar (och fortfarande många fullständigt felaktiga). Synen på problemets natur avspeglar sig i den attityd med vilken man närmar sig det. Att från början vara ödmjuk för att problemet kanske kommer visa sig mer komplext än vad man först trott gör det lättare att ompröva beslut och verktyg under resans gång. Det är inte bara att sätta krysset med kritan på rätt punkt och sen gå därifrån ungefär som en filmhjälte i slowmotion går ifrån en explosion utan att vända sig om. Om man inte har insikten att problemet är komplext kommer man förmodligen att förespråka en lösning, strategi eller ideologi som lämpar sig bättre till komplicerade problem eller, än värre, enkla problem som kanske i sin tur förvärrar situationen, en sk kobraeffekt som diskuteras i detta TED-talk om komplexitet.
Istället för små enkla förändringar och lösningar kan en möjlig enda väg framåt vara att hela systemet behöver transformeras, när systemets mest grundläggande egenskaper och identitet utgör en del av problemet.
2. Balans: Det bör också nämnas att en ödmjukhet som beskrivs ovan inte bör slå över i hopplöshet och handlingsförlamning när man börjar bli varse problemets verkliga komplexitet. Ungefär som Fredrik Reinfeldt lär ha sagt efter en dragning av Johan Rockström: ”Vad fan kan man göra, egentligen?” Bara för att man inte ser någon möjlig lösningsväg så finns fortfarande bättre eller sämre alternativ och vägar framåt. Man bör alltså också vara ödmjuk inför svårigheterna men också inför de lösningar och vägar fram man inte ser idag men som kan uppenbara sig senare.
Därför kan komplicerade och till och med enkla lösningsstrategier vara nödvändiga delar av den totala problemhanteringen. Ett exempel här är just Limits to growth som använde sig av en metod för komplicerad systemmodellering, causal loop diagram. Man kanske snabbt behöver släcka en del bränder och vinna tid för att kunna implementera mer långsiktiga åtgärder. Men det kan också vara så att det är möjligt att i grova drag uttala sig utvecklingen även om man inte kan modellera systemet i detalj. Hanteringen av komplexa problem kan därför innehålla enkla och komplicerade åtgärder. Det handlar alltså om att eftersträva en balans mellan att bejaka uppgiftens svårighet och komplexitet, och att göra vad man kan med de verktyg man har till hands.
Med balans menar jag också att systemet kanske inte med nödvändighet måste transformeras. Bara för att ett problem är komplext är det inte nödvändigtvis så att vi ska slakta alla heliga kor, skrota alla strukturer och släppa på alla principer, och kasta oss ut i en vansklig systemtransformation. Det kan vara så att systemet behöver bevaras även om det skapar vissa problem. Det är ett exempel på målkonflikt som ofta uppstår vid komplexa frågor.
3. Kvalitet i respons: Hur kan vi då skilja på bra och dåliga sätt att hantera komplexa problem? Det finns förstås inga slutgiltigt korrekta svar på den frågan, men några hållpunkter jag brukar argumentera för kommer från vuxenutvecklingen. De fokuserar därmed på hur vi relaterar till problemet på det epistemologiska planet. Det handlar om att eftersträva en komplexare förståelse för problemets natur, en självinsikt kring ens egen förståelse av problemet och ens egen inblandning i det, samt att försöka väva in och ta hänsyn till så många olika perspektiv och ståndpunkter som möjligt. Detta innefattar också att fråga sig vem som äger problemet. Det kanske inte är den enskilde experten eller hjälten (du) som ska komma fram med lösningen utan din uppgift kanske är att bidra till att skapa en gynnsam mylla för goda initiativ att växa fram och andra hjältar att träda fram. Det är vad man brukar kalla post-heroiskt ledarskap, något som kan vara svårt att sälja in i den politiska världen såväl som i näringslivet där främst klara svar och handlingskraft efterfrågas.
Tre traditioner av hållbarhetsundervisning
Ett avslutande exempel på komplext system är våra egna liv och vårt tänkande i sig! Det finns inget färdigt slutgiltigt svar på hur vi bör tänka, känna, handla och vilka värderingar vi bör ha. Snarare bör vi se oss som komplexa system eller processer utan någon förutbestämd slutpunkt. Vi ställs inför olika problem och försöker klura ut hur vi ska hantera dem och livet som helhet, och dessa frågor förändrar oss under resans gång. En sådan typ av problem med stor potential att förändras oss är hållbarhetsfrågor.
Tillsammans med några kollegor skickade jag nyligen in ett abstract till en pedagogisk konferens. Det innehöll resonemang kring hur vuxenutvecklingsteorier kan vara till hjälp för undervisning om hållbarhetsfrågor. Där refererar vi till Sandell, Öhman och Östman som beskriver följande tre undervisningstraditioner: en faktabaserad där man menar att det räcker med att lära ut kunskap om hållbarhetsfrågor (vilket många menar är otillräckligt), en normerande där man också ska förmedla miljövänliga värderingar och attityder (där risken kan bli att undervisningen blir ett politiskt verktyg), samt en pluralistisk som utgår från att elevernas förmåga att tänka och reflektera kritiskt utvecklas och att de värderingar och attityder som resulterar av undervisningen bör ses som ett resultat av en mognadsprocess som inte helt kan kontrolleras (även om en del invänder att denna process är för långsam och osäker).
Jag hör till de som förespråkar det sista alternativet helt enkelt för att jag menar att kunskapsutveckling och mognad är en komplex fråga. Att förespråka en korrekt uppsättning önskvärda värderingar, oavsett fråga och oavsett hur fina dessa värderingar är, kan skapa en likriktning som är motsatsen till mångfalden i åsikter och perspektiv som utmärker ett demokratiskt levande debattklimat. Detta tillvägagångssätt bejakar samhällets organiska natur och behandlar det som ett komplext system, inte ett komplicerat mekaniskt system som kan kontrolleras och styras. Dessutom ger erfarenheter från uppfostran genom historien att det ingår i processen att bli vuxen att göra revolt mot vuxenvärlden, oavsett om det handlat om att lyssna på rock’n’roll eller annan ”omoralisk” musik, spela datorspel eller sitta inne och läsa böcker. Ju hårdare man försöker pådyvla vissa värderingar desto starkare brukar revolten bli när den väl kommer.
Undervisning om hållbarhetsfrågor är komplext och likaså undervisning över huvud taget. Det finns problem inom skolan och gott om förslag på vad man bör göra åt dem. Att förstå problemets natur tror jag är ett litet men viktigt steg framåt i den och andra komplexa frågor. Jämfört med begreppet illa strukturerade problem ligger det i de komplexa problemens natur att man inte bara ska ha en förståelse för dem, utan också göra något åt dem.
Måhända svårstrukturerade problem kan vara ett alternativ till ill-structured problems?