Social modellering er et forskningsfelt, der anvender beregningsmetoder til at studere problemer i samfundsvidenskaberne . Undersøgte emner omfatter problemer med beregningsret , psykologi [1] , organisatorisk adfærd [2] , sociologi , statskundskab , økonomi , antropologi , geografi , teknik , arkæologi og lingvistik .
Social modellering har til formål at bygge bro mellem den deskriptive metode, der anvendes i samfundsvidenskaberne, og den formelle metode, der anvendes i naturvidenskaben, ved at flytte fokus til de processer/mekanismer/adfærd, der konstruerer den sociale virkelighed. I social simulering understøtter computere menneskelig tankeaktivitet ved hjælp af disse mekanismer. Dette felt udforsker modelleringen af samfund som komplekse ikke-lineære systemer , der er vanskelige at studere med klassiske matematiske modeller baseret på ligninger. Robert Axelrod ser social modellering som en separat forskningsmetode, adskilt fra både deduktive og induktive metoder. Det er genereringen af data, der kan analyseres induktivt, men som kommer fra et veldefineret sæt regler frem for direkte målinger. Social modellering er således som skabelsen af kunstige samfund. Den sociale modelleringstilgang til samfundsvidenskaberne fremmes og koordineres af foreninger som ESSA .
Historien om agent-baseret modellering går tilbage til von Neumanns teoretiske maskine, der er i stand til at reproducere sig selv . Enheden foreslået af von Neumann ville følge nøjagtigt de detaljerede instruktioner for at lave en kopi af sig selv. Dette koncept blev yderligere forbedret af matematikeren Stanisław Ulam . Ulam foreslog at bygge maskinen på papir, som et sæt celler på et gitter. Denne idé fascinerede von Neumann, og han skabte den første af de enheder, der senere blev kaldt cellulære automater . En anden forbedring blev foretaget af matematikeren John Conway . Han designede det berømte spil "Life" . I modsætning til von Neumanns maskine drev Conways spil efter simple regler i en virtuel verden inden for rammerne af et skakbræt .
Fødslen af den agentbaserede model som model for sociale systemer blev primært drevet af datalogen Craig Reynolds . Han forsøgte at modellere virkeligheden af levende biologiske midler, kunstigt liv , et udtryk opfundet af Christopher Langton . Joshua Epstein og Robert Axtell udviklede den første storstilede agentmodel, Sugarscape , til at modellere og udforske rollen af sociale fænomener som sæsonbestemt migration , forurening , seksuel reproduktion , krig , smitte . Kathleen Carley , stiftende præsident for North American Association for Computational Social and Organizational Systems, grundlagde et tidsskrift for social modellering i relation til organisationer og komplekse sociotekniske systemer: Computational and Mathematical Organisation Theory [3] .
Forskerne Nigel Gilbert og Klaus Troitzch skabte den første lærebog om social simulation: Simulation for the Social Scientist (1999) og grundlagde et supplement til den: Journal of Artificial Societies and Social Simulation . En anden forsker, Ron Sun , har udviklet metoder til at basere agent-baseret modellering på modeller af menneskelig kognition kendt som kognitiv social modellering [4] .
Her er nogle eksempler på emner, der er blevet udforsket gennem social modellering:
Social modellering kan referere til en generel klasse af strategier til forståelse af social dynamik ved hjælp af computere til at modellere sociale systemer. Det giver mulighed for en mere systematisk overvejelse af mulige resultater. Der er fire hovedtyper af social modellering:
Social modellering kan falde ind under rubrikken beregningssociologi , som er en nyudviklet gren af sociologien , der bruger beregning til at analysere sociale fænomener . Den grundlæggende forudsætning for beregningssociologi er at drage fordel af computersimuleringer i konstruktionen af sociale teorier . Det omfatter en forståelse af sociale agenter, interaktionerne mellem disse agenter og indvirkningen af disse interaktioner på den sociale helhed. Mens emnet og metoden for samfundsvidenskaberne adskiller sig fra naturvidenskabens eller datalogiens , kommer nogle af de tilgange, der bruges i moderne social modellering, fra områder som fysik og kunstig intelligens .
Systemniveaumodellering er det ældste niveau af social modellering. Modellering på systemniveau ser på situationen som en helhed. Dette teoretiske syn på sociale situationer bruger en bred vifte af information til at bestemme, hvad der skal ske med et samfund og dets medlemmer i nærvær af visse variabler, hvordan de skal reagere på en ny situation. Navigering gennem denne teoretiske modellering vil give forskere mulighed for at udvikle gyldige ideer om, hvad der vil ske for nogle specifikke variable. For eksempel, hvis NASA skulle køre simuleringer på systemniveau, ville det gavne organisationen ved at tilbyde en omkostningseffektiv forskningsmetode til at navigere i simuleringerne. Dette giver forskeren mulighed for at navigere i de virtuelle muligheder for denne simulering og udvikle sikkerhedsprocedurer samt modtage verificerede fakta om, hvordan denne eller hin situation vil udvikle sig [11] . Modellering på systemniveau sigter mod specifikt at forudsige og kommunikere et vilkårligt antal handlinger, adfærd eller evner hos næsten enhver person, objekt, konstruktion i et system ved hjælp af et stort sæt ligninger . En model er en repræsentation af en bestemt ting, lige fra objekter og mennesker til strukturer og produkter , skabt ved hjælp af matematiske ligninger og designet ved hjælp af computere på en sådan måde, at de kan stå som de førnævnte ting i undersøgelsen. Modeller kan enten være forenklede eller komplekse, afhængigt af behovet for det ene eller det andet; Det er dog meningen, at modellerne skal være enklere, end de repræsenterer, mens de forbliver realistisk ens, så de kan bruges nøjagtigt. De er bygget ved hjælp af et sæt data oversat til beregningssprog, der giver dem mulighed for at repræsentere det pågældende system .
Agentbaseret social simulering består i at simulere forskellige samfund og placere kunstige agenter i et computersimuleret samfund for at observere deres adfærd. Ud fra disse data kan du lære om reaktionerne af kunstige midler og oversætte dem til resultaterne af rigtige midler og simuleringer. De tre hovedområder er agent computing, samfundsvidenskab og computermodellering. Det er her, sociale fænomener udvikles og teoretiseres. Hovedmålet med agentbaseret social modellering er at levere modeller og værktøjer til agentbaseret modellering af sociale fænomener. Med det kan vi udforske forskellige udfald for fænomener, som vi måske ikke er i stand til at se i det virkelige liv og få værdifuld indsigt i udfaldene af sociale fænomener.
Agent-baseret modellering er et system, hvor agenter interagerer kollektivt uafhængigt af hinanden. Hver enkelt agent er ansvarlig for forskellige former for adfærd, der fører til kollektiv adfærd. Disse adfærd hjælper generelt med at bestemme netværkets ydeevne. Den fokuserer på menneskelige sociale interaktioner og hvordan mennesker arbejder sammen og kommunikerer med hinanden uden at have et samlet gruppesind . Dette betyder i bund og grund, at det har en tendens til at fokusere på konsekvenserne af interaktioner mellem mennesker (agenter) i en befolkning . Forskere kan bedre forstå denne type simulering ved at bruge dynamik på et mindre, mere lokaliseret niveau. Simple individuelle regler eller handlinger kan føre til konsekvent gruppeadfærd. Ændringer i disse individuelle aktiviteter kan påvirke en gruppe i en given population.
Agent-baseret modellering er et eksperimentelt værktøj til teoretisk forskning. Det giver dig mulighed for at håndtere mere kompleks individuel adfærd, såsom tilpasning . Generelt, med denne type simulering, søger skaberen eller forskeren at modellere agenternes adfærd og forholdet mellem dem for bedre at forstå, hvordan disse individuelle interaktioner påvirker hele befolkningen. I bund og grund er det en måde at modellere og forstå forskellige globale mønstre på.
Agent-baseret modellering er mest nyttig til at skabe en bro mellem mikro- og makroniveauer, hvilket er en væsentlig del af det, sociologi studerer. Agentbaserede modeller er mest velegnede til at studere processer, der mangler central koordinering, herunder fremkomsten af institutioner , der, når de er oprettet, etablerer orden fra top til bund. Modeller fokuserer på, hvordan enkle og forudsigelige lokale interaktioner giver anledning til velkendte, men meget detaljerede globale modeller, såsom fremkomsten af normer og deltagelse i kollektiv handling. Michael W. Macy og Robert Wheeler fandt ud af, at der er to hovedproblemer med agentbaseret modellering af selvorganiseringen af social struktur og fremkomsten af social orden [12] .
Emerging Structure: I disse modeller ændrer agenter placering eller adfærd som reaktion på sociale påvirkninger eller selektionspres. Agenter kan starte udifferentieret og derefter ændre placering eller adfærd for ikke at blive anderledes eller isoleret. Men i stedet for at skabe homogenitet, kombineres disse konforme løsninger for at skabe globale mønstre af kulturel differentiering, stratificering og klyngedannelse i lokale netværk. Andre undersøgelser vender denne proces, begyndende med en heterogen befolkning og slutter med konvergens: koordinering, spredning og det pludselige sammenbrud af normer, konventioner , innovationer og teknologiske standarder .
Emerging social order: Disse undersøgelser viser, hvordan egoistisk tilpasning kan føre til vellykket kollektiv handling uden altruisme eller global (top-down) påtvingelse af kontrol. Et nøgleresultat fra talrige undersøgelser er, at levedygtigheden af tillid, samarbejde og kollektiv handling afhænger kritisk af styrken af interaktion.
Disse eksempler viser simpelthen kompleksiteten af vores miljø, og at agentmodeller er designet til at udforske minimumsbetingelserne, det enkleste sæt af antagelser om menneskelig adfærd, der er nødvendige for, at et givet socialt fænomen kan opstå på et højere organisationsniveau.
Siden starten har computeriseret social modellering været genstand for en del kritik med hensyn til dens praktiske og nøjagtighed. Forenklingen af social modellering til at danne komplekse modeller ses nogle gange som en ulempe, da brug af ret simple modeller til at simulere det virkelige liv med computere ikke altid er den bedste måde at forudsige adfærd. Kritikernes hovedteser er som følger:
Men konkurrerende teorier fra samfundsvidenskaberne er meget enklere end dem, der opnås ved simulering, og lider derfor meget mere af de førnævnte mangler. Teorier i nogle samfundsvidenskaber har en tendens til at være lineære modeller snarere end dynamiske , og er normalt afledt af små laboratorieeksperimenter (som er mest almindelige i psykologi , men sjældne i sociologi , statskundskab , økonomi og geografi ). Agentpopulationers adfærd inden for disse modeller verificeres sjældent af empiriske observationer .