Simulación social

La simulación social es un campo de investigación que aplica métodos computacionales para estudiar cuestiones de las ciencias sociales . Las cuestiones exploradas incluyen problemas de 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 superar la brecha entre el enfoque descriptivo utilizado en las ciencias sociales y el enfoque formal utilizado en las ciencias naturales, trasladando el foco a los procesos/mecanismos/comportamientos que construyen la realidad social.

En la simulación social, las computadoras respaldan las actividades de razonamiento humano ejecutando estos mecanismos. Este campo explora la simulación de sociedades como sistemas complejos no lineales , que son difíciles de estudiar con modelos matemáticos clásicos basados ​​en ecuaciones. Robert Axelrod considera la simulación social como una tercera forma de hacer ciencia, que se diferencia tanto del enfoque deductivo como del inductivo; genera datos que pueden analizarse de manera inductiva, 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 encontrado varias críticas.

El enfoque de simulación social para 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 América del Norte y la Asociación Panasiática para el Enfoque Basado en Agentes en Ciencias de 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 que propuso von Neumann seguiría instrucciones detalladas con precisión para crear una copia de sí mismo. El concepto fue mejorado después por el amigo de von Neumann , Stanislaw Ulam , también matemático; Ulam sugirió que la máquina se construyera en papel, como una colección de células en una cuadrícula. La idea intrigó a von Neumann, quien la diseñó, creando el primero de los dispositivos que más tarde se denominarían autómatas celulares .

Otra mejora fue aportada por el matemático John Conway , que 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 en forma de un tablero de ajedrez bidimensional .

El nacimiento del modelo basado en agentes como modelo para sistemas sociales fue impulsado principalmente por un científico informático, Craig Reynolds , quien intentó modelar la realidad de los agentes biológicos vivos, conocidos como vida artificial , un término acuñado por Christopher Langton .

Joshua M. Epstein y Robert Axtell desarrollaron el primer modelo de agente 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" definiendo el movimiento de la simulación en las organizaciones, estableció una revista para la simulación social aplicada a organizaciones y sistemas sociotécnicos complejos: Computational and Mathematical Organization Theory , y fue la presidenta fundadora de la Asociación Norteamericana de Sistemas Sociales y Organizacionales Computacionales que se transformó en la actual CSSSA.

Nigel Gilbert publicó con Klaus G. Troitzsch el primer libro de texto sobre simulación social: "Simulation for the Social Scientist" (1999) y estableció su revista más relevante: el 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 (véase (Sun 2006)).

A continuación se presentan algunos ejemplos de temas que se han explorado con simulación social:

• Normas sociales : Robert Axelrod ha utilizado simulaciones para investigar el fundamento de la moralidad; ^[3] otros han modelado el surgimiento de normas utilizando memes , ^[4] o cómo las normas sociales y las emociones pueden regularse entre sí. ^{[5] [6]}
• Instituciones : investigando bajo qué condiciones los agentes logran coordinarse, ^[7] o modelando las obras de Robert Putnam sobre las 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 anteriores (que en particular incluyen 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 : ver 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 ver las posibilidades de resultados.

Hay 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 caer dentro de la rúbrica de la sociología computacional , que es una rama de la sociología desarrollada recientemente que utiliza la computación para analizar los 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 agregado social. Aunque el tema 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 se originaron en campos como la física y la inteligencia artificial .

La simulación a nivel de sistema (SLS, por sus siglas en inglés) es el nivel más antiguo de simulación social. La simulación a nivel de sistema analiza la situación en su conjunto. Esta perspectiva teórica sobre las situaciones sociales utiliza una amplia gama de información para determinar qué debería suceder con la sociedad y sus miembros si se presentan ciertas variables. Por lo tanto, con la presentación de variables específicas, la sociedad y sus miembros deberían tener una determinada respuesta a la nueva situación. Navegar por esta simulación teórica permitirá a los investigadores desarrollar ideas fundamentadas sobre lo que sucederá bajo algunas variables específicas.

Por ejemplo, si la NASA llevara a cabo una simulación a nivel de sistema, la organización se beneficiaría al contar con un método de investigación rentable para navegar a través de la simulación. Esto le permite al investigador navegar a través de las posibilidades virtuales de la simulación dada y desarrollar procedimientos de seguridad , y producir hechos comprobados sobre cómo se desarrollará una determinada situación. (National Research 2006)

El modelado a nivel de sistema (SLM) tiene como objetivo predecir específicamente (a diferencia de la generalización de la simulación a nivel de sistema en la predicción) y transmitir cualquier número de acciones, comportamientos u otras posibilidades teóricas de casi cualquier persona, objeto, construcción, etc. dentro de un sistema utilizando un gran conjunto de ecuaciones matemáticas y programación informática en forma de modelos.

Un modelo es una representación de algo específico, desde objetos y personas hasta estructuras y productos, creados a través de ecuaciones matemáticas y diseñados, mediante computadoras, de tal manera que puedan reemplazar a las cosas mencionadas anteriormente en un estudio. Los modelos pueden ser simplistas o complejos, según la necesidad de cada uno; sin embargo, los modelos están destinados a ser más simples que lo que representan, sin dejar de ser realistas y similares para que se puedan usar con precisión. Se construyen utilizando una colección de datos que se traducen a lenguajes informáticos que les permiten representar el sistema en cuestión. Estos modelos, al igual que las simulaciones, se utilizan para ayudarnos a comprender mejor los roles y acciones específicos de diferentes cosas para predecir el comportamiento y similares.

La simulación social basada en agentes (ABSS, por sus siglas en inglés) consiste en modelar distintas sociedades a partir de agentes artificiales (que varían en escala) y colocarlas en una sociedad simulada por computadora para observar sus comportamientos. A partir de estos datos, es posible conocer las reacciones de los agentes artificiales y traducirlas en resultados de agentes no artificiales y simulaciones. Los tres campos principales de la ABSS son la computación basada en agentes, las ciencias sociales y la simulación por computadora.

La computación basada en agentes es el diseño del modelo y los agentes, mientras que la simulación por computadora es la parte de la simulación de los agentes en el modelo y los resultados. La ciencia social es una mezcla de ciencias y la parte social del modelo. Es donde se desarrollan y teorizan los fenómenos sociales. El objetivo principal de ABSS es proporcionar modelos y herramientas para la simulación basada en agentes de fenómenos sociales. Con ABSS podemos explorar diferentes resultados para fenómenos donde tal vez no podamos ver el resultado en la vida real. Puede proporcionarnos información valiosa sobre la sociedad y los resultados de eventos o fenómenos sociales.

El modelado basado en agentes (ABM, por sus siglas en inglés) es un sistema en el que un conjunto de agentes interactúan de forma independiente en redes. Cada agente individual es responsable de diferentes comportamientos que resultan en comportamientos colectivos. Estos comportamientos en su conjunto ayudan a definir el funcionamiento de la red. El ABM se centra en las interacciones sociales humanas y en cómo las personas trabajan juntas y se comunican entre sí sin tener una única "mente grupal". Esto significa esencialmente que tiende a centrarse en las consecuencias de las interacciones entre las personas (los agentes) en una población. Los investigadores pueden comprender mejor este tipo de modelado al modelar estas dinámicas en un nivel más pequeño y más localizado. Básicamente, el ABM ayuda a comprender mejor las interacciones entre las personas (agentes) que, a su vez, se influyen entre sí (en respuesta a estas influencias). Las reglas o acciones individuales simples pueden dar como resultado un comportamiento grupal coherente . Los cambios en estos actos individuales pueden afectar al grupo colectivo en cualquier población dada.

El modelado basado en agentes es una herramienta experimental para la investigación teórica. Permite abordar comportamientos individuales más complejos, como la adaptación. En general, a través de este tipo de modelado, el creador o investigador pretende modelar el comportamiento de los agentes y la comunicación entre ellos para comprender mejor cómo estas interacciones individuales afectan a toda una población. En esencia, el ABM es una forma de modelar y comprender diferentes patrones globales.

Hay varios proyectos de investigación actuales que se relacionan directamente con el modelado y la simulación basada en agentes. A continuación se enumeran con una breve descripción general.

• "Generative e-Social Science for Socio-Spatial Simulation" o (GENESIS) es un nodo de investigación del Centro Nacional del Reino Unido para e-Social Science financiado por el consejo de investigación del Reino Unido ESRC.
• "Infraestructura electrónica nacional para simulación social" o (NeISS) es un proyecto con sede en el Reino Unido financiado por JISC.
• "Network Models Governance and R&D collaborative networks" o (NEMO) es un centro de investigación cuyo principal objetivo es identificar formas de crear y evaluar estructuras de red deseables para funciones típicas (por ejemplo, conocimiento, creación, transferencia y distribución). Esta investigación, en última instancia, ayudará a los responsables políticos en todos los niveles políticos a mejorar la eficacia y eficiencia de los instrumentos de política basados ​​en redes para promover la economía del conocimiento en Europa.
• "Simulaciones basadas en agentes del comportamiento del mercado y del consumidor" es otro grupo de investigación financiado por Unilever Corporate Research. La investigación que se está llevando a cabo actualmente investiga la utilidad de las simulaciones basadas en agentes para modelar el comportamiento del consumidor y demostrar el valor potencial y los conocimientos que pueden aportar a los métodos de marketing establecidos desde hace mucho tiempo.
• "Nuevos y emergentes modelos mundiales a través del 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 desarrollar su propia imagen de este entorno y de la sociedad a través de la interacción. El objetivo del proyecto de investigación es que la sociedad simulada exhiba aprendizaje individual, aprendizaje evolutivo y aprendizaje social .
• Proyecto de Bruch y Mare sobre la segregación en los barrios : el objetivo del estudio es averiguar el razonamiento de la segregación en los barrios en función de la raza y averiguar el punto de inflexión o cuándo las personas se sienten incómodas con los niveles de integración en su barrio y deciden huir del mismo. Crearon un modelo utilizando fichas y colocaron la casa del agente en el medio y colocaron casas de diferentes razas alrededor de la casa del agente. Preguntaron a las personas qué tan cómodas se sentirían en diferentes situaciones; si estaban bien con una situación, preguntaron por otra hasta que el barrio estuviera completamente integrado. Los resultados de Bruch y Mare mostraron que el punto de inflexión estaba en el 50%. Cuando un barrio se convirtió en 50% minoritario y 50% blanco, las personas de ambas razas comenzaron a sentirse incómodas y la huida de los blancos comenzó a aumentar. El uso de modelos basados ​​en agentes mostró lo útil que puede ser en el mundo de la sociología, las personas no tenían que responder por qué se sentirían incómodas, solo con qué situación se sentían incómodas.
• El Programa MAELIA (Multi-Agent Emergent Norms Assessment) es un proyecto que se ocupa de las relaciones entre los usuarios y los administradores de un recurso natural, en este caso el agua, y las normas y leyes relacionadas que se deben construir dentro de ellos (convenciones) o que les imponen otros actores (instituciones). El objetivo del proyecto es construir una plataforma multiescala genérica que esté diseñada para abordar cuestiones relacionadas con 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, cofinanciada por los Fondos Estructurales de la UE FSE y FEDER). Su objetivo es crear un cuerpo de conocimientos y herramientas prácticas necesarias para gestionar de forma más eficaz el comportamiento de los ocupantes de grandes instalaciones. Por ello, el proyecto estudia el desarrollo de inteligencia ambiental y entornos inteligentes apoyados por el uso de la Simulación Social Basada en Agentes.

Los modelos basados ​​en agentes son más útiles para proporcionar un puente entre los niveles micro y macro, que es una gran parte de lo que estudia la sociología. Los modelos basados ​​en agentes son más apropiados para estudiar procesos que carecen de coordinación central, incluido 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 de aplicaciones y descubrieron que había 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 creen que existe;

1. " Estructura emergente . En estos modelos, los agentes cambian de ubicación o comportamiento en respuesta a influencias sociales o presiones de selección. Los agentes pueden comenzar indiferenciados y luego cambiar de ubicación o comportamiento para evitar volverse diferentes o aislados (o en algunos casos, superpoblados). Sin embargo, en lugar de producir homogeneidad, estas decisiones conformistas se agregan para producir patrones globales de diferenciación cultural, estratificación y agrupamiento homofílico en redes locales. Otros estudios invierten el proceso, comenzando con una población heterogénea y terminando en convergencia: la coordinación, difusión y colapso repentino de normas, convenciones, innovaciones y estándares tecnológicos".
2. " Orden social emergente . Estos estudios muestran 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 dado surja en un nivel superior de organización.

Desde su creación, la simulación social computerizada ha sido objeto de algunas críticas en relación con su practicidad y precisión. La simplificación de lo complejo para formar modelos a partir de los cuales podemos entenderlo mejor se considera a veces un inconveniente, ya que el uso de modelos relativamente simples para simular la vida real con ordenadores no siempre es la mejor manera de predecir el comportamiento.

La mayoría de las críticas parecen estar dirigidas a los modelos basados ​​en agentes y la simulación y a cómo funcionan:

1. Las simulaciones, al estar hechas por el hombre a partir de interfaces matemáticas, predicen el comportamiento humano de una manera demasiado simple en relación con las complejidades de la humanidad y nuestras acciones.
2. Las simulaciones no pueden ilustrar a los investigadores sobre cómo interactúan o se comportan las personas de maneras que no están programadas en sus modelos. Por esta razón, el alcance de las simulaciones es limitado, ya que los investigadores deben saber ya lo que van a encontrar (hasta cierto punto, ya que no pueden encontrar nada que ellos mismos no hayan incluido en el modelo), al menos de manera vaga, lo que posiblemente sesgue los resultados.
3. Debido a las complejidades de lo que se está midiendo, las simulaciones deben analizarse de manera imparcial; sin embargo, como el modelo se ejecuta en un conjunto de instrucciones preestablecidas codificadas en él por un modelador, los sesgos existen casi universalmente.
4. Es sumamente difícil y a menudo poco práctico intentar vincular los hallazgos del mundo abstracto que crea la simulación con nuestra compleja sociedad y todas sus variaciones.

Los investigadores que trabajan en simulación social podrían responder que las teorías de las ciencias sociales que compiten entre sí son mucho más simples que las que se logran mediante simulación y, por lo tanto, sufren los inconvenientes antes mencionados con mucha mayor fuerza. Las teorías en algunas ciencias sociales tienden a ser modelos lineales que no son dinámicos y, por lo general, se infieren a partir de pequeños experimentos de laboratorio (las pruebas de laboratorio son más comunes en psicología, pero raras en sociología, ciencia política, economía y geografía). El comportamiento de las poblaciones de agentes bajo estos modelos rara vez se prueba o verifica frente a 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 múltiples agentes: más allá de la simulación social" (PDF) , Simulación basada en múltiples agentes , 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
• Hadzibeganovic, Tarik; Stauffer, Dietrich; Schulze, Christian (2008), "Efectos de frontera en un modelo de votante modificado de tres estados para idiomas", Physica A: Mecánica estadística y sus aplicaciones , 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 simulación social" (PDF) , Journal of Artificial Societies and Social Simulation , 10 (3)
• Takahashi, Shingo; Sallach, David; Rouchier, Juliette (2007), Promoción de la simulación social: el primer congreso mundial, Springer, pág. 354, ISBN 978-4-431-73150-4
• Macy, MW; Willer, R. (2002), "De factores a actores", Revista anual de sociología , 28 : 143–166, doi :10.1146/annurev.soc.28.110601.141117, S2CID  1368768
• Margitay-Becht, Andras (2005), "Modelado basado en agentes de AID" (PDF) , Interdisciplinary Description of Complex Systems : 84–93, archivado desde el original (PDF) el 2007-06-30 , consultado el 2007-09-25
• National Research, C. (2006), Modelado, simulación y análisis de defensa: afrontar el desafío, 500 Fifth Street, NW Washington, DC: The National Academies Press, ISBN 978-0-309-10303-9
• Sylvan, Donald A. (1998), "Modelización del ascenso y 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, págs. 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 entre múltiples agentes: 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 - 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