Mapa cognitivo difuso

Un mapa cognitivo difuso ( MCD ) es un mapa cognitivo en el que las relaciones entre los elementos (p. ej., conceptos, eventos, recursos del proyecto) de un "paisaje mental" se pueden utilizar para calcular la "fuerza del impacto" de estos elementos. Los mapas cognitivos difusos fueron introducidos por Bart Kosko . ^{[ 1 ] [ 2 ]} Robert Axelrod introdujo los mapas cognitivos como una forma formal de representar el conocimiento científico social y modelar la toma de decisiones en sistemas sociales y políticos, e incorporó el cálculo. ^{[ 3 ]}

Los mapas cognitivos difusos son grafos dirigidos difusos con signo . Se utilizan hojas de cálculo o tablas para mapear los FCM en matrices para su posterior cálculo. El FCM es una técnica utilizada para la adquisición y representación del conocimiento causal, apoya el proceso de razonamiento del conocimiento causal y pertenece al sistema neurodifuso que apunta a resolver problemas de toma de decisiones, modelar y simular sistemas complejos . ^{[ 4 ]} Se han propuesto algoritmos de aprendizaje para entrenar y actualizar los pesos de los FCM basados ​​principalmente en ideas provenientes del campo de las redes neuronales artificiales . ^{[ 5 ]} Se utilizan metodologías de adaptación y aprendizaje para adaptar el modelo FCM y ajustar sus pesos. Kosko y Dickerson (Dickerson y Kosko, 1994) sugirieron el aprendizaje hebbiano diferencial (DHL) para entrenar el FCM. ^{[ 6 ]} Se han propuesto algoritmos basados ​​en el algoritmo hebbiano inicial; ^{[ 7 ]} otros algoritmos provienen del campo de los algoritmos genéticos , la inteligencia de enjambre ^{[ 8 ]} y la computación evolutiva . ^{[ 9 ]} Los algoritmos de aprendizaje se utilizan para superar las deficiencias que presentan los FCM tradicionales, es decir, disminuyendo la intervención humana mediante la sugerencia de candidatos FCM automatizados; o activando solo los conceptos más relevantes en cada ejecución; o haciendo que los modelos sean más transparentes y dinámicos. ^{[ 10 ]}

Los mapas cognitivos difusos (MCD) han ganado un considerable interés de investigación debido a su capacidad para representar conocimiento estructurado y modelar sistemas complejos en varios campos. Este creciente interés llevó a la necesidad de mejorar y crear modelos más confiables que puedan representar mejor las situaciones reales. Una primera aplicación simple de los MCD se describe en un libro ^{[ 11 ]} de William R. Taylor, donde se analiza la guerra en Afganistán e Irak. En el libro de Bart Kosko , Fuzzy Thinking , ^{[ 12 ]} varios diagramas de Hasse ilustran el uso de los MCD. Como ejemplo, un MCD citado de Rod Taber ^{[ 13 ]} describe 11 factores del mercado estadounidense de cocaína y las relaciones entre estos factores. Para los cálculos, Taylor usa lógica pentavalente (valores escalares de {-1, -0.5, 0, +0.5, +1}). Ese mapa particular de Taber usa lógica trivalente (valores escalares de {-1, 0, +1}). Taber et al. También ilustran la dinámica de la fusión de mapas y dan un teorema sobre la convergencia de la combinación en un artículo relacionado. ^{[ 14 ]}

Si bien las aplicaciones en ciencias sociales ^{[ 11 ] [ 12 ] [ 13 ] [ 15 ]} introdujeron los FCM al público, se utilizan en una gama mucho más amplia de aplicaciones, todas las cuales tienen que ver con la creación y el uso de modelos ^{[ 16 ]} de incertidumbre y procesos y sistemas complejos. Ejemplos:

• En los negocios, los FCM se pueden utilizar para la planificación de productos ^{[ 17 ]} y el apoyo a la toma de decisiones. ^{[ 18 ]}
• En economía, los FCM respaldan el uso de la teoría de juegos en entornos más complejos. ^{[ 19 ]}
• En educación para modelar los factores críticos de éxito de los sistemas de gestión del aprendizaje . ^{[ 20 ]}
• En aplicaciones médicas para modelar sistemas, proporcionar diagnósticos, ^{[ 21 ]} desarrollar sistemas de apoyo a la toma de decisiones ^{[ 22 ] [ 23 ]} y evaluación médica . ^{[ 24 ]}
• En ingeniería para modelado y control ^{[ 25 ]} principalmente de sistemas complejos ^{[ 26 ]} e ingeniería de confiabilidad ^{[ 27 ]}
• En la planificación de proyectos, los FCM ayudan a analizar las dependencias mutuas entre los recursos del proyecto.
• En robótica ^{[ 12 ] [ 28 ]} los FCM ayudan a las máquinas a desarrollar modelos difusos de sus entornos y a utilizar estos modelos para tomar decisiones precisas.
• En el aprendizaje asistido por computadora, los FCM permiten que las computadoras verifiquen si los estudiantes comprenden sus lecciones. ^{[ 29 ]}
• En los sistemas expertos ^{[ 13 ]} se pueden agregar varios FCM en un solo FCM para procesar estimaciones de personas con conocimientos. ^{[ 30 ]}
• En la gestión de proyectos de TI, una metodología basada en FCM ayuda al modelado de éxito, ^{[ 31 ]} análisis y evaluación de riesgos, ^{[ 32 ] [ 33 ]} escenarios de TI ^{[ 34 ]}

FCMappers es una comunidad internacional en línea para el análisis y la visualización de mapas cognitivos difusos. ^{[ 35 ]} FCMappers ofrece apoyo para quienes se inician en el uso de mapas cognitivos difusos (MCD) y también proporciona una herramienta basada en Microsoft Excel que permite verificar y analizar MCD. El resultado se guarda como archivo Pajek y puede visualizarse con software de terceros como Pajek, Visone, etc. Además, ofrecen la posibilidad de adaptar el software a necesidades específicas de investigación.

Recientemente se han desarrollado herramientas de software FCM adicionales, como Mental Modeler, ^{[ 36 ] [ 37 ]} como una herramienta de apoyo a la toma de decisiones para su uso en la investigación en ciencias sociales , la toma de decisiones colaborativa y la planificación de recursos naturales .

• Diagrama causal
• Diagrama de bucle causal
• dinámica de sistemas
• Mapa cognitivo