… ili kako obraniti svoje (dobro) rješenje.

Dragim ljudima iz inženjerskog miljea i sebi stalno ponavljam dvije izreke. Prva se pripisuje Mark Twainu: Nikada ne raspravljaj s budalom; promatrači (možda) neće uočiti razliku. Druga nema autora i obično se iskazuje: Ne raspravljaj s budalom, jer će te spustiti na svoju razinu i pobijediti iskustvom. Prvi se ne držim tih pravila pa se često „upecam“. U ovoj temi spomenuo sam dvije knjige koje u naslovu sadrže idiot i glupan. Jedan autor jasno definira glupost kao izostanak kritičkog mišljenja i nesposobnosti uvida u vlastito neznanje, dok drugi naše etiketiranje nekoga kao idiota pripisuje međusobnoj tvrdoglavosti i(li) nesposobnosti prilagodbe međusobne komunikacije.

Glupan se najčešće definira kao netko tko želi shvatiti, ali nema dostatan intelekt, dok se budala definira kao osoba (iznad)prosječnog intelekta koja ignorira stvarnost, dokaze i zdrav razum, jer ne može zatomiti ego, emocije i tvrdoglavost. Ova tema je posvećena potonjima, koje vrlo često pristojno nazivamo nedokazanim ljudima. Neću se baviti self-help umovanjem, usredotočujem se na rigidni inženjerski pristup (de)argumentacije nekog prometnog rješenja. Na kraju, možemo zaključiti i da nismo u pravu i(li) da naša (hipo)teza nije baš tako dobro argumentirana/ dokazana kako smo mislili.

Stephen Toulmin još je davne 1958. godine sve to lijepo sistematizirao u svoj knjizi The Uses of Argument (dostupna je cijela knjiga). Prikazana metodologija se formalno odnosi na retoriku i to je upravo ono što je inženjerima/kama prometa itekako potrebno. U džungli (kakofoniji) prometnih „stručnjaka i znalaca“ svako retoričko posrtanje (zastajkivanje) bukvalno znači propast ideje, plana ili projekta. Retorička metodologija Stephena Toulmina počiva na jasnoj strukturi:

1. Tvrdnja (Claim): zaključak ili teza koju dokazujemo,
2. Podatci / Temelj (Data /Ground): činjenice, dokazi ili informacije na kojima se tvrdnja temelji,
3. Premisa (Warrant): logički konstrukt koji objašnjava kako podatci podupiru tvrdnju,
4. Podrška (Backing): dodatni znanstvenostručni dokazi,
5. Kvalifikator (Qualifier): riječi koje određuju stupanj sigurnosti tvrdnje (npr. vjerojatno, sigurno, uglavnom),
6. Pobijanje (Rebuttal): iznimke ili situacije u kojima tvrdnja prestaje vrijediti – protuargumenti.

Struktura modela je prikazana na sljedećoj slici i upućuje na tijek misli koje savjestan inženjer(ka) najčešće koristi. Ako se malo zamislimo, ne koristimo jedino kada nemamo sve argumente ili (blago rečeno) nismo sigurni u ono što govorimo. Slika govori da se svaka argumentacija izvodi: relevantni podatci podupiru moju premisu temeljenu na određenom znanstvenostručnom instrumentariju pa sam stoga, uz određen stupanj sigurnosti i uz određene iznimke (ograničenja), dokazao svoju tvrdnju (tezu).

Primjenu Toulminovog modela pokazat ću na argumentaciji politike parkiranja:
Tvrdnja: u dijelu grada/stambenoj četvrti potrebno je uvesti naplatu parkiranja s vremenskim ograničenjem,
Podatci: terenska istraživanja pokazuju popunjenost veću od 90% između 08:00 i 16:00 sati, prosječno parkiranje je dulje od četiri sata; većina su korisnici iz drugih dijelova grada koji besplatno parkiraju,
Premisa: uvođenje naplate s vremenskim ograničenjem destimulira dugotrajno parkiranje korisnika vozača i potiče bržu izmjenu parkiranja,
Podrška: prometna i ekonomska teorija te podatci iz drugih gradova pokazuju da naplata parkiranja smanjuje potražnju nerezidenata 30% – 40%, oslobađajući prostor za lokalno stanovništvo,
Kvalifikator: mjera će najvjerojatnije riješiti problem dnevnog zagušenja, pod uvjetom redovitog nadzora i kažnjavanja nepropisnog parkiranja,
Prigovor: mjera nije učinkovita ako se rezidentima ne omogući kupnja povlaštene parkirne karte bez vremenskog ograničenja, a ostalima ne ponudi bolji javni prijevoz (s Park & Ride alternativom).

Model se može grafički prikazati. Nema iznenađenja. Već sam puno puta pokazao i dokazao da je tehnička / znanstvena / inženjerska baza osnova svega.

Moguće je da za ovaj stav pronaći i suprotnu politiku – alternativu:
Tvrdnja (alternativna): umjesto naplate parkiranja potrebno je poboljšati javni prijevoz te izgraditi popratnu biciklističku infrastrukturu,
Podatci: istraživanja pokazuju da preko 70% vozača nerezidenata dolazi iz područja bez dobrog javnog prijevoza pa su „osuđeni“ na automobil,
Premisa: dobar javni prijevoz prirodno smanjuje broj automobila i potrebu za parkiranjem jer vozači sami biraju učinkovitiji sustav,
Podrška: praktična iskustva malih i velikih gradova pokazuju da ulaganje u javni prijevoz i mikromobilnost smanjuje ukupni automobilski promet, dugoročno rješavajući problem zagušenja,
Kvalifikator: mjera će biti učinkovita pod uvjetom održavanja visoke kvalitete javnog prijevoza i fizičkog odvajanja mikromobilnosti od kolnika,
Prigovor (autocentrični): potrebna visoka početna financijska ulaganja i dulji vremenski period za realizaciju u usporedbi s brzim i jeftinijim uvođenjem zone naplate parkiranja.

Što sad? Je li moguće da su oba pristupa argumentirana i vjerodostojna? Moguće je (i zapravo vrlo često) da istovremeno imamo jednake čvrste argumente (dokaze) za obje tvrdnje, a koji pristup će prevladati, to polako izlazi iz okvira zadaća i odgovornosti prometnog inženjerstva. Prometna politika odlučuje hoće li slijediti neku opću zacrtanu prometnu politiku EU ili neku svoju lokanu politiku.

Inženjerstvo nije retoričko prepucavanje na sastancima i(li) u javnosti (medijima). Inženjerstvo je ozbiljan posao temeljen na relevantnim podatcima koji ne upućuju na tzv. politički kompromis. Inženjer(ka) prometa nije slobodna profesija, nije nekakav „usamljeni jahač“. Duboko smo utkani u društvo putem, već spomenute, prometne politike.

Naša je odgovornost odvojiti „žito od kukolja“, nikako ne komplicirati, a način kako analiziramo podatke izravno govori o našim (ne)časnim namjerama. Posebnu pažnju posvećujem tom segmentu i objavio sam tri teme koje govore o situacijama kada imamo (pre)malo podataka, kada ih imamo nešto više ili kada smo blagoslovljeni cjelovitim podatcima. U jednoj temi sam pokazao kako i prezentacija podataka može imati važnu (ključnu) ulogu.

Glede pretpostavki (premisa) isto ne moramo izmišljati „toplu vodu“ jer su nam danas na raspolaganju brojne analitičke tehnike koje nam ukazuju na poželjan smjer rješenja, a kako uopće formirati premisu (hipo)tezu pokazao sam ovdje. Jako dobar alat za ispitivanje održivosti premise opisao sam ovdje.

U prometnu znanost više ne trebamo sumnjati, dosta toga već je istraženo do te razine da smo svjesni velikih zabluda iz prošlosti, možemo prepoznati određene zbunjujuće situacije, kao i podatke i(li) (hipo)teze koji nas mogu odvesti u krivom smjeru. U ovoj temi sam opisao kako koristimo brojne blagodati linearne algebre. Jedan od načina kako to sve upakirati u neku relevantnu jedinstvenu i neoborivu priču opisao sam ovdje ili kako (ne)točno protumačiti stav javnosti opisao sam ovdje. Ponekad je lako potvrditi neku premisu jer je analitički aparat jasan, primjerice kod usporedbe (ne)učinkovitosti semafora naspram kružnog toka prometa, a ponekad treba dobro analizirati baš sve podatke i pokazatelje za postavljanje hipoteze i daljnju znanstvenostručnu razradu.

Po pitanju kvalifikatora, tu smo, inženjeri/ke prometa, na (vrlo) skliskom terenu. U ovoj temi sam pokazao kako drugačije grupiranje istih podataka potpuno mijenja zaključak. Isto tako, u većini rješenja moramo biti vrlo restriktivni, moramo jasno reći u kojim uvjetima je naša tvrdnja (vrlo) vjerojatna, a gdje smo u uvjetima stohastičkog procesa. Ne trebamo se bojati stohastičnosti, jer i za to imamo učinkoviti lijek .

Kod (samo)prigovora se ne možemo izgovarati na “objektivne” probleme. Primjena kritičkog mišljenja je nešto što mora biti ugrađeno u naš svakodnevni rad, jer nas drži (koliko – toliko) podalje od naših pristranosti i predrasuda.

Primjer kako smo kolege i ja obranili svoje prometno rješenje u jednom projektu, začinjenom s previše medijske pažnje, prikazan je u ovoj temi.

Hoće li nas ovakav pristup, kako preporučuje gospodin Toulmin, stvoriti „neuništivima“ ili „pobjednicima“ u svakoj raspravi i(li) diskusiji? Naravno da neće? Koliko god se trudili možemo sami napraviti neku logičku pogrešku ili možemo postati njezina žrtva, ukoliko ne pazimo. U svakom slučaju, ako problemu pristupimo objektivno uvažavajući cijeli eko sustav, ako zaista objektivno sagledamo problem, onda znamo što nudimo, koje su dobre i loše strane našeg rješenja.

Mnogi pripisuju Nelsonu Mandeli sljedeću izreku: Nikada ne gubim. Ili pobjeđujem ili učim. Inženjeri bi parafrazirali: prihvaćanje našeg rješenja ne znači da smo pobijedili već da su prihvaćeni znanstvenostručni postulati prometne znanosti, a neprihvaćanje našeg rješenja ne znači poraz već dobru školu (učenje) kako bi drugi puta dali bolje argumente (podatci, metodologija, prezentacija).

Ako je ispred nas osoba koja je unaprijed donijela odluku i, nakon svih naših znanstvenostručno utemeljenih argumenata, ne mijenja stav, onda nam je najbolje prihvatiti dvije uvodne izreke.