Social modellering är ett forskningsområde som tillämpar beräkningsmetoder för att studera problem inom samhällsvetenskapen . Undersökta frågor inkluderar problem med beräkningsrätt , psykologi [1] , organisatoriskt beteende [2] , sociologi , statsvetenskap , ekonomi , antropologi , geografi , ingenjörskonst , arkeologi och lingvistik .
Social modellering syftar till att överbrygga gapet mellan den deskriptiva metoden som används inom samhällsvetenskapen och den formella metoden som används inom naturvetenskapen genom att flytta fokus till de processer/mekanismer/beteenden som konstruerar den sociala verkligheten. I social simulering stödjer datorer mänsklig tankeaktivitet med hjälp av dessa mekanismer. Detta fält utforskar modellering av samhällen som komplexa icke-linjära system som är svåra att studera med klassiska matematiska modeller baserade på ekvationer. Robert Axelrod ser social modellering som en separat forskningsmetod, skild från både deduktiva och induktiva metoder. Det är genereringen av data som kan analyseras induktivt, men som kommer från en väldefinierad uppsättning regler snarare än direkta mätningar. Således är social modellering som skapandet av konstgjorda samhällen. Den sociala modelleringen av samhällsvetenskapen främjas och samordnas av föreningar som ESSA .
Historien om agentbaserad modellering går tillbaka till von Neumanns teoretiska maskin som kan reproducera sig själv . Apparaten som föreslagits av von Neumann skulle följa exakt de detaljerade instruktionerna för att göra en kopia av sig själv. Detta koncept förbättrades ytterligare av matematikern Stanisław Ulam . Ulam föreslog att man skulle bygga maskinen på papper, som en uppsättning celler på ett rutnät. Denna idé fascinerade von Neumann och han skapade den första av de enheter som senare kallas cellulära automater . En annan förbättring gjordes av matematikern John Conway . Han designade det berömda spelet "Life" . Till skillnad från von Neumanns maskin drevs Conways spel av enkla regler i en virtuell värld inom gränserna för ett schackbräde .
Födelsen av den agentbaserade modellen som en modell för sociala system drevs främst av datavetaren Craig Reynolds . Han försökte modellera verkligheten av levande biologiska medel, artificiellt liv , en term som myntades av Christopher Langton . Joshua Epstein och Robert Axtell utvecklade den första storskaliga agentmodellen, Sugarscape , för att modellera och utforska rollen av sociala fenomen som säsongsbetonad migration , föroreningar , sexuell reproduktion , krig , smitta . Kathleen Carley , grundande ordförande för North American Association for Computational Social and Organizational Systems, grundade en tidskrift för social modellering i relation till organisationer och komplexa sociotekniska system: Computational and Mathematical Organization Theory [3] .
Forskarna Nigel Gilbert och Klaus Troitzch skapade den första läroboken om social simulering: Simulation for the Social Scientist (1999) och grundade ett tillägg till den: Journal of Artificial Societies and Social Simulation . En annan forskare, Ron Sun , har utvecklat metoder för att basera agentbaserad modellering på modeller av mänsklig kognition som kallas kognitiv social modellering [4] .
Här är några exempel på ämnen som har utforskats genom social modellering:
Social modellering kan hänvisa till en allmän klass av strategier för att förstå social dynamik med hjälp av datorer för att modellera sociala system. Det möjliggör ett mer systematiskt övervägande av möjliga resultat. Det finns fyra huvudtyper av social modellering:
Social modellering kan falla under rubriken beräkningssociologi , som är en nyutvecklad gren av sociologi som använder beräkningar för att analysera sociala fenomen . Den grundläggande utgångspunkten för beräkningssociologi är att dra fördel av datorsimuleringar i konstruktionen av sociala teorier . Det inkluderar en förståelse för sociala agenter, interaktionerna mellan dessa agenter och inverkan av dessa interaktioner på den sociala helheten. Medan ämnet och metodiken för samhällsvetenskapen skiljer sig från naturvetenskapens eller datavetenskapens , kommer några av de tillvägagångssätt som används i modern social modellering från områden som fysik och artificiell intelligens .
Systemnivåmodellering är den äldsta nivån av social modellering. Modellering på systemnivå ser på situationen som helhet. Denna teoretiska syn på sociala situationer använder ett brett utbud av information för att bestämma vad som ska hända med ett samhälle och dess medlemmar i närvaro av vissa variabler, hur de ska reagera på en ny situation. Att navigera genom denna teoretiska modellering kommer att tillåta forskare att utveckla giltiga idéer om vad som kommer att hända för vissa specifika variabler. Till exempel, om NASA skulle köra simuleringar på systemnivå, skulle det gynna organisationen genom att tillhandahålla en kostnadseffektiv forskningsmetod för att navigera i simuleringarna. Detta gör det möjligt för forskaren att navigera de virtuella möjligheterna med denna simulering och utveckla säkerhetsprocedurer , samt få verifierade fakta om hur den eller den situationen kommer att utvecklas [11] . Modellering på systemnivå syftar till att specifikt förutsäga och kommunicera valfritt antal handlingar, beteenden eller förmågor hos nästan alla personer, objekt, konstruktioner i ett system med hjälp av en stor uppsättning ekvationer . En modell är en representation av en viss sak, allt från föremål och människor till strukturer och produkter , skapad med hjälp av matematiska ekvationer och designad med hjälp av datorer på ett sådant sätt att de kan stå som de tidigare nämnda sakerna i studien. Modeller kan vara antingen förenklade eller komplexa, beroende på behovet av det ena eller det andra; dock är modellerna avsedda att vara enklare än vad de representerar samtidigt som de förblir realistiskt lika så att de kan användas korrekt. De är byggda med hjälp av en uppsättning data översatt till beräkningsspråk som gör att de kan representera systemet i fråga .
Agentbaserad social simulering består av att simulera olika samhällen och att placera artificiella agenter i ett datorsimulerat samhälle för att observera deras beteende. Från dessa data kan du lära dig om reaktionerna hos artificiella medel och översätta dem till resultaten av verkliga medel och simuleringar. De tre huvudområdena är agentberäkning, samhällsvetenskap och datormodellering. Det är här som sociala fenomen utvecklas och teoretiseras. Huvudmålet med agentbaserad social modellering är att tillhandahålla modeller och verktyg för agentbaserad modellering av sociala fenomen. Med den kan vi utforska olika utfall för fenomen som vi kanske inte kan se i verkligheten och få värdefulla insikter om resultatet av sociala fenomen.
Agentbaserad modellering är ett system där agenter interagerar kollektivt oberoende av varandra. Varje enskild agent är ansvarig för olika former av beteende som leder till kollektivt beteende. Dessa beteenden hjälper i allmänhet att bestämma nätverkets prestanda. Den fokuserar på mänskliga sociala interaktioner och hur människor arbetar tillsammans och kommunicerar med varandra utan att ha ett enhetligt gruppsinne . Detta betyder i huvudsak att det tenderar att fokusera på konsekvenserna av interaktioner mellan människor (agenter) i en befolkning . Forskare kan bättre förstå denna typ av simulering genom att använda dynamik på en mindre, mer lokaliserad nivå. Enkla individuella regler eller handlingar kan leda till konsekvent gruppbeteende. Förändringar i dessa individuella aktiviteter kan påverka en grupp i en given population.
Agentbaserad modellering är ett experimentellt verktyg för teoretisk forskning. Det låter dig hantera mer komplexa individuella beteenden, som anpassning . Generellt sett, med denna typ av simulering, försöker skaparen, eller forskaren, modellera agenternas beteende och relationen mellan dem för att bättre förstå hur dessa individuella interaktioner påverkar hela befolkningen. I grund och botten är det ett sätt att modellera och förstå olika globala mönster.
Agentbaserad modellering är mest användbar för att skapa en brygga mellan mikro- och makronivåerna, vilket är en betydande del av vad sociologi studerar. Agentbaserade modeller är mest lämpade för att studera processer som saknar central samordning, inklusive uppkomsten av institutioner som, när de väl har skapats, skapar ordning från topp till botten. Modeller fokuserar på hur enkla och förutsägbara lokala interaktioner ger upphov till välbekanta men mycket detaljerade globala modeller såsom uppkomsten av normer och deltagande i kollektiva åtgärder. Michael W. Macy och Robert Wheeler fann att det finns två huvudproblem med agentbaserad modellering av den sociala strukturens självorganisering och uppkomsten av social ordning [12] .
Framväxande struktur: I dessa modeller ändrar agenter plats eller beteende som svar på social påverkan eller urvalstryck. Agenter kan börja odifferentierat och sedan ändra plats eller beteende för att inte bli annorlunda eller isolerade. Men istället för att skapa homogenitet, kombineras dessa konformistiska lösningar för att skapa globala mönster av kulturell differentiering, stratifiering och klustring i lokala nätverk. Andra studier vänder på denna process, som börjar med en heterogen befolkning och slutar med konvergens: koordinering, spridning och den plötsliga kollapsen av normer, konventioner , innovationer och tekniska standarder .
Framväxande social ordning: Dessa studier visar hur självisk anpassning kan leda till framgångsrika kollektiva handlingar utan altruism eller global (top-down) påtvingande av kontroll. Ett nyckelresultat från många studier är att förtroendets, samarbetets och kollektiva handlings livskraft är avgörande för styrkan i interaktionen.
Dessa exempel visar helt enkelt komplexiteten i vår miljö och att agentmodeller är utformade för att utforska de minimivillkor, den enklaste uppsättningen av antaganden om mänskligt beteende, som är nödvändiga för att ett givet socialt fenomen ska inträffa på en högre organisationsnivå.
Sedan starten har datoriserad social modellering varit föremål för en del kritik när det gäller dess praktiska och exakthet. Förenklingen av social modellering för att bilda komplexa modeller 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. Kritikernas huvudsakliga teser är följande:
Konkurrerande teorier från samhällsvetenskapen är dock mycket enklare än de som uppnås genom simulering, och lider därför av de ovan nämnda bristerna mycket mer. Teorier i vissa samhällsvetenskaper tenderar att vara linjära modeller snarare än dynamiska och härleds vanligtvis från små laboratorieexperiment (som är vanligast inom psykologi , men sällsynta inom sociologi , statsvetenskap , ekonomi och geografi ). Beteendet hos agentpopulationer inom dessa modeller verifieras sällan av empiriska observationer .