La herramienta metodológica principal va a ser la Simulación Basada en Agentes, la cual es una técnica de representación de la realidad con una utilidad considerable en el área de las ciencias sociales, combinada con las matemáticas y la computación; en donde existen diversos agentes que interactúan entre sí con una mínima dirección (Axelrod, 2005; Moreno, Velásquez, y Ovalle, 2007). La Simulación Basada en Agentes tiene como propósito, en una gran diversidad de aplicaciones, proporcionar comprensión de procesos fundamentales, más que representar fielmente aplicaciones observadas desde el empirismo (Axelrod, 2005); además es muy útil para la observación de la emergencia de fenómenos (Gilbert y Troitzsch, 2005) y entender como evolucionan las estructuras sociales (Gilbert y Abbott, 2005). Lo anterior, la convierte en una técnica apropiada para simular el problema propuesto en esta investigación.
Este tipo de simulación es relativamente novedosa para la aplicación de sistemas sociales (Epstein, 2006), sobre todo cuando es comparada con su uso en ciencias tales como la física y las naturales. Este método, permite fácilmente identificar las afectaciones que tienen las acciones individuales sobre las estructuras sociales, al mismo tiempo que se puede identificar como esas estructuras sociales modifican las creencias, deseos y oportunidades del individuo (García-Valdecasas, 2011, 2016).
La simulación de agentes se define como un método de tratamiento automatico de información con la capacidad de crear y analizar, por medio de experimentos virtuales, modelos conformados por agentes, en entornos computacionales, que tienen relación entre sí mismos y el entorno que los rodea (Gilbert, 2008; García-Valdecasas, 2016). Estos experimentos virtuales, se pueden entender como la posibilidad de observar que sucede con fragmentos de la realidad (reflejos virtuales de fenómenos sociales) cuando
son sometidas a un tratamiento en particular, lo que permite generar conclusiones sobre el fenómeno social, siempre y cuando el modelo lo represente satisfactoriamente. Esto constituye la posibilidad de realizar experimentos en el campo social, superando los obstáculos de aislamiento de fenómenos, que en la realidad tienden a ser difíciles o imposibles y probables problemas éticos que se puedan presentar (García-Valdecasas, 2011, 2016).
§ 2.4.2.1. Justificación del uso de la Simulación Basada en Agentes
Dentro de esta investigación doctoral se hacer uso de la Simulación Basada en Agentes, sobre otras técnicas de modelado, como por ejemplo la dinámica de sistemas. La justificación de esta elección está sustentada en que la técnica elegida se ajusta a las necesidades planteadas dentro del problema de investigación.La Simulación Basada en Agentes, desde el proceso de abstracción en la determinación del modelo no formal, puede centrarse en el comportamiento de los componentes básicos del sistema y la interacción generada en el entorno común; a partir de esto, se espera que emerjan las dinámicas del comportamiento global del sistema (Epstein, 2006; Izquierdo et al., 2008). Esto permitiría comprender el funcionamiento global del sistema en el cual se desenvuelve el momento de la decisión estratégica, visto desde el contexto organizacional. En otras palabras, la pretensión es evidenciar como emerge el momento de la decisión dentro del contexto organizacional, a partir de la determinación del comportamiento de los componentes básicos del sistema y sus interacciones, en lo que es eficiente la Simulación Basada en Agentes.
§ 2.4.2.2. NetLogo
Para la simulación de la situación planteada dentro del problema propuesto en esta tesis doctoral, se hace uso de la herramienta NetLogo (Wilensky, 1997) en su versión 6.0.4; entorno de programación fácil de aprender y usar (García-Valdecasas, 2011; Tisue y Wilensky, 2004), que permite modelar sistemas complejos a partir de la creación y ejecución de modelos basados en agentes (García-Valdecasas, 2016).
NetLogo es un lenguaje de programación desarrollado desde 1999 y concebido para el uso de estudiantes e investigadores, el cual considera la interacción de varios agentes; en donde permite la simulación de modelos asociado a acontecimientos naturales o sociales,
siendo ideal para modelar sistemas considerados complejos y que tienen modificaciones evolutivas a través del tiempo (Tisue y Wilensky, 2004).
Además, permite indagar por el comportamiento de manera individual y colectiva de un grupo de agentes, a partir del suministro, por parte del modelador, de una instrucciones que define el patrón de decisión y comportamiento de los agentes (Tisue y Wilensky, 2004). Técnicamente, NetLogo está creado bajo una plataforma de Java, lo que permite ser ejecutable en la mayoría de sistemas operativos, tiene un gran soporte de documentación y tutoriales, lo que le facilita a los usuarios tener la posibilidad de crear modelos sin ningún tipo de restricciones de programación o económicas, dado que es un software de libre acceso (Tisue y Wilensky, 2004).
NetLogo está constituido por agentes, que están denominados como “tortugas” y “parcelas”, ambos son susceptibles de ser programados, quienes interactúan en un contexto denominado “mundo” según unas reglas otorgadas por el programador, realizando diversas tareas en el mismo instante de tiempo. Por otra parte, hay un tercer agente que se denomina “observador”, el cual inicia las interacciones de las tortugas y las parcelas (Tisue y Wilensky, 2004).
En cuanto a la decisión de usar NetLogo, por encima de softwares que desarrollen modelos con agentes como Swarm y Repast, se fundamenta en estos tres elementos, que hacen que NetLogo, presente ventaja sobre los otros sistemas (Rousse, Villegas, y Lárez, 2011, p. 128):
- Al operar sobre la máquina virtual Java es independiente de la plataforma. - La visualización de los modelos está incluida por defecto.
- Posee herramientas para la construcción sencilla de una interfaz gráfica que permite controlar los modelos y monitorear su comportamiento.
Esto, sumado a la maniobrabilidad sencida de su interfaz y el acceso gratuito, con los cuales cuenta NetLogo (García-Valdecasas, 2011; Tisue y Wilensky, 2004); lo que lo hace, posiblemente, la primera opción cuando se considera desarrollar modelos de Simulación Basada en Agentes.
2.4.2.2.1. Protocolo ODD
El protocolo ODD fue desarrollado por Grimm et al. (2006, 2010), en búsqueda de un proceso estandarizado para la modelización basada en agentes, con el fin de poder
superar la carencia de descripción formal del modelo y facilitar la posibilidad de replicación de los resultados. A su vez, que se pueda superar la subjetivad y la redundancia en la descripción, las cuales van en contra vía de la sencillez y claridad, fundamentales para la comprensión del modelo y sus resultados (Buffa, 2015).
Las siglas que le otorgan el nombre al protocolo significan “visión general” (Overview), “conceptos de diseño” (Desing concepts) y “detalles” (Details). El ODD está compuesta por una lista de chequeo, con siete elementos fundamentales, con las cuales cubre todas las características posibles dentro de un modelo, con el fin de otorgar claridad sobre el proceso de abstracción de la realidad, los antecedentes teóricos y supuestos que fueron considerados en dicho proceso (Grimm et al., 2006, 2010).
Los siete elementos propuestos por Grimm et al. (2006) y que son revisados en la actualización del protocolo en Grimm et al. (2010), se encuentran distribuidos dentro de los tres conceptos fundamentales del protocolo: La visión general agrupa el propósito, variables de estado y escala y visión general de los procesos y programación; el concepto de diseño solo está compuesto por el mismo y finalmente los detalles están agregados en los elementos de inicialización, entradas y submodelos. Los elementos son los descritos a continuación (Véase Tabla 20):
Tabla 20: Estructura protocolo ODD
Visión general
Propósito
Variables de estado y escala
Resumen del proceso de programación Concepto de diseño Concepto de diseño
Detalles
Inicialización Entrada Submodelos
Fuente: Tomado de Grimm et al. (2006)
(1) Propósito: Va a informar por qué se necesita desarrollar el modelo complejo para la comprensión del problema en particular y en términos generales indica que se pretende realizar con el modelo. La importancia de exponer explícitamente el propósito radica en que algunas veces el modelador omite ciertos aspectos que son fundamentales para la comprensión del modelo; se debe considerar como un generador de expectativas, el cual es definido de forma clara pero concisa, de lo que se va a encontrar el lector dentro de la descripción del modelo (Grimm et al., 2006).
(2) Variables de estado y de escala: Las primeras variables se refiriere a las que identifican a los individuos y el hábitat en el cual se desenvuelven. Algunos ejemplos de las variables de estado de los individuos son la edad, el sexo, el rango social, ubicación y padres; para el caso del hábitat, algunos ejemplos serían la ubicación, el tipo suelo y porcentaje de cobertura (Grimm et al., 2006).
Las variables de estado difieren de las variables agregadas, las segundas pueden ser deducidas de las primeras. Algunos ejemplos de las variables agregadas son: el tamaño de la población (para el caso de los individuos) o la densidad promedio de los alimentos (para el caso del hábitat). En otras palabras, las variables de estado no pueden ser deducidas de otras variables, dado que son propiedades básicas de los agentes del modelo (Grimm et al., 2006).
Por otro lado, están las variables de escala, algunos ejemplos de estas son: la duración de tiempo y su relación con los pasos y el tamaño de las celdas del mundo en relación al mundo real (Grimm et al., 2006).
(3) Resumen del proceso y programación: Consisten en la descripción verbal y conceptual de cada proceso y sus efectos. En cuanto a la programación Grimm et al., (2006) (p. 118) sugiere que es necesario dar respuesta a las siguientes preguntas: ¿Cómo se modela el tiempo en el modelo basado en agentes, utilizando pasos de tiempo discretos, tiempo continuo o ambos? ¿Se utiliza la programación dinámica para eventos que suceden rápidamente en comparación con el paso del tiempo del modelo y dependen en gran medida del orden de ejecución? ¿Qué procesos de modelo o eventos se agrupan en acciones que se ejecutan juntas? ¿Estas acciones producen actualizaciones síncronas o asíncronas de las variables de estado? ¿Cómo se ejecutan en el modelo las acciones que ocurren de manera concurrente en la naturaleza? ¿Qué acciones se realizan en un horario fijo y en qué orden? ¿Algunas acciones se ejecutan en orden aleatorio? ¿Cuál es la base de estas decisiones de programación?
(4) Conceptos de diseño: Es la pretensión de entregar un marco común para la comprensión y comunicación de los modelos basados en agentes. Consiste en una lista de verificación de características asociadas a los modelos, donde no necesariamente todas deben ser incluidas, estas deben ser elegidas teniendo en cuenta las necesidades de abstracción de la realidad. Grimm et al. (2006 p. 118) plantea unas preguntas a partir de cada característica.
a. Emergencia: ¿Qué fenómenos a nivel de sistema realmente emergen de rasgos individuales, y qué fenómenos se imponen simplemente?
b. Adaptación: ¿Qué rasgos adaptativos tienen los individuos del modelo que directa o indirectamente pueden mejorar su condición física potencial, en respuesta a los cambios en sí mismos o en su entorno?
c. Fitness: ¿Se modela explícita o implícitamente la búsqueda de fitness? Si explícitamente, ¿cómo calculan los individuos la aptitud física? (es decir, ¿cuál es su medida de aptitud física?). En los modelos basados en agentes que no abordan los animales o las plantas, en lugar de la aptitud física, se deben considerar otros "objetivos" de los agentes (por ejemplo, ingresos económicos o control de la contaminación).
d. Predicción: Al estimar las consecuencias futuras de sus decisiones, ¿cómo predicen los individuos las condiciones futuras que experimentarán? e. Detección: ¿Qué variables de estado interno y ambiental se supone que los
individuos perciben o “saben” y consideran en sus decisiones de adaptación?
f. Interacción: ¿Qué tipo de interacciones entre individuos se asumen? g. Estocasticidad: ¿Es la estocasticidad parte del modelo? ¿Cuáles son las
razones?
h. Colectivos: ¿Se agrupan los individuos en algún tipo de colectivo? por ejemplo, un grupo social.
i. Observación: ¿Cómo se recopilan los datos del modelo basado en agentes
para probarlos, comprenderlos y analizarlos?
(5) Inicialización: Va a responder a las condiciones iniciales del mundo ante cada simulación, además se debe indicar si estas condiciones de inicio son constantes o variables. Por otro lado, si fueron elegidos de manera arbitraria o fueron tomados de algún dato. Esto ayuda al proceso de réplica del modelo (Grimm et al., 2006). (6) Entrada: Corresponden a cambios ambientales introducidos dentro del modelo, a
manera de variables de estado, los cuales pueden tener incidencia sobre los agentes. Estas incidencias se expresan en las salidas del modelo (Grimm et al., 2006).
(7) Submodelos: Aquí se deja explicito (2), profundizando y detallando los subprocesos presentados de manera precisa. Para cumplir este punto Grimm et al., (2006) sugiere que se deben realizar dos versiones de la descripción del
modelo; la primera va a estar asociada a la base matemática que tiene el modelo y la exposición de parámetros y dimensiones. Por otro lado, la segunda descripción se relaciona con la primera descripción, pero incluyendo una descripción verbal, con el fin de otorgar más detalle.
2.4.2.2.1.1. Protocolo ODD+D
Es claro que el protocolo ODD, descrito en la sección anterior, fue generado en un contexto aplicado a modelos basado en agentes en ecología (Grimm et al., 2006) y con un intento de ampliar a otras áreas de conocimiento con la revisión realizada en el protocolo por Grimm et al. (2010). A partir de esta situación, Müller et al. (2013), propone el protocolo ODD+D, con el fin de incorporar las decisiones humanas dentro de la estandarización del proceso de planteamiento de modelos basados en agentes. Los autores, justifican el hecho de la extensión del protocolo original a partir de dos argumentos planeados: el primero corresponde a que el razonamiento asociado a las decisiones dentro de los modelos generalmente no está pertinentemente documentado y el segundo atañe a que recurrentemente no se describe el modelo de forma clara y completa, obstruyendo la posibilidad de comunicación, de comprensión y replica de los modelos planteados.
Particularmente para las decisiones humanas, se advierte que el protocolo ODD no muestra una respuesta óptima, algo que se busca superar la extensión ODD+D; en primer lugar, dentro del protocolo ODD no se discute de forma contundente los elementos básicos de la toma de decisiones, tales “como los algoritmos de decisión, la formación de expectativas, la temporalidad característica de la toma de decisiones y valores culturales, entre otros” (Müller et al., 2013, p. 38). En segundo lugar, no hay énfasis sobre la base teórica y empírica para los modelos de decisión elegidos. Finalmente, en tercer lugar, no se otorga una estructura satisfactoria para describir la decisión humana en la sección de “Conceptos de diseño” dentro del protocolo ODD (Müller et al., 2013).
Puntualmente los cambios estructurales propuestos por los autores dentro de la extensión ODD+D están enfocados en principalmente en el bloque de “concepto de diseño”, con el fin de garantizar la estructura básica del protocolo ODD (Müller et al., 2013, p. 40) (Véase Figura 10).
Figura 10: Estructura protocolo ODD+D
Fuente: Tomado de Müller et al. (2013)
El concepto de diseño "Principios básicos" se cambió de nombre a "Antecedentes teóricos y empíricos" y se amplió para enfatizar la importancia de la información con respecto a las fuentes de los supuestos y datos utilizados en un modelo. El concepto de diseño ODD "Objetivos" se fusionó con el nuevo concepto de diseño "Toma de decisiones individual", que resume los antecedentes conceptuales del modelo de decisión. Se elimina "Adaptación" como concepto de diseño separado porque se ve la adaptación como parte de "Toma de decisiones individuales". La "detección" y la "predicción" se ampliaron, y su orden se invirtió para reflejar las características y el calendario de la toma de decisiones humanas. Por la misma razón, se expandió la “interacción”. Se introdujo un nuevo concepto de diseño, "Heterogeneidad", ya que es una propiedad que a menudo distingue los Modelos Basados en Agentes de otros modelos y, por lo tanto, puede proporcionar información importante sobre sus características. A pesar de su importancia indiscutible para el modelo basado en agentes, el concepto de diseño "Emergencia" se trasladó a "Observación" para reducir el riesgo de que los usuarios pudieran confundirlo con una característica que se construiría en lugar de un resultado de la interacción de las entidades modelo. Al incluir “Emergencia” en “Observación”, se pueden distinguir claramente las formas de estocasticidad que se incluyeron en el modelo y los patrones que emergen en los resultados del modelo (Müller et al., 2013).