Simulación social

La simulación social es un campo de investigación que aplica métodos computacionales para estudiar problemas en las ciencias sociales . Los temas explorados incluyen problemas en derecho computacional , psicología , ^{[ 1 ]} comportamiento organizacional , ^{[ 2 ]} sociología , ciencia política, economía , antropología, geografía, ingeniería , ^{[ 2 ]} arqueología y lingüística ( Takahashi, Sallach y Rouchier 2007 ) .

La simulación social pretende salvar la brecha entre el enfoque descriptivo utilizado en las ciencias sociales y el enfoque formal utilizado en las ciencias naturales, centrando la atención en los procesos, mecanismos y comportamientos que construyen la realidad social.

En la simulación social, las computadoras apoyan las actividades de razonamiento humano mediante la ejecución de estos mecanismos. Este campo explora la simulación de sociedades como sistemas complejos no lineales , que son difíciles de estudiar con modelos clásicos basados ​​en ecuaciones matemáticas. Robert Axelrod considera la simulación social como una tercera forma de hacer ciencia, que difiere tanto del enfoque deductivo como del inductivo; genera datos que pueden analizarse inductivamente, pero que provienen de un conjunto de reglas rigurosamente especificadas en lugar de la medición directa del mundo real. Por lo tanto, simular un fenómeno es similar a generarlo: construir sociedades artificiales. Estos ambiciosos objetivos han recibido varias críticas .

El enfoque de simulación social aplicado a las ciencias sociales es promovido y coordinado por cuatro asociaciones regionales: la Asociación Europea de Simulación Social (ESSA) para Europa, la Asociación Asiática de Simulación Social (ASSA) para Asia, la Sociedad de Ciencias Sociales Computacionales de las Américas (CSSS) en Norteamérica y la Asociación Panasiática para el Enfoque Basado en Agentes en las Ciencias de los Sistemas Sociales (PAAA) en Asia Pacífico.

La historia del modelo basado en agentes se remonta a la máquina de Von Neumann , una máquina teórica capaz de reproducirse a sí misma. El dispositivo propuesto por John von Neumann seguiría instrucciones detalladas para crear una copia de sí mismo. El concepto fue mejorado posteriormente por Stanislaw Ulam , amigo de von Neumann y también matemático; Ulam sugirió que la máquina se construyera en papel, como una colección de celdas en una cuadrícula. La idea intrigó a von Neumann, quien la dibujó , creando así el primero de los dispositivos que más tarde se denominarían autómatas celulares .

Otra mejora la aportó el matemático John Conway . Él construyó el conocido Juego de la Vida . A diferencia de la máquina de von Neumann, el Juego de la Vida de Conway funcionaba con reglas sencillas en un mundo virtual con forma de tablero de ajedrez bidimensional .

El surgimiento del modelo basado en agentes como modelo para sistemas sociales fue impulsado principalmente por el científico informático Craig Reynolds . Él intentó modelar la realidad de agentes biológicos dinámicos, conocidos como vida artificial , término acuñado por Christopher Langton .

Joshua M. Epstein y Robert Axtell desarrollaron el primer modelo de agentes a gran escala, Sugarscape , para simular y explorar el papel de fenómenos sociales como las migraciones estacionales, la contaminación, la reproducción sexual, el combate, la transmisión de enfermedades e incluso la cultura.

Kathleen M. Carley publicó "Computational Organizational Science and Organizational Engineering", obra que define la aplicación de la simulación en las organizaciones, fundó una revista especializada en simulación social aplicada a organizaciones y sistemas sociotécnicos complejos: Computational and Mathematical Organization Theory , y fue la presidenta fundadora de la North American Association of Computational Social and Organizational Systems, que posteriormente se transformó en la actual CSSSA.

Nigel Gilbert publicó junto con Klaus G. Troitzsch el primer libro de texto sobre simulación social: "Simulation for the Social Scientist" (1999) y fundó la revista más relevante sobre el tema: Journal of Artificial Societies and Social Simulation .

Más recientemente, Ron Sun desarrolló métodos para basar la simulación basada en agentes en modelos de cognición humana, conocidos como simulación social cognitiva (ver ( Sun 2006 ) ).

Aquí se presentan algunos ejemplos de temas que se han explorado mediante simulación social:

• Normas sociales : Robert Axelrod ha utilizado simulaciones para investigar los fundamentos de la moralidad; ^{[ 3 ]} otros han modelado el surgimiento de normas utilizando memes , ^{[ 4 ]} o cómo las normas sociales y las emociones pueden regularse mutuamente. ^{[ 5 ] [ 6 ]}
• Instituciones : investigando bajo qué condiciones los agentes logran coordinarse, ^{[ 7 ]} o modelando los trabajos de Robert Putnam sobre tradiciones cívicas ^{[ 8 ]}
• Reputación , por ejemplo, creando agentes con un modelo de reputación de Pierre Bourdieu (imagen, estima social y prestigio) y observando su comportamiento en un mercado virtual. ^{[ 9 ]}
• Transmisión del conocimiento y el proceso social de la ciencia: hay una sección especial sobre ese tema en el Journal of Artificial Societies and Social Simulation ^{[ 10 ].}
• Elecciones : Kim (2011) ha modelado un modelo psicológico de juicio a partir de investigaciones previas (que destaca el razonamiento motivado ) y ha comparado las regularidades estadísticas de la simulación con observaciones empíricas del comportamiento de los votantes; ^{[ 11 ]} otros han comparado métodos de delegación. ^{[ 12 ] [ 13 ]}
• Economía : véase economía computacional y economía computacional basada en agentes .

La simulación social puede referirse a una clase general de estrategias para comprender la dinámica social mediante el uso de computadoras para simular sistemas sociales. La simulación social permite una forma más sistemática de visualizar las posibles consecuencias.

Existen cuatro tipos principales de simulación social:

1. Simulación a nivel de sistema.
2. Modelado a nivel de sistema.
3. Simulación basada en agentes.
4. Modelado basado en agentes.

Una simulación social puede enmarcarse dentro de la sociología computacional , una rama de la sociología de reciente desarrollo que utiliza la computación para analizar fenómenos sociales. La premisa básica de la sociología computacional es aprovechar las simulaciones por computadora ( Polhill y Edmonds, 2007 ) en la construcción de teorías sociales. Implica la comprensión de los agentes sociales , la interacción entre estos agentes y el efecto de estas interacciones en el conjunto social. Si bien el objeto de estudio y las metodologías en las ciencias sociales difieren de los de las ciencias naturales o la informática , varios de los enfoques utilizados en la simulación social contemporánea tienen su origen en campos como la física y la inteligencia artificial .

Existen varios proyectos de investigación actuales que se relacionan directamente con el modelado y la simulación basada en agentes; a continuación se enumeran los siguientes con una breve descripción general.

• "Generative e-Social Science for Socio-Spatial Simulation" o (GENESIS) es un nodo de investigación del Centro Nacional de Ciencias Sociales Electrónicas del Reino Unido, financiado por el Consejo de Investigación Económica y Social (ESRC) del Reino Unido.
• "Infraestructura electrónica nacional para la simulación social" o (NeISS) es un proyecto con sede en el Reino Unido financiado por JISC.
• El proyecto «Redes de Gobernanza y Colaboración en I+D» (NEMO) es un centro de investigación cuyo objetivo principal es identificar formas de crear y evaluar estructuras de red adecuadas para funciones típicas (por ejemplo, creación, transferencia y distribución de conocimiento). Esta investigación, en última instancia, ayudará a los responsables políticos de todos los niveles a mejorar la eficacia y la eficiencia de los instrumentos políticos basados ​​en redes para promover la economía del conocimiento en Europa.
• El grupo de investigación «Simulaciones basadas en agentes del comportamiento del mercado y del consumidor», financiado por Unilever Corporate Research, analiza la utilidad de las simulaciones basadas en agentes para modelar el comportamiento del consumidor y demostrar el valor potencial y la información valiosa que pueden aportar a los métodos de marketing tradicionales.
• «Nuevos modelos mundiales emergentes mediante el aprendizaje individual, evolutivo y social» (o «Nuevos Lazos») es un proyecto de tres años que, en última instancia, creará una sociedad virtual desarrollada mediante simulación basada en agentes. El proyecto desarrollará una sociedad simulada capaz de explorar el entorno y generar su propia imagen de este y de la sociedad a través de la interacción. El objetivo del proyecto de investigación es que la sociedad simulada muestre aprendizaje individual , aprendizaje evolutivo y aprendizaje social .
• El proyecto de Bruch y Mare sobre la segregación vecinal : El objetivo del estudio es comprender las razones de la segregación vecinal basada en la raza y determinar el punto de inflexión , es decir, el momento en que las personas se sienten incómodas con los niveles de integración en su vecindario y deciden abandonarlo. Utilizaron tarjetas didácticas para crear un modelo, colocando la casa del agente en el centro y rodeando la casa del agente con casas de diferentes razas. Preguntaron a las personas qué tan cómodas se sentirían en diferentes situaciones; si se sentían cómodas con una situación, les preguntaban sobre otra hasta que el vecindario estuviera completamente integrado. Los resultados de Bruch y Mare mostraron que el punto de inflexión se encontraba en el 50%. Cuando un vecindario se componía de un 50% de minorías y un 50% de personas blancas, las personas de ambas razas comenzaban a sentirse incómodas y la migración de personas blancas aumentaba. El uso del modelado basado en agentes demostró su utilidad en el campo de la sociología, ya que las personas no tenían que explicar por qué se sentirían incómodas, sino simplemente con qué situación se sentían incómodas.
• El Programa MAELIA (Evaluación Multiagente de Normas Emergentes) es un proyecto que aborda las relaciones entre los usuarios y gestores de un recurso natural, en este caso el agua, y las normas y leyes relacionadas que se establecen en su seno (convenios) o que les imponen otros actores (instituciones). El objetivo del proyecto es construir una plataforma genérica multiescala diseñada para abordar los conflictos relacionados con el agua .
• El proyecto Mosi-Agil es un programa de cuatro años financiado por la Comunidad de Madrid a través del programa MOSI-AGIL-CM (subvención S2013/ICE-3019, cofinanciado por los Fondos Estructurales de la UE FSE y FEDER). Su objetivo es generar un conjunto de conocimientos y herramientas prácticas necesarias para gestionar de forma más eficaz el comportamiento de los ocupantes de grandes instalaciones. Para ello, el proyecto estudia el desarrollo de la inteligencia ambiental y los entornos inteligentes mediante la simulación social basada en agentes.

El modelado basado en agentes es muy útil para establecer un puente entre los niveles micro y macro, que constituyen una parte importante de lo que estudia la sociología. Los modelos basados ​​en agentes son más apropiados para estudiar procesos que carecen de coordinación central, incluyendo el surgimiento de instituciones que, una vez establecidas, imponen orden de arriba hacia abajo. Los modelos se centran en cómo las interacciones locales simples y predecibles generan patrones globales familiares pero muy detallados, como el surgimiento de normas y la participación en la acción colectiva. Michael W. Macy y Robert Willer investigaron una encuesta reciente sobre aplicaciones y encontraron que existían dos problemas principales con el modelado basado en agentes: la autoorganización de la estructura social y el surgimiento del orden social ( Macy y Willer, 2002 ) . A continuación se presenta una breve descripción de cada problema que Macy y Willer consideran que existe;

1. Estructura emergente . En estos modelos, los agentes cambian de ubicación o comportamiento en respuesta a influencias sociales o presiones selectivas. Los agentes pueden comenzar sin diferenciación y luego cambiar de ubicación o comportamiento para evitar diferenciarse o aislarse (o, en algunos casos, sufrir sobrepoblación). Sin embargo, en lugar de producir homogeneidad, estas decisiones conformistas se agregan para generar patrones globales de diferenciación cultural, estratificación y agrupamiento homofílico en redes locales. Otros estudios invierten el proceso, comenzando con una población heterogénea y culminando en la convergencia: la coordinación, difusión y colapso repentino de normas, convenciones, innovaciones y estándares tecnológicos.
2. « Orden social emergente . Estos estudios demuestran cómo la adaptación egoísta puede conducir a una acción colectiva exitosa sin altruismo ni imposición global (de arriba hacia abajo) de control. Un hallazgo clave en numerosos estudios es que la viabilidad de la confianza, la cooperación y la acción colectiva depende decisivamente de la integración de la interacción.»

Estos ejemplos simplemente muestran la complejidad de nuestro entorno y que los modelos basados ​​en agentes están diseñados para explorar las condiciones mínimas, el conjunto más simple de supuestos sobre el comportamiento humano, necesarios para que un fenómeno social determinado surja en un nivel superior de organización.

Desde su creación, la simulación social computarizada ha sido objeto de críticas en cuanto a su practicidad y precisión. La simplificación de lo complejo que realiza la simulación social para crear modelos que nos permitan comprenderlo mejor se considera a veces una desventaja, ya que utilizar modelos relativamente simples para simular la vida real con ordenadores no siempre es la mejor manera de predecir el comportamiento.

La mayor parte de las críticas parecen estar dirigidas a los modelos basados ​​en agentes y a la simulación, así como a su funcionamiento:

1. Las simulaciones, al ser creaciones humanas a partir de interfaces matemáticas, predicen el comportamiento humano de una manera demasiado simplista en lo que respecta a la complejidad de la humanidad y nuestras acciones.
2. Las simulaciones no permiten a los investigadores comprender cómo interactúan o se comportan las personas de maneras no programadas en sus modelos. Por esta razón, el alcance de las simulaciones es limitado, ya que los investigadores deben saber de antemano qué van a encontrar (hasta cierto punto, puesto que no pueden encontrar nada que ellos mismos no hayan incluido en el modelo), al menos de forma vaga, lo que podría sesgar los resultados.
3. Debido a la complejidad de lo que se mide, las simulaciones deben analizarse de forma imparcial; sin embargo, dado que el modelo se ejecuta con un conjunto de instrucciones predefinidas y codificadas por un modelador, los sesgos existen casi universalmente.
4. Resulta sumamente difícil y, a menudo, poco práctico intentar vincular los hallazgos del mundo abstracto que crea la simulación con nuestra compleja sociedad y toda su diversidad.

Los investigadores que trabajan en simulación social podrían argumentar que las teorías alternativas de las ciencias sociales son mucho más simples que las obtenidas mediante simulación y, por lo tanto, presentan los inconvenientes mencionados con mayor intensidad. En algunas ciencias sociales, las teorías tienden a ser modelos lineales, no dinámicos, que generalmente se infieren a partir de pequeños experimentos de laboratorio (los ensayos de laboratorio son más comunes en psicología, pero poco frecuentes en sociología, ciencias políticas, economía y geografía). El comportamiento de las poblaciones de agentes bajo estos modelos rara vez se somete a prueba o se verifica mediante la observación empírica.

• Economía computacional basada en agentes
• Simulación social basada en agentes
• conciencia artificial
• realidad artificial
• Sociedad artificial
• Sociología computacional
• Cliodinámica
• Personajes interactivos en línea
• Revista de Sociedades Artificiales y Simulación Social
• Realidad simulada
• Entorno sintético para análisis y simulaciones
• dinámica de sistemas
• Realidad virtual

• Carley, Kathleen M. (2002), "Ciencia organizacional computacional e ingeniería organizacional", Simulation Modelling Practice and Theory , 10 ( 5–7 ): 253–269 , CiteSeerX 10.1.1.299.9346 , doi : 10.1016/S1569-190X(02)00119-3 
• Davidsson, Paul (2000), "Simulación basada en agentes múltiples: más allá de la simulación social" (PDF) , Simulación basada en agentes múltiples , Lecture Notes in Computer Science, 1979 : 97–107 , CiteSeerX 10.1.1.15.1056 , doi : 10.1007/3-540-44561-7_7 , ISBN  978-3-540-41522-0{{citation}}: CS1 mantenimiento: parámetro de trabajo con ISBN ( enlace )
• Hadzibeganovic, Tarik; Stauffer, Dietrich; Schulze, Christian (2008), "Efectos de frontera en un modelo de votante modificado de tres estados para lenguajes", Physica A: Statistical Mechanics and Its Applications , 387 (13): 3242–3252 , arXiv : 0711.2757 , Bibcode : 2008PhyA..387.3242H , doi : 10.1016/j.physa.2008.02.003 , S2CID 14334804 
• Polhill, GJ; Edmonds, B. (2007), "Acceso abierto para la simulación social" (PDF) , Journal of Artificial Societies and Social Simulation , 10 (3)
• Takahashi, Shingo; Sallach, David; Rouchier, Juliette (2007), Avances en la simulación social: El primer Congreso Mundial , Springer, pág.  354, ISBN 978-4-431-73150-4
• Macy, MW; Willer, R. (2002), "De los factores a los actores", Annual Review of Sociology , 28 : 143–166 , doi : 10.1146/annurev.soc.28.110601.141117 , S2CID 1368768 
• Margitay-Becht, Andras (2005), "Modelado basado en agentes de AID" (PDF) , Descripción interdisciplinaria de sistemas complejos : 84–93 , archivado del original (PDF) el 30-06-2007 , recuperado el 25-09-2007.
• National Research, C. (2006), Modelado, simulación y análisis de la defensa: afrontando el desafío , 500 Fifth Street, NW Washington, DC: The National Academies Press, ISBN 978-0-309-10303-9
• Sylvan, Donald A. (1998), "Modelando el auge y la caída de los estados", Mershon International Studies Review , 42 (Suplemento_2): 377–379 , doi : 10.2307/254437 , JSTOR 254437 
• Silverman, Eric; Bryden, John (2007), "De las sociedades artificiales a la nueva teoría de las ciencias sociales", Advances in Artificial Life (PDF) , Lecture Notes in Computer Science, vol.  4648, pp. 565–574 , doi : 10.1007/978-3-540-74913-4_57 , ISBN  978-3-540-74912-7
• Stauffer, Dietrich (2003), "Simulaciones sociofísicas", Computing in Science and Engineering , 5 (3): 71– 75, arXiv : cond-mat/0210213 , Bibcode : 2003CSE.....5c..71S , doi : 10.1109/MCISE.2003.1196310 , S2CID 15746458 
• Sun, Ron (2006), Cognición e interacción multiagente: del modelado cognitivo a la simulación social , Cambridge University Press, Nueva York

• JASSS - Revista de Sociedades Artificiales y Simulación Social
• ESSA - Asociación Europea de Simulación Social
• CSSSA - Sociedad de Ciencias Sociales Computacionales de las Américas
• ASSA - Asociación Asiática de Simulación Social
• JoSC - La Revista de Complejidad Social
• Entrada sobre simulación social en la wiki de NCeSS
• Centro de Investigación en Simulación Social , Universidad de Surrey
• Laboratorio de Simulación Social Basada en Agentes , Consejo Nacional de Investigación (CNR), Italia
• Laboratorio de Dinámica, University College Dublin, Irlanda
• CASOS - Centro de Análisis Computacional de Sistemas Sociales y Organizacionales