Sociale simulatie - Social simulation

Zie Sociaal simulatiespel voor videogametoepassingen .

Sociale simulatie is een onderzoeksgebied dat computationele methoden toepast om vraagstukken in de sociale wetenschappen te bestuderen . De onderzochte problemen omvatten problemen in computationeel recht , psychologie , gedrag in organisaties , sociologie , politieke wetenschappen, economie , antropologie, aardrijkskunde, techniek , archeologie en taalkunde ( Takahashi, Sallach & Rouchier 2007 ).

Sociale simulatie heeft tot doel de kloof te overbruggen tussen de beschrijvende benadering die wordt gebruikt in de sociale wetenschappen en de formele benadering die wordt gebruikt in de natuurwetenschappen, door de focus te verplaatsen naar de processen/mechanismen/gedragingen die de sociale realiteit vormen.

Bij sociale simulatie ondersteunen computers menselijke redeneeractiviteiten door deze mechanismen uit te voeren. Dit veld onderzoekt de simulatie van samenlevingen als complexe niet-lineaire systemen , die moeilijk te bestuderen zijn met klassieke wiskundige modellen op basis van vergelijkingen. Robert Axelrod beschouwt sociale simulatie als een derde manier om wetenschap te bedrijven, die verschilt van zowel de deductieve als de inductieve benadering; het genereren van gegevens die inductief kunnen worden geanalyseerd, maar afkomstig zijn van een strikt gespecificeerde reeks regels in plaats van rechtstreekse meting van de echte wereld. Het simuleren van een fenomeen is dus verwant aan het genereren ervan - het construeren van kunstmatige samenlevingen. Deze ambitieuze doelstellingen stuitten op verschillende kritieken .

De sociale simulatiebenadering van de sociale wetenschappen wordt gepromoot en gecoördineerd door drie regionale verenigingen, ESSA voor Europa, Noord-Amerika (reorganiserend onder de nieuwe CSSS-naam) en PAAA Pacific Asia .

Geschiedenis en ontwikkeling

De geschiedenis van het op agenten gebaseerde model is terug te voeren op de Von Neumann-machine , een theoretische machine die zichzelf kan reproduceren. Het apparaat dat Von Neumann voorstelde, zou nauwkeurig gedetailleerde instructies volgen om een ​​kopie van zichzelf te maken. Het concept werd vervolgens verbeterd door von Neumann's vriend Stanislaw Ulam , ook een wiskundige; Ulam stelde voor om de machine op papier te bouwen, als een verzameling cellen op een raster. Het idee intrigeerde von Neumann, die het opstelde en de eerste apparaten creëerde die later cellulaire automaten werden genoemd .

Een andere verbetering werd gebracht door de wiskundige John Conway . Hij construeerde het bekende Game of Life . In tegenstelling tot de machine van Von Neumann, werkte Conway's Game of Life volgens eenvoudige regels in een virtuele wereld in de vorm van een tweedimensionaal dambord .

De geboorte van het op agenten gebaseerde model als model voor sociale systemen werd voornamelijk tot stand gebracht door een computerwetenschapper, Craig Reynolds . Hij probeerde de realiteit van levendige biologische agentia te modelleren, bekend als het kunstmatige leven , een term bedacht door Christopher Langton .

Joshua M. Epstein en Robert Axtell ontwikkelden het eerste grootschalige agentmodel , de Sugarscape , om de rol van sociale fenomenen zoals seizoensmigratie, vervuiling, seksuele reproductie, gevechten, overdracht van ziekten en zelfs cultuur te simuleren en te onderzoeken.

Kathleen M. Carley publiceerde "Computational Organizational Science and Organizational Engineering" waarin de beweging van simulatie in organisaties wordt gedefinieerd, een tijdschrift opgericht voor sociale simulatie toegepast op organisaties en complexe socio-technische systemen: Computational and Mathematical Organization Theory , en was de stichtend voorzitter van de North American Association of Computational Social and Organizational Systems die veranderde in de huidige CSSSA.

Nigel Gilbert publiceerde samen met Klaus G. Troitzsch het eerste leerboek over sociale simulatie: simulatie voor de sociale wetenschapper (1999) en richtte het meest relevante tijdschrift op: het Journal of Artificial Societies and Social Simulation .

Meer recentelijk heeft Ron Sun methoden ontwikkeld om op agenten gebaseerde simulatie te baseren op modellen van menselijke cognitie, bekend als cognitieve sociale simulatie (zie ( Sun 2006 )).

Onderwerpen

Hier zijn enkele voorbeeldonderwerpen die zijn onderzocht met sociale simulatie:

Soorten simulatie en modellering

Sociale simulatie kan verwijzen naar een algemene klasse van strategieën voor het begrijpen van sociale dynamiek met behulp van computers om sociale systemen te simuleren. Sociale simulatie zorgt voor een meer systematische manier om de mogelijkheden van uitkomsten te bekijken.

Er zijn vier belangrijke soorten sociale simulatie:

  1. Simulatie op systeemniveau.
  2. Modellering op systeemniveau.
  3. Agent-gebaseerde simulatie.
  4. Modellering op basis van agenten.

Een sociale simulatie kan vallen onder de rubriek computationele sociologie , een recent ontwikkelde tak van sociologie die berekeningen gebruikt om sociale fenomenen te analyseren. Het uitgangspunt van computationele sociologie is om te profiteren van computersimulaties ( Polhill & Edmonds 2007 ) bij de constructie van sociale theorieën. Het omvat het begrip van sociale agenten , de interactie tussen deze agenten en het effect van deze interacties op het sociale aggregaat. Hoewel het onderwerp en de methodologieën in de sociale wetenschappen verschillen van die in de natuurwetenschappen of de informatica , zijn verschillende benaderingen die in de hedendaagse sociale simulatie worden gebruikt, afkomstig uit gebieden zoals natuurkunde en kunstmatige intelligentie .

Simulatie op systeemniveau

System Level Simulation (SLS) is het oudste niveau van sociale simulatie. Simulatie op systeemniveau kijkt naar de situatie als geheel. Deze theoretische kijk op sociale situaties gebruikt een breed scala aan informatie om te bepalen wat er met de samenleving en haar leden moet gebeuren als bepaalde variabelen aanwezig zijn. Daarom zouden de samenleving en haar leden, met specifieke gepresenteerde variabelen, een bepaald antwoord op de nieuwe situatie moeten hebben. Door door deze theoretische simulatie te navigeren, kunnen onderzoekers weloverwogen ideeën ontwikkelen over wat er zal gebeuren onder een aantal specifieke variabelen.

Als NASA bijvoorbeeld een simulatie op systeemniveau zou uitvoeren, zou dit de organisatie ten goede komen door een kosteneffectieve onderzoeksmethode te bieden om door de simulatie te navigeren. Dit stelt de onderzoeker in staat om door de virtuele mogelijkheden van de gegeven simulatie te sturen en veiligheidsprocedures te ontwikkelen , en om bewezen feiten te produceren over hoe een bepaalde situatie zal uitpakken. ( Nationaal Onderzoek 2006 )

Modellering op systeemniveau

Modellering op systeemniveau (SLM) heeft tot doel specifiek te voorspellen (in tegenstelling tot de veralgemening van simulatie op systeemniveau bij voorspelling) en een willekeurig aantal acties, gedragingen of andere theoretische mogelijkheden van bijna elke persoon, object, constructie et cetera binnen een systeem over te brengen met behulp van een groot aantal wiskundige vergelijkingen en computerprogrammering in de vorm van modellen.

Een model is een weergave van een specifiek ding, variërend van objecten en mensen tot structuren en producten die zijn gemaakt door wiskundige vergelijkingen en die met behulp van computers zo zijn ontworpen dat ze in staat zijn om de bovengenoemde dingen in een studie te vervangen. Modellen kunnen simplistisch of complex zijn, afhankelijk van de behoefte aan een van beide; modellen zijn echter bedoeld om eenvoudiger te zijn dan wat ze voorstellen, terwijl ze realistisch vergelijkbaar blijven om nauwkeurig te kunnen worden gebruikt. Ze zijn gebouwd met behulp van een verzameling gegevens die zijn vertaald in computertalen waarmee ze het systeem in kwestie kunnen vertegenwoordigen. Deze modellen worden, net als simulaties, gebruikt om ons te helpen specifieke rollen en acties van verschillende dingen beter te begrijpen om zo gedrag en dergelijke te voorspellen.

Agent-gebaseerde simulatie

Op agenten gebaseerde sociale simulatie (ABSS) bestaat uit het modelleren van verschillende samenlevingen naar kunstmatige agenten (variërend op schaal) en deze in een computergesimuleerde samenleving te plaatsen om het gedrag van de agenten te observeren. Uit deze gegevens is het mogelijk om te leren over de reacties van de kunstmatige middelen en deze te vertalen naar de resultaten van niet-kunstmatige middelen en simulaties. Drie hoofdgebieden in ABSS zijn agent-based computing, sociale wetenschappen en computersimulatie.

Agent-based computing is het ontwerp van het model en de agenten, terwijl de computersimulatie het deel is van de simulatie van de agenten in het model en de uitkomsten. De sociale wetenschap is een mix van wetenschappen en het sociale deel van het model. Het is waar de sociale verschijnselen worden ontwikkeld en getheoretiseerd. Het belangrijkste doel van ABSS is om modellen en hulpmiddelen te bieden voor agentgebaseerde simulatie van sociale verschijnselen. Met ABSS kunnen we verschillende uitkomsten onderzoeken voor fenomenen waarvan we de uitkomst in het echte leven misschien niet kunnen zien. Het kan ons waardevolle informatie verschaffen over de samenleving en de uitkomsten van sociale gebeurtenissen of fenomenen.

Op agenten gebaseerde modellering

Agent-based modeling (ABM) is een systeem waarin een verzameling agenten onafhankelijk op netwerken interageert. Elke individuele agent is verantwoordelijk voor ander gedrag dat resulteert in collectief gedrag. Deze gedragingen als geheel helpen om de werking van het netwerk te definiëren. ABM richt zich op menselijke sociale interacties en hoe mensen samenwerken en met elkaar communiceren zonder één enkele 'groepsgeest' te hebben. Dit betekent in wezen dat het de neiging heeft zich te concentreren op de gevolgen van interacties tussen mensen (de agenten) in een populatie. Onderzoekers zijn beter in staat om dit type modellering te begrijpen door deze dynamiek op een kleiner, meer gelokaliseerd niveau te modelleren. In wezen helpt ABM om interacties tussen mensen (agenten) die op hun beurt elkaar beïnvloeden (in reactie op deze invloeden) beter te begrijpen. Eenvoudige individuele regels of handelingen kunnen leiden tot samenhangend groepsgedrag . Veranderingen in deze individuele handelingen kunnen de collectieve groep in een bepaalde populatie beïnvloeden.

Agent-based modellering is een experimenteel hulpmiddel voor theoretisch onderzoek. Het stelt iemand in staat om te gaan met complexere individuele gedragingen, zoals aanpassing. Over het algemeen wil de maker of onderzoeker met dit type modellering het gedrag van agenten en de communicatie tussen hen modelleren om beter te begrijpen hoe deze individuele interacties een hele populatie beïnvloeden. In wezen is ABM een manier om verschillende globale patronen te modelleren en te begrijpen.

Huidig ​​onderzoek

Er zijn verschillende lopende onderzoeksprojecten die direct betrekking hebben op modellering en agent-gebaseerde simulatie, de volgende worden hieronder vermeld met een kort overzicht.

  • "Generative e-Social Science for Socio-Spatial Simulation" of (GENESIS) is een onderzoeksknooppunt van het UK National Centre for e-Social Science, gefinancierd door de Britse onderzoeksraad ESRC . Zie voor meer details: GENESIS webpagina en blog .
  • "National e-Infrastructure for Social Simulation" of (NeISS) is een in het VK gevestigd project dat wordt gefinancierd door JISC . Zie voor meer informatie: De NeISS-webpagina's .
  • "Network Models Governance en O&O-samenwerkingsnetwerken" of (NEMO) is een onderzoekscentrum dat zich voornamelijk richt op het identificeren van manieren om gewenste netwerkstructuren voor typische functies te creëren en te beoordelen; (bijv. kennis, creatie, overdracht en distributie.) Dit onderzoek zal uiteindelijk beleidsmakers op alle politieke niveaus helpen bij het verbeteren van de effectiviteit en efficiëntie van netwerkgebaseerde beleidsinstrumenten ter bevordering van de kenniseconomie in Europa.
  • "Agent-gebaseerde simulaties van markt- en consumentengedrag" is een andere onderzoeksgroep die wordt gefinancierd door Unilever Corporate Research. Het huidige onderzoek dat wordt uitgevoerd, onderzoekt het nut van op agenten gebaseerde simulaties voor het modelleren van consumentengedrag en om de potentiële waarde en inzichten aan te tonen die het kan toevoegen aan reeds lang bestaande marketingmethoden.
  • "Nieuwe en opkomende wereldmodellen door middel van individueel, evolutionair en sociaal leren" of (New Ties) is een driejarig project dat uiteindelijk een virtuele samenleving zal creëren die is ontwikkeld door middel van op agenten gebaseerde simulatie. Het project zal een gesimuleerde samenleving ontwikkelen die in staat is om de omgeving te verkennen en door interactie een eigen beeld van deze omgeving en de samenleving te ontwikkelen. Het doel van het onderzoeksproject is dat de gesimuleerde samenleving individueel leren , evolutionair leren en sociaal leren vertoont .
  • Bruch en Mare's project over wijksegregatie : Het doel van het onderzoek is om de redenering voor wijksegregatie op basis van ras te achterhalen, en het omslagpunt te achterhalen of wanneer mensen zich ongemakkelijk voelen met de integratieniveaus in hun buurt, en besluiten te vluchten uit de buurt. Ze zetten een model op met behulp van flash-kaarten en zetten het huis van de agent in het midden en zetten huizen van verschillende rassen rond het huis van de agent. Ze vroegen mensen hoe comfortabel ze zich zouden voelen in verschillende situaties; als ze de ene situatie goed vonden, vroegen ze een andere totdat de buurt volledig geïntegreerd was. Uit de resultaten van Bruch en Mare bleek dat het omslagpunt op 50% lag. Toen een buurt 50% minderheid en 50% blank werd, begonnen mensen van beide rassen zich ongemakkelijk te voelen en begon de witte vlucht te stijgen. Het gebruik van op agenten gebaseerde modellering liet zien hoe nuttig het kan zijn in de wereld van de sociologie, mensen hoefden niet te antwoorden waarom ze zich ongemakkelijk zouden voelen, alleen in welke situatie ze zich ongemakkelijk voelden.
  • Het MAELIA-programma (Multi-Agent Emergent Norms Assessment) is een project dat zich bezighoudt met de relaties tussen de gebruikers en beheerders van een natuurlijke hulpbron, in dat geval water, en de bijbehorende normen en wetten die daarbinnen moeten worden gebouwd (conventies) of worden hen opgelegd door andere actoren (instellingen). Het doel van het project is om een ​​generiek multischaalplatform te bouwen dat is gepland om problemen met waterconflicten aan te pakken.
  • Het Mosi-Agil-project is een vierjarig programma dat wordt gefinancierd door de Autonome Regio Madrid via het programma MOSI-AGIL-CM (subsidie ​​S2013/ICE-3019, medegefinancierd door EU-structuurfondsen FSE en FEDER). Het is gericht op het creëren van een geheel van kennis en praktische hulpmiddelen die nodig zijn om effectiever om te gaan met het gedrag van gebruikers van grote faciliteiten. Daarom bestudeert het project de ontwikkeling van ambient intelligence en intelligente omgevingen ondersteund door het gebruik van Agent-Based Social Simulation.

Modellering op basis van agenten is het nuttigst om een ​​brug te slaan tussen micro- en macroniveaus, wat een groot deel uitmaakt van wat sociologie bestudeert. Agent-gebaseerde modellen zijn het meest geschikt voor het bestuderen van processen die geen centrale coördinatie hebben, inclusief de opkomst van instituties die, eenmaal opgericht, orde van bovenaf opleggen. De modellen richten zich op hoe eenvoudige en voorspelbare lokale interacties bekende maar zeer gedetailleerde mondiale patronen genereren, zoals het ontstaan ​​van normen en deelname aan collectieve actie. Michael W. Macy en Robert Willer onderzochten een recent overzicht van toepassingen en ontdekten dat er twee hoofdproblemen waren met het modelleren van de zelforganisatie van de sociale structuur en de opkomst van sociale orde door agenten ( Macy & Willer 2002 ). Hieronder volgt een korte beschrijving van elk probleem dat Macy en Willer denken te zijn;

  1. " Optredende structuur . In deze modellen, middelen locatie wijzigen of gedrag in reactie op sociale invloeden of selectiedrukken. Agents kunnen beginnen ongedifferentieerde en vervolgens te verplaatsen of gedrag teneinde te voorkomen dat andere of geïsoleerd (of in sommige gevallen overvol). In plaats van homogeniteit te produceren, worden deze conformistische beslissingen echter samengevoegd om globale patronen van culturele differentiatie, gelaagdheid en homofiele clustering in lokale netwerken te produceren.Andere studies keren het proces om, beginnend met een heterogene populatie en eindigend in convergentie: de coördinatie, diffusie en plotselinge ineenstorting van normen, conventies, innovaties en technologische standaarden."
  2. " Emergent sociale orde . Deze studies laten zien hoe egoïstisch aanpassing kan leiden tot een succesvolle collectieve actie zonder dat altruïsme of mondiaal (top-down) opleggen van controle. Een belangrijke conclusie over tal van studies is dat de levensvatbaarheid van vertrouwen, samenwerking, en collectieve actie hangt beslissend op de inbedding van interactie."

Deze voorbeelden laten eenvoudigweg de complexiteit van onze omgeving zien en dat op agenten gebaseerde modellen zijn ontworpen om de minimale voorwaarden, de eenvoudigste reeks aannames over menselijk gedrag, te onderzoeken die nodig zijn om een ​​bepaald sociaal fenomeen op een hoger organisatieniveau te laten ontstaan.

kritieken

Sinds de oprichting is geautomatiseerde sociale simulatie het doelwit geweest van enige kritiek met betrekking tot de bruikbaarheid en nauwkeurigheid ervan. De vereenvoudiging van het complex door sociale simulatie om modellen te vormen waaruit we de laatste beter kunnen begrijpen, wordt soms als een nadeel gezien, omdat het gebruik van vrij eenvoudige modellen om het echte leven met computers te simuleren niet altijd de beste manier is om gedrag te voorspellen.

De meeste kritiek lijkt gericht te zijn op agent-gebaseerde modellen en simulatie en hoe ze werken:

  1. Simulaties, die door de mens zijn gemaakt op basis van wiskundige interfaces, voorspellen menselijk gedrag op een veel te eenvoudige manier met betrekking tot de complexiteit van de mensheid en onze acties.
  2. Simulaties kunnen onderzoekers niet informeren over hoe mensen met elkaar omgaan of zich gedragen op manieren die niet in hun modellen zijn geprogrammeerd. Om deze reden is de reikwijdte van simulaties beperkt in die zin dat de onderzoekers al moeten weten wat ze gaan vinden (tot op zekere hoogte, want ze kunnen niets vinden dat ze zelf niet in het model hebben geplaatst), op zijn minst vaag, wat de resultaten mogelijk vertekent .
  3. Vanwege de complexiteit van wat wordt gemeten, moeten simulaties op onbevooroordeelde manieren worden geanalyseerd; als het model echter draait op een vooraf gemaakte set instructies die erin zijn gecodeerd door een modelleur, bestaan ​​​​vooroordelen bijna universeel.
  4. Het is zeer moeilijk en vaak onpraktisch om te proberen de bevindingen uit de abstracte wereld die de simulatie creëert te koppelen aan onze complexe samenleving en al haar variaties.

Onderzoekers die in sociale simulatie werken, zouden kunnen antwoorden dat de concurrerende theorieën uit de sociale wetenschappen veel eenvoudiger zijn dan die welke worden bereikt door simulatie en daarom veel sterker lijden aan de bovengenoemde nadelen. Theorieën in sommige sociale wetenschappen hebben de neiging om lineaire modellen die niet dynamisch zijn, en zijn in het algemeen afgeleid van klein laboratorium experimenten (laboratoriumtests komen het meest voor in de psychologie, maar zeldzaam in de sociologie, politieke wetenschappen, economie en geografie). Het gedrag van populaties van agenten onder deze modellen wordt zelden getest of geverifieerd aan de hand van empirische observatie.

Zie ook

Referenties

  1. ^ Hughes, HPN; Clegg, CW; Robinson, MA; Crowder, RM (2012). "Agent-gebaseerde modellering en simulatie: de potentiële bijdrage aan de organisatiepsychologie". Tijdschrift voor Arbeids- en Organisatiepsychologie . 85 (3): 487-502. doi : 10.1111/j.2044-8325.2012.02053.x .
  2. ^ a b Crowder, RM; Robinson, MA; Hughes, HPN; Sim, YW (2012). "De ontwikkeling van een op agenten gebaseerd modelleringskader voor het simuleren van engineering teamwerk". IEEE-transacties op systemen, mensen en cybernetica - Deel A: systemen en mensen . 42 (6): 1425-1439. doi : 10.1109/TSMCA.2012.2199304 .
  3. ^ Robert Axelrod (1986): een evolutionaire benadering van normen
  4. ^ Felix Flentge, Daniel Polani en Thomas Uthmann (2001) Het modelleren van de opkomst van bezitsnormen met behulp van Memes
  5. ^ Alexander Staller en Paolo Petta (2001): Introductie van emoties in de computationele studie van sociale normen: een eerste evaluatie
  6. ^ Zie Martin Neumann (2008): Homo Socionicus: a Case Study of Simulation Models of Norms voor een overzicht van het recente (vanaf 2008) onderzoek.
  7. ^ José Castro Caldas en Helder Coelho (1999): The Origin of Institutions: sociaal-economische processen, keuze, normen en conventies
  8. ^ Dan Miodownik, Britt Cartrite en Ravi Bhavnani (2010): Tussen replicatie en Docking: "Adaptive Agents, politieke instellingen en Civic Traditions" Revisited
  9. ^ Christian Hahn, Bettina Fley, Michael Florian, Daniela Spresny en Klaus Fischer (2007): Sociale reputatie: een mechanisme voor flexibele zelfregulering van multiagentsystemen
  10. ^ JASSS vol. 14: Speciale sectie: Simulatie van de sociale processen van de wetenschap
  11. ^ Sung-youn Kim (2011): een model van politiek oordeel: een op agenten gebaseerde simulatie van kandidaat-evaluatie
  12. ^ Ramzi Suleiman en Ilan Fischer (2000) Wanneer men voor velen beslist: het effect van delegatiemethoden op samenwerking in gesimuleerde conflicten tussen groepen
  13. ^ Marie-Edith Bissey, Mauro Carini en Guido Ortona (2004) ALEX3, een simulatieprogramma om kiessystemen te vergelijken

Externe links