Modelamiento y Simulación de Interacciones Estudiantiles que Intervienen en la Violencia Emergente Dentro del Aula de Clase

Texto completo

(1)__________________________________________________________________. MODELAMIENTO Y SIMULACIÓN DE INTERACCIONES ESTUDIANTILES QUE INTERVIENEN EN LA VIOLENCIA EMERGENTE DENTRO DEL AULA DE CLASE ________________________________________________________. JOSÉ FERNANDO PÁEZ CARVAJAL. UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS PROYECTO CURRICULAR INGENIERÍA DE SISTEMAS GRUPO DE COMPLEJIDAD-COMPLEXUD BOGOTÁ, COLOMBIA 2017. 1.

(2) __________________________________________________________________. MODELAMIENTO Y SIMULACIÓN DE INTERACCIONES ESTUDIANTILES QUE INTERVIENEN EN LA VIOLENCIA EMERGENTE DENTRO DEL AULA DE CLASE ________________________________________________________. AUTOR: JOSÉ FERNANDO PÁEZ CARVAJAL. Trabajo de grado de Investigación-Innovación presentado como requisito para optar por el título de Ingeniero de Sistemas.. DIRECTOR: PhD DEICY ALVARADO. UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS PROYECTO CURRICULAR INGENIERÍA DE SISTEMAS GRUPO DE COMPLEJIDAD-COMPLEXUD BOGOTÁ, COLOMBIA SEPTIEMBRE 2017. 2.

(3) Dedicatoria Con amor a mis padres, Pedro José Páez Bravo y Emperatriz Carvajal Parra quienes desde siempre han perseverado en amarme, sostenerme y brindarme todo el soporte para ser el hombre que soy.. 3.

(4) Agradecimientos Jesús, Rey de paz, ha sido mi motor y ánimo en toda la realización de este trabajo, me ha motivado a hacer algo en beneficio de la sociedad dándome todas las ideas y fuerzas para empezar, continuar y terminar este proyecto, a Él le estoy eternamente agradecido. Agradezco enormemente a mi directora de proyecto de grado Deicy Alvarado Ingeniera de Sistemas y PhD en Ciencias de la computación e Inteligencia Artificial, por su disposición, apoyo sincero y permanente desde el principio; orientando, corrigiendo y enfocando mis ideas en pro de un trabajo excelente y fructífero. Para mí siempre será de los mejores profesores con los que he tenido el placer de aprender, no solo por su gran conocimiento y didáctica, sino por la calidad de persona que es. Al Grupo de Complejidad de la Universidad Distrital con todos sus profesores, tutores y seminaristas, les agradezco por proveer el entorno adecuado para la germinación de ideas trascendentes a través de sus tutorías y seminarios que desde un inicio inspiraron la formación de este proyecto inter-disciplinar a partir la maravillosa perspectiva de los Sistemas Complejos. Agradezco a mi Academia, la Universidad Distrital Francisco José de Caldas por toda mi formación en Ingeniería de Sistemas y por patrocinar la realización de este proyecto de grado, doy mérito a todos los profesores y compañeros que con sus lecciones y conversaciones aportaron a mi conocimiento Sistémico y me motivaron a emprender la realización de este proyecto bajo la modalidad de Investigación-Innovación; también reconozco a la Pontificia Universidad Javeriana que por medio de su convenio con la Universidad Distrital me permitió el acceso a sus instalaciones y materiales bibliográficos sin los cuales hubiera sido muy difícil proseguir con mi investigación; así mismo agradezco a Paula Andrea Carrillo Granados estudiante de Ingeniería Industrial de esa universidad quien cariñosamente me facilitó material bibliográfico oportuno. Con afecto resalto los aportes de Laura Alejandra Gómez Mojica estudiante de Licenciatura en Ciencias Sociales de la Universidad Pedagógica Nacional de Colombia quien fue la primer persona que dedicó tiempo en escuchar mis propuestas iniciales y por supuesto me condujo a hablar con su profesor Óscar Iván Lombana Licenciado en Ciencias Sociales y Magister en Estudios Sociales con quién tuve una conversación que aterrizó mis ideas hacia el planteamiento del modelo enfocado a variables socio-ambientales con la perspectiva conductista.. 4.

(5) También reconozco con agrado el apoyo de Lorena Atehortua Rosas estudiante de Psicología de la Universidad Católica de Colombia y Lina María Tello Grisales Estudiante de Psicología de la Fundación Universitaria Konrad Lorenz quienes, con su actitud de servicio, disposición de tiempo y su formación me ayudaron a resolver dudas en torno al conocimiento del comportamiento humano y me señalaron autores e ideas para consultar. A todos aquellos amigos y familiares que me dieron ánimo con sus palabras y oraciones, no sobra decirles que tales actos son realmente muy significativos para mí.. 5.

(6) CONTENIDO pág. Dedicatoria ............................................................................................... 3 Agradecimientos ....................................................................................... 4 CONTENIDO ............................................................................................ 6 LISTA DE CUADROS .............................................................................. 10 LISTA DE TABLAS.................................................................................. 11 LISTA DE FIGURAS................................................................................ 12 INTRODUCCIÓN .................................................................................... 14 1. OBJETIVOS........................................................................................ 15 1.1 OBJETIVO GENERAL .................................................................... 15 1.2 OBJETIVOS ESPECÍFICOS ........................................................... 15 2. MARCO TEÓRICO .............................................................................. 16 2.1 INGENIERÍA DE LOS SISTEMAS COMPLEJOS .............................. 17 2.1.1 Qué es un sistema complejo...................................................... 17 2.1.1.1 Características de los sistemas complejos ............................ 18 Procesamiento de información macro-micro ................................. 18 Control descentralizado ............................................................... 19 Emergencia ................................................................................ 19 Adaptación y auto-organización ............................................... 20 2.1.1.2 Teoría de caos.................................................................... 21 2.1.2 Modelamiento y simulación de sistemas complejos .................... 21 2.1.2.1 Propósito del modelamiento y la simulación de sistemas complejos. ..................................................................................... 22 2.1.2.2 Modelamiento y simulación de sistemas sociales .................. 26 Modelos basados en agentes ...................................................... 27 Propiedades de entornos.......................................................... 28 Diseño de agentes artificiales. .................................................. 29 Agente reactivo simple .......................................................... 30 Agente reactivo basado en modelos....................................... 31 Agentes basados en objetivos ............................................... 32. 6.

(7) Tipos de modelos multiagente según su nivel de validación ........ 33 Antecedentes de simulaciones sociales..................................... 34 2.1.2.3 Herramientas de modelamiento y simulación multiagente ..... 34 2.1.2.4 Lenguaje Unificado De Modelado (UML) .............................. 36 Diagrama de clases .................................................................... 37 Diagrama de interacción .............................................................. 38 Diagrama de actividades ............................................................. 39 2.1.3 Metodología de simulación social .............................................. 41 2.1.3.1 Formular pregunta fundamental e ideas iniciales. ................. 42 2.1.3.2 Relacionar ideas con teoría. ................................................ 42 2.1.3.3 Construir teóricamente el modelo formal. .............................. 42 2.1.3.4 Formalizar modelo. ............................................................. 43 Principio de simplicidad ............................................................... 43 2.1.3.5 Codificar y documentar modelo informático........................... 43 2.1.3.6 Verificar calidad interna del modelo de simulación................. 43 2.1.3.7 Analizar simulación y validar calidad externa del modelo ....... 44 Publicar los resultados del modelo .................................................. 45 2.2 TEORÍAS DE COMPORTAMIENTO HUMANO INDIVIDUAL ............. 45 2.2.1 Motivaciones ............................................................................ 45 2.2.2 Teoría de intercambio social ...................................................... 46 2.2.3 Características de la violencia escolar........................................ 46 2.2.3.1 Involucrados en la violencia escolar ..................................... 47 2.2.3.2 Tipos de agresión ............................................................... 48 2.2.3.3 Contextos en que se presenta la violencia en la escuela ....... 49 2.2.3.4 Teorías explicativas de la agresión humana.......................... 50 Teorías biológicas, frustración-agresión y modernas ..................... 50 Teoría del aprendizaje observacional ........................................... 50 Enfoque ecológico sistémico........................................................ 52 2.2.3.5 Intervención........................................................................ 54 2.2.4 Características de la afiliación ................................................... 54 2.2.4.1 Necesidad de afiliación........................................................ 55. 7.

(8) 2.2.4.2 Atracción física ................................................................... 55 2.2.4.3 Proximidad ......................................................................... 56 2.2.4.4 Similitud ............................................................................. 56 2.2.4.5 Reciprocidad ...................................................................... 57 2.3 TEORÍAS DE COMPORTAMIENTO SOCIAL HUMANO ................... 57 2.3.1 Identidad y estructura de grupo ................................................. 57 2.3.2 Cohesión social ........................................................................ 58 2.3.3 Conformidad y presión de grupo ................................................ 58 2.3.3.1 Polarización........................................................................ 59 2.3.3.2 Teoría de la norma emergente ............................................. 59 3. ESTADO DEL ARTE ........................................................................... 61 4. FORMALIZACIÓN DEL MODELO ........................................................ 64 4.1 ESTRUCTURA DEL AGENTE ARTIFICIAL ...................................... 64 4.1.1 Representación del entorno de interacción ................................. 65 4.1.2 Mecanismos de memorización, actualización, decisión por objetivos según el entorno. .............................................................................. 66 4.1.3 Elección de reglas de interacción ............................................... 67 4.1.4 Implementación del aprendizaje social en la estructura del agente ........................................................................................................ 69 4.2 DEFINICIÓN FORMAL DE ACCIONES Y VARIABLES RELEVANTES EN LA VIOLENCIA ESCOLAR. ............................................................. 70 4.2.1 Representación del entorno actual del agente. ........................... 71 4.2.2 Representación de objetivos y planes del agente. ....................... 71 4.2.3 Representación de la acción maltratar o agredir ......................... 72 4.2.3.1 Características percibidas que permiten una agresión ........... 72 4.2.3.2 Motivaciones o variables internas que determinan una agresión ..................................................................................................... 73 4.2.3.3 Información de maltratos almacenados en memoria a largo plazo. ............................................................................................ 74 4.2.3.4 Diagramas UML para la agresión de los agentes. ................. 74 4.2.4 Representación de la acción afiliar............................................. 79 4.2.4.1 Características percibidas que impulsan una afiliación. ......... 79. 8.

(9) 4.2.4.2 Motivaciones o variables internas que determinan una afiliación. ..................................................................................................... 80 4.2.4.3 Diagramas UML completos con acción de agresión y afiliación ..................................................................................................... 80 5. CARÁCTERÍSTICAS OBSERVADAS EN LAS SIMULACIÓNES ............ 88 5.1 ASIGNACIÓN DE VALORES INICIALES DE LAS SIMULACIONES A OBSERVAR......................................................................................... 88 5.2 CARACTERÍSTICAS EMERGENTES OBSERVADAS ...................... 90 5.2.1 Frecuencia ............................................................................... 90 5.2.2 Acciones en grupo hacia un mismo individuo. ............................. 91 5.2.3 Formación, estructura y cohesión de grupo. ............................... 92 5.2.4 Conformidad y presión de grupo. ............................................... 94 5.2.4.1 Polarización........................................................................ 96 5.3 RELACIÓN DE FACTORES ............................................................ 98 5.3.1 Condiciones iniciales vs evolución de la simulación .................... 98 5.3.2 Poder vs número de agresiones ................................................ 99 5.3.3 Variables sociales vs número de agresiones .............................. 99 6. VALIDACIÓN DE CALIDAD EXTERNA DEL MODELO ........................ 102 6.1 VALIDACIÓN EMPÍRICA DEL MODELO CON ANALISIS DE SENSIBILIDAD A DISTRIBUCIONES INICIALES DE AGRESIVIDAD ... 103 6.1.1 Análisis de resultados de las pruebas ...................................... 106 6.1.2 Análisis de simulaciones particulares. ...................................... 108 7. CONCLUSIONES .............................................................................. 112 TRABAJO FUTURO .............................................................................. 114 BIBLIOGRAFÍA ..................................................................................... 115. 9.

(10) LISTA DE CUADROS Cuadro 1. Herramientas de Modelado Multi-agente ................................... 35 Cuadro 2. Porcentaje de agentes según clima escolar vs funcionalidad familiar ............................................................................................................ 104 Cuadro 3. Niveles de intimidación por número máximo de maltratos memorizados ........................................................................................ 105 Cuadro 4. Porcentaje de estudiantes en los diferentes niveles de intimidación según su percepción del clima escolar.................................................... 105. 10.

(11) LISTA DE TABLAS Tabla 1. Tabla 2. Tabla 3. Tabla 4. Tabla 5.. Tipos de Modelos ....................................................................... 23 Modalidades de simulación social ............................................... 27 Tipos de entornos ...................................................................... 29 Tipos de Agresión ...................................................................... 49 Distribución de Valores por variables ........................................... 88. 11.

(12) LISTA DE FIGURAS Figura 1. Proceso de modelado................................................................ 25 Figura 2. Diseño de Agente simple ........................................................... 30 Figura 3. Agente reactivo simple .............................................................. 31 Figura 4. Agente reactivo simple. ............................................................. 32 Figura 5. Agentes Basados en Objetivos .................................................. 33 Figura 6. Diagrama de clases ejemplo ...................................................... 38 Figura 7. Diagrama de interacción ejemplo ............................................... 39 Figura 8. Diagrama de actividades ejemplo ............................................... 41 Figura 9. Pirámide de Necesidades .......................................................... 46 Figura 10. Modelo Ecológico-Sistémico del maltrato entre iguales .............. 53 Figura 11. Percepciones y acciones básicas. ............................................ 65 Figura 12. Estructura del agente con objetivos y modelo del mundo ........... 67 Figura 13. Estructura del Agente con Motivaciones.................................... 70 Figura 14. Diagrama de Clase Con Acción Maltratar.................................. 75 Figura 15. Diagrama de Actividades de cada agente teniendo en cuenta solo la acción maltratar ................................................................................... 76 Figura 16. Diagrama de Actividades de Maltrato a Agente Objetivo ............ 77 Figura 17. Diagrama de Interacción de la secuencia maltrato .................... 78 Figura 18. Diagrama de Clase completo del Agente .................................. 81 Figura 19. Diagrama de Actividad Completo del agente ............................. 83 Figura 20.Diagrama de la actividad Aprobación / Desaprobación de maltrato .............................................................................................................. 85 Figura 21. Diagrama de Actividad Congeniar ............................................ 86 Figura 22.Diagrama de Interacción del proceso congeniar ......................... 87 Figura 23. Ejemplo de Frecuencia de agresiones ...................................... 91 Figura 24. Ejemplo de estructura de grupos compleja. ............................... 93 Figura 25. Conformidad en Grupos de agentes. ........................................ 95 Figura 26. Conformidad en el tiempo, evolución de la tendencia-agresiva. .. 96 Figura 27. Distribución de agresividad inicialmente, y después de 660 iteraciones .............................................................................................. 97 Figura 28. Polarización hacia la pasividad................................................. 97 Figura 29. Poder vs maltratos .................................................................. 99 Figura 30. Número de amigos vs maltratos ............................................. 100 Figura 31. Simpatía vs maltratos ............................................................ 100 Figura 32. Necesidad de afiliación vs número de maltratos ...................... 101 Figura 33. Porcentaje de estudiantes en los diferentes niveles de intimidación según la percepción del clima escolar favorable y desfavorable ............... 106 Figura 34. Porcentaje promedio de agentes en los niveles Intimidación Escolar ............................................................................................................ 107. 12.

(13) Figura 35. Gráficas de número de maltratos, evolución de tendencia promedio, distribución de agresividad y distribución de intimidación para un caso del clima escolar favorable ................................................................................... 109 Figura 36. Gráficas de número de maltratos, evolución de tendencia promedio, distribución de agresividad y distribución de intimidación para un caso del clima escolar favorable ................................................................................... 110. 13.

(14) INTRODUCCIÓN En el presente documento se describe el proceso de construcción de un modelo de simulación basado en agentes artificiales que evidencia características emergentes de la violencia escolar, analizando los resultados de las simulaciones desde el paradigma de las ciencias de la complejidad para contribuir en la comprensión sistemática del fenómeno. La violencia escolar es una problemática evidente y preocupante a nivel nacional y mundial, teniendo en cuenta que un profesor posee poco control para atender la convivencia de grupos numerosos como por lo general ocurre en Colombia. Por esta causa este proyecto se enfoca en el planteamiento y análisis de escenarios donde solo interactúan agentes pares que no son observados o controlados por ningún tipo de autoridad impuesta, tal como sucede en la mayoría de ocurrencias de agresiones en la escuela. Por lo anterior, este proyecto se formuló con la intención de aportar en la comprensión holística de tal fenómeno. Aunque ya se ha investigado al respecto para describir sus características o proponer métodos de intervención, la implementación de aquel conocimiento en las aulas reales es problemática ya que no se comprende exhaustivamente las fuerzas que la generan desde la interacción de los estudiantes y el sistema de relaciones del grupo (Furlan, 2012; Salgado, 2012; Ramirez & Arcila, 2013); por lo tanto en el proyecto se usa el modelamiento y simulación desde la perspectiva de la Ingeniería de los sistemas complejos para estudiar las propiedades emergentes de las influencias individuales provenientes del comportamiento entre escolares. También se busca abrir la posibilidad de experimentaciones informáticas de grupos sociales artificiales en torno a la violencia escolar, permitiendo ver resultados globales de situaciones o intervenciones hipotéticas que no se podrían probar en la vida real debido a problemas éticos.. 14.

(15) 1. OBJETIVOS 1.1 OBJETIVO GENERAL Modelar y simular las interacciones de los estudiantes en el aula con el fin de evidenciar la relación entre la violencia emergente con las interacciones locales de agentes que representan a los escolares. 1.2 OBJETIVOS ESPECÍFICOS 1. Construir un modelo multi-agente a partir de las teorías explicativas acerca de la agresión y la interacción de individuos en grupos humanos estudiantiles. 2. Realizar la simulación por medio de la aplicación del modelo multiagente de agresión. 3. Validar el modelo simulado por medio de análisis de sensibilidad, de acuerdo con las teorías tomadas como base.. 15.

(16) 2. MARCO TEÓRICO Debido a la naturaleza del proyecto interdisciplinar, será necesario abordar teorías que expongan tanto el conocimiento social y psicológico humano como la ciencia ingenieril relevante para la construcción de un modelo abstracto en forma de software. En primer lugar, en el campo ingenieril, se resumirá el conocimiento relevante alrededor del estudio de sistemas complejos, así como el modelamiento de sociedades basado en agentes artificiales. Valdrá aclarar qué significa un agente artificial en términos conceptuales e informáticos, y por qué este tipo de modelamiento es considerado el más adecuado para estudiar sistemas complejos como la sociedad humana. También se esclarecen conceptos usados en toda la redacción del documento gracias a la sección de sistemas complejos, definiendo la emergencia y otras características fundamentales de estos, proveyendo así un marco explicativo básico para la consistencia del proyecto. En segundo lugar, se sintetizarán todas aquellas comportamiento humano en torno a la violencia y socio-ambientales que la causan. Ciertamente descripciones de la conducta individual y social del social.. teorías que explican el todos aquellos factores se pueden encontrar hombre en la psicología. Se tiene en cuenta que la psicología no es un campo de descripciones exactas y absolutas; a pesar de eso provee un marco explicativo general de la raza humana desglosando investigaciones científicas que a lo largo de la historia se han hecho para entender la naturaleza de sus acciones e interacciones. En todo caso resulta útil siempre y cuando se acepte que no todas las teorías pueden aplicarse para todos los casos en particular, sino a la población promedio, debido a que el hombre es un ser complejo y su comportamiento no ha sido explicado completa y exhaustivamente. Sumado a eso, la parte de psicología social resulta útil para analizar las observaciones de la sociedad humana y las características del comportamiento global de ellos, indudablemente el análisis de los comportamientos emergentes de los sistemas complejos ha sido tratado en la sociología y la ciencia social, apreciando y estudiando patrones corroboran las observaciones obtenidas en las simulaciones virtuales que resultan del modelo construido.. 16.

(17) 2.1 INGENIERÍA DE LOS SISTEMAS COMPLEJOS La perspectiva de la complejidad permite entender las dinámicas que ocurren dentro del salón de clase debido a que, como Quezada (2010) menciona, las personas de un grupo como el aula, presentan gran diversidad, interactúan y se influyen mutuamente. Precisamente, Maldonado (2009) comenta que la ingeniería no convencional, de métodos indirectos, la cual también está basada en la simulación, permite acercarse a comprender sistemas y fenómenos que se caracterizan por evolucionar, ser adaptativos, contener emergencias, exhibir propiedades de complejidad creciente, incertidumbre e impredecibilidad, tales como los sistemas vivos o las redes sociales. Por lo cual, no es suficiente tratar fenómenos sociales como la violencia escolar con la ingeniería convencional; se necesita el paradigma de la complejidad que permite tratar holísticamente el sistema del aula de clase, y puede concebir a la comunidad estudiantil, reflejo de la sociedad, como un sistema que exhibe vida y que necesita ser comprendido. La ingeniería de sistemas complejos en términos prácticos utiliza el conocimiento proveído por las ciencias de la complejidad. Pues Maldonado (2009) y Maldonado y Gómez (2010), dicen que esta se interesa en analizar todo aquello donde ocurre: inestabilidad, imprecisiones, incertidumbre, no linealidad y emergencias, que por lo general es evitado por la ciencia clásica, pero que sin embargo puede inspirar creaciones útiles y trascender lo que hasta ahora ha logrado el ser humano. Por lo tanto, esta sección comprende el conocimiento general de los sistemas complejos, describiendo sus características generales. 2.1.1 Qué es un sistema complejo En contraste con el reduccionismo, que explica los sistemas a partir de los elementos que lo componen; el holismo acepta la complejidad del mundo, entendiendo que el todo puede ser mayor que la suma de sus partes. Mitchell (2009) comenta que muchas estructuras de la naturaleza tales como el cerebro humano, las colonias de insectos, el sistema inmune de los seres vivos, la economía global o las mismas células son sistemas complejos donde existen muchas variables que determinan su comportamiento, pues están compuestos de grandes cantidades de elementos interrelacionados. Estos sistemas complejos son imposibles de comprender solamente a partir de observaciones reduccionistas, no pueden ser explicados con la sola descripción de los elementos que lo forman con la clásica técnica “divide y vencerás”. Es necesario analizarlas holísticamente entendiendo 17.

(18) características que surgen como producto del intercambio mutuo de organización o información de los elementos, el cual depende de comportamientos colectivos y por ello suele ser variado y de tipo no-lineal. 2.1.1.1 Características de los sistemas complejos Más que existir un consenso general acerca de qué es un sistema complejo, se admite que estos exhiben una serie características como las que se presentan en este apartado, las cuales como dice Moriello (2013) son generadas principalmente por la multiplicidad de las interacciones, donde cada elemento aunque sea con un limitado número de vecinos, forma una estructura de conexiones masiva irregular a nivel global. Tal como en una célula, un ser vivo, o una sociedad de personas. Procesamiento de información macro-micro Los elementos intercambian información localmente, produciendo flujos complejos de información. Mitchell (2009) menciona que este sofisticado procesamiento permite comportamientos como la adaptación o la autoorganización en los sistemas complejos, que como dice Moriello (2013), se consideran como procesos en continuo desarrollo más que como estructuras ya terminadas, ya que aumentan su complejidad y al mismo tiempo mantienen un equilibrio dentro de los límites provistos por su propia regulación compleja, con cambios que desde un nivel local pueden reorganizar el estado global del sistema de manera imprevisible e incluso irreversible, debido a la acumulación de muchas graduaciones continuas que desde el nivel micro parecen insignificantes. Por lo anterior, puede decirse que, si los grupos escolares son vistos como sistemas complejos, las interacciones de los elementos que lo conforman, es decir los estudiantes, pueden en conjunto formar comportamientos en todo el colectivo que evolucionan y se reorganizan de forma compleja. Añadido a lo anterior, Moriello (2013) muestra que la relación de influencia suele ser recíproca y simultanea entre los niveles macro donde se observan las características emergentes y los niveles micro donde existen las interacciones de los elementos; exhibiendo no linealidad por la retroalimentación de dependencia “hacia arriba” de micro a macro con la típica emergencia proveniente de las interacciones, y la relación “hacia abajo” de macro a micro, cuando el sistema regula todos sus elementos para mantener su coherencia global. Gracias al anterior concepto de influencia global y local se pueden observar los comportamientos de grupos de amigos, como procedentes de la actuación que cada individuo expresa dentro del conjunto,. 18.

(19) y que la forma de actuar de cada miembro es reflejo de la conducta que él percibe de todo el colectivo. Control descentralizado Mitchell (2009) también muestra que en sistemas complejos surgen comportamientos colectivos sin ningún control central, como las células del sistema inmune cuando se distribuyen por el cuerpo para combatir amenazas externas, o cuando una colonia de hormigas trabaja sin líder como un solo súper-organismo, creando elaboradas estructuras que incrementan la posibilidad de supervivencia de toda la comunidad. Por ejemplo, como muestra Moriello (2013), la densidad de la colonia es regulada de forma colectiva por la emergencia de organización relacionada con ella, ya que el comportamiento caótico puede transformarse súbitamente a orden cuando la densidad de la población permite la propagación de los comportamiento individuales hacia los patrones globales no predecibles, todo sin necesidad de dirección central. En el caso de los grupos escolares, también puede existir un control colectivo que regule y dirija los comportamientos promedio, tal como la conformidad o la normalización (...mencionadas en la sección 2.3.3…), de forma que cierto tipo de actitudes de los individuos son ignoradas y cambiadas por un control global emergente. Emergencia Aunque no hay una definición única de emergencia, para este proyecto se toma su concepto alrededor de los sistemas complejos adaptativos usado para modelos basados en agentes. Rodríguez y Roggero (2015) muestran que en tal contexto la emergencia hace alusión a comportamientos globales que surgen en sistemas complejos, patrones observados a niveles macro que se caracterizan por ser impredecibles, caóticos y sorprendentes en relación a las propiedades de los elementos considerados aisladamente, en sistemas que inclusive podrían componerse de relaciones locales sencillas, y que sin embargo, a causa de la multiplicidad organizada muestra fenómenos difíciles de predecir. Como Mitchell (2009) dice, un ejemplo de emergencia es la inteligencia, la cual surge del trabajo conjunto de una enorme cantidad de neuronas. Así mismo, acerca de la emergencia dentro de sistemas sociales complejos como las simuladas en modelos basados en agentes que representan sociedades, Rodríguez y Roggero (2015) muestran que surge principalmente de las interacciones de los elementos dentro de él. Que en el caso de este proyecto consiste en formas de relación entre varios y diversos individuos como los compañeros de estudio. Se pueden encontrar patrones globales. 19.

(20) complejos si existen interdependencias de los agentes relacionados; de modo que solo se necesitan reglas sencillas y comprensibles que restrinjan las interacciones para que puedan surgir fenómenos colectivos con características impredecibles, fluctuantes y no lineales. De esta manera la complejidad surge de las interacciones, siendo la emergencia como también afirma Moriello (2013) impredecibilidad e innovación en el ambiente global donde patrones y conductas dinámicas genéricas como la auto-organización y procesos colectivos se pueden identificar, y al mismo tiempo relacionar de forma inexplicable como provenientes de la construcción de complejidad por las múltiples interacciones locales o procesos de nivel micro. Adaptación y auto-organización Mitchell (2009) evidencia que en los sistemas complejos cambios individuales y locales permiten procesos de selección natural que transforman todo el sistema, provocando aprendizaje emergente debido a la interacción de agentes con el entorno; por ejemplo, una especie de animales sobrevive en un ambiente hostil gracias a la prevalencia de los organismos mejor dispuestos al entorno. Dicho lo anterior, en los grupos sociales, por ejemplo, puede evidenciarse cambios constantes tanto en los miembros como en su entorno social, haciendo que todo el colectivo evolucione hacia una forma de ser distinguible. Como lo explica Moriello (2013), en el proceso de desarrollo de cualquier sistema complejo es necesaria la adaptación para que el sistema sobreviva con su propia identidad, produciéndose cambios a partir de constantes reorganizaciones. Moriello (2013) también menciona que crecimiento de la complejidad se mantiene en la delgada línea del orden al borde del caos, donde pequeñas dosis de desorden en el sistema permiten convertirlo en una estructura más ricamente organizada; por ejemplo, a pesar de cambios consecutivos de sus miembros, un grupo social puede mantenerse estructurado. Moriello (2013) muestra que gracias a las interacciones internas y externas hacia los distintos niveles macro, surge el orden global en el sistema, adaptándolo al entorno donde se desenvuelve, para ello se vale de la retroalimentación macro a micro, donde las informaciones de reorganización se transmiten a todo el sistema, propagándose desde cambios locales con la interacción limitada de los elementos con sus vecinos hasta que todos llegan a la estabilidad global respetando el orden gracias a una retroalimentación negativa; en aquel punto, el sistema llega a un equilibrio estable.. 20.

(21) Lo anterior puede observarse en grupos sociales donde la interacción de unos con otros, en una red compleja de relaciones, puede generar uniformidad de comportamiento en todo el grupo, como se observa en las simulaciones de este proyecto. De esta manera, el comportamiento colectivo se adapta de manera no lineal dependiendo de los diferentes cambios que ocurren a nivel individual, y así mismo las interacciones varían por la reestructuración colectiva. Como también menciona Moriello (2013), Aunque la autoorganización global es permanente, además suele ser paulatina, con el fin de mantener la esencia del sistema en el entorno cambiante. Los estados de los elementos y las interacciones fluctúan reforzándose o eliminándose dependiendo el caso. 2.1.1.2 Teoría de caos El deseo de predecir o prever configuraciones específicas de la mayoría de los sistemas resulta prácticamente imposible debido a su extrema sensibilidad a los estados iniciales, como dice Moriello (2013), dos estados iniciales casi idénticos pueden resultar en comportamientos totalmente diferentes, aunque se trate de interacciones deterministas donde lo inicial sigue reglas conocidas. Los estados finales pueden desarrollarse de forma imprevisible y compleja hasta el punto de parecer aleatoria e irregular. Por ejemplo, las predicciones meteorológicas, los comportamientos animales, humanos y sociales se caracterizan por este caos, por el cual según Moriello (2013) resulta prácticamente imposibles de acertar para momentos lejanos en el tiempo. Aunque exista precisión en el conocimiento de los valores iniciales y las ecuaciones que rigen su comportamiento. Moriello (2013) también muestra que en el análisis de sistemas dinámicos, se han descubierto que algunos tienden hacia puntos denominados atractores, o alejarse de otros llamados repulsores, describiendo tendencias a través del tiempo independientes de los estados iniciales. En complejos caóticos se pueden presentar atractores extraños, donde el comportamiento oscila alrededor de estos estados irregulares, habiendo una tendencia, aunque no haya atracción directa hacia la estabilidad en un único valor. 2.1.2 Modelamiento y simulación de sistemas complejos Se pretende usar el modelamiento abstracto del comportamiento humano, junto con la técnica de la simulación con el objetivo de comprender sistemas complejos como los grupos sociales; aunque Quezada (2010) admite que la experimentación a partir de situaciones simuladas no reemplaza la experimentación real, afirma que la simulación la asiste y la complementa, dando pistas preliminares, ayudando a ajustar la teoría con la investigación 21.

(22) científica; y permite examinar intervenciones que serían peligrosas con experimentos reales. Caselles (2008) también asevera que sería costoso obtener respuestas de experimentaciones sobre la vida real y Miguel (2011) muestra que el modelamiento y la simulación pueden ser vistos como laboratorios sociales virtuales para estudiar desde una perspectiva sistémica y global un fenómeno social sin necesidad de recrear en la realidad situaciones de experimentación; con ventajas tales como la construcción de modelos explicativos más exactos y comunicables por la precisión del lenguaje informático y la posibilidad de plantear nuevas preguntas que de otro modo no se generarían. Otro argumento para escoger el modelamiento y la simulación como técnica de investigación es su utilidad para la sociología por encima de los modelos matemáticos; pues tal como afirman en sus trabajos Axelrod (1997) y Lozares (2004), se aborda la investigación no solo de una forma inductiva sino también deductiva. Teniendo en cuenta eso, Quezada (2010, pág. 342) añade que esta técnica no está restringida a disciplinas como la economía, la sociología o la psicología social, sino también está disponible para la educación. Por lo cual se puede decir que el aula de clase, la cual es comprendida y estudiada desde la disciplina de la educación, pedagogía y sociología, también se puede estudiar trans-disciplinarmente por medio del modelamiento y la simulación multi-agente. 2.1.2.1 Propósito del modelamiento y la simulación de sistemas complejos. Hurtado (2010) señala que un modelo es una representación sistemática, conscientemente simplificada de algún aspecto de la realidad, existiendo como una abstracción de un sistema más complejo, con la función esencial de simplificarlo, por lo cual como dice Moriello (2013), pueden existir muchos modelos para representar el mismo fenómeno. Por lo anterior, se afirma que todo modelo es falso, ya que, por la sintetización de características de la realidad, se eliminan rasgos de ella que, aunque sean irrelevantes para el propósito de la representación, limitan la certidumbre total de coherencia, por lo tanto, se deduce que el Universo es el único modelo verdadero de sí mismo. Hurtado (2010) también muestra que en torno a proyectos de investigación los modelos pueden ser resultado de una investigación explicativa, ser usados como un estadio en una predictiva, o ser recursos para obtener resultados como fase interactiva de un estudio por simulación, tal como sucede en este. 22.

(23) proyecto. Hurtado (2010) desarrolla distintas clasificaciones de modelos, que se presentan en la Tabla 1.. Tabla 1. Tipos de Modelos. CLASIFICACIÓN DE MODELO Modelos Representativos. Según su objetivo. Según su nivel de abstracción. Según su tipo de Representación. Modelos Explicativos Modelos Normativos Modelos Operativos. Descripción Facilitan la captación de características fundamentales del objeto sin explicar relaciones de causas y consecuencias. Abstracción de relaciones entre un conjunto de eventos y sus interacciones. Conjunto de Criterios o pautas.. Da cuenta del funcionamiento del sistema, permitiendo visualizar procesos internos durante el funcionamiento. Modelo Formal Conformado por conceptos con relaciones lógicas o analógicas, construidos desde la inducción o deducción. Modelo Material Relaciona características concretas del objeto representado. Modelo Verbal Descripción con lenguaje natural. Modelo Gráfico o Expresa el objeto por medio de Icónico dibujo. Modelo Usa símbolos matemáticos o Matemático ecuaciones. Modelo Físico Utiliza material físico.. Basado en (Hurtado, 2010) Para propósitos de esta investigación, se usa un modelo formal y explicativo, porque se conforma de relaciones lógicas entre distintos elementos y también debe abstraer relaciones entre un conjunto de interacciones de eventos. Además de lo anterior, Maldonado & Gómez (2010) afirman que aunque un modelo sea comúnmente entendido como una interpretación del mundo sólida que frecuentemente es sometida a pruebas, gracias a la simulación no resulta siendo una representación rígida, sino más bien dinámica. Siendo así en conjunto con la simulación una herramienta útil y eficaz para las ciencias de la. 23.

(24) complejidad, ya que se requiere la evolución del comportamiento del sistema bajo los parámetros del tiempo y la distribución espacial en el estudio de patrones emergentes de cualquier sistema complejo dinámico. Además, como menciona Hurtado (2010), con el uso del modelamiento y la simulación se pueden anticipar consecuencias de un sistema, escoger acciones convenientes entre un grupo de posibilidades, o corroborar que una teoría se cumple. Estos modelos surgen como una abstracción formal de la realidad, normalmente no se construyen directamente de la observación en el sistema, sino que se nutren de representaciones verbales; es por ello que Izquierdo, Galán, Santos, & Del Olmo (2008) dicen que la simulación es usada como herramienta de análisis de modelos formales y complementa los modelos de sistemas complejos expresados en lenguaje natural, los cuales son muy comunes dentro de las ciencias sociales. En la ilustración 2 se muestra el proceso de modelamiento, donde cada etapa es ejecutada por una persona o varias que asumen el rol de experto y modelador. En el caso de los sistemas complejos, es necesario ejecutar su modelo formal desde un programa informático que deduzca inferencias a partir de las premisas que lo constituyen. Izquierdo et al. (2008) afirman que estos resultados son analizados e interpretados de manera que se pueda avanzar en el conocimiento del sistema.. 24.

(25) Figura 1. Proceso de modelado. Tomado de (Izquierdo et al., 2008, pág. 93) Axelrod (1997) aclara que es más importante la simplificación y la abstracción de la realidad que la representación detallada que pueda predecir exactamente el comportamiento del fenómeno. Por ello, estos modelos son juzgados no por su precisión sino por su productividad. Dicho todo lo anterior, el propósito y el sentido del modelamiento y la simulación dentro de la investigación de fenómenos y sistemas con características complejas, es precisamente como Maldonado y Gómez (2010) dicen, comprender y explicar dinámicamente un sistema en contraste con otras representaciones que son estáticas. Es por ello que en Complejidad se usan para explorar características fundamentales propias de sistemas complejos, tales como las emergencias o la auto-organización, características que no se podrían comprender de otra manera. Maldonado y Gómez (2010) también mencionan que el modelamiento y la simulación pueden ser útiles como Heurísticas y Metaheurísticas; las primeras son métodos con el objetivo de encontrar soluciones a un problema o espacios de soluciones de calidad aceptable y obtenidas en tiempo razonable, aunque no necesariamente óptimas, todo esto buscando que el sistema se comporte como el investigador desee. Las segundas, se refieren a. 25.

(26) estrategias generales para diseñar las heurísticas. Estas técnicas son fundamentales para las ciencias de la complejidad en el campo de la investigación de operaciones y la optimización. Por lo anteriormente señalado, demandan trabajo conceptual y teórico previo que permita considerar problemas algorítmicos. A partir del Modelo desarrollado en este proyecto se pueden proponer Heurísticas y Metaheurísticas que permitan plantear métodos de intervención al problema dado, que en este caso es la violencia escolar. El Modelamiento y simulación pueden verse implementados con un enfoque productivo; esto quiere decir que se construye literalmente un fenómeno para comprenderlo y explicarlo, por ello el estudio y la investigación de sistemas complejos ha permitido aclarar pautas para desarrollar el Modelamiento y la Simulación, tal como Maldonado y Gómez (2010) mencionan: Síntesis antes que análisis, modelamiento de abajo hacia arriba (bottom-up) antes que de arriba hacia abajo (top-down), control local antes que global, especificaciones simples antes que complejas, simulación de poblaciones antes que de individuos, dinámica (no-lineal) antes que composición o estructura, procesamiento paralelo antes que seriado, comportamiento emergente antes que pre-especificado (o causal) y posibilidades antes que facticidades. (pág. 26) 2.1.2.2 Modelamiento y simulación de sistemas sociales Gilbert y Troitzsch (2006) muestran que el modelamiento y la simulación resultan ser útiles para la investigación en ciencias sociales; esto, debido a que pueden usarse para comprender el mundo social, predecir comportamientos, sustituir capacidades, y entretener o enseñar. Su ventaja para descubrir y formalizar modelos simples radica en que la simulación obliga precisión en la descripción de teorías por medio de un lenguaje de programación, de modo que gracias a esta técnica se asegura coherencia y completitud. Se conocen cuatro modalidades de simulación social computacional para las cuales Miguel (2011) hace una descripción general que se sintetiza en la siguiente Tabla.. 26.

(27) Tabla 2. Modalidades de simulación social. MODALIDAD DINÁMICA DE SISTEMAS. PROCESOS ESTOCÁSTICOS. AUTÓMATAS CELULARES. SISTEMAS MULTI-AGENTE. DESCRIPCIÓN Ecuaciones diferenciales que dirigen globalmente elementos de sistemas en el tiempo por medio de simulaciones. Representan procesos con incertidumbre en tiempos de ejecución por medio de eventos interdependientes. Espacio matemático que consiste en células con estados que actúan conforme a los estados de sus células vecinas. Modela entidades autónomas, interdependientes, reactivas y proactivas llamadas agentes que a partir de la interacción pueden generar inteligencia colectiva.. Basado en (Miguel, 2011) Arroyo y Hassan Citados en Miguel (2011) argumentan que de estos, los Automatas Celulares y los Sistemas Multi-agente ofrecen mejor potencial para representar sociedades debido a que expresan localización y distribución, abstracciones necesarias para modelar redes sociales; especialmente para el caso de la violencia escolar resulta importante usar aquellas expresiones, ya que este fenómeno involucra interacciones en el espacio y el tiempo de estudiantes que pueden ser vistos como agentes. Modelos basados en agentes Tal como Miguel (2011) explica, los modelos multi-agente se caracterizan por componerse de tres abstracciones: Entorno, Agentes y Reglas, los cuales son esenciales para el desarrollo de representaciones sociales en simulación. Estos son descritos brevemente a continuación:   . El Entorno representa el contexto ambiental en el que se desenvuelven los agentes Los Agentes simbolizan individuos o entidades autónomas que interactúan entre sí a través del Entorno. Las Reglas determinan el comportamiento de los agentes y el entorno. 27.

(28) Estas representaciones del Modelo Basado en Agentes para el caso de la violencia escolar se especifican (…en el apartado 4.1…), donde los agentes representan a los estudiantes, el entorno son los agentes en una localidad vecina, y las reglas de comportamiento son determinadas por parámetros de la psicología social. Propiedades de entornos Definir el ambiente es determinante para decidir el diseño de los agentes, por lo tanto, Russell y Norvig (2004) clasifican los entornos dependiendo el punto de vista de los agentes que interactúan con él, tal como se presenta en la Tabla 3.. 28.

(29) Tabla 3. Tipos de entornos. TIPOS DE ENTORNOS TOTALMENTE OBSERVABLE PARCIALMENTE OBSERVABLE Los agentes pueden acceder cada Los agentes solo perciben parte del momento a la información de todo su entorno. ambiente. DETERMINISTA ESTOCÁSTICO Los agentes pueden predecir el El ambiente cambia de forma comportamiento de su entorno a impredecible para los agentes. partir de su actual observación EPISÓDICO SECUENCIAL Cada decisión del agente solo Las acciones del agente tienen depende de las percepciones de consecuencias en sus decisiones cada iteración. futuras ESTÁTICO DINÁMICO El ambiente se mantiene igual Mientras el agente toma una decisión durante el proceso de decisión del el entorno puede cambiar. agente. DISCRETO CONTINUO Si el tiempo, y las posibles Si el número de posibilidades de percepciones y acciones del agente acción y percepción son infinitas. son representados de forma finita y concreta. INDIVIDUAL MULTIAGENTE No existe multiplicidad ni interacción Cada agente es consciente de otros de agentes. que también perciben y actúan en su mismo medio. Basado en (Russell & Norvig, 2004) Diseño de agentes artificiales. Los Agentes Artificiales en general son considerados como “cualquier ente capaz de percibir su medioambiente con la ayuda de sensores y actuar en ese medio utilizando actuadores.” (Russell & Norvig, 2004, pág. 37), así la arquitectura básica de un agente estará dada por la naturaleza de sus percepciones, concretadas como información entrante proveída por el entorno las cuales juegan un papel determinante en las acciones que ejecuta sobre el mismo ambiente con ayuda de cualquier mecanismo interno que le permita hacerlo, siendo por lo ello también necesario definir la serie de posibles acciones que puede desempeñar el agente. Tal estructura se presenta en la siguiente ilustración.. 29.

(30) Figura 2. Diseño de Agente simple. Agente. Sensores. ? Acciones. Medio ambiente. Percepciones. Actuadores. Tomado de (Russell & Norvig, 2004). La proyección de las percepciones del agente en acciones se representa por lo general con una función que puede tomar forma de tabla de verdad, la cual relaciona una acción determinada para cada posible entrada o combinación de percepciones, sin embargo esto puede ser un trabajo engorroso e ineficiente, por lo cual se pueden considerar distintos tipos de diseños que usan conceptos dependiendo del propósito del agente, de manera que se reduzca el comportamiento a la mínima cantidad de código sin importar el amplio número de entradas que puede recibir cada uno. Estas arquitecturas se describen a continuación, con ilustraciones donde los rectángulos simbolizan los estados del proceso de decisión y los rectángulos ovalados la información interna que se usa en cada proceso, tal como lo describe Russell y Norvig (2004). Agente reactivo simple Este diseño tiene en cuenta la concepción de que el agente debe determinar con las percepciones cómo es el estado del mundo en cada momento que las obtiene, reaccionando de manera inmediata decidiendo qué acción tomar de. 30.

(31) acuerdo con sencillas reglas de condición-acción. Tal esquema se ilustra en la siguiente imagen.. Figura 3. Agente reactivo simple. Agente. Sensores Percepciones. Medio ambiente. Cómo es el mundo ahora. Reglas de condición-acción. Qué acción debo tomar ahora. Acciones. Actuadores. Tomado de (Russell & Norvig, 2004) Agente reactivo basado en modelos Russell y Norvig (2004) muestran que este tipo de diseño está pensado para los agentes que no pueden acceder a toda la información de su entorno, por lo cual usa un “modelo” interno que incluye una representación sencilla del estado del mundo el cual debe ser actualizado a través tiempo, permitiéndoles por ejemplo deducir lo que no pueden percibir, este modelo debe proveerse a su vez de información sobre el modo como puede evolucionar el mundo y las consecuencias que sus acciones generan sobre dicho entorno.. 31.

(32) Figura 4. Agente reactivo basado en modelos. Agente. Sensores Estado. Qué efectos causan mis acciones. Reglas de condición-acción. Medio ambiente. Cómo evoluciona el mundo. Percepciones. Cómo es el mundo ahora Qué acción debo tomar ahora Acciones. Actuadore s. Tomado de (Russell & Norvig, 2004) Agentes basados en objetivos Dado que la información del mundo no es completa, también es necesario representar prioridades del agente o metas que expresen los estados que desea del mundo. Por ello Russel y Norvig (2004) describen este diseño de agente con el cual se selecciona un objetivo dependiendo de lo que se conoce del entorno. Esto le permitirá mayor eficiencia y flexibilidad que con las reglas de decisión y acción, ya que representa internamente el futuro deseado en cada iteración.. 32.

(33) Figura 5. Agentes Basados en Objetivos. Agente. Sensores Estado Cómo es el mundo ahora. Qué efectos causan mis acciones. Qué pasará si realizo la acción A. Objetivos. Medio ambiente. Cómo evoluciona el mundo. Percepciones. Qué acción debo tomar ahora. Actuadore s. Acciones. Tomado de (Russell & Norvig, 2004). Tipos de modelos multiagente según su nivel de validación Boero y Squazzoni (2005),Citados en (2011) definen tres tipos de Modelos según su nivel de validación, estos son: . . . Modelos abstractos, los cuales no representan una situación específica de la realidad, sino que son producto de la investigación teórica, por lo cual requiere métodos de validación propios de las teorías generales como por ejemplo el análisis de sensibilidad. Los Modelos de rango medio, tienen un nivel de especificidad más alto en la descripción de un fenómeno social, pero permiten varias instancias de una situación, simplifican de esta manera las representaciones empíricas de la realidad, por lo cual los valores iniciales se definen tanto aleatoria como empíricamente. Modelos facsímil representan en detalle un caso concreto de la realidad.. 33.

(34) Antecedentes de simulaciones sociales Existen distintos modelos de simulación construidos y estudiados para comprender dinámicas de la sociedad; entre ellos está el Modelo de segregación de Shelling (Lozares, 2004; Schelling, 1971; Rodríguez & Roggero, 2015), basado en Autómatas Celulares, el cual ataca la problemática de la relación entre el nivel micro y macro social de tal fenómeno social. Un Modelo de Simulación Social basado en agentes es planteado por Epstein y Axtell. (1996), a través de una sociedad artificial llamada “Sugarscape”; en ella, se estudian distintos comportamientos emergentes de la sociedad, la economía y la cultura, tales como la inequidad o los procesos evolutivos; estos comportamientos globales se generan en la simulación a partir de distintos rasgos y reglas que se definen en el modelo por medio de la interacción de agentes y el ambiente.. 2.1.2.3 Herramientas de modelamiento y simulación multiagente Miguel (2011) Describe distintas herramientas útiles para construir modelos de simulación multi-agente en sistemas sociales; entre ellas, existen de alto-nivel, las cuales permiten al programador despreocuparse de los problemas de memoria y paralelismo. A continuación, se hace un cuadro comparativo teniendo en cuenta las características descritas.. 34.

(35) Cuadro 1. Herramientas de Modelado Multi-agente. Características. Herramienta. Comunidad De usuarios. Aprendizaje. Modelado. Especialización. Portabilidad. Gratis. Herramientas. Mason. Extensa y cooperativa -. Cormas. -. -. -. Repast. -. -. Fácil. -. -. -. Amplia, creciente, Cooperativa. Accesible por documentación y tutoriales. Tiene su propio lenguaje para programar agentes.. Modelar fenómenos naturales y sociales. Ejecutable en varios sistemas operativos. Sí. Modelar desde ontologías. Ejecutable en varios sistemas operativos. -. -. -. -. -. -. -. -. -. -. -. Herramienta de Metamodelado para generar código ejecutable. Swarm. Netlogo. Mimosa. -. Fácil. -. -. -. -. -. -. Difícil. Modelar Gestión de recursos renovables. -. -. -. -. -. -. -. Modelin g4all. Cooperativa. Fácil. Ingenias. -. -. Iodaproject. -. -. -. Fácil, no se necesita experiencia programando Fácil, provee lenguaje gráfico de modelado. -. Modela desde noción entidadinteracción. Basado en (Miguel, 2011).. 35. -. Automatización de simulaciones Automatización de simulaciones Exportación de resultados.

(36) Además de su amplia gama de beneficios así como su facilidad de obtención, para esta investigación se utiliza el entorno de modelamiento programable Netlogo para estudiar la conexión entre los comportamientos de micro-nivel definidos y los patrones de macro-nivel emergentes. Con esta Herramienta se pueden representar agentes denominados “tortugas” dentro de un espacio lógico donde cada uno ocupa un lugar diferente en una tela de “parcelas”; además, ejecuta las simulaciones contando “ticks” que simbolizan el avance del tiempo representable en las gráficas que también proporciona (Netlogo User Manual, 2017), por lo cual es necesario descargar por lo menos la versión de Netlogo 5.3.1 para ejecutar las simulaciones. Esta representación que usa Netlogo de los sistemas multi-agente, donde el espacio es independiente de los agentes es útil para simular fenómenos sociales, ya que según Miguel (2011) abstraen la idea de localización en el espacio y en el tiempo, por lo cual se usa en este proyecto como soporte en la representación de la violencia y las agresiones, donde los agentes podrán moverse e interactuar de forma limitada tal como sucede cuando un estudiante maltrata a otro, (…como se menciona en el apartado 4.1.1...). 2.1.2.4 Lenguaje Unificado De Modelado (UML) Debido a la necesidad de proyectar visualmente el diseño del modelo multiagente, el lenguaje Unificado de Modelado (UML) por medio de distintos diagramas que representan el comportamiento dinámico del sistema, así como su estructura estática. Siendo especialmente útil lo que Rumbaugh, Jacobson y Booch (2007) afirman que tiene: su facilidad de utilización y comprensión en la transmisión de conocimientos de sistemas discretos en general. Además, aunque Grimm y otros (2006) reconocen que los numerosos diagramas incluidos UML no son fáciles de desarrollar, también afirman que proveen un lenguaje visual fácil de usar y entender para ser definido en código computacional. Por todo lo anterior, se parte de UML para representar de forma gráfica el comportamiento de los agentes así como su estructura estática, formalizando sus reglas de conducta e interacción de modo que pueda mostrarse claramente su funcionamiento (…como se muestra en las secciones 4.2.3.4 y 4.2.4.3…). Con UML el sistema es visto como una colección de elementos que interactúan, lo cual se asemeja mucho al modelado de agentes; por ello, se puede utilizar especialmente para mostrar el comportamiento de los agentes por medio de diagramas de actividades y de interacción, así como la lista de variables internas y de posibles procedimientos por medio del diagrama de clases, ya que como lo dice Rumbaugh, Jacobson y Booch (2007) proveen semántica y notación gráfica y textual, la cual resulta útil para representar de. 36.

(37) manera simple los rasgos de los agentes que abstraen el comportamiento social de los seres humanos. Bommel y Müller (2007) afirman que UML puede usarse no solo para la ingeniería de software sino también para modelar conocimiento de las ciencias humanas y sociales, pues ha sido utilizado para el diseño de sistemas multiagente. Los modelos orientados a objetos contienen la intuición de funcionalidad y dinámicas que pueden surgir de la combinación de las partes de un sistema complejo, comprendiendo las nociones de que la organización de interacciones de un tipo de objetos llamados agentes puede cambiar con el tiempo, y las dinámicas de ellos pueden ser tanto operaciones sofisticadas como simples sistemas de reglas básicas. No todos los diagramas de UML son adecuados para expresar un modelo sino especialmente los de Clases y Actividades según la clasificación de Bommer y Müller (2007). Además, los diagramas de Interacción pueden ilustrar casos particulares de comunicación entre agentes. Por lo tanto, a continuación, se describen de forma resumida estos tres tipos de diagramas. Diagrama de clases Hace parte de la representación de la estructura estática del sistema, generalizando las clases que puede haber y su relación mutua, son ilustradas con rectángulos donde se define el nombre de la clase, sus atributos o estructura de datos y sus métodos o características de comportamiento como lista de operaciones, junto con conectores a otras clasificaciones de elementos que representan su relación, dependencia o asociación a ellas. Bommer y Müller (2007) precisan que los diagramas de clases pueden usarse para todo tipo de modelado de sistemas y no solo para la Ingeniería de Software, ya que estos gráficos representan ontologías, es decir, proporcionan conceptualización formal de elementos con propiedades y relaciones. Además, Grimm y otros (2006) los recomiendan para desarrollar modelos basados en agentes, ya que pueden dar una vista de estados acerca de variables y procesos que describan la estructura de los agentes y sus reglas en un lenguaje de programación como Netlogo. Por ello, se utilizan para el caso de este proyecto, representando a los agentes con métodos que se interpreten como descripciones de su comportamiento.. 37.

(38) Figura 6. Diagrama de clases ejemplo. Tomado de (Rumbaugh, Jacobson, & Booch, 2007, pág. 30). Diagrama de interacción Se puede mostrar la comunicación entre los agentes del sistema por medio de llamados a sus funciones internas. Usando diagramas de interacción se ilustran los mensajes de información con flechas que van desde un punto en la línea de vida del agente hasta otro, pudiendo especificar si hay bucles, condiciones o ejecuciones en paralelo por medio de rectángulos que encierran los mensajes, tal como se muestra en el ejemplo de la Figura 7 . Por lo anterior, se usa este tipo de diagrama para representar la comunicación de dos o más agentes ilustrando las entradas y salidas de información que se envían entre sí en un proceso de interacción, mostrando simple y claramente. 38.

(39) la el intercambio de mensajes que hay por ejemplo cuando un agente maltrata a otro (…Como se muestra en la Figura 17 del apartado 4.2.3.4…).. Figura 7. Diagrama de interacción ejemplo. Tomado de (Rumbaugh, Jacobson, & Booch, 2007, pág. 36).. Diagrama de actividades Es un diagrama de flujo que muestra las actividades realizadas durante un proceso definido, especificando dependencias de orden y secuencia, así como la concurrencia entre las diferentes acciones ilustradas como rectángulos ovalados y estados de control representadas como rombos de decisión.. 39.

(40) Resulta útil para ilustrar el comportamiento global de los sistemas sin ahondar en detalles, y por ello, Bommel y Müller (2007) dicen que hace más fácil la descripción del comportamiento de agentes. Por lo tanto en este proyecto se usaron diagramas de actividades para mostrar de forma sencilla e ilustrada las reglas comportamiento de los agentes para decidir una acción y actualizar su estado interno alrededor de la violencia y la afiliación, tal como se presenta en (…los apartados 4.2.3.4 y 4.2.4.3…).. 40.

(41) Figura 8. Diagrama de actividades ejemplo. Tomado de (Rumbaugh, Jacobson, & Booch, 2007, pág. 35) 2.1.3 Metodología de simulación social El doctor en sociología Francisco Miguel (2011) propone un protocolo basado en la secuencia de etapas de modelización multi-agente para la investigación. 41.

(42) social presentada por autores como Gilbert (2008) y Antunes et al. (2007) citados en Miguel (2011). Las fases pueden llevarse de forma paralela y puede haber procesos de retroalimentación con otras anteriores. Estas etapas del protocolo son las siguientes según Miguel y Hassan (2012) : 1. FORMULAR PREGUNTA FUNDAMENTAL E IDEAS INICIALES. 2. RELACIONAR IDEAS CON TEORÍA. 3. CONSTRUIR TEÓRICAMENTE EL MODELO FORMAL. 4. FORMALIZAR MODELO. 5. CODIFICAR Y DOCUMENTAR MODELO INFORMÁTICO. 6. VERIFICAR CALIDAD INTERNA DEL MODELO DE SIMULACIÓN. 7. ANALIZAR SIMULACIÓN Y VALIDAR CALIDAD EXTERNA DEL MODELO 8. PUBLICAR LOS RESULTADOS DEL MODELO. (págs. 332 – 338) Como lo describe Miguel (2011) Cada etapa de esta secuencia tiene en cuenta distintas consideraciones de investigación sociológica y procesos para desarrollo de software. Además, se pueden entender como recopilaciones de prácticas usuales dentro de la comunidad dedicada a la simulación social. 2.1.3.1 Formular pregunta fundamental e ideas iniciales. La etapa inicial, donde se formula la pregunta fundamental y las ideas iniciales consiste esencialmente en comprender el objetivo del modelo a construir, entendiendo lo que se desea explicar con la simulación y cuál es el nivel de detalle necesario para comprender el problema. Tales aspectos ya han sido definidos (…en el apartado 1 de objetivos…). 2.1.3.2 Relacionar ideas con teoría. Se exploran las explicaciones del fenómeno social considerando qué elementos de las teorías son esenciales para la modelización. Este marco teórico (…en el apartado 2.2…) presenta teorías referentes a la violencia en el aula y las interacciones en grupos de estudiantes que son relevantes en el planteamiento del modelo. 2.1.3.3 Construir teóricamente el modelo formal. Se desarrollan hipótesis explicativas para realizar el sistema que va a ser visualizado por medio de simulación. En esta etapa se definen en detalle los. 42.

(43) agentes, el entorno y las reglas de interacción a partir de las explicaciones teóricas exploradas. 2.1.3.4 Formalizar modelo. Se refiere a expresar los elementos y las relaciones usando por ejemplo diagramas del Lenguaje Unificado de Modelización (UML), con el fin de hacer más fácil de visualizar especificaciones útiles para el desarrollo, la programación y la publicación del modelo informático. Para expresar el modelo formalmente se siguen las sugerencias de Grimm y otros (2006), Bommel y Müller (2007); y Fonseca (2009) citado en (Miguel, 2011) usando los diagramas de clases, diagramas de secuencia y de actividades, definidos en el Lenguaje Unificado de Modelización (UML) (…los cuales son descritos en el apartado 2.1.2.4…), teniendo en cuenta los atributos de los agentes y sus reglas de comportamiento social y agresivo según las condiciones socio-ambientales. Principio de simplicidad Siguiendo las consideraciones de Miguel (2011), la transición de las teorías explicativas de la realidad hacia la formulación de representaciones informáticas formales, debería seguir un proceso incremental. De modo que desde el principio se exprese el fenómeno social con reglas muy simples. Ignorando de ser necesario detalles irrelevantes y así facilitando la modificación posterior del modelo, que sin embargo debe cumplir con el objetivo de la simulación, en este caso: mostrar las características emergentes de la violencia. 2.1.3.5 Codificar y documentar modelo informático. Hace referencia a especificar las hipótesis en un lenguaje de programación; se define la manera en que se genera el estado inicial de los elementos y cómo van a ejecutarse las decisiones e interacciones durante la simulación. Para el presente proyecto se utiliza el ambiente de modelamiento programable Netlogo que provee un lenguaje especializado para la construcción de sistemas Multi-agente y se adecúa a los requerimientos de esta investigación (… tal como se presenta en el apartado 2.1.2.3…). 2.1.3.6 Verificar calidad interna del modelo de simulación. Al Verificar la calidad interna se intenta comprobar si la simulación se comporta tal y como las hipótesis planteadas especificaron, de manera que se prueba si la programación tiene errores. En esta fase es posible modificar el código. 43.