Social simulering

För videospelsapplikationer, se Socialt simuleringsspel .

Social simulering är ett forskningsfält som tillämpar beräkningsmetoder för att studera samhällsvetenskapliga frågor . De frågor som undersöks inkluderar problem inom beräkningsrätt , psykologi , organisatoriskt beteende , sociologi , statsvetenskap, ekonomi , antropologi, geografi, ingenjörsvetenskap , arkeologi och lingvistik ( Takahashi, Sallach & Rouchier 2007) .

Social simulering syftar till att korsa gapet mellan det deskriptiva tillvägagångssättet som används inom samhällsvetenskapen och det formella tillvägagångssättet som används inom naturvetenskapen, genom att flytta fokus på de processer/mekanismer/beteenden som bygger den sociala verkligheten.

I social simulering stödjer datorer mänskliga resonemangsaktiviteter genom att utföra dessa mekanismer. Detta fält utforskar simulering av samhällen som komplexa icke-linjära system, som är svåra att studera med klassiska matematiska ekvationsbaserade modeller. Robert Axelrod ser social simulering som ett tredje sätt att göra vetenskap, som skiljer sig från både den deduktiva och induktiva metoden; genererar data som kan analyseras induktivt, men som kommer från en strikt specificerad uppsättning regler snarare än från direkt mätning av den verkliga världen. Att simulera ett fenomen är alltså besläktat med att generera det – att konstruera konstgjorda samhällen. Dessa ambitiösa mål har mött flera kritik .

Den sociala simuleringsmetoden för samhällsvetenskap främjas och koordineras av tre regionala föreningar, ESSA för Europa, Nordamerika (omorganiseras under det nya CSSS-namnet) och PAAA Pacific Asia .

Historia och utveckling

Historien om den agentbaserade modellen kan spåras tillbaka till Von Neumann-maskinen , en teoretisk maskin som kan reproducera sig själv. Den enhet von Neumann föreslagit skulle följa exakt detaljerade instruktioner för att skapa en kopia av sig själv. Konceptet förbättrades sedan av von Neumanns vän Stanislaw Ulam , också en matematiker; Ulam föreslog att maskinen skulle byggas på papper, som en samling celler på ett rutnät. Idén fascinerade von Neumann, som skapade den - skapade den första av enheter som senare kallades cellulära automater .

En annan förbättring kom av matematikern John Conway . Han konstruerade det välkända Game of Life . Till skillnad från von Neumanns maskin, fungerade Conways Game of Life av enkla regler i en virtuell värld i form av ett 2-dimensionellt schackbräde .

Födelsen av den agentbaserade modellen som en modell för sociala system åstadkoms främst av en datavetare, Craig Reynolds . Han försökte modellera verkligheten av livliga biologiska medel, kända som det konstgjorda livet , en term myntad av Christopher Langton .

Joshua M. Epstein och Robert Axtell utvecklade den första storskaliga agentmodellen, Sugarscape , för att simulera och utforska rollen av sociala fenomen som säsongsbetonade migrationer, föroreningar, sexuell reproduktion, strid, överföring av sjukdomar och till och med kultur.

Kathleen M. Carley publicerade "Computational Organizational Science and Organizational Engineering" som definierade simuleringsrörelsen in i organisationer, etablerade en tidskrift för social simulering tillämpad på organisationer och komplexa sociotekniska system: Computational and Mathematical Organization Theory , och var grundande ordförande för North American Association of Computational Social and Organizational Systems som förvandlades till den nuvarande CSSSA.

Nigel Gilbert publicerade tillsammans med Klaus G. Troitzsch den första läroboken om social simulering: "Simulation for the Social Scientist" (1999) och etablerade dess mest relevanta tidskrift: Journal of Artificial Societies and Social Simulation .

På senare tid har Ron Sun utvecklat metoder för att basera agentbaserad simulering på modeller av mänsklig kognition, känd som kognitiv social simulering (se ( Sun 2006) )

Ämnen

Här är några exempel på ämnen som har utforskats med social simulering:

Typer av simulering och modellering

Social simulering kan hänvisa till en allmän klass av strategier för att förstå social dynamik med hjälp av datorer för att simulera sociala system. Social simulering möjliggör ett mer systematiskt sätt att se möjligheterna med resultat.

Det finns fyra huvudtyper av social simulering:

  1. Simulering på systemnivå.
  2. Modellering på systemnivå.
  3. Agentbaserad simulering.
  4. Agentbaserad modellering.

En social simulering kan falla inom rubriken för beräkningssociologi som är en nyligen utvecklad gren av sociologi som använder beräkning för att analysera sociala fenomen. Beräkningssociologins grundläggande utgångspunkt är att dra fördel av datorsimuleringar ( Polhill & Edmonds 2007) vid konstruktionen av sociala teorier. Det involverar förståelsen av sociala agenter, interaktionen mellan dessa agenter och effekten av dessa interaktioner på det sociala aggregatet. Även om ämnet och metoderna inom samhällsvetenskap skiljer sig från de inom naturvetenskap eller datavetenskap , har flera av de tillvägagångssätt som används i samtida social simulering härstammar från områden som fysik och artificiell intelligens .

Simulering på systemnivå

System Level Simulation (SLS) är den äldsta nivån av social simulering. Simulering på systemnivå ser på situationen som helhet. Denna teoretiska syn på sociala situationer använder ett brett utbud av information för att avgöra vad som ska hända med samhället och dess medlemmar om vissa variabler är närvarande. Därför, med specifika variabler presenterade, bör samhället och dess medlemmar ha en viss respons på den nya situationen. Att navigera genom denna teoretiska simulering kommer att tillåta forskare att utveckla utbildade idéer om vad som kommer att hända under vissa specifika variabler.

Till exempel, om NASA skulle genomföra en simulering på systemnivå skulle det gynna organisationen genom att tillhandahålla en kostnadseffektiv forskningsmetod för att navigera genom simuleringen. Detta gör det möjligt för forskaren att styra igenom de virtuella möjligheterna med den givna simuleringen och utveckla säkerhetsprocedurer och att ta fram bevisad fakta om hur en viss situation kommer att utspela sig. ( National Research 2006 )

Modellering på systemnivå

Systemnivåmodellering (SLM) syftar till att specifikt förutsäga (till skillnad från systemnivåsimuleringens generalisering i förutsägelse) och förmedla valfritt antal handlingar, beteenden eller andra teoretiska möjligheter för nästan vilken person, objekt, konstruktion som helst inom ett system med hjälp av en stor uppsättning av matematiska ekvationer och datorprogrammering i form av modeller.

En modell är en representation av en specifik sak som sträcker sig från objekt och människor till strukturer och produkter skapade genom matematiska ekvationer och är designade, med hjälp av datorer, på ett sådant sätt att de kan stå in som de tidigare nämnda sakerna i en studie. Modeller kan vara antingen förenklade eller komplexa, beroende på behovet av antingen; dock är modellerna avsedda att vara enklare än vad de representerar samtidigt som de förblir realistiskt lika för att kunna användas korrekt. De är byggda med hjälp av en samling data som översätts till datorspråk som gör att de kan representera systemet i fråga. Dessa modeller, ungefär som simuleringar, används för att hjälpa oss att bättre förstå specifika roller och handlingar för olika saker för att förutsäga beteende och liknande.

Agentbaserad simulering

Agentbaserad social simulering (ABSS) består av att modellera olika samhällen efter artificiella agenter, (varierande i skala) och placera dem i ett datorsimulerat samhälle för att observera agenternas beteenden. Från dessa data är det möjligt att lära sig om de artificiella medlens reaktioner och översätta dem till resultat av icke-artificiella medel och simuleringar. Tre huvudområden inom ABSS är agentbaserad datoranvändning, samhällsvetenskap och datorsimulering.

Agentbaserad beräkning är designen av modellen och agenterna, medan datorsimuleringen är den del av simuleringen av agenterna i modellen och utfallen. Samhällsvetenskapen är en blandning av vetenskap och social del av modellen. Det är där de sociala fenomenen utvecklas och teoretiseras. Huvudsyftet med ABSS är att tillhandahålla modeller och verktyg för agentbaserad simulering av sociala fenomen. Med ABSS kan vi utforska olika utfall för fenomen där vi kanske inte kan se resultatet i verkligheten. Det kan ge oss värdefull information om samhället och resultatet av sociala händelser eller fenomen.

Agentbaserad modellering

Agent-baserad modellering (ABM) är ett system där en samling agenter interagerar oberoende på nätverk. Varje enskild agent är ansvarig för olika beteenden som resulterar i kollektiva beteenden. Dessa beteenden som helhet hjälper till att definiera hur nätverket fungerar. ABM fokuserar på mänskliga sociala interaktioner och hur människor arbetar tillsammans och kommunicerar med varandra utan att ha ett enda "gruppsinne". Detta betyder i huvudsak att det tenderar att fokusera på konsekvenserna av interaktioner mellan människor (agenterna) i en befolkning. Forskare kan bättre förstå denna typ av modellering genom att modellera denna dynamik på en mindre, mer lokal nivå. I huvudsak hjälper ABM till att bättre förstå interaktioner mellan människor (agenter) som i sin tur påverkar varandra (som svar på dessa influenser). Enkla individuella regler eller handlingar kan resultera i ett sammanhängande gruppbeteende . Förändringar i dessa individuella handlingar kan påverka den kollektiva gruppen i en given befolkning.

Agentbaserad modellering är ett experimentellt verktyg för teoretisk forskning. Det gör det möjligt för en att hantera mer komplexa individuella beteenden, såsom anpassning. Genom denna typ av modellering syftar skaparen, eller forskaren, totalt sett till att modellera agenternas beteende och kommunikationen mellan dem för att bättre förstå hur dessa individuella interaktioner påverkar en hel befolkning. I huvudsak är ABM ett sätt att modellera och förstå olika globala mönster.

Nuvarande forskning

Det finns flera aktuella forskningsprojekt som direkt relaterar till modellering och agentbaserad simulering. Följande listas nedan med en kort översikt.

  • "Generative e-Social Science for Socio-Spatial Simulation" eller (GENESIS) är en forskningsnod för UK National Centre for e-Social Science finansierad av det brittiska forskningsrådet ESRC . För ytterligare information se: GENESIS webbsida och blogg .
  • "National e-Infrastructure for Social Simulation" eller (NeISS) är ett Storbritannien-baserat projekt finansierat av JISC . För ytterligare information se: NeISS webbsidor .
  • "Network Models Governance and R&D collaboration networks" eller (NEMO) är ett forskningscenter vars huvudfokus är att identifiera sätt att skapa och bedöma önskvärda nätverksstrukturer för typiska funktioner; (t.ex. kunskap, skapande, överföring och distribution.) Denna forskning kommer i slutändan att hjälpa beslutsfattare på alla politiska nivåer att förbättra effektiviteten och effektiviteten hos nätverksbaserade policyinstrument för att främja kunskapsekonomin i Europa.
  • "Agent-baserade simuleringar av marknads- och konsumentbeteende" är en annan forskargrupp som finansieras av Unilever Corporate Research. Den aktuella forskningen som bedrivs undersöker användbarheten av agentbaserade simuleringar för att modellera konsumentbeteende och för att visa det potentiella värdet och de insikter det kan tillföra sedan länge etablerade marknadsföringsmetoder.
  • "New and Emergent World Models Through Individual, Evolutionary and Social Learning" eller (New Ties) är ett treårigt projekt som i slutändan kommer att skapa ett virtuellt samhälle utvecklat genom agentbaserad simulering. Projektet kommer att utveckla ett simulerat samhälle som kan utforska miljön och utveckla sin egen bild av denna miljö och samhället genom interaktion. Målet med forskningsprojektet är att det simulerade samhället ska uppvisa individuellt lärande, evolutionärt lärande och socialt lärande .
  • Bruch och Mares projekt om grannskapssegregation : Syftet med studien är att ta reda på orsaken till grannskapssegregation baserat på ras , och att ta reda på vändpunkten eller när människor blir obekväma med integrationsnivåerna i deras grannskap och bestämmer sig för att fly från grannskapet. De satte upp en modell med hjälp av flash-kort och placerade agentens hus i mitten och satte hus av olika raser runt agentens hus. De frågade människor hur bekväma de skulle känna sig i olika situationer; om de var okej med en situation frågade de en annan tills grannskapet var helt integrerat. Bruch och Mares resultat visade att tipppunkten låg på 50 %. När en stadsdel blev 50 % minoritet och 50 % vit, började människor av båda raserna bli obekväma och vit flykt började stiga. Användningen av agentbaserad modellering visade hur användbart det kan vara i sociologins värld, folk behövde inte svara på varför de skulle bli obekväma, just vilken situation de var obekväma med.
  • MAELIA-programmet (Multi-Agent Emergent Norms Assessment) är ett projekt som handlar om relationerna mellan användare och förvaltare av en naturresurs, i så fall vatten, och de relaterade normer och lagar som ska byggas inom dem (konventioner) eller åläggs dem av andra aktörer (institutioner). Syftet med projektet är att bygga en generisk flerskalig plattform som är planerad att hantera vattenkonfliktrelaterade frågor.
  • Mosi -Agil-projektet är ett fyraårigt program som finansieras av den autonoma regionen Madrid genom programmet MOSI-AGIL-CM (bidrag S2013/ICE-3019, samfinansierat av EU:s strukturfonder FSE och FEDER). Det syftar till att skapa en mängd kunskap och praktiska verktyg som är nödvändiga för att mer effektivt hantera beteendet hos personer i stora anläggningar. Därför studerar projektet utvecklingen av omgivande intelligens och intelligenta miljöer som stöds av användningen av agentbaserad social simulering.

Agentbaserad modellering är mest användbar för att skapa en brygga mellan mikro- och makronivåer, vilket är en stor del av vad sociologi studerar. Agentbaserade modeller är mest lämpliga för att studera processer som saknar central samordning, inklusive uppkomsten av institutioner som, när de väl etablerats, lägger ordning uppifrån och ner. Modellerna fokuserar på hur enkla och förutsägbara lokala interaktioner genererar välbekanta men mycket detaljerade globala mönster, såsom uppkomst av normer och deltagande av kollektiva handlingar. Michael W. Macy och Robert Willer undersökte en nyligen genomförd undersökning av applikationer och fann att det fanns två huvudproblem med agentbaserad modellering av självorganiseringen av social struktur och uppkomsten av social ordning ( Macy & Willer 2002) . Nedan följer en kort beskrivning av varje problem Macy och Willer tror att det finns;

  1. " Emergent struktur . I dessa modeller ändrar agenter plats eller beteende som svar på sociala influenser eller urvalstryck. Agenter kan börja odifferentierade och sedan ändra plats eller beteende för att undvika att bli annorlunda eller isolerade (eller i vissa fall överfulla). Istället för att skapa homogenitet, aggregeras dessa konformistiska beslut för att producera globala mönster av kulturell differentiering, stratifiering och homofil klustring i lokala nätverk. Andra studier omvänder processen, börjar med en heterogen befolkning och slutar i konvergens: koordinationen, spridningen och plötslig kollaps av normer, konventioner, innovationer och tekniska standarder."
  2. " Emergent social order . Dessa studier visar hur egoistisk anpassning kan leda till framgångsrika kollektiva handlingar utan vare sig altruism eller global (top-down) påtvingande av kontroll. Ett nyckelfynd från många studier är att förtroendet, samarbetet och kollektiva handlingars livskraft är avgörande. om interaktionens inbäddning."

Dessa exempel visar helt enkelt komplexiteten i vår miljö och att agentbaserade modeller är utformade för att utforska de minimala villkoren, den enklaste uppsättningen av antaganden om mänskligt beteende, som krävs för att ett givet socialt fenomen ska uppstå på en högre organisationsnivå.

Kritik

Sedan den skapades har datoriserad social simulering varit föremål för en del kritik när det gäller dess praktiska och noggrannhet. Social simulerings förenkling av komplexet för att bilda modeller från vilka vi bättre kan förstå det senare ses ibland som en nackdel, eftersom att använda ganska enkla modeller för att simulera det verkliga livet med datorer inte alltid är det bästa sättet att förutsäga beteende.

Det mesta av kritiken verkar riktas mot agentbaserade modeller och simulering och hur de fungerar:

  1. Simuleringar, som är konstgjorda av matematiska gränssnitt, förutsäger mänskligt beteende på ett alldeles för enkelt sätt med hänsyn till mänsklighetens komplexitet och våra handlingar.
  2. Simuleringar kan inte upplysa forskare om hur människor interagerar eller beter sig på sätt som inte är programmerade i deras modeller. Av denna anledning är omfattningen av simuleringar begränsad genom att forskarna redan måste veta vad de ska hitta (till en viss grad, för de kan inte hitta något de själva inte har placerat i modellen) åtminstone vagt, vilket möjligen snedvrider resultaten .
  3. På grund av komplexiteten i det som mäts måste simuleringar analyseras på opartiska sätt; men med modellen som körs på en förgjord uppsättning instruktioner kodade i den av en modellerare, existerar fördomar nästan universellt.
  4. Det är mycket svårt och ofta opraktiskt att försöka koppla samman resultaten från den abstrakta värld simuleringen skapar och vårt komplexa samhälle och all dess variation.

Forskare som arbetar med social simulering kan svara att de konkurrerande teorierna från samhällsvetenskaperna är mycket enklare än de som uppnås genom simulering och därför lider av de tidigare nämnda nackdelarna mycket starkare. Teorier inom vissa samhällsvetenskaper tenderar att vara linjära modeller som inte är dynamiska, och som i allmänhet härleds från små laboratorieexperiment ( laboratorietester är vanligast inom psykologi men sällsynta inom sociologi, statsvetenskap, ekonomi och geografi). Beteendet hos populationer av agenter under dessa modeller testas sällan eller verifieras mot empiriska observationer.

Se även

  1. ^ Hughes, HPN; Clegg, CW; Robinson, MA; Crowder, RM (2012). "Agent-baserad modellering och simulering: Det potentiella bidraget till organisationspsykologi". Journal of Occupational and Organizational Psychology . 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). "Utvecklingen av ett agentbaserat modelleringsramverk för simulering av ingenjörsteamarbete". IEEE-transaktioner om system, människa och cybernetik - Del A: System och människor . 42 (6): 1425–1439. doi : 10.1109/TSMCA.2012.2199304 . S2CID 7985332 .
  3. ^ Robert Axelrod (1986): En evolutionär inställning till normer
  4. ^ Felix Flentge, Daniel Polani och Thomas Uthmann (2001) Modeling the Emergence of Possession Norms using Memes
  5. ^ Alexander Staller och Paolo Petta (2001): Att introducera känslor i beräkningsstudien av sociala normer: En första utvärdering
  6. ^ Se Martin Neumann (2008): Homo Socionicus: en fallstudie av simuleringsmodeller av normer för en översikt av den senaste forskningen (från och med 2008).
  7. ^ José Castro Caldas och Helder Coelho (1999): Institutionernas ursprung: socioekonomiska processer, val, normer och konventioner
  8. ^ Dan Miodownik, Britt Cartrite och Ravi Bhavnani (2010): Mellan replikering och dockning: "Adaptiva agenter, politiska institutioner och medborgerliga traditioner" återbesökt
  9. ^ Christian Hahn, Bettina Fley, Michael Florian, Daniela Spresny och Klaus Fischer (2007): Socialt rykte: en mekanism för flexibel självreglering av multiagentsystem
  10. ^ JASSS vol. 14: Specialavsnitt: Simulering av vetenskapens sociala processer
  11. ^ Sung-youn Kim (2011): En modell av politiskt omdöme: En agentbaserad simulering av kandidatutvärdering
  12. ^ Ramzi Suleiman och Ilan Fischer (2000) När man bestämmer för många: Effekten av delegationsmetoder på samarbete i simulerade konflikter mellan grupper
  13. ^ Marie-Edith Bissey, Mauro Carini och Guido Ortona (2004) ALEX3, ett simuleringsprogram för att jämföra valsystem

externa länkar

Hämtad från " https://en.wikipedia.org/w/index.php?title=Social_simulation&oldid=1138128048 "