Artículo en PDF
Cómo citar el artículo
Número completo
Más información del artículo
Página de la revista en redalyc.org
Sistema de Información Científica
Red de Revistas Científicas de América Latina y el Caribe, España y Portugal
Revista Mexicana de Ciencias Políticas y Sociales
I
Universidad Nacional Autónoma de México
Nueva Época, Ano LX 1núm. 225, septiembre-diciembre de 20151 pp. 233-2661 ISSN-0185-1918
Modelos basados en agentes:
aportes epistemológicos
y
teóricos
para
la investigación social
Leonardo Gabriel Rodríguez Zoya*
Pascal Roggero**
1
Recibido eI 5 de noviembre de 2014
Aceptado d 23 de marzo de 2015
Resumen
Los modelos basados en agentes
(MBA)
constituyen una nueva generación de métodos computacionales que
permiten modelar la estructura de un sistema complejo y simular su evolución dinámica a lo largo deI tiempo.
EI
uso
de
los
MBA
constituye
una
tendencia
metodológica
en
expansión
en
las
ciencias
sociales
contemporáneas; sin embargo, continúan siendo poco conocidos y enseiíados en el campo sociológico, de
modo que constituyen una alternativa metodológica minoritaria entre los investigadores sociales. EI propósito
de este trabajo es introducir a los científicos sociales en las ideas centrales de los modelos basados en agentes a
partir de su articulación con ciertos problemas teóricos y metodológicos cruciales de las ciencias sociales. La
primera sección problematiza la relación entre los modelos basados en agentes y los sistemas complejos en
una perspectiva epistemológica crítica. Posteriormente, se analizan los aportes de los
MBA
a la investigación
social, y en la tercera sección se evalúa críticamente su aplicación en el marco de una disciplina particular: la
*
Doctor en sociología (Universidad de Toulouse) y doctor en ciencias sociales (Universidad de Buenos Aires).
Docente e investigador dei Consejo Nacional de Investigaciones Científicas y Técnicas
(CONICET);
Instituto de
Investigaciones Gino Germani, Universidad de Buenos Aires (Argentina). Sus líneas de investigación son:
pensamiento
y
sistemas
complejos;
investigación
interdisciplinaria;
simulación
social;
epistemología;
metodología de la investigación. Entre sus últimas publicaciones destacan: "EI espacio controversial de los
sistemas complejos",
en
coautoría con
Paula Rodríguez Zoya
(2014); "Epistemología y política de
la
metodología interdisciplinaria" (2014) y "La modelización y simulación computacional como metodología de
investigación social", en coautoría con Pascal Roggero (2014). Correo electrónico: leonardo.rzoya@gmail.com
**
Doctor en sociología. Docente e investigador dei Institut du Droit de I'Espace, des Territoires et de la
Communication
(IDETCOM),
Universidad de Toulouse1-Capitole (Francia). Sus líneas de investigación son:
pensamiento y sistemas complejos;
simulación
social; sociología de
las organizaciones; administración
pública.
Entre
sus
últimas
publicaciones
destacan:
"Statistical
Exploratory
Analysis
of Agent-based
Simulations in a Social Context", en coautoría con Villa-Vialaneix y Sibertin-Blanc (2014); "SocLab: A
Framework for the Modeling, Simulation and Analysis of Power in Social Organizations", en coautoría con
Sibertin-Blanc, Adreit, Baldet, Chapron, El-Gemayd, Mailliard y Sandri (2013) y "Using Soclab for a Rigorous
Assessment ofthe Social Feasibility of Agricultural Policies", en coautoría con Adreit, Sibertin-Blanc y Vautier
(2011). Correo electrónico: PascaI.Roggero@ut-capitole.fi·
1
Los autores del trabajo agradecen los comentarios y sugerencias realizadas por los evaluadores anónimos que
permitieron enriquecer y mejorar el artículo.
233
Revista Mexicana de Ciencias Políticas y Sociales
I
Universidad Nacional Autónoma de México
Nueva Época, Ano LX 1núm. 225, septiembre-diciembre de 20151 pp. 233-2661 ISSN-0185-1918
ciencia política. Finalmente, se desarrolla un ejemplo práctico de una simulación basada en agentes a partir
del trabajo clásico de Thomas Schelling sobre segregación racial.
Palabras
clave: modelo
basado
en
agentes;
sistemas complejos;
simulación
social; complejidad
social;
epistemología; sociología computacional.
Agent-based models
(ABivI)
constitute a new generation of computer based methods that allow the modeling
of the structure of a complex system and simulation of its dynamic evolution over time. The use of
ADM
constitutes a methodological tendency expanding in contemporary social sciences; however, these models
remain quite unknown and not frequently taught in the field of sociology. They therefore represent a minor
methodological alternative among social researchers. The purpose of this work is to introduce social scientists
to
the
main
ideas
of the
agent-based
models
as
they
are
articulated
with
certain
theoretical
and
methodological problems of the social sciences. The first section puts into question the relationship between
agent-based models and
complex systems in
a critical epistemological
perspective.
Subsequently, the
contributions of
ABM
to social research are analyzed, and in the third section, their application in the
framework of a specific discipline, politicai science, is assessed. Finally, a practical example of a simulation
based on agents from the classic work of Thomas Schelling about racial segregation is developed.
agent-based
model;
complex
systems;
social
simulation;
social
complexity; epistemology;
computational sociology.
Introducción
En los albores deI empleo de métodos de simulación computacional en ciencias sociales, los
modelos basados en agentes
(MBA)
constituyen un enfoque protagónico de esta primavera
metodológica. Gestados aI calor deI desarrollo de las ciencias de los sistemas complejos
-verdadero campo interdisciplinario de la ciencia contemporánea- los
MBA
encarnan la
promesa de constituirse en una metodologia empiricamente operativa para estudiar la
complejidad social. Su fecundidad radica, principalmente, en la capacidad técnica que
brindan para modelar fenómenos sociales complejos y simular su evolución dinámica a lo
largo del tiempo. Ciertamente, los
MBA
no vienen a reemplazar las metodologias clásicas en
sociologia, sino a potenciar su uso en un nuevo plano analítico.
El empleo de métodos computacionales de sistemas complejos, en particular los
MBA,
se
han desarrollado con gran vigor en las últimas dos décadas, impulsando asi una tendencia
metodológica en expansión en las ciencias sociales contemporáneas. A pesar de este pujante
crecimiento,
los
MBA
continúan
siendo
poco
conocidos
y
enseflados
en
el
campo
sociológico y constituyen una alternativa metodológica minoritaria entre los investigadores
sociales. Este hecho justifica la pertinencia de este trabajo cuyo propósito es introducir a los
cientificos sociales en las ideas centrales de los modelos basados en agentes a partir de su
234
Revista Mexicana de Ciencias Políticas y Sociales
I
Universidad Nacional Autónoma de México
Nueva Época, Ano LX 1núm. 225, septiembre-diciembre de 20151 pp. 233-2661 ISSN-0185-1918
articulación con ciertos problemas teóricos y metodológicos cruciales de las ciencias
sociales. EI alcance del articulo se orienta a exponer algunas potencialidades y aportes de los
MBA
para la investigación social; sin embargo la discusión sobre las limitaciones de esta
metodologia excede los desarrollos del presente articulo.'
De acuerdo con estas coordenadas, el objetivo de este trabajo es realizar una reflexión
critica sobre algunos aspectos epistemológicos y teóricos del modelado basado en agentes
en ciencias sociales. Para alcanzar este objetivo, la estrategia argumentativa articula cuatro
momentos reflexivos.
La primera
sección problematiza la relación entre los modelos
basados en agentes y los sistemas complejos en una perspectiva epistemológica critica.
Posteriormente, en la segunda sección se analizan los aportes de los modelos basados en
agentes a la investigación social, atendiendo a algunas cuestiones teóricas y metodológicas
centrales de las ciencias sociales, y en la tercera sección se evalúa criticamente la aplicación
de los
MBA
a una disciplina particular: la ciencia política. Finalmente, en la cuarta sección se
desarrolla un ejemplo práctico de una simulación basada en agentes a partir dei trabajo
clásico de Thomas Schelling sobre segregación racial. EI articulo concluye con una sintesis y
una reflexión de los autores.
Sistemas complejos
y
modelos basados
en
agentes
en
el campo de las ciencias
sociales
EI
concepto
de
sistema
complejo
designa
simultáneamente
un
campo
cientifico
interdisciplinario conocido como
ciencias de los sistemas complejos
o, simpiemente,
ciencias de la complejidad, y constituye, ai mismo tiempo, el objeto de estudio de las
mismas. Como objeto de estudio, los sistemas complejos comprenden el comportamiento
adaptativo, autoorganizado, emergente y no lineal de fenómenos y procesos dei mundo
físico, biológico y social (Miller y Page, 2007). Un amplio número de fenómenos pueden ser
descritos y caracterizados como sistemas complejos, por ejemplo, las colonias de hormigas,
las redes neuronales del cerebro, las ciudades, las congestiones de tráfico, las redes sociales y
los
patrones
de
citación
de
los
investigadores
de
un
campo
cientifico,
entre otros
fenómenos:' En términos específicos, un sistema complejo es un conjunto organizado de
elementos y procesos interrelacionados cuya interacción dinámica en el tiempo produce
2
Para una discusión sobre las críticas y limitaciones de los
MBA,
véanse: Waldherr y Wijermans (2013). Dos
problemas centrales en la metodología de
MBA
son la validación y verificación de los modelos. Sobre esta
cuestión véanse: David (2009); Izquierdo, Galán Ordax, Santos
y
dei Olmo Martinez (2008); Ormerod
y
Rosewell (2009); Squazzoni (2012). Sobre la estrategia de replicación como solución ai problema de la
verificación, vé.nse: Edmonds
y
Hales (2003).
3
AI respecto, véanse: Johnson (2001); Lewin (1995).
235
Revista Mexicana de Ciencias Políticas y Sociales
I
Universidad Nacional Autónoma de México
Nueva Época, Ano LX 1núm. 225, septiembre-diciembre de 20151 pp. 233-2661 ISSN-0185-1918
comportamientos y regularidades macroscópicas -denominadas propiedades emergentes-
que no pueden ser deducidos linealmente dei conocimiento analitico de sus partes.
En uno de los textos fundadores del enfoque de los sistemas complejos, Warren Weaver
(1948)
afirma
que
la
característica
decisiva
de
este
tipo
de
fenómeno
no
reside
principalmente en un criterio cuantitativo, ligado ai número de elementos y relaciones, sino
en el modo en que un conjunto de elementos se interrelacionan de modo no trivial en un
todo orgánico y conforman un sistema organizado. Para Weaver, estos problemas de
complejidad organizada no pueden ser abordados por modelos mecánicos ni estadísticos,
sino que requieren de modelos sistémicos.
Otra cualidad de los sistemas complejos guarda relación con lo que Herbert Simon
(1973) conceptualizó corno "sistemas no-descomponibles o casi-descomponibles". Mientras
en un sistema descomponible las partes y relaciones pueden ser separadas y tratadas
aisladamente sin comprometer la organización deI sistema, esto no es posible en un sistema
complejo. En efecto, los sistemas complejos son cuasi o no descomponibles, puesto que "el
comportamiento
de cada uno de los componentes
depende, en forma conjunta,
deI
comportamiento de los componentes restantes"
(Simon,
1973: 145). En esta línea de
reflexión,
Rolando
Garcia
afirma
que
los
elementos
de
un
sistema
complejo
son
interdefinibles,
es decir, que "los distintos componentes sólo pueden ser definidos en
función deI resto" (Garcia, 2000: 68). En la medida en que los elementos y procesos de un
sistema complejo son interdefinibles, entonces no pueden ser separados para ser estudiados
de modo independiente (Garcia, 2006: 21). Así, el correlato de la interdefinición es la
imposibilidad de aislar las partes de un sistema complejo. Para expresarlo sintéticamente,
los elementos interdefinibles no son separables y, por lo tanto, los sistemas complejos son
sistemas no descomponibles.
En este marco, los modelos basados en agentes
(MBA)
constituyen un método de
modelado y simulación computacional para el estudio de la organización y la dinámica de
sistemas complejos. Un
MBA
constituye una
sociedad artificial integrada por agentes
autónomos y heterogéneos que interactúan de modo no trivial entre sí y con el entorno, de
acuerdo con ciertas regIas. La simulación computacional permite explorar en tiempo real la
interacción dinámica entre los agentes y simular el proceso por el cual emergen patrones y
estructuras en el entorno macro que no son reductibles a las propiedades de los agentes en
el micro.
En términos histórico críticos se destaca que los sistemas complejos emergen corno
problema científico en los anos 40 y 50 deI siglo pasado, cuando surgen las primeras teorías,
métodos
y conceptos
para abordarlos.' No
obstante, su
consolidación
corno
campo
sistemático de investigaciones y cuerpo
teórico
metodológico organizado
tiene lugar
durante la década de los 80 del siglo pasado y es durante los últimos veinte anos (1990-
'Vêanse: Hayek (1964); Simon (1973); Weaver (1948).
236
Revista Mexicana de Ciencias Políticas y Sociales
I
Universidad Nacional Autónoma de México
Nueva Época, Ano LX 1núm. 225, septiembre-diciembre de 20151 pp. 233-2661 ISSN-0185-1918
2010) cuando se constata una notable expansión dei campo. La construcción socio histórica
y científica de los sistemas complejos y la simulación computacional como campo de
conocimiento se han desarrollado con escasos y débiles puntos de contacto con las ciencias
sociales y las humanidades. Sin embargo, en las últimas dos décadas se evidencia un
progresivo acercamiento entre ambos campos a través de un doble proceso. Por un lado, las
ciencias de los sistemas complejos han comenzado a interesarse gradual y sistemáticamente
por el estudio de los fenómenos y procesos sociales (Roggero y Sibertin-Blanc, 2008: 45),
mediante la aplicación de los algoritmos y métodos formales de los sistemas complejos; por
otro lado, el empleo de métodos computacionales de sistemas complejos para el modelado y
la simulación de fenómenos y procesos sociales, políticos y económicos constituye una
tendencia metodológica en expansión en las ciencias sociales contemporáneas dei mundo
anglosajón y europeo continental.
En
el
marco de este doble proceso se ha consolidado un activo campo de investigación
conocido como
ciencias sociales computacionales,
que promueven
"el
empleo intensivo (y
sistemático) de métodos computacionales para modelar fenómenos sociales" (Squazzoni,
2012: 1), para la construcción y operacionalización de teorías, así como para la generación y
puesta a prueba de hipótesis sociológicas. Se registra amplia evidencia que testimonia el
desarrollo vigoroso de este campo, como el florecimiento de centros de investigación
especializados en la temática, la aparición de revistas especializadas -cerca de una docena
en todo el mundo-,' así como redes de investigación y sociedades académicas.
6
Además, las
revistas especializadas más influyentes a nivel internacional le han dedicado números
especiales a la temática.?
A pesar de este notable desarrollo, las corrientes principales dei enfoque de los sistemas
complejos y de la simulación computacional en el campo científico social -tal como se
desarrolla actualmente en el mundo anglosajón y europeo continental- son pasibles de una
profunda crítica epistémico-política. En primer lugar, estos enfoques "son incapaces de
proveer
un
adecuado
marco
epistemológico
que
permita
dar
cuenta
de
su
propia
inscripción social e histórica y de las implicancias ético-políticas de sus prácticas y de los
5
Emergence: Complexity and Organization, Nonlinear phenomena in Complex Systems, Journal of Social
Complexity, Journal of Artificial Societies and Social Simulation, Social Science Computer Review, Autonomous
Agent and Multi-Agent Systems, Computational Economics, Computational Management Science,
entre otras.
6
Por ejemplo, la
Complex System Society
y
la
European Social Simulation Association
en
el
ámbito europeo
y
la
Comunidad de Pensamiento Complejo
en América Latina.
7
Se documentan ediciones especiales en
American Behavioral Science
en 1999,
journal ofEconomic Dynamics
and Contrai
en 2001
y
2004,
Computational Economics
en 2001
y
2007,
Proceedings of the National Academy of
Science
en 2002,
Journal of Economic Behavior and Organization
en 2004,
Journal of Public Economic Theory
en 2004,
American Journal of Sociology
en 2005,
Advances on Complex Systems
en 2008. También han
aparecido artículos en revistas influyentes como:
Nature, Science, Physica A, Journal of Theoretical Biology,
American Sociological Review, Annual Review of Sociology,
Philosophy of the Social Sciences
y
Artificial
lntelligence Review.
237
Revista Mexicana de Ciencias Políticas y Sociales
I
Universidad Nacional Autónoma de México
Nueva Época, Ano LX 1núm. 225, septiembre-diciembre de 20151 pp. 233-2661 ISSN-0185-1918
conocimientos generados" (Rodríguez Zoya, 2011: 22). Esto se evidencia en el predominio
de
abordajes
técnico-instrumentales
practicados
con
bajos
niveles
de
reflexividad
y
centrados en los aspectos cuantificables y mesurables de los sistemas complejos. Así, el
Premio Nobe! de física Murray Gell-Mann sostiene que la medición de la complejidad está
relacionada con "la longitud de la descripción más concisa deI conjunto de regularidades de
una entidad" (Gell-Mann, 1995: 2). De este modo, en e! enfoque de los sistemas complejos
parece operar una vocación práctica por reducir la complejidad a lo
modelizable y
formalizable,
es
decir,
a lo
que resulte tratable mediante
algoritmos matemáticos o
computacionales. Como observa con perspicacia el físico y epistemólogo Rolando Garcia
(2000: 67), "principalmente los grandes temas sociales, económicos y políticos (.
..) no son
matematizables". Por esta razón, cabe dejar planteado un interrogante crítico acerca de qué
complejidad medimos cuando
excluimos de dicha medición todo
lo
que no
resulta
modelizable y formalizable. Así, e! enfoque de sistemas complejos puede asimilarse a lo que
Edgar Morin denomina "complejidad restringida", en la cual "la complejidad jamás es
cuestionada ni pensada de manera epistemológica" (Morin, 2007: 35). En esta misma línea,
Albert Einstein seiialaba que "la ciencia sin epistemología es primitiva y confusa".' Además,
se evidencia una tendencia a construir modelos de simulación aI margen de la teoría social,
"lo que conduce, demasiado a menudo, a modelizaciones cuyos fundamentos sociológicos
son insuficientes" (Roggero y Sibertin-Blanc, 2008: 45). Un ejemplo paradigmático de esta
cuestión se evidencia principalmente en las investigaciones en econofisica y sociofisica
(Galam, 1996; 2004 Y2007). Sin embargo, hay algunas notables excepciones que articulan
de
modo
sistemático
y
explícito
teorías
sustantivas,
datos
empíricos
y
modelos
computacionales; por ejemplo, e! desarrollo de la plataforma SocLab, realizada con base en
la formalización de la sociología de la acción organizada de Michel Crozier y Erhard
Friedberg.
9
Finalmente,
se
evidencia
la
carencia
de
un marco
epistemológico
crítico
que
se
interrogue sobre la dimensión politica de! conocimiento producido por e! estudio de los
sistemas complejos, así como de un cuestionamiento reflexivo sobre las posibilidades,
limites e implicaciones epistémicas y ético-políticas de! empleo de métodos de simulación
computacional para la comprensión y explicación de fenómenos sociopolíticos. En esta
línea crítico-reflexiva sobre la complejidad de los sistemas sociales y políticos se destacan las
contribuciones de Immanue! Wallerstein (2006) y su propuesta de análisis de los sistemas
mundo; los aportes de Edgar Morin
(1990) en torno
a los sistemas
de complejidad
organizada y la política de la sociedad-mundo occidental, y la reflexión de Pablo González
Casanova (2005) sobre las nuevas ciencias de la complejidad y las humanidades.
R
Los autores dei trabajo agradecen al evaluador anónimo que sugirió la incorporación de la cita de Einstein.
9
Véanse: Sibertin-Blanc, Roggero, Adreit, Baldet, ehapIOn, EI-Gemayel, Mailliard y Sandri (2013).
238
Revista Mexicana de Ciencias Políticas y Sociales
I
Universidad Nadonal Autónoma de México
Nueva Época, Ano LX 1núm. 225, septiembre-diciembre de 20151 pp. 233-2661 ISSN-0185-1918
Es justamente en esta dirección donde cobra relevancia la construcción de un marco
epistemológico
crítico,
empíricamente
fundamentado,
que
permita
incorporar
las
metodologías
de
modelado
y
simulación
computacional
en
el
repertorio
teórico
metodológico de las ciencias sociales. Uno de los mayores desafíos para las ciencias sociales
consiste en superar las carencias teórico epistemológicas actuales de las ciencias de los
sistemas complejos, y avanzar en e! desarrollo de un programa de investigación orientado a
construir modelos de simulación de problemas claves de la disciplina, fundamentados en
teorías sustantivas de las ciencias sociales y en un marco epistemológico crítico y reflexivo.
Aportes teóricos de los modelos basados
en
agentes
para
la investigación
social
Los
MBA
constituyen "un nuevo método analítico para las ciencias sociales" (Gilbert, 2007:
1); incluso, Axe!rod (1997) afirma que constituyen un tercer modo de hacer ciencia, distinto
y complementario a los dos métodos científicos estándar: la inducción y la deducción. Un
MBA
es un tipo particular de modelo científico que se implementa como un programa
informático. Por esta razón, los
MBA
son un tipo
de modelo computacional o, más
precisamente, un modelo de simulación computaciona1.
10
Los
MBA
son, por lo tanto,
modelos formales que deben ser distinguidos tanto de los modelos matemáticos (basados
en ecuaciones diferenciales o de otro tipo) como de los modelos estadísticos (orientados por
variables y expresados como ecuaciones de regresión, estructurales, o de otro tipo). La
diferencia sustantiva estriba en que los modelos computacionales permiten tratar modelos
formales cuya resolución analítica
es muy dificultosa, demanda mucho tiempo o sus
resultados son realmente complicados de interpretar. En estos casos, la alternativa más
eficiente es construir un modelo computacional y explorarlo a través de la simulación
(Gilbert, 1998). Así, el modelado y la simulación computacional permiten "implementar y
analizar rigurosamente e! comportamiento de modelos formales de sistemas complejos
-algo inviable hasta hace poco-" (Izquierdo, Galán Ordax, Santos y de! Olmo Martínez,
2008: 92).
Los
MBA
pueden ser construidos con distintos objetivos o finalidades. Algunos autores
(Amblard y Phan, 2006) sostienen que los
MBA
pueden ser utilizados para predecir, para
describir, para comprender e incluso para actuar, como es el caso de la modelización
participativa
(Étienne,
2010),
que
bien
puede
considerarse
como
una
estrategia
de
investigación-acción. Sin embargo, otros autores destacan con claridad que los
MBA
son
más adecuados para explicar que para predecir fenómenos sociales (Garcia-Valdecasas
10
Además de los
MHA,
existen diversos tipos de modelos computacionales. Para una introducdón a los
distintos métodos de modelado
y
simuladón en dencias sociales, véanse: Gilbert
y
Troitzsch (2005).
239
Revista Mexicana de Ciencias Políticas y Sociales
I
Universidad Nacional Autónoma de México
Nueva Época, Ano LX 1núm. 225, septiembre-diciembre de 20151 pp. 233-2661 ISSN-0185-1918
Medina,
2014;
Gilbert,
1996).
En esta misma línea, algunos investigadores, como Edmonds
(2014),
enfatizan que los
MBA
deberian emplearse más bien para el análisis "posibilístico"
que "probabilístico" -es decir, para desarrollar proyecciones e inferencias sobre lo que
puede o no acontecer en un proceso social-, que para el cálculo de probabilidades de su
ocurrencia, como lo hace, por ejemplo, un modelo estadistico.
ll
Esto no implica, en
absoluto, afirmar que los
MBA
no puedan ser utilizados con fines predictivos, como algunos
autores lo han mostrado (Hassan, Arroyo, Galán, Antunes y Pavón, 2013), sino que los
modelos estadisticos centrados en el análisis de la correlación entre variables pueden ser
más adecuados para esta tarea (Gilbert,
1996).
La explicación y la predicción constituyen, sin duda, finalidades epistémicas centrales de
la actividad cientifica; no
obstante, ambos conceptos tienen que ser cuidadosamente
diferenciados.!' La divergencia principal estriba en que "es posible predecir un fenómeno de
manera adecuada sin explicar nada de lo que está ocurriendo, y, dei mismo modo, es
posible explicar un fenómeno sin predecirlo correctamente" (Garcia-Valdecasas Medina,
2014: 43).
En estas coordenadas, resulta pertinente puntualizar el potencial explicativo de
los
MBA.
Apoyado en el andamiaje teórico de la sociologia analítica (Hedstrõm y Bearman,
2009), Garcia-Valdecasas Medina (2014) distingue con claridad y precisión tres tipos de
explicación: las explicaciones por leyes (típica de los modelos nomológico-deductivos del
positivismo
lógico);
las
explicaciones
basadas
en
variables
(propia
de
los
modelos
estadisticos) y, finalmente, las explicaciones basadas en mecanismos (propuestas por la
sociologia analítica). Desde esta última perspectiva, explicar un fenómeno social implica
identificar y detallar los mecanismos causales que son capaces de generarlo, tomando en
consideración la acción de los actores sociales, la estructura de interacción y el entorno
social donde se desarrolla el fenómeno. Garcia-Valdecasas Medina (2014) plantea con
solvencia que los
MBA
constituyen una vía metodológica para desarrollar explicaciones
centradas en mecanismos. Así, mientras los modelos estadísticos pueden considerarse como
modelos centrados en variables cuyo
fin principal es la predicción; los
MBA
pueden
caracterizarse como modelos orientados a procesos cuya fecundidad mayor radica en
explicar los mecanismos generadores de un proceso social (Gilbert,
1996).
Por esta razón,
Epstein sostiene que "Ia contribución central
[de los
MBA]
es facilitar la explicación
11
Sobre la distinción entre la lógica probabilística y la lógica posibilista en la simulación social véanse los
trabajos
de
Bruce
Edmonds
(1999).
En
el
campo
dd pensamiento latinoamericano
se
destacan
las
contribuciones pioneras de Carlos Matus (1987) -en el ámbito de la planificación estratégica situacional- y de
Oscar Varsavsky -en el terreno deI análisis de viabilidad y el desarrollo deI método de experimentación
numérica- (Varsavsky, 1971; Varsavsky, Calcagno, Ibarra, de Barbieri, Naon, Nufiez del Prado, Sainz, La
Fuente, Domingo, Sabato, Cornblit, Di Tella y Gallo, 1971).
12
Es interesante notar que, incluso para los positivistas lógicos y para el racionalismo crítico popperiano, "no
hay gran diferencia entre explicación y predicción [.
.. ] Es una diferencia, no de estructura lógica, sino de
énfasis; depende de
lo que considerem os como nuestro problem a"
(Popper, 1984: 148).
240
Revista Mexicana de Ciencias Políticas y Sociales
I
Universidad Nacional Autónoma de México
Nueva Época, Ano LX 1núm. 225, septiembre-diciembre de 20151 pp. 233-2661 ISSN-0185-1918
generativa" (Epstein, 2006b: 1587). En efecto, los
MBA
permiten representar explícitamente
las interacciones entre agentes autónomos y heterogéneos en un entorno. Este modelo
implementado en un programa informático constituye una sociedad artificial que, ai ser
ejecutada en la computadora, permite generar -"hacer crecer" a través de la simulación-
estructuras y patrones sociales macroscópicos que emergen de la interacción dinámica entre
los
agentes
en
el
tiempo.
En
síntesis,
los
MBA
pueden constituir
la
infraestructura
metodológica para el desarrollo de una ciencia social generativa (Epstein, 2006a).
Resulta pertinente preguntarse sobre cuáles son los aspectos teóricos y metodológicos
diferenciales que los
MBA
pueden aportar para la investigación en ciencias sociales. A este
respecto, cabe destacar cinco cuestiones relevantes: el vínculo micro-macro; el modelado de
la complejidad social; la simulación de la temporalidad de los procesos sociales y politicos;
el modelado del espacio y, finalmente, la experimentación virtual.
Vínculo micro-macro
Los
MBA
abordan
el vínculo
micro-macro en una doble dirección. En primer lugar,
permiten modelar y simular
el vínculo
de
lo
micro a
lo
macro,
es decir, "cómo las
interacciones locales y descentralizadas entre agentes autónomos y heterogéneos generan
una determinada regularidad" macrosocial (Epstein, 2006a: 5), tales como instituciones,
normas, comportamientos colectivos, estructuras sociales, estados. Se emplea el concepto
de emergencia para referirse a la aparición de "cualidades o propiedades de un sistema que
presentan un carácter de novedad con relación a las cualidades o propiedades de los
elementos considerados aisladamente" (Morin, 1977: 129-130). La noción de emergencia
comprende "los procesos a través de los cuales las conductas globales de un sistema resultan
de la acción e interacción" entre sus componentes (Sawyer, 2005: 2). Los fenómenos
emergentes son, en consecuencia, difíciles de explicar y predecir en la medida en que las
cualidades nuevas a nivel macro de un sistema no pueden deducirse ni reducirse ai
conocimiento analítico de las partes a nivel micro. Por lo tanto, el concepto de emergencia
tiene valor heurístico para abordar la complejidad de la relación entre el nivel micro y
macro de un sistema social complejo. Adicionalmente, las estructuras o patrones sociales
son el resultado del "proceso de interacción no lineal" entre los actores de un sistema social
(Squazzoni, 2012: 15). EI concepto de "no linealidad" alude a que "pequenas (o grandes)
variaciones de una variable pueden provocar grandes (o pequenas) alteraciones de las
demás" (Aleman Berenguer y Pérez Selles, 2000:
143). En consecuencia, los sistemas
sociales pueden caracterizarse como sistemas emergentes y sistemas no lineales (Johnson,
241
Revista Mexicana de Ciencias Políticas y Sociales
I
Universidad Nacional Autónoma de México
Nueva Época, Ano LX 1núm. 225, septiembre-diciembre de 20151 pp. 233-2661 ISSN-0185-1918
2001; Sawyer, 2005).13 Por esta razón, el comportamiento macrosocial no es el resultado de
la suma, agregación o yuxtaposición de los comportamientos individuales -es decir, de una
combinación lineal
de variables-
sino, contrariamente,
el resultado
emergente de la
interacción no lineal entre los actores de un sistema social. En este sentido, los patrones de
acción colectiva, las instituciones o estructuras sociales constituyen fenómenos emergentes
en relación con el nivel microsocial que los genera.
Basados en los argumentos precedentes, podemos afirmar que los
MBA
constituyen una
estrategia de modelado emergente en la cual se estudian las dinámicas "de abajo hacia
arriba", de lo local a lo global, de lo micro a lo macro
(bottom-up modeling),
lo que
contrasta con las técnicas de modelización tradicional que operan de modo descendente o
top-down,
es decir, "de arriba hacia abajo".14 Mientras que en el modelado tradicional se
parte de estructuras ya creadas, en la modelización basada en agentes se estudia el proceso
de creación de nuevas estructuras. De este modo, el modelado interactivo de la emergencia
social mediante
MBA
permite abordar lo que Pablo González Casanova (2005: 59) denomina
"Ia creación
de novedades históricas", en un sentido
análogo
a una
de las grandes
preocupaciones de Jean Piaget: "Ia construcción de estructuras no preformadas, es decir, de
estructuras que no obedecen a una tendencia" (Garcia, 1997: 12). No cabe duda que el
problema de la creación de nuevas estructuras sociales constituye uno de los temas cruciales
del
pensamiento
crítico
en
las
ciencias
sociales,
el
cual
podría
encontrar
algunas
herramientas operativas en la metodología de
MBA
para expandir la frontera de su propio
desarrollo teórico y conceptual.
En segundo lugar, los
MBA
contríbuyen a comprender el vínculo
de lo macro a lo micro,
relativo ai modo en que "Ias estructuras sociales constrinen e influyen las acciones futuras y
las interacciones entre los actores individuales" (Sawyer, 2007: 323). EI interés analítico de
13
A este respecto conviene precisar la distinción entre los conceptos de emergencia y no linealidad. En
términos metafóricos, la noción de emergencia puede sintetizarse en la expresión "d todo es más que la suma
de las partes"; mientras que la idea de no linealidad puede resumirse en la frase "pequenos cambios, grandes
consecuencias", expresada por el conocido "efecto mariposa": "el aleteo de una mariposa en Brasil puede
producir un tornado en Texas". la metáfora dei efecto mariposa, acufiada por el meteorólogo Edward lorenz,
ilustra uno de los conceptos centrales de la teoría dd caos: la sensibilidad a las condiciones iniciales que
presentan los sistemas dinámicos no lineales, es decir la no proporcionalidad de los cambios iniciales en un
sistema
y
sus consecuencias (Briggs
y
Peat, 1989). Asimismo, es importante destacar que los fenómenos
emergentes son resultado de procesos no lineales; sin embargo, la afirmación inversa no es correcta ya que
puede haber procesos no lineales que no presenten propiedades emergentes (por ejemplo,
el
problema de los
tres cuerpos tratado por Poincaré a fines dei siglo
XIX).
14
En este sentido, los
MBA
se distinguen de las simulaciones computacionales dominantes en los afios 60 y 70
basadas en variables estructurales agregadas a nivel maCIO. Este tipo de modelado se conoce con el nombre de
dinámica de sistemas
y
fue empleado en las simulaciones impulsadas por el club de Roma (Forrester, 1971).
Durante estas décadas también surgen
las primeras simulaciones computacionales basadas en enfoques
individnalistas metodológicos, por ejemplo las contribuciones de James Coleman (1962, 1964) o
el
trabajo
clásico de Raymond Bondon (Boudon y Davidovitch, 1964).
242
Revista Mexicana de Ciencias Políticas y Sociales
I
Universidad Nacional Autónoma de México
Nueva Época, Ano LX 1núm. 225, septiembre-diciembre de 20151 pp. 233-2661 ISSN-0185-1918
esta fase
deI modelado
deI vínculo
micro-macro se centra en comprender cómo "los
individuos e!aboran representaciones mentales de constructos sociales" (Conte, Gilbert y
Simão Sichman, 1998: 5) que influyen en su propia conducta práctica. En otros términos, la
acción social (nive! micro) no puede escindirse de! modo en que los individuos piensan y
razonan sobre el orden social (nivel macro). Squazzoni (2012: 13) destaca que algunos
autores, como Archer y Sawyer, enfatizan que "las estructuras sociales emergentes a nive!
macro ejercen poder causal sobre los individuos a nivel micro". Esta problemática ha sido
conceptualizada como emergencia de segundo orden para referirse, especificamente, a la
aptitud reflexiva de los agentes sociales para razonar sobre las propiedades emergentes que
la misma sociedad produce (emergencia de primer orden); por ejemplo, las instituciones y
todo patrón de acción colectiva. La especificidad de la emergencia de segundo orden,
también
conceptualizada
como
"causalidad
social"
(Sawyer,
2007:
8)
o
"causalidad
descendente"
(Conte,
2009:
42),
consiste en
destacar la aparición
de propiedades
o
cualidades nuevas en el nivel de la parte o componente de un sistema; en consecuencia, en
e! aspecto individual emergen propiedades nuevas en la medida en que dicho individuo está
inserto en una estructura de relaciones de un sistema social concreto. Resulta acertado,
entonces, comprender la emergencia de primer orden en términos de lo que Edgar Morin
denomina una "macro emergencia o emergencia global", y la emergencia de segundo orden
como una "micro emergencia o emergencia local"; este doble concepto de emergencia
permite apreciar que "no sólo el todo es más que la suma de las partes [macro emergenciaJ,
sino que la parte es en y por e! todo, más que la parte" (Morin, 1977: 131).
En síntesis, los
MBA
ofrecen una metodología empíricamente operativa para abordar un
problema central en las ciencias sociales: e! vínculo dinámico o, mejor aún, dialéctico, entre
la acción social y la estructura, entre el comportamiento político y las instituciones políticas;
en suma, entre e! nive! individual y e! colectivo (Alexander, Giesen, Münch, y Sme!ser,
1994).
Modelado de la complejidad social
La metodología de
MBA
permite representar explícitamente tres elementos de interés central
para las ciencias sociales: los agentes, el entorno y las regIas de comportamiento. Estas
regias de comportamiento se refieren, por lo menos, a tres cuestiones principales: (i) a lo
que los agentes pueden hacer con los elementos que componen el entorno (regIas agente-
entorno); (ii) a la acción e interacción entre los agentes que componen e! modelo (regIas
agente-agente); y (iii) aI comportamiento de los elementos que componen el entorno (regIas
entorno-entorno) (Epstein y Axtell, 1996; Treuil, Drogoul y Zucker, 2008). Por lo tanto, los
MBA
permiten no sólo modelizar agentes sociales sino además representar "la estructura de
interacción entre los actores sociales como el entorno que los rodea" (Garcia-Valdecasas
243
Revista Mexicana de Ciencias Políticas y Sociales
I
Universidad Nacional Autónoma de México
Nueva Época, Ano LX 1núm. 225, septiembre-diciembre de 20151 pp. 233-2661 ISSN-0185-1918
Medina,
2014: 47).
Dicho de otro modo, los
MBA
constituyen sociedades de agentes situados
en un entorno y enmarcadas en estructuras de acción e interacción social (Conte, Gilbert y
Sichman,
1998;
Ferber,
2006).
Mejor aún, los
MBA
son "modelos de interacción social entre
agentes heterogéneos incrustados
(embedded)
en estructuras sociales" (Squazzoni,
2012: 2).
Para ilustrar las potencialidades de los
MBA
para la modelización de la complejidad
social, resulta importante distinguir el concepto de agente tal como es empleado en las
ciencias sociales de aquel utilizado en las ciencias computacionales. En estas últimas, la idea
de agente constituye una construcción artificial, es decir, una pieza de
software
programada
para representar cierta clase de objetos. Es por esta razón que no resulta conveniente
equiparar inmediatamente la noción de agente de
software
con un individuo concreto,
aunque bien podría emplearse un
MBA
para modelar ciertos individuos específicos. Los
agentes de
software
de un
MBA
permiten representar tanto actores sociales individuales
(ciudadanos, votantes, candidatos, consumidores), como actores colectivos (comunidades,
familias, empresas, instituciones, estados, agencias de gobierno, naciones).
Dicho esto, es posible responder a la pertinente pregunta: lquién es un agente en un
MBA?
Ferber
(1995)
sugiere que un agente es alguien capaz de actuar en un entorno;
percibir y representarse parcialmente el entorno y los otros; comunicarse de modo directo o
indirecto
con
otros
agentes;
estar
motivado
por
tendencias
internas
y,
finalmente,
conservarse y reproducirse. La figura 1 representa los elementos de una arquitectura típica
de agentes.
Figura 1
Representación de la arquitectura de un
MBA.
Entorno
Agentes
Representaciones
~8
Comunicación
.....
I"_I_e'_a_cc_io_·"_
_
(
Objelos dei
entorno
••
••
perc~
Acción
Tendencias internas
(objelivos, metas,
---
etc.)
Fuente: Ferber, Jacques, (1995)
Les SysUmes muiti-agents: Vers
une intelligence cal/ective.
París, InterEditions, pp. 15.
244
Revista Mexicana de Ciencias Políticas y Sociales
I
Universidad Nacional Autónoma de México
Nueva Época, Ano LX 1núm. 225, septiembre-diciembre de 20151 pp. 233-2661 ISSN-0185-1918
Por su parte, Macy y Flache (2009) destacan que los agentes de un
MBA
tienen una
arquitectura social y cognitiva. EI aspecto social alude a los aspectos de heterogeneidad,
autonomía, interdependencia e "incrustamiento"
social que caracteriza a los agentes;
mientras que los aspectos cognitivos se refieren a sus capacidades heurísticas y adaptativas.
En primer lugar, los
MBA
permiten modelar la heterogeneidad real de los actores sociales
y políticos, atendiendo a la diversidad de comportamientos, identidades, redes sociales de
pertenencia, preferencias, y creencias sociales, políticas, culturales y económicas, entre
otros. Un ejemplo simple y claro lo constituye el clásico modelo
Sugarscape,
propuesto por
Epstein y Axtell (1996), en el cual los agentes tienen un conjunto de características
constantes para toda la vida (sexo, ritmo metabólico, visión) y un conjunto de atributos
variables que se modifican y evolucionan a partir de la interacción social (preferencias
económicas indivíduales, riqueza, identidad cultural y salud). En consecuencia, los
MBA
permiten superar uno de los aspectos problemáticos dei modelado matemático y estadístico
de fenómenos sociales, el cual radica justamente en que este tipo de modelización elimina la
heterogeneidad de los fenómenos
reales
y modela
un
"agente promedio",
"ideal"
o
"representativo", como en la economía neoclásica y la teoría de los juegos en ciencias
sociales. Contrariamente, "en el modelado basado en agentes no se emplean agentes
representativos [.
.. ] sino poblaciones de agentes heterogéneos que varían en un sinnúmero
de características" (Epstein, 2006a: 5-6). Por lo tanto, los
MBA
permiten operacionalizar la
diversidad
y heterogeneidad
de
estrategias,
comportamientos
e intereses
de
actores
individuales y colectivos representados en una sociedad artificia!. Por ejemplo,
si
se
pretendiese
desarrollar
un
sistema
político
artificial,
podrían
modelarse
distintos
comportamientos y preferencias
de los votantes tomando
en cuenta sus identidades
políticas, posicionamiento ideológico y características socioeconómicas; asimismo, sería
factible modelar diversidad de estrategias electorales de partidos y líderes políticos.
En segundo lugar, los agentes de un
MBA
son autónomos, es decir que no hay un control
central, jerárquico o descendente sobre la conducta de los agentes individuales. En otros
términos, los agentes de una sociedad artificial o
MBA
son autónomos porque "tienen el
control sobre su propia conducta" (Sawyer, 2007: 8), lo que equivale a afirmar que pueden
"operar sin que otros tengan control directo de sus acciones y su estado interno" (Gilbert y
Troitzsch, 2005: 173).
En tercer lugar, la autonomía de los agentes no es ilimitada sino que se encuentra
constreiíida por las relaciones de interdependencia comportamental e interdependencia
estratégica (Macy y Flache, 2009). Esta última se refiere a que el rendimiento de la estrategia
de un actor se encuentra condicionado por las estrategias de los otros actores, mientras que
la interdependencia comportamental comprende las relaciones de influencia reciproca
entre los actores. Dicho en otros términos, todo agente influye y es influido por otros
agentes sociales.
245
Revista Mexicana de Ciencias Políticas y Sociales
I
Universidad Nacional Autónoma de México
Nueva Época, Ano LX 1núm. 225, septiembre-diciembre de 20151 pp. 233-2661 ISSN-0185-1918
En cuarto lugar, los
MBA
no representan agentes individuales aislados, sino agentes que
se encuentran "incrustados"
(embedded)
en estructuras sociales. Esta quiere decir que la
acción social no acontece en e! vacío, sino que se encuentra posibilitada y constrefiida por
estructuras de redes sociales dinámicas y complejas. De este modo, los
MBA
permiten
flexibilizar ciertos supuestos restrictivos de la teoría de los juegos, por ejemplo, el análisis
estático dei equilibrio de Nash (Macy y Flache, 2009).
En cuanto a la arquitectura cognitiva, los agentes operan con modos de razonamiento
heurístico basados en regias de conducta sencillas; más aún, la metodologia de
MBA
permite
construir modelos de racionalidad limitada (Simon, 1982) en los cuales los agentes tienen
capacidades cognitivas restringidas e información limitada basada en la percepción y e!
conocimiento local dei entorno y de otros agentes. Estas caracteristicas permiten superar
dos supuestas restrictivos de la teoría económica ortodoxa: la información perfecta y la
racionalidad perfecta (Arthur,
1994), es decir, la idea que los agentes sociales tienen
información ilimitada de! mundo social y una capacidad de cálculo deductiva para procesar
dicha información.
Adicionalmente, los agentes san adaptativos en tanto que san capaces de modificar sus
conductas basadas en el aprendizaje de experiencias previas (Gilbert, 2007; Macy y Flache,
2009). Los agentes tienen, por lo tanto, alguna capacidad limitada de memoria para
recordar la historia de sus interaccíones y los resultados de sus acciones y estrategias que le
permiten evaluar y decidir los futuros cursos de acción a emprender (Arthur, 1994; Ferber,
2006).
Otro aspecto importante a sefialar es que los
MBA
brindan la oportunidad de modelar
cierta clase de habilidad social como es ellenguaje y la comunicación, lo que posibilita la
interacción social en el seno de la sociedad artificial. Los agentes pueden desplegar tanto
conductas reactivas como proactivas. En e! primer caso, los agentes responden ai entorno a
partir de la percepción y representación que tienen el mismo; por su parte, las conductas
proactivas aluden a la capacidad de los agentes de tomar la iniciativa en función de sus
propios estados internos (Gilbert y Troitzsch, 2005).
En sintesis, los elementos examinados permiten afirmar que la metodologia de
MBA
permite modelar la complejidad social en un sentido que resulta fundamental para la
investigación en ciencias sociales. La idea central a destacar es la siguiente: el modelado
computacional
con
MBA
permite
construir
(programar)
agentes
de
software
con
características análogas a las que la teoría social atribuye a los actores sociales y, por lo
tanto, construir modelos dei mundo social con mayor grado de realismo que otros métodos
de modelizacíón formal.
246
Revista Mexicana de Ciencias Políticas y Sociales
I
Universidad Nacional Autónoma de México
Nueva Época, Ano LX 1núm. 225, septiembre-diciembre de 20151 pp. 233-2661 ISSN-0185-1918
Simulación de la temporalidad de
los
procesos sociales
y
políticos
EI estudio de la continuidad y de! cambio de las instituciones y las estructuras sociales,
políticas y económicas ha sido una preocupación histórica dei conjunto de las ciencias
sociales; sin embargo, existen fuertes restricciones metodológicas para desarrollar teorías
dinámicas de los procesos sociopolíticos. Una de las tragedias de la sociologia se cierne
entre "e! profundo interés en estudiar procesos sociales [.
.. ] y la dificultad de investigar
empiricamente tales procesos" (Sawyer, 2007: 316). La metodologia de
MBA
representa un
aporte fundamental a esta problemática ya que "permite modelar la estabilidad a través dei
tiempo (e! 'problema de! orden') ye! cambio social" (Sawyer, 2007: 321). De este modo, los
MBA
"constituyen un medio fundamental para colocar el estudio de procesos, el cambio y
dinámicas de largo plazo en e! corazón de la sociologia [.
.. ], ya que permiten pensar los
patrones sociales o estructuras en términos de procesos que emergen dei cambio y la
interacción no lineal entre agentes en e! tiempo" (Squazzoni, 2012: 15). En este sentido, los
MBA
constituyen una metodologia complementaría ai método histórico-comparado y a los
estudios diacrónicos. Asi, la simulación basada en agentes permite abordar "Ia problemática
dei tiempo y la secuencia de eventos en el desarrollo de procesos históricos" (Pierson y
Skocpol, 2002: 8). Los
MBA
aparecen corno herramientas adecuadas y operativas para
explicar "Ia formación de instituciones a través de procesos temporales concretos en los
cuales se encuentran embebidas" (The!en, 1999: 369) y, en particular, para e! análisis de la
dependencia de camino
(path
dependence)
donde los resultados de eventos singulares en
una coyuntura critica, inducen y atraen eventos en la misma dirección produciendo una
"lógica de retroalimentación positiva y auto-reforzamiento
(self-reinforcing)
de! proceso"
(Pierson, 2000: 252), lo que induce a un incremento de los costos para alejarse de la
trayectoria original
(increasing returns).
De este modo, la idea teóricamente central según la
cual el ordenamiento temporal de eventos singulares condiciona e influye en el resultado de
un proceso histórico puede ser simulado computacionalmente mediante un
MBA.
EI sociólogo perspicaz habrá advertido ya la fecundidad de este planteamiento que no es
otro sino la verdadera oportunidad de desarrollar una metodologia rigurosa y operativa
para
articular
el
estudio
de
la
compleja
relación
entre
la
estructura
social
y
los
acontecimientos sociales a lo largo de un proceso social dinámico. Visualizamos, pues, una
ventana para escapar, por un lado, de la Escila de! pensamiento estructuralista que "unifica
abstractamente anulando la diversidad" (Morín, 1990: 30), produciendo una cosificación de
lo social que excluye tanto e! devenir histórico corno la emergencia de eventos singulares e
irreductibles; y, por
el otro,
de la Caríbdis de las
filosofias
dei acontecimiento que
"yuxtaponen la diversidad sin concebir la unidad" (Morin, 1990: 30) y decretan la muerte
teórica de la categoria de estructura para pensar la realidad social.
Frente a estos modos de pensamiento simplificador, la metodologia de
MBA
constituye la
infraestructura
tecnológica
para
modelar
la
unidad
compleja
de
la
estructura
y
el
247
Revista Mexicana de Ciencias Políticas y Sociales
I
Universidad Nacional Autónoma de México
Nueva Época, Ano LX 1núm. 225, septiembre-diciembre de 20151 pp. 233-2661 ISSN-018S-1918
acontecimiento en el devenir histórico, un problema teórico crucial que ha sido objeto de
elaboraciones teórico-conceptuales en distintos campos, como la epistemologia y la filosofía
de la historia. Asi, por ejemplo, la epistemologia genética de Piaget seiiala que no hay
estructura sin historia, ni historia sin estructura, y plantea, en consecuencia, "la necesidad
fundamental de una dialéctica de la génesis y de la estructura, correspondiente a sus
interacciones efectivas y alternativas" (Piaget, 1979: 117). El campo historiográfico se hizo
cargo de una controversia "que hizo saltar a la palestra el problema de la naturaleza dei
tiempo histórico,
es
decir,
el problema
de la "larga duración" y su relación con el
acontecimiento histórico y el cambio social de manera general" (Naishtat, 2009: 54). Fue
Braudel, eximio historiador de la escuela francesa de los
Annales,
quien elaboró esta
controversia en términos de una "dialéctica de la duración entre el instante y el tiempo
lento en su transcurrir" (Braudel, 1984: 88), es decir, entre la larga duración en la cual se
construyen estructuras en la historia y la corta duración dei acontecimiento. Insistamos una
vez más en la potencialidad metodológica de los
MBA
ai brindar sustento técnico y operativo
para expresar en un modelo de simulación social los desarrollos teórico conceptuales acerca
de la dialéctica de la duración entre estructura y acontecimiento. Podemos atrevernos a
afirmar que los
MBA
expanden el horizonte de sentido de la investigación social ai dotaria de
herramientas metodológicas empiricamente operativas para la construcción efectiva de una
ciencia de la complejidad social.
Modelado deI espacio
Los
MBA
permiten una representación explícita del espacio geográfico, es decir, un "hábitat
donde los agentes virtuales interaccionan entre si" (García-Valdecasas Medina, 2011: 97). El
modelado del espacio puede realizarse con distintos niveles de abstracción, desde una
cuadrícula bidimensional, ai estilo de un tablero, hasta entornos con alto grado de realismo.
Este espacio virtual, en el cual los agentes se desplazan e interactúan entre si y con el
entorno, es el que permite observar la dinámica de la simulación y el proceso por el cual
emergen
las
estructuras
sociales
macroscópicas.
Más
aún,
los
MBA
pueden
ser
implementados a través de sistemas de información geográfica
(Geographic
Information
Systems,
habitualmente conocidos como
GIS).
Se trata de una tecnologia de georreferencia a
través de la cualla simulación se integra y desarrolla sobre un espacio geográfico real: rutas,
ciudades, campos, paises. El empleo conjunto de
MBA
y
GIS
se ha extendido con notable
pujanza en distintos campos de las ciencias sociales computacionales, desde la geografía y
los estudios urbanos (Koch y Mandl, 2011), hasta la sociologia rural, la ecologia y los
estudios
de
desarrollo
sustentable
(Bousquet,
Trébuil
y
Hardy,
2005)
e,
incluso,
la
arqueologia computacional (White, 2005). Esta línea de investigación es más modesta y
menos sistemática en disciplinas como la sociologia y la ciencia política, aunque
se
248
Revista Mexicana de Ciencias Políticas y Sociales
I
Universidad Nacional Autónoma de México
Nueva Época, Ano LX 1núm. 225, septiembre-diciembre de 20151 pp. 233-2661 ISSN-0185-1918
evidencian algunos desarrollos de interés (Gulden, 2004). La posibilidad dei modelado
explícito dei espacio geográfico, ofrecida por la tecnologia
G1S
y los
MBA,
abre oportunidades
inéditas para la investigación social, especialmente en la medida en que permite integrar de
modo robusto un nuevo nivel analítico e interpretativo en la simulación computacional: la
dimensión espacial y geográfico-territorial de la dinámica sociopolítica.
Experimentación virtual
Los
MBA
permiten realizar experimentos virtuales en sociedades artificiales. A diferencia de
la experimentación de laboratorio
(in-vitro)
o sobre sistemas reales
(in-vivo)
-a
menudo
indeseables o imposibles en las ciencias sociales-, los
MBA
permiten experimentar sobre un
modelo de simulación computacional
(in-silico).
Por esta razón, "Ias sociedades artificiales
pueden considerarse como
laboratorios"
(Epstein y Axtell,
1996: 4), en los cuales "un
experimento puede ser configurado y repetido sucesivas veces, empleando un rango de
parámetros o permitiendo que algunos factores varien aleatoriamente" (Gilbert, 2007: 3). La
idea de experimentación virtual deja planteado, no obstante, un problema epistemológico
"en la medida en que eI vínculo de inferencia realizado supone que eI modelo es una
representación fidedigna dei sistema-objeto" (Treuil, Drogoul y Zucker, 2008: 7). En efecto,
"mientras en un experimento se controla eI objeto real de interés, en una simulación se
experimenta con un modelo y un mundo social artificial, no con el fenómeno en si"
(Lozares, 2004: 183).
Para valorar las potencialidades abiertas por la idea de experimentación virtual, a
continuación desarrollamos un breve ejemplo en eI contexto de la ciencia política. A
menudo
se afirma que la experimentación es "impracticable para
[el estudio
de]
los
sistemas políticos [puesto que] no es posible reconstruir en un laboratorio las realidades
políticas significativas, o bien disponer de experimentos políticos que, por ejemplo, tengan
como objeto a los ciudadanos, las instituciones, las autoridades" (Pasquino, 2004: 31).
Imaginemos, por ejemplo, que podriamos construir, gracias a las posibilidades que nos
ofrecen los
MBA,
un
sistema político computacional. Con ellos resulta posible modelar
ciudadanos, instituciones y autoridades en un entorno computacional para "hacer crecer" o
"generar" un sistema político artificial
[in-silico
-en
la computadora-]. Por lo tanto, eI
desarrollo de un sistema político computacional constituye una especie de laboratorio
virtual para la generación y control de hipótesis, para la operacionalización y eI testeo de
teorias, y para la construcción de teorias via simulación computacional. En conc!usión, se
evidencia que la experimentación virtual con
MBA
permite potenciar, a través
de la
simulación computacional, el desarrollo de las metodologias c!ásicas en ciencias sociales.
249
Revista Mexicana de Ciencias Políticas y Sociales
I
Universidad Nacional Autónoma de México
Nueva Época, Ano LX 1núm. 225, septiembre-diciembre de 20151 pp. 233-2661 ISSN-0185-1918
Evaluación crítica de la aplicación de los
MBA
en ciencia política
El empleo de
MBA
en ciencia política presenta un desarrollo menor con respecto a otras
disciplinas
sociales como
la
sociologia,
la
economia,
e incluso
la
antropologia
y la
arqueologia. En el campo sociológico, los
MBA
se han consolidado como un enfoque teórico
metodológico conocido como simulación social y, más recientemente, como sociologia
computacional basada en agentes. Asimismo, se han afianzado institucionalmente a través
de revistas especializadas
(JASSS
l5
es la más reputada) y de la formación de amplias redes
académicas en Europa, Estados Unidos y Asia Pacífico.
l6
Ninguna de estas iniciativas se
manifiesta análogamente en ciencia política, donde las técnicas de modelado y simulación
se encuentran más próximas a los modelos matemáticos, vinculados a la teoria de juegos y a
la elección racional, y a los modelos estadisticos, fuertemente relacionados con el análisis de
redes sociales. En suma, los
MBA
san una perspectiva minoritaria en el campo politológico
contemporáneo.
Las líneas de investigación en sistemas complejos y
MBA
más avanzadas en el ámbito
mundial han tendido
a subestimar la especificidad de los fenómenos políticos y, en
consecuencia, han prestado poca atención tanto a las variables político institucionales como
a la dimensión de lo político, es decir, a los aspectos relacionados con el poder y el conflicto
constitutivos de las relaciones humanas y de la vida en sociedad. Esta carencia se evidencia
en dos niveles. En el nivel teórico, el modelo pionero de sociedades artificiales, denominado
Sugarscape
(Epstein
y
Axtell,
1996),
incorporó
aspectos
sociológicos,
económicos,
demográficos, epidemiológicos y culturales, pero no ha considerado seriamente ningún
factor propiamente político. En el nivel de la investigación empirica, uno de los proyectos
sobre sistemas complejos y
MBA
más ambicioso a nivel mundial es FuturlCT,17 cuyo objetivo
es modelar y simular "sistemas tecno-socio-económico-ambientales" con la finalidad de
construir opciones para un "futuro sustentable". Aunque el interés y la utilidad política
potencial
deI proyecto san innegables,
se
destaca que FuturlCT no aborda de modo
sistemático y explícito el modelado ni la simulación de los fenómenos y procesos políticos.
La incorporación
de la dimensión política en
el trabajo de modelado
y simulación
computacional continúa siendo un área de vacancia en el campo de los sistemas complejos
15
Journal of Artificial Societies
and Social Simulation,
fundado
en
1998.
Información disponible
en:
16
En Europa, la
European Social Simulation Association,
fundada en 2003: <http://www.essa.eu.org>. En
Estados Unidos,
The Computational Social Science Society ofthe Americas,
fundada en 2002 bajo el nombre de
NAACSOS:
<http://computationalsocialscience.org>. En Asia Pacífico la
Pan-Asia Association for Agent-based
Approach in Social Systems Sciences:
17
FutuncT es una iniciativa paneuropea que se define como "un proyecto visionario que entregará la nueva
ciencia
y
la tecnología para explorar, entender
y
gestionar nuestro mundo conectado". Información disponible
250
Revista Mexicana de Ciencias Políticas y Sociales
I
Universidad Nacional Autónoma de México
Nueva Época, Ano LX 1núm. 225, septiembre-diciembre de 20151 pp. 233-2661 ISSN-0185-1918
y de los
MBA,
yesto a pesar de los avances realizados recientemente en la materia (Kollman
y Page, 2006; Marchi y Page, 2008).
En particular, es evidente una carencia en el desarrollo de una perspectiva comparada en
el trabajo de modelado y simulación basada en agentes en ciencia política; es decir, en el
desarrollo de modelos de alcance medio que permitan articular la teoría y los datos con la
finalidad de comparar sistemáticamente fenómenos políticos concretos. Panebianco (1993)
distinguió
tres
tipos
de
científicos
políticos:
los
teóricos,
los
ideográficos
y
los
comparatistas. Este diagnóstico continúa siendo válido en el campo de la ciencia política
computacional, donde predominan los modelos abstractos
(MBA
teóricos sin aplicación
empírica),
seguidos de simulaciones
aplicadas
(MBA
ideográficos que representan un
fenómeno empírico singular, muchas veces construidos ai margen de la teoría y de difícil
comparación). Entre los modelos abstractos destacan los primeros trabajos dei politólogo
Robert Axelrod (1984; 2004) sobre la cooperación y el conflicto. También se han construido
MBA
teóricos sobre la guerra, el cambio tecnológico y la formación de estados (Cederman,
2003); la violencia civil (Epstein, 2002); la formación y el cambio de identidades políticas
(Lustick, 2000); la competencia partidaria (Laver y Sergenti, 2011) y la formación de
normas e instituciones (Andrighetto, Campenni, Cecconi y Conte, 2010; Linares, 2012),
entre otros. Mientras tanto, se han realizado simulaciones aplicadas
(MBA
ideográficos)
sobre la competencia de partidos en las elecciones holandesas de 2002 (Muis, 2010); la
detección de fraude electoral en las elecciones mexicanas de 2006 (Castaneda e Ibarra,
2010);
la
dinámica
de
la
campana
electoral
en
EEUU
en
2000
(Gulati,
Hacllock
y
Gainsborough, 2011), entre otros. Los
MBA
teóricos e ideográficos no abordan el problema
de la comparación entre modelos ni desarrollan enfoques sistémicos; es decir, que modelan
fenómenos políticos aislados a nivel abstracto o empírico.
Un
ejemplo práctico: el modelo de Schelling
Thomas
Schelling
(1969,
1971
Y 1978)
desarrolló uno
de los primeros modelos de
simulación en el campo de las ciencias sociales, el cual se conoce habitualmente con el
nombre de "modelo de segregación racial" o, simplemente, "modelo de Schelling". La
preocupación fundamental de Schelling era la segregación racial en los Estados Unidos y se
propuso
esclarecer la relación entre las actitudes y las conductas individuales, y las
consecuencias sociales de las mismas. En otros términos, el modelo de Schelling ataca la
problemática de la relación entre el nivel micro y macrosocial, tratando de discernir cómo
conductas sociales más o menos intolerantes conducen a la formación de guetos o banios
segregados. EI modelo desarrollado por este autor se plasmó en un diseno de Autómatas
Celulares
(AC),
concebidos originalmente por Von Neumann (1966) en los anos 40 del siglo
XX.
Un
AC
es un tablero bidimensional (una especie de damero) donde cada "celda"
251
Revista Mexicana de Ciencias Políticas y Sociales
I
Universidad Nacional Autónoma de México
Nueva Época, Ano LX 1núm. 225, septiembre-diciembre de 20151 pp. 233-2661 ISSN-0185-1918
representa un "agente". EI modelo de Schelling puede expresarse como un modelo basado
en agente y ser simulado en la computadora. A diferencia dei
AC,
los agentes de un
MBA
pueden "desplazarse" en el entorno.
EI diseiío general dei modelo de Schelling es simpie: hay un mundo de agentes que
habitan en una ciudad
(el
MBA
en su conjunto);
cada agente ocupa una
celda que
metafóricamente podemos entender como la casa o vivienda dei agente. Hay dos clases de
agentes que vamos a representar con los colores blanco y gris; asimismo, los agentes pueden
ser más o menos tolerantes, es decir, pueden tener una mayor o menor disposición para
convivir con agentes de un color distinto ai suyo. La literatura especializada conviene en
conceptualizar esta preferencia como "función umbral" (Bruch y Mare, 2006).18 Así, por
ejemplo, un valor umbral bajo representa "agentes tolerantes" que están dispuestos a
convivir con una gran cantidad de vecinos de un color distinto ai propio. Los umbrales
bajos expresan lo que algunos autores denominan "una preferencia por la diversidad"
(Heymann, Kawamura, Perazzo, Zimmermann, 2009: 150); inversamente, valores umbral
altos permiten modelizar "agentes intolerantes" cuya preferencia consiste en estar rodeados
de una gran proporción de vecinos dei mismo color.
Adicionalmente, cada agente tiene un "conjunto de vecinos", representados por los otros
agentes que ocupan las celdas adyacentes a su posición. EI modelo parte de una "regia de
comportamiento" muy sencilla: cada agente observa su entorno local y evalúa por qué tipos
de vecinos está rodeado; un agente estará "contento" si está rodeado por un cierto número
de agentes dei mismo color en una cantidad mayor que
eI
valor expresado en la función
umbral. Contrariamente, diremos que un agente está "descontento" si la cantidad de
agentes dei mismo color que lo rodean -sus vecinos- son inferiores allímite establecido por
la función umbral. En virtud de esta evaluación dei entorno local, los agentes tienen que
decidir: si el agente está "descontento", entonces decide "mudarse", es decir, desplazarse a
otra celda adyacente dei tablero. Si el agente está "contento", permanece donde está. La
simulación
consiste
en
"ejecutar"
el
modelo
en
la
computadora
y
observar
el
comportamiento dinámico de la población de agentes que constituyen el modelo.
En la siguiente figura observamos la implementación dei modelo de Schelling en la
plataforma NetLogo
19
(Wilensky, 1997 y 1999), el cual tiene dos variables de entrada:
1~
Para una discusión de los aportes de Schelling a los modelos con umbral, véase también el trabajo de Salazar
(2007).
19
NetLogo es una plataforma informática para eI desarrollo de modelos de simulación basados en agentes. Es
desarrollada
y
mantenida por el Center for Conneeted Learning and Computer-Based Modeling de la
Universidad
de
Northwestern.
NetLogo
puede
descargarse
gratuitamente
desde
el
siguiente
enlace:
EI
lector
interesado
puede
instalar
fácilmente
NetLogo
en
su
computadora
y
seguir el ejemplo pedagógico desarrollado en eI artículo. Para abrir eI modelo de segregación
en NetLogo se deben seguir estos seneillos pasos: abrir NetLogo; ir al menú "Arehivo"; elegir la opción
"Biblioteca de modelos"; dentro de la carpeta
"Social 5cience"
buscar el modelo
"Segregation"
y
dar clic en
252
Revista Mexicana de Ciencias Políticas y Sociales
I
Universidad Nacional Autónoma de
~'1éxico
Nueva Época, Ano
LX I
núm.
225,
septiembre-diciembre de
2015 I
pp.
233-266 IrssN-ü185-1918
"number"
que representa la cantidad de agentes
y
"%-similar-wanted"
que expresa la
función umbral, y que en este caso es el porcentaje de agentes del mismo colar del que cada
agente quiere estar rodeado.
Figura 2
Calibración inicial del modelo de simulación
Percent Similar
100
% similar
#
SO.9
O
O
time
Percent Unhappy
100
% unhappy
#
17.5
O
O
time
FuenLe: daboradón propia.
A modo de ejemplo, configuramos el valor deI umbral en 35%. Esta quiere decir que cada
agente estará "contento" si está rodeado, aI menos, de 35% de agentes de su mismo color.
Podemos decir que estamos representando un "agente tolerante" en la medida en que
acepta convivir con 65% de agentes de distinto colar. En otros términos, cada agente
considerado individualmente no tiene una actilud racista ni discriminadora.
Es interesante notar que
el modelo tiene dos variables de salida, una llamada
"%
SIMILAR",
que indica el porcentaje promedio de vecinos del mismo color que tiene cada
agente;
la
otra, denominada
"%
UNHAPPY",
indica el porcentaje de agentes que tienen menos
vecinos dei mismo colar de lo que preferirían. EI modelo se inicia presionando el botón
"selup"
que distribuye de manera aleatoria los agentes en el vecindario. Es conveniente
aclarar que 50% de los agentes es de colar blanco
y
50% griso Con esta calibración aleatoria
inicial, observamos que 50.1% de agentes tiene en promedio vecinos del mismo color,
"Abrir". En la pantalla del programa aparecerá
la
ventana para la calibradón inicial del modelo, tal como se
muestra en la figura 2. Para mayores referencias sobre NetLogo, véanse: Izquierdo (2012); vVilensky (2013).
253
Revista Mexicana de Ciencias Políticas y Sociales
I
Universidad Nacional Autónoma de México
Nueva Época, Ano LX 1núm. 225, septiembre-diciembre de 20151 pp. 233-2661 ISSN-0185-1918
mientras que 17.5% de agentes se siente descontento porque tiene menos vecinos del color
que quisiera
y,
por lo tanto, según las regIas deI modelo, va a desplazarse (mudarse) en el
próximo paso de simulación.
Para dar inicio a la simulación, presionamos el botón
"go"
y
observamos el proceso de
auto organización de los agentes en la ciudad o barrio simulado. AI volver a presionar el
botón
"go"
pausamos la simulación
y
vemos qué sucede. En la siguiente figura observamos
la distribución de los agentes aI cabo de siete pasos de simulación.
Figura 3
La evolución deI modelo (7 pasos de simulación)
o
O
time
7.5
Percent Unhappy
100
% unhappy
#
1.2
O~
O
tI~
7.5
Percent Similar
73.9
% similar
5%
%-slmilar-wanted
100
Fuente: daboración propia.
Las variables de salida nos muestran que el porcentaje promedio de agentes con vecinos
similares aumentó de 50.1% a 74.2%
y
que el nivel de "descontento" descendió de 17.5% a
1.6%. Volvemos a ejecutar la simulación
y,
aI cabo
de algunos pasos de iteración, la
detenemos para observar su evolución, lo que representamos en la siguiente figura:
254
Revista Mexicana de Ciencias Políticas y Sociales
I
Universidad Nacional Autónoma de México
Nueva Época, Ano LX
I
núm. 225, septiembre-diciembre de 2015 Ipp. 233-266 IISSN-0185-1918
Figura 4
La evolución dei modelo (13 pasos de simulación)
Percent Simlliiu
""
%--1;lmllao--wélJltod
o
o
ti~
17.5
Percent Unhappy
!OO
#
o"------
o
time
17.5
!OO
Fuente: daboradón propia.
Con esta configuración inicial, la simulación se detiene en el paso 20, tal como se muestra
en la figura 5.
Figura
5
La evolución dei modelo (20 pasos de simulación)
Percent Similar
!OO
75.9
% similar
%
unhappy
22.5
""
time
Percent Unhappy
o
O
0"'---.
%-slmilao-~wirlted
!OO
time
22.5
Fuente: elaboradón propia.
255
Revista Mexicana de Ciencias Políticas y Sociales
I
Universidad Nacional Autónoma de México
Nueva Época, Ano LX 1núm. 225, septiembre-diciembre de 20151 pp. 233-2661 ISSN-0185-1918
A
simple
vista
podemos
constatar
la
formación
de
guetos
o
barrios
segregados,
representados por los conjuntos de agentes agrupados en zonas blancas o grises. En otros
términos, la simulación permite hacer "emerger" de abajo hacia arriba un patrón social
macroscópico:
la
segregación
racial.
Aqui
constatamos
que
los
MBA
son
modelos
generativos, es decir, cada agente actúa a partir de regias locales e información parcial
puesto que no tiene percepción de lo que sucede a nivel agregado del sistema. Regias locales
sencillas conducen a la formación de patrones sociales complejos.
Si comparamos el modelo inicial con el final, podemos observar claramente que en el
modelo de la figura 2 las zonas blancas y grises resultan indistinguibles, mientras que, ai
concluir la simulación, se han formado áreas claramente distinguibles que agrupan a los
vecinos blancos y grises.
Si observamos las variables,
76.6%
de los vecinos tiene en
promedio vecinos de igual color y no hay ningún agente que se sienta descontento.
El
modelo
de
Schelling
es
útil
como
ejemplo
pedagógico
para
ilustrar
un
comportamiento
tipico
de
los
sistemas
complejos;
el
comportamiento
agregado
y
macroscópico del sistema no puede deducirse linealmente del conocimiento analítico de las
partes que lo componen. En otros términos, no alcanza con analizar los elementos de un
sistema social para comprender su funcionamiento dinámico global.
Además, y más importante aún, el modelo de Schelling permite ilustrar cómo pueden
surgir "efectos" macrosociales contra intuitivos. El hecho de que cada agente, considerado
individualmente, tenga una actitud tolerante (representado en un nivel bajo de la función
umbral de 35%) no es suficiente para que la "tolerancia" sea una caracteristica del conjunto
social. Contrariamente, la simulación nos muestra que "conductas tolerantes" dan lugar a la
formación de barrios segregados, es decir, patrones emergentes contra intuitivos y no
predecibles.
Conclusiones
En este trabajo hemos realizado una presentación sintética de los modelos basados en
agentes. Como conclusión queremos destacar que los
MBA
constituyen un desafio y una
posibilidad para la investigación social. El conjunto de la comunidad de científicos sociales
podría asumir una actitud crítica y reflexiva frente ai enfoque de los sistemas complejos y
las metodologias de modelado y simulación computacional, o permanecer en las aguas
tranquilas de las teorías y los métodos conocidos. Más aún, afirmamos que los
MBA
constituyen una metodologia de trabajo que permite integrar los métodos clásicos de
investigación social en un nuevo plano -el de la simulación computacional- para explorar
nuevas estrategias de construcción de conocimiento. En modo alguno, los
MBA
constituyen
un reemplazo de las teorias y métodos existentes, pero claramente permiten integrar
aquéllos en una lógica epistémica novedosa que expande los límites metodológicos de las
256
Revista Mexicana de Ciencias Políticas y Sociales
I
Universidad Nacional Autónoma de México
Nueva Época, Ano LX 1núm. 225, septiembre-diciembre de 20151 pp. 233-2661 ISSN-0185-1918
ciencias sociales. Los
MBA
permiten integrar distintos tipos de evidencia empírica de tipo
cualitativo, cuantitativo e incluso experimental.") La evidencia empírica juega dos pape!es
mayores en el proceso de modelado y simulación social: la calibración de los modelos y su
validación (Boero y Squazzoni, 2005).
Por un lado, modelizar un fenómeno social implica plantear ciertas hipótesis razonables
acerca de los agentes sociales involucrados en e! fenómeno estudiado, sus formas de
comportamiento y sus modos de interacción. De hecho, un
MBA
es la expresión en un
programa informático de un conjunto
de hipótesis acerca de un proceso
social.
La
razonabilidad de las hipótesis en las que se sustenta el modelo implica que las mismas sean
plausibles desde un punto de vista teórico o empírico. Por esta razón, es importante contar
con datos empíricos dei fenómeno
modelizado para poder calibrar los parámetros y
variables de entrada de un modelo de simulación, en lugar de utilizar distribuciones
aleatorias
abstractas
(Hassan
Collado,
2009).
Tanto
los
métodos
cuantitativos
y
experimentales, e incluso los métodos cualitativos, pueden ayudar a producir evidencia
sobre e! comportamiento de los actores. Además, "e! análisis de redes sociales puede
proporcionar información crucial sobre la estructura de interacción entre los actores reales,
y, por consiguiente, sobre cómo debe ser la estructura de interacción entre los agentes"
(García-Valdecasas Medina, 2014: 52).
Por otro, una de las mayores dificultades de la metodología de
MBA
consiste en la
validación de los modelos, la cual se refiere "ai proceso de valorar el grado en el que un
modelo es una representación adecuada de! mundo real" (Ormerod y Rosewell, 2009: 131).
Una estrategia de validación consiste en comparar los resultados de la simulación con el
fenómeno observado en e! mundo real, lo cual exige necesariamente construir datos de!
fenómeno en estudio por una vía distinta a la simulación (Amblard y Phan, 2006). Así, los
métodos clásicos de investigación social pueden ayudar a producir evidencía empírica que
permita comparar los resultados de la simulación con el fenómeno bajo estudio (Gilbert,
1995).
Los
MBA
brindan cinco aportes concretos de especial interés para las ciencias sociales: la
simulación de la temporalidad de los procesos sociales; la representación explícita de!
espacio social; la posibilidad de desarrollar experimentaciones virtuales; el modelado de la
complejidad social y, finalmente, una nueva metodología empíricamente operativa para
estudiar e! vínculo entre e! nive! micro y macrosocial, y avanzar así en la construcción y la
comprobación de teorías complejas de la realidad social.
Estas cinco potencialidades
constituyen líneas de trabajo cuya fecundidad tiene que ser probada. Asimismo, los
MBA
delinean un nuevo espacio de trabajo en ciencias sociales que reviste interés para la
reflexión epistemológica, la e!aboración teórica y la investigación empírica. Avanzar en la
concreción de un programa de investigación en modelado y simulación de la complejidad
20
Vêanse: Garcia-Valdecasas Medina (2014); Phan yVarenne (2010); Rodríguez Zoya y Roggero (2014).
257
Revista Mexicana de Ciencias Políticas y Sociales
I
Universidad Nacional Autónoma de México
Nueva Época, Ano LX 1núm. 225, septiembre-diciembre de 20151 pp. 233-2661 ISSN-0185-1918
social implica atreverse a pensar una nueva manera de practicar la investigación social, y
requiere necesariamente de un trabajo colectivo fuertemente interdisciplinario en e! cualla
cooperación entre sociólogos y científicos computacionales es un requisito fundamental.
Más aún, los
MBA
constituyen una estrategia para favorecer la comunicación y fortalecer e!
diálogo entre distintas ciencias y disciplinas puesto que un
MBA
permite integrar fenómenos
sociales, cognitivos, ecológicos, normativos, naturales y geográficos, entre otros (Le Page,
Becu, Bommel, Bousquet, 2012; Müller y Aubert, 2011).
Hay dos riesgos que deben ser evitados, uno consiste en creer que el desarrollo de nuevos
instrumentos
de
conocimiento,
tecnológicamente
avanzados
e
instrumentalmente
sofisticados como lo son los
MBA,
permitirá el progreso científico de nuestras disciplinas
sociales y humanísticas. Esta celebración poco crítica de las tecnologías de simulación
puede estimular una racionalidad instrumental
de la era informática,
lo
que podría
redundar en la colonización metodológica de las ciencias sociales por los instrumentos
formales de los sistemas complejos. A este respecto, es preciso recordar las lecciones de la
epistemología y la historia de la ciencia. Ningún avance revolucionario en la historia de!
conocimiento se produjo por el desarrollo de nuevos métodos y técnicas, ni por el acceso a
nuevos datos ni tampoco por encontrar nuevas respuestas a preguntas conocidas (Koyré,
1999).
Contrariamente,
las
reorganizaciones
más
importantes
de
los
sistemas
de
pensamiento
consistieron en "formular nuevas preguntas para
los viejos problemas"
(Garcia, 2000: 71), es decir, en cambiar el punto de partida de los razonamientos. En este
sentido, los métodos de modelado y simulación sólo pueden ser un auxilio a la intuición, un
estímulo
aI razonamiento
abductivo y creativo que todo proceso
de construcción de
conocimiento requiere.
El segundo riesgo consiste en ignorar los progresos actuales de las ciencias de los
sistemas complejos y los de las ciencias sociales computacionales desarrollados de la mano
de la simulación basada en agentes. Evidentemente, atrevemos a descubrir el mundo de la
simulación computacional en ciencias sociales implica un desafío para nosotros mismos;
supone, en efecto, trascender los limites de nuestra cultura disciplinar y proponemos
dialogar
-por
lo
menos-
con
investigadores
de
las
ciencias
computacionales.
Indudablemente, no se trata de que el sociólogo aprenda a programar ni que el informático
aprenda teoría social: implica construir un nuevo diálogo donde la interdisciplinariedad
deje de ser un eufemismo politicamente correcto.
Por lo anterior, el uso de la simulación computacional en el repertorio metodológico de
las
ciencias
sociales
constituye
un
bello
desafío.
El
desarrollo
de
una
reflexión
epistemológica crítica sobre las posibilidades y limites de la simulación en ciencias sociales,
así como la significación social y politica de una ciencia social computacional, constituye
una linea de reflexión que tiene que ser profundizada y problematizada. El reto de la
simulación en ciencias sociales está planteado. El desafío es de quien quiera asumirlo.
258
Revista Mexicana de Ciencias Políticas y Sociales
I
Universidad Nacional Autónoma de México
Nueva Época, Ano LX 1núm. 225, septiembre-diciembre de 20151 pp. 233-2661 ISSN-0185-1918
Referencias bibliográficas
Alemafi Berenguer, Rafael Andrés y J. F. Pérez Selles, (2000) "Una introducción a la
dinámica no lineal en ensefianza Secundaria" en
Enseflanza de las ciencias: revista de
investigación y experiencias didácticas.
Vol. 18, núm. 1, pp. 141-145.
Alexander, Jeffrey; Giesen, Bernhard; Münch, Richard y Neil Smelser, (1994)
EI vínculo
micro-macro.
Guadalajara, México, Universidad de Guadalajara, Gamma Editorial.
Amblard,
Frédéric
y
Denis
Phan,
(2006)
Modélisation
et
simulation
multi-agents
applications pour les Sciences de I'Homme et de la Société.
Paris, Lavoisier.
Andrighetto, Giulia; Campenni, Marco; Cecconi, Federico y Rosaria Conte, (2010) "The
Complex Loop of Norm Emergence: A Simulation Model" en Takadama, Keiki; Cioffi
Revilla, Claudio y Guillaume Deffuant (eds.),
Simulating Interacting Agents and Social
Phenomena: The Second World Congress, Agent-Based Social Systems.
Vol. 7, pp. 19-35.
Tokio, Springer.
Arthur,
Brian,
(1994)
"Inductive Reasoning and
Bounded Rationality"
en
American
Economic Review.
Vol. 84, núm. 2, pp. 406-411. Nueva York, Asociación Estadounidense
de Economia.
Axelrod, Robert, (1984)
The Evolution ofCooperation.
Nueva York, Basic Books.
Axelrod, Robert, (1997) "Advancing the Art of Simulation in the Social Sciences" en Conte,
Rosaria; Hegselmann, Rainer y Pietro Terna (eds.),
Simulating Social Phenomena.
Ber!in,
Springer-Ver!ag, pp. 21-40.
Axelrod, Robert, (2004)
La complejidad de la cooperación. Modelos de cooperación y la
colaboración basada en los agentes.
Buenos Aires, Fondo de Cultura Económica.
Boero, Riccardo y Flaminio Squazzoni, (2005) "Does Empirical Embeddedness Matter?
Methodological Issues on Agent-Based Models for Analytical Social Science" en
Journal
of
Artificial Societies and Social Simulation.
Vol. 8, núm. 4, pp. 1-31.
Boudon, Raymond y André Davidovitch, (1964) "Les mécanismes sociaux des abandons de
poursuite" en
L'Année Sociologique.
Vol. 3, pp. 111-244.
Bousquet, François; Trébuil, Guy y Bill Hardy, (2005)
Companion Modeling and Multi-
Agent Systems for Integrated Natural Resource Management in Asia.
Metro Manila,
Filipinas, International Rice Research Institute.
Braudel, Fernand, (1984)
La historia y las ciencias sociales.
Madrid, Alianza Editorial.
Briggs, John y David Peat, (1989)
Espejo y reflejo: dei caos ai ordeno
Barcelona, Gedisa.
Bruch, Elizabeth Eve y Robert D. Mare, (2006) "Neighborhood Choice and Neighborhood
Change" en
American Journal of Sociology.
Vol. 112, núm. 3, pp. 667-709. Chicago,
University of Chicago Press.
259
Revista Mexicana de Ciencias Políticas y Sociales
I
Universidad Nacional Autónoma de México
Nueva Época, Ano LX 1núm. 225, septiembre-diciembre de 20151 pp. 233-2661 ISSN-0185-1918
Castaiieda, Gonzalo e Ignacio Ibarra, (2010) "Detección de fraude con modelos basados en
agentes: las elecciones mexicanas de 2006" en
Perfiles Latinoamericanos.
Vol. 18, núm.
36, pp. 43-69. México, Universidad Nacional Autónoma de México.
Cederman, Lars-Erik, (2003) "Modeling the Size of Wars" en
American Politicai Science
Review.
Vol. 97, núm.
1,
pp. 135-150. Cambridge, Cambridge Univdersity Press.
Coleman, James Samuel, (1962) "Analysis of Social Structures and Simulation of Social
Processes with Electronic Computers" en Harold Steere, Guetzkow (ed.),
Simulation in
Social Science.
Englewood Cliffs, N.J., Prentice-Hall, pp. 63-69.
Coleman, James Samuel, (1964) "Mathematical Models and Computer Simulation" en
Faris,
Robert
(ed.),
Handbook
of
Modern
Sociology.
Chicago,
Rand McNally and
Company, pp. 1027-1062.
Conte, Rosaria,
(2009)
"From Simulation to Theory (and Backward)" en Squazzoni,
Flaminio (ed.),
Epistemological Aspects of Computer Simulation in the Social Sciences.
Berlín, Springer, pp. 29-47.
Conte, Rosaria; Gilbert, Nigel y Jaime Simão Sichman, (1998)
"MAS
and Social Simulation:
A Suitable Commitment" en Conte, Rosaria; Gilbert, Nigel y Jaime Simão Sichman
(eds.),
Multi-Agent Systems and Agent-Based Simulation Lecture Notes in Computer
Science.
Berlín, Springer, pp. 1-9.
David, Nuno,
(2009) "Validation and Verification in Social Simulation: Patterns and
Clarification of Terminology" en Squazzoni, Flaminio (ed.),
Epistemological Aspects of
Computer Simulation in the Social Sciences.
Berlin, Springer, pp. 117-129.
Edmonds,
Bruce,
(1999)
Syntactic
Measures
of
Complexity.
Manchester,
Manchester
Metropolitan University, tesis de doctorado.
Edmonds, Bruce, (2014)
Towards Integrating Everything.
Ponenica presentada en el taller de
trabajo:
Joining Complexity Science and Social Simulation for Policy,
Budapest.
Edmonds, Bruce y David Hales, (2003) "Replication, Replication and Replication: Some
Hard Lessons from Model Alignment" en
Journal of Artificial Societies and Social
Simulation.
Vol. 6, núm. 4, pp. 1-22. Surrey, Reino Unido, University of Surrey.
Epstein, Joshua M., (2002) "Modeling Civil Violence: An Agent-Based Computational
Approach" en
Praceedings of the National Academy of Sciences.
Vol. 99, pp. 7243-7250.
Washington,
PNAS.
Epstein,
Joshua
M.,
(2006a)
Generative
Social
Science:
Studies
in
Agent-Based
Computational Modeling.
Princeton, Princeton Studies in Complexity.
Epstein, Joshua M., (2006b) "Remarks on the Foundations of Agent-Based Generative
Social Science" en Tesfatsion, Leigh y Kenneth Judd (eds.),
Handbook ofComputational
Economics.
Vol. 2, pp. 1585-1604. Agent-Based Computational Economics. Países Bajos,
Holanda dei Norte.
Epstein, Joshua M. y Robert Axtell, (1996)
Grawing Artificial Societies. Social Science fram
the Bottom Up.
Washington
D.e., MIT
Press.
260
Revista Mexicana de Ciencias Políticas y Sociales
I
Universidad Nacional Autónoma de México
Nueva Época, Ano LX 1núm. 225, septiembre-diciembre de 20151 pp. 233-2661 ISSN-0185-1918
Étienne, Michel, (2010)
La modélisation d'accompagnement. Une démarche participative en
appui
au
développement
durable.
Versalles, Quae.
Ferber, Jacques, (1995)
Les Systemes multi-agents:
Vers une intel/igence col/ective.
Paris,
InterEditions.
Ferber, Jacques, (2006) "Concepts et méthodologies multi-agents" en Amblard, Frédéric y
Denis Phan (eds.),
Modélisation et simulation multi-agents.
Paris, Hermes - Lavoisier,
pp. 23-48.
Forrester, JayWright, (1971)
World's Dynamics.
Cambridge,
MA,
Wright-Allen Press.
Galam, Serge, (1996) "When Humans Interact Like Atoms" en Witte, Erich y James Davis
(eds.),
Understanding
Group
Behavior:
Consensual Action
by Smal/ Groups.
New Jersey,
Lawrence Erlbaum Ass, pp. 293-312.
Galam, Serge, (2004) "Sociophysics: a Personal Testimony" en
Physica
A: Statistical and
Theoretical
Physics.
Vol. 336, núm. 1-2, pp. 49-55.
Galam, Serge, (2007) "From 2000 Bush-Gore to 2006 Italian Elections: Voting at Fifty-fifty
and the Contrarian Effect" en
Quality and Quantity
Journal.
Vol. 41, pp. 579-589. Nueva
York, Springer.
García-Valdecasas Medina, José Ignacio, (2011) "La simulación basada en agentes: una
nueva forma de explorar los fenómenos sociales" en
Revista
Espanola
de Investigaciones
Sociológicas.
núm. 136, pp. 91-110. Madrid, Centro de Investigaciones Sociológicas.
García-Valdecasas Medina, José Ignacio, (2014) "Explicación, mecanismo y simulación:
otra manera de hacer sociologia" en
EMPIRIA.
Revista
de Metodologia de Ciencias Sociales.
Vol. 28, pp. 35-58.
García, Rolando, (1997)
La epistemologia genética y la ciencia contemporánea.
Barcelona,
Gedisa.
García, Rolando, (2000)
EI conocimiento
en construcción. De las formulaciones de Jean
Piaget a
la teoria de los sistemas complejos.
Barcelona, Gedisa.
García,
Rolando,
(2006)
Sistemas
complejos.
Conceptos,
método
y
fundamentación
epistemológica
de la investigación interdisciplinaria.
Barcelona, Gedisa.
Gell-Mann, Murray, (1995) "What is Complexity?" en
Complexity.
Vol. 1, núm. 1, pp. 16-
19.
Disponible
en:
[Consultado el 7 de marzo de 2015].
Gilbert, Nigel, (1995) "Using Computer Simulation to Study Social Phenomena" en
Bul/etin
de
Méthodologie
Sociologique.
Vol.
47,
pp.
99-111.
Paris,
Francia,
International
Association of Sociological Methodology.
Gilbert, Nigel, (1996) "Simulation as a Research Strategy" en Troitzsch, Klaus; Mueller,
Ulrich; Gilbert, Nigel y James Doran
(ed.),
Social Science Microsimulation.
Berlin,
Springer, pp. 448-454.
261
Revista Mexicana de Ciencias Políticas y Sociales
I
Universidad Nacional Autónoma de México
Nueva Época, Ano LX 1núm. 225, septiembre-diciembre de 20151 pp. 233-2661 ISSN-0185-1918
en:
el
5
Disponible
[Consultado
Gilbert, Nigel, (1998) "Simulation: An Introduction to the Idea" en Ahrweiler, Petra y Nigel
Gilbert (eds.),
Computer Simulations in Science and Technology Studies.
Berlín, Springer,
pp. 1-13.
Gilbert, Nigel, (2007)
Agent-Based Models. Quantitative Applications in the Social Sciences.
Londres,
SAGE
Publications.
Gilbert, Nigel y Klaus G. Troitzsch, (2005)
Simulación para las Ciencias Sociales.
Madrid,
McGraw Hill.
González Casanova, Pablo, (2005)
Las nuevas ciencias y las humanidades. De la academia a
la política.
Barcelona, Anthropos.
Gulati, Girish J.; Hadlock, Charles y Juliet Gainsborough, (2011)
"VODYS:
An Agent-Based
Model for Exploring Campaign Dynamics" en
Social Science Computer Review.
Vol. 29,
núm. 2, pp. 250-272. Londres, sage Publications.
Gulden,
Timothy,
(2004)
Adaptive Agent Modeling ln
a
Policy
Contexto
Maryland,
University of Maryland, tesis de doctorado.
Hassan
Collado,
Samer,
(2009)
Towards
a
Data-driven
Approach for
Agent-Based
Modelling: Simulating Spanish Postmodernisation.
Madrid, Universidad Complutense de
Madrid, tesis de doctorado.
Hassan, Samer; Arroyo, Javier; Galán, José Manuel; Antunes, Luis y Juan Pavón, (2013)
"Asking the Orade: Introducing Forecasting Principies into Agent-Based Modelling" en
Journal of Artificial Societies and Social Simulation.
Vol. 16, núm. 3, pp. 1-20. Surrey,
Reino Unido, University of Surrey.
Hayek, Friedrich A., (1964) "The Theory of Complex Phenomena" en Bunge, Mario (ed.),
The Criticai Approach to Science and Philosophy.
Essays in Honor of
K. R.
Popper.
Londres, MacMillan Publishing COo Inc., pp. 332-349.
Hedstrom, Peter y Peter Bearman, (2009)
The Oxford Handbook of Analytical Sociology.
Nueva York, Oxford University Press.
Heymann, Daniel; Kawamura, Enrique; Perazzo, Roberto y Martín Zimmermann, (2009)
"Modelos
de
Múltiples
Agentes"
en
Chisari,
Omar
(ed.),
Progresos
en
economía
computacional.
Buenos Aires, Temas Grupo Editorial, pp. 145-178.
Izquierdo,
Luis,
(2012)
NetLogo
5.0
Quick
guide.
de abril de 2015].
Izquierdo, Luis; Galán Ordax, José Manuel; Santos, José y Ricardo dei Olmo Martínez,
(2008) "Modelado de sistemas complejos mediante simulación basada en agentes y
mediante dinámica de sistemas" en
EMPIRIA.
Revista de Metodologia de Ciencias Sociales.
Vol.
16,
pp.
85-112.
Disponible
en:
<http:
[Consultado
el
5 de
abril
de
2015].
262
Revista Mexicana de Ciencias Políticas y Sociales
I
Universidad Nacional Autónoma de México
Nueva Época, Ano LX 1núm. 225, septiembre-diciembre de 20151 pp. 233-2661 ISSN-0185-1918
Johnson, Steven, (2001)
Sistemas
emergentes.
O
qué tienen
en común hormigas, neuronas,
ciudades y software.
Madrid, Fondo de Cultura Económica.
Koch, Andreas y Peter Mand!, (2011)
Modeling and Simulating
Urban Processes.
Viena, Lit
Verlag.
Kollman, Ken y Scott E. Page, (2006) "Computational Methods and Models of Politics" en
Tesfatsion, Leigh y Kenneth
L.
Judd (eds.),
Handbook ofComputational
Economics,
Vol.
2, pp. 1433-1463. Agent-Based Computational Economics. Amsterdam, EIsevier.
Koyré, Alexandre, (1999)
Dei mundo cerrado ai universo infinito.
Madrid, Siglo
XXI.
Laver, Michael y Ernest Sergenti, (2011)
Party Competition: An Agent-Based
Model.
Nueva
Jersey, Princeton University Press.
Le
Page,
Christophe;
Becu,
Nicolas;
Bommel,
Pierre
y
François
Bousquet,
(2012)
"Participatory Agent-Based Simulation for Renewable Resource Management: The Role
of
the Cormas Simulation Platform to Nurture a Community of Practice" en
Journal
of
Artificial
Societies
and
Social
Simulation.
Vol.
15,
núm.
1.
Disponible
en:
<http://jasss.soc.surrey.ac.uk/15/1/10.html> [Consultado el 5 de abril de 2015]. Surrey,
Reino Unido, University of Surrey.
Lewin, Roger, (1995)
Complejidad.
EI caos como generador de ordeno
Barcelona, Espana,
Tusquets.
Linares, Francisco, (2012) "Una simulación multi-agente del mecanismo de generalización
de una norma social" en
Revista
Espafíola
de Investigaciones Sociológicas.
Núm. 138, pp.
19-40. Madrid, Centro de Investigaciones Sociológicas.
Lozares, Carlos, (2004) "La simulación social, luna nueva manera de investigar en ciencia
social?"
en
Papers.
núm.
72,
pp.
165-188.
Barcelona, Universidad Autónoma
de
Barcelona.
Lustick, Ian S., (2000) "Agent-Based Modeling of Collective Identity: Testing Constructivist
Theory" en
Journal
of
Artificial
Societies and Social Simulations.
Vol. 3, núm.
1.
Surrey,
Reino Unido, University of Surrey.
Macy, Michael y Andreas Flache, (2009) "Social Dynamics from the Bottom Up: Agent-
Based Model of Social Interaction" en Hedstrõm, Peter y Peter Bearman (eds.),
The
Oxford Handbook
of
Analytical
Sociology.
Nueva York, Oxford University Press, pp. 245-
268.
Marchi, Scott de y Scott E. Page, (2008) "Agent-based Modelling" en Box-Steffensmeier,
Janet M.;
Brady, Henry y David Collier (eds.),
The Oxford Handbook of Politicai
Methodology.
Nueva York, Oxford University Press, pp. 71-94.
Matus, Carlos,
(1987)
Politica,
planificación y
gobierno.
Washington
D.e.,
Fundación
ALTADIR.
Miller, John H. y Scott E. Page, (2007)
Complex Adaptive
Systems: An Introduction to
Computational
Models
of
Social Life.
Princeton, Princeton Studies in Complexity.
Morin, Edgar, (1977)
EI Método
1.
La naturaleza de la naturaleza.
Madrid, Cátedra.
263
Revista Mexicana de Ciencias Políticas y Sociales
I
Universidad Nacional Autónoma de México
Nueva Época, Ano LX 1núm. 225, septiembre-diciembre de 20151 pp. 233-2661 ISSN-0185-1918
Morin, Edgar, (1990)
lntroducción
ai pensamiento complejo.
Barcelona, Gedisa.
Morin, Edgar, (2007) "Complexité restreinte et complexité générale" en Morin, Edgar y
Jean-Louis Le Moigne (eds.),
lntelligence
de la complexité: épistémologie et pragmatique,
Colloque
de Cerisy, 2005.
La Tour d'Aigues, Éditions de I'Aube, pp. 28-50.
Muis, Jasper, (2010) "Simulating Politicai Stability and Change in the Netherlands (1998-
2002): an Agent-Based Model of Party Competition with Media Effects Empirically
Tested"
en
Journal
of
Artificial
Societies and Social Simulation
Vol.
13, núm.
2,
Disponible en: <http://jasss.soc.surrey.ac.uk/13/2/4.html> [Consultado el 5 de abril de
2015]. Surrey, Reino Unido, University of Surrey.
Müller, Jean-Pierre y Sigrid Aubert, (2011)
L'ontologie pour construire
une
représentation
multi-niveau
de et par les systemes sociaux.
Ponencia presentada en las 18as. Jornadas de
Rochebrune: Taller Interdisciplinario sobre sistemas complejos naturales y artificiales,
19-23 enero, Rochebrune, France.
Naishtat,
Francisco,
(2009)
"Refocalización historiográfica
y
cambio
de
régimen
de
historicidad. La controversia de la representación dei pasado y las catástrofes históricas
contemporáneas" en Nudler, Oscar, (ed.)
Espacios controversiales. Hacia un modelo de
cambio
filosófico
y
cientifico.
Buenos Aires, Mino y Dávila, pp. 51-84.
Neumann, John Von, (1966)
Theory
of
Self-Reproducing Automata.
Urbana, Univeristy of
Illinois Press.
Ormerod, Paul y Bridget Rosewell, (2009) "Validation and Verification of Agent-Based
Models in the Social Sciences" en Squazzoni, Flaminio (ed.),
Epistemological Aspects
of
Computer Simulation
in the Social Sciences.
Berlín, Springer, pp. 130-140.
Panebianco, Angelo, (1993) "Comparación y explicación" en Sartori, Giovanni y Leonardo
Morlino (eds.),
La comparación en ciencias sociales.
Madrid, Alianza, pp. 81-104.
Pasquino, Gianfranco,
(2004)
Sistemas políticos
comparados.
Francia,
Alemania,
Gran
Bretafía, ltalia y Estados
Unidos.
Buenos Aires, Prometeo.
Phan, Denis y Franck Varenne, (2010) "Agent-Based Models and Simulations in Economics
and Social Sciences: From Conceptual Exploration to Distinct Ways of Experimenting"
en
Journal
of
Artificial
Societies and Social Simulation.
Vol. 13, núm.
1,
pp. 1-13. Surrey,
Reino Unido, University of Surrey.
Piaget, Jean, (1979)
Tratado
de lógica y conocimiento científico.
1.
Naturaleza y métodos
de la
epistemologia.
Buenos Aires, Paidós.
Pierson, Paul, (2000) "Increasing Returns, Path Dependence, and the Study of Politics" en
American Politicai
Science Review.
Vol. 94, núm. 2, pp. 251-267.
Pierson, Paul y Theda
Skocpol,
(2002) "Historical Institutionalism in Contemporary
Politicai Science" en Milner, Helen y Ira Katznelson (eds.),
Politicai
Science: The State of
the Discipline.
Nueva York, Norton,
Popper, Karl, (1984)
La miseria dei historicismo.
Madrid, Taurus.
264
Revista Mexicana de Ciencias Políticas y Sociales
I
Universidad Nacional Autónoma de México
Nueva Época, Ano LX 1núm. 225, septiembre-diciembre de 20151 pp. 233-2661 ISSN-0185-1918
Rodriguez
Zoya,
Leonardo,
(2011)
Exploraciones
de
la
complejidad.
Aproximación
introductoria ai pensamiento complejo y a la teoria de los sistemas complejos.
Buenos
Aires, Universidad Nacional de Lomas de Zamora.
Rodriguez
Zoya,
Leonardo
y Pascal Roggero,
(2014)
"La modelización y simulación
computacional corno metodologia de investigación social" en
Polis
[en línea]. Núm. 39,
diciembre. Disponible en: <http://polis.revues.org/l0568> [Consultado el 5 de abril de
2015].
Roggero, Pascal y Christophe Sibertin-Blanc, (2008) "Quand des sociologues rencontrent
des informaticiens : essai de formalisation des systemes d'action concrets" en
Nouvelles
Perspectives en Sciences Sociales.
Vol. 3, núm. 2, pp. 41-81.
Salazar, Boris, (2007) "Thomas C. Schelling: la paradoja de un economista errante" en
Revista de Economía Institucional.
Vol. 9, núm. 17, pp. 131-152. Bogotá, Universidad
Externado de Colombia
Sawyer,
Keith,
(2005)
Social
Emergence:
Societies
as
Complex
Systems.
Nueva York,
Cambridge.
Sawyer, Keith, (2007) "Simulating Complexity" en Outhwaite, William y Stephen Turner
(eds.),
The
SAGE
Handbook ofSocial Science Methodology,
pp. 316-332. Londres,
SAGE.
Schelling, Thomas, (1969) "Models of Segregation" en
American Economic Review, Papers
and Proceedings.
Vol.
59,
núm.
2,
pp.
488-493.
Pittsburgh, American
Economic
Association.
Schelling, Thomas, (1971) "Dynamic Models of Segregation" en
Journal of Mathematical
Sociology.
Vol.
1,
pp. 143-186. Londres, Routledge.
Schelling, Thomas, (1978)
Micromotives and Macrobehavior.
Nueva York, Norton.
Sibertin-Blanc, Christophe; Roggero, Pascal; Adreit, Françoise; Baldet, Bertrand; Chapron,
Paul; EI-Gemayel, Joseph; Mailliard, Matthias y Sandra Sandri, (2013)
"SocLab: A
Framework
for
the
Modeling,
Simulation
and
Analysis
of
Power
in
Social
Organizations" en
Journal of Artificial Societies and Social Simulation.
Vol. 16, núm. 4,
pp. 1-8. Surrey, Reino Unido, University of Surrey.
Simon, Herbert, (1973)
Las ciencias de lo artificial.
Barcelona,
A.T.E.
Simon, Herbert, (1982)
Models ofBounded Rationality.
Cambridge,
MIT
Press.
Squazzoni, Flaminio, (2012)
Agent-Based Computational Sociology.
Singapur, Wiley.
The!en, Kathleen, (1999) "Historical Institutionalism in Comparative Politics" en
Annual
Review ofPoliticai Science.
Vol. 2, pp. 369-404.
Treuil,
Jean-Pierre;
Drogoul,
Alexis
y
Jean-Daniel
Zucker,
(2008)
Modélisation
et
simulation à base d'agents.
Paris, Dunod.
Varsavsky, Oscar, (1971)
Proyectos nacionales. Planteo y estudios de viabilidad.
Buenos
Aires, Ediciones Periferia.
Varsavsky, Oscar; Calcagno, Alfredo Eric; Ibarra, José; de Barbieri, Juan; Naon, Eduardo;
Núfiez de! Prado, Arturo; Sáinz, Pedro; La Fuente, Mario; Bianciotto, José; Leal, Luis;
265
Revista Mexicana de Ciencias Políticas y Sociales
I
Universidad Nacional Autónoma de México
Nueva Época, Ano LX 1núm. 225, septiembre-diciembre de 20151 pp. 233-2661 ISSN-0185-1918
Marzulli, Luis; Leiva, David; Pérez, Juan; Yero, Lourdes; Domingo, Carlos; Sabato, Jorge;
Cornblit, Oscar; Di Tella, Torcuato y Ezequiel Gallo, (1971)
America Latina. Modelos
Matemáticos.
Santiago de Chile, Editorial Universitaria.
Von Neumann, John, (1966)
Theory of Self-Reproducing Automata.
Londres, Univerity of
Illinois Press.
Waldherr, Annie y Nanda Wijermans, (2013) "Communicating Social Simulation Models
to Sceptical Minds" en
Journal ofArtificial Societies and Social Simulation.
Vol. 16, núm.
4, pp. 1-8. Surrey, Reino Unido, University ofSurrey.
Wallerstein, Immanuel, (2006)
Análisis de sistemas-mundo.
Una introducción.
México,
Siglo
XXI.
Weaver, Warren, (1948) "Science and Complexity" en
American Scientist.
Núm. 36, pp.
536-544.
White, Andrew M. (2005).
Multi-Agent Simulation for Migration Studies in Archaeology.
Ponencia presentada en las 38as reuniones anuales de la Asociación Arqueológica
Canadiense, Nanaimo.
Wilensky, Ulrich, (1997)
NetLogo Segregation model.
Northwestern University, Evanston,
IL, Center for Connected Learning and Computer-Based Modeling. Disponible en:
2015].
Wilensky, Ulrich,
(1999)
NetLogo.
Northwestern University, Evanston,
IL., Center for
Connected
Learning
and
Computer-Based
Modeling.
Disponible
en:
<http://ccl.northwestern.edu/netlogo/> [Consultado eis de abril de 2015].
Wilensky, Ulrich, (2013)
NetLogo User Manual. Versión 5.0.5.
Evanston, Illinois, Center for
Connected Learning and Computer-Based Modeling, Northwestern University.
266
logo_pie_uaemex.mx