Durante las últimas décadas, la simulación computacional y el modelado basado en agentes (agent-based modelling, ABM) en particular, se han convertido en una de las principales tecnologías de modelado en múltiples campos científicos, especialmente en ciencias sociales como la sociología y la economía. La simulación social permite el estudio de la complejidad propia de los fenómenos sociales, y está atrayendo equipos de investigación multidisciplinares para poder manejar dicha complejidad.
Existen distintas metodologías para ABM que, después de compilar suficiente experiencia en procesos, métodos y herramientas, ofrecen una forma sistemática para estudiar problemas nuevos. Tanto el campo de Sistemas Multi-Agente como el de ABM han tratado de ofrecer metodologías robustas que puedan guiar a los investigadores en el proceso de modelado.
Sin embargo, hay una distinción epistemológica importante entre los modelos basados en agentes que tiene implicaciones metodológicas y que dichas metodologías no consideran. Los modelos pueden ser clasificados en función de su objetivo de investigación. En ocasiones, el investigador persigue un modelo genérico para explicar el fenómeno social, desde un alto grado de abstracción y de forma suficientemente simplificada para ilustrar fácilmente una teoría o hipótesis concreta. Por otro lado, el investigador puede preferir centrarse en la expresividad del modelo, en la que se haga una extensa descripción empírica de un caso de estudio concreto. El primer caso corresponde a la llamada ""investigación dirigida por teoría"", mientras que la segunda es la ""investigación dirigida por datos"".
Hoy día, la mayor parte de los modelos son concebidos desde el punto de vista de la investigación dirigida por la teoría, y por ello las metodologías sueles estar sesgadas hacia ese enfoque. Sin embargo, y sin ignorar el importante papel de la teoría, los modelos pueden buscar principalmente expresividad y descripción. Y para ello, pueden tener requisitos que no son abordados por dichas metodologías genéricas. Por ejemplo, temas como la inicialización empírica, las limitaciones de la recolección de datos, la validación empírica intensiva, o el papel de los datos en el diseño no son considerados normal mente en estas metodologías. Así, existe una carencia de una completa metodología en ABM que, asumiendo que la investigación dirigida por datos tiene un enfoque y objetivos sensiblemente distintos, ofrezca el flujo de desarrollo de modelos dirigidos
© 2008-2024 Fundación Dialnet · Todos los derechos reservados