倾斜点的视觉模型中的潜在陷阱及其修复方法

视觉模型在科学与科学传播中发挥着关键作用。然而，区分单纯的类比与数学上严谨的图形表示并不容易，此区别不仅容易被非专业人士误解，而且在学术文献中也可能被误解。此外，即使图形表示恰好对应于数学模型，其解释也常常并不明显。本文讨论了用于非线性动力学中 tipping points 上下景观的常见可视化方法，并揭示了潜在的陷阱，特别是在区分由分叉引起的 tipping(B-tipping)与由噪声引起的 tipping(N-tipping)时。我们提出了新的 tipping dynamics 可视化技术，仔细区分 B-tipping 与 N-tipping，以及单一系统与系统集。我们明确地将这些可视化技术同时应用于分子细胞生物学和气候科学，以揭示视觉模型解释中的关键差异。我们发现，必须明确讨论视觉模型所做出的假设，并警惕误解的风险。这些发现适用于广泛的读者群体，从一些需要一般非线性系统知识的研究生到从事非线性科学领域的研究专业人员。本文为这些新的可视化方法提供了理论基础。下一步，我们提出要通过基于这些发现的实证研究来调查这些可视化模型可能诱导的个人心理模型。