Protocolo ODD+D+X (O3Dx)
Disponer de un protocolo normalizado para expresar modelos de simulación puede ayudar a promover su formulación rigurosa, así como a facilitar las revisiones y las comparaciones entre modelos. Desde 2006 un numeroso equipo de investigadores del dominio de sistemas socio-ecológicos han trabajado en el desarrollo de sucesivas versiones del llamado protocolo ODD (Overview, Design concepts and Details) para estandarizar la publicación de descripciones de modelos basados en agentes. Este protocolo es una “plantilla” lo suficientemente abierta y flexible como para que cada investigador pueda expresar y comunicar fácilmente su propio modelo de simulación de forma normalizada.
En <https://www.ufz.de/index.php?de=10464> puede encontrarse la principal fuente de información al respecto, junto con una plantilla en inglés para ayudar en la utilización del protocolo ODD+D.
A continuación se presenta una versión eXtendida del protocolo ODD+D utilizada a propuesta del LSDS-UAB para la especificación de modelos de simulación social:
- Se mantienen los identificadores originales de Müller et al. (2013), se detallan los apartados en forma de preguntas,
- cada apartado incluye diversos ejemplos para orientar a las personas usuarias del protocolo O3Dx, y
- se añaden al final tres nuevos apartados relativos al uso y análisis de las simulaciones.
¿CÓMO USAR LA PLANTILLA EXTENDIDA?
- Descargar la plantilla (fichero PDF 0,5Mb)
- Abrirlo con un lector PDF que acepte rellenar formularios.
- Introducir las especificaciones en los espacios correspondientes a cada campo. El puntero estático en cada campo proporciona ejemplos de uso. Usar sólo texto, sin formato.
- Grabar el fichero PDF frecuentemente.
- Al finalizar, se puede generar un informe mediante las siguientes ordenes UNIX (se notificará si es preciso instalar paquetes adicionales) ejecutadas en modo terminal desde el directorio en que se encuentre el fichero PDF cumplimentado; por ejempo, para el fichero "MiModelo_O3D-X.pdf" :
$ pdftk MiModelo_O3D-X.pdf dump_data_fields_UTF8 output MiModelo_O3D-X.csv
$ grep -oP '(?<=FieldName: ).*|(?<=FieldValue: ).*|(^---).*' MiModelo_O3D-X.csv > MiModelo_O3D-X.txt
NOTA: Si se usa el protocolo ODD+D en un trabajo propio, se recomienda referenciarlo: “...la descripción del modelo sigue el protocolo ODD+D (Overview, Design concepts, Details and Human Decision-Making) según Müller et al. (2013).”
Müller, B., F. Bohn, G. Dressler, J. Groeneveld, C. Klassert, M. Schlüter, J. Schulze, H. Weise, and N. Schwarz (2013) Describing human decisions in agent-based models - ODD+D, an extension of the ODD protocol. Environmental Modelling & Software 48, 37-48.
Protocolo ODD+D+x: Descripción normalizada de modelos de simulación basados en agentes incluyendo procesos de decisión humana.
Ilustración 1: Estructura del protocolo ODD+D, según Müller et al. (2013). En gris, las ampliaciones respecto al protocolo original ODD. A la derecha, contenidos del nuevo apartado dedicado a los procesos decisionales de los agentes. En la parte inferior, propuestas de extensión.
Plantilla ODD+D+x
El código entre paréntesis hace referencia a la identificación en el artículo original de Müller et al. (2013).
(I.) RESUMEN
(I.i.a) PROPÓSITO
¿Cual es el propósito del modelo?
¿Con qué objetivo se ha desarrollado?
¿Para qué se va a utilizar?
(e.g., Contrastar la hipótesis H, Comprender el sistema S, Desarrollar la teoría T, Predecir resultados del proceso P, Ayudar en la gestión y toma de decisiones respecto al plan E, Comunicar el conocimiento C, Aprender participativamente en el proyecto M,...)
(I.i.b) DESTINATARIOS
¿Para quien ha sido diseñado el modelo?
¿Quién va a utilizarlo?
(e.g., Investigadores, Docentes, Estudiantes, Gestores, Interesados,...)
(I.ii.a) ENTIDADES
[Simple mención, a desarrollar en II.viii.a Heterogeneidad]
¿Qué tipos (y subtipos) de entidades individuales y colectivas conforman el modelo?
¿Qué conforma el medio o entorno del modelo?
¿Qué unidades espaciales se utilizan?
(e.g., Agentes individuales humanos -subtipo masculino, subtipo pensionista, subtipo transgresor,...-; Agentes institucionales o normativos -subtipo empresa, subtipo norma de comportamiento cooperativo,...-, Grupos de agentes -subtipo familia, subtipo consumidores del producto P,...-, Relaciones entre agentes -subtipo amistad, subtipo confianza,...-, Entorno compuesto por unidades de 10 m2 -subtipo pradera, subtipo no transitable,...-, Objetos físicos, Contenidos informativos y conocimientos,...)
(I.ii.b) VARIABLES DE ESTADO
¿Qué atributos caracterizan a cada una de tales entidades?
¿Qué variables de estado o parámetros internos poseen?
¿En qué unidades de medida se expresaran tales variables o atributos?
(e.g., para agentes su identidad, edad, sexo, memoria, ubicación, nivel de recursos, títulos de propiedad y acreditaciones, opiniones, ocupación, modelo decisional -ver (II.i.b)-, representatividad -un individuo, un hogar, un colectivo específico; para unidades espaciales su localización absoluta, agentes en tal ubicación, elevación, cobertura vegetal, tipo de suelo, nivel de transitabilidad, propiedad, uso,...; para colectivos su lista de componentes, acciones específicas, …, unidades como el nombre identificativo, años, hombre/mujer, verdadero/falso, un vector de 21 atributos dicotómicos, coordenadas espaciales, kilometros, euros, escala de acuerdo entre 0 y 10, categoría X en escala educativa,...)
(I.ii.c) FACTORES EXÓGENOS
¿Qué factores exógenos al sistema considerado influyen o condicionan al modelo?
(e.g., coyuntura económica general, crisis de inmigración démica o invasión cultural, el clima estacional, transformaciones ambientales como cambio en cobertura vegetal o nivel de agua, legislación internacional,...)
(I.ii.d) EXTENSIÓN ESPACIO-TEMPORAL
¿Es un modelo con una dimensión concreta espacio-temporal?
¿Cual es la extensión espacial y temporal del modelo?
Si es el caso, ¿dónde suceden las dinámicas implicadas en el modelo?
Si es el caso, ¿cuándo sucede la dinámica del modelo, y durante cuanto tiempo?
(e.g., modelo abstracto, con un marco espacial estilizado sin referentes empíricos, en un espacio simplificado que representa la zona central de la Patagonia argentina, en un modelo a escala de la sección de urgencias del Hospital H, georeferenciado en el marco de las coordenadas X,Y según WG84 -o ETRS89, o UTM-,...; las simulaciones se ejecutan durante 100 años, a partir del 400 A.D.,...)
(I.ii.e) ESCALA
¿Con qué nivel de precisión espacial y temporal se realizará la simulación?
(e.g., cada periodo temporal representa un año; cada unidad espacial representa 1 hectárea y el paisaje modelizado comprende 1000 x 1000 ha.)
(I.iii.a) RESUMEN DEL PROCESO Y SU PLANIFICACIÓN
[Simple mención de los submodelos o procesos, que se especificarán en detalle en el apartado (III.iv.a). Excepto para planificaciones muy simples, es conveniente usar pseudo-código, o representación gráfica, para describir la planificación, sin comprometerse con ningún lenguaje concreto de implementación del modelo.]
¿Qué entidad hace qué?
¿En qué orden se ejecutan los diferentes procesos?
¿En qué orden ejecutan distintas entidades un mismo proceso?
¿Cómo se modeliza el tiempo, mediante saltos discretos o como un continuo temporal en el que suceden tanto procesos continuos como sucesos discretos?
(e.g., 1. generar agentes en posiciones aleatorias disponibles, con densidad D, y diferenciarlos en tipo A y B con probabilidad ½; 2. evaluar la satisfacción, para cada agente: si está rodeado de agentes de su mismo tipo, según el umbral U está satisfecho, en caso contrario está insatisfecho, siguiente agente; 3. repetir hasta que todos los agentes estén satisfechos: 3.1. para todos los agentes: si el agente no esta satisfecho mover a una posición disponible, siguiente agente, 3.2. evaluar la satisfacción para cada agente, 3.2. actualizar gráfico con total de agentes satisfechos por tiempo; 4. siguiente periodo de tiempo.)
(II.) CONCEPTOS DE DISEÑO
(II.i.a) MARCO DE REFERENCIA TEÓRICO
¿Utiliza el modelo teorías consolidadas o novedosas?
¿Qué conceptos, teorías, hipótesis teóricas subyacen en el diseño del modelo (excepto los modelos decisionales que se especifican en II.i.b)?
¿Se utilizan en el nivel de los submodelos (como hipótesis microfundamentales) o en el nivel del sistema (como teorías macrodinámicas)?
¿Qué relación guardan estas asunciones con el propósito del estudio?
¿Cómo se tienen en cuenta estas asunciones en la modelización?
¿Proporcionará el modelo indicios respecto a estos principios fundamentales, como por ejemplo su alcance, su utilidad en escenarios reales, su validación o indicaciones para su modificación?
(e.g., se utiliza la teoría clásica del “ciclo de la moda” de V como resultado macro-agregado, se utiliza la hipótesis del rendimiento marginal decreciente de M, se usa el concepto de “confianza” como atributo individual cada agente y se modeliza como una memoria de representación social respecto a los otros agentes a los que conoce, el modelo permitirá validar la “tipología de coordinación de acciones” de F en el ámbito del aprendizaje en aula,...)
(II.i.b) MODELOS DECISIONALES
[Johnson, J.G., Busemeyer, J.R., 2010. Decision making under risk and uncertainty. Wiley Interdisciplinary Reviews: Cognitive Science 1 (5), 736-749.]
¿Sobre qué asunciones teóricas y/o empíricas se basan los modelos de decisión de los agentes?
(e.g., teorías establecidas -como el modelo micro-económico “homo oeconomicus”, racionalidad completa o restringida, modelos cognitivos de psicología social,...-; observaciones empíricas -explicaciones por mecanismos, comprensión basada en procesos reconocidos, cajas negras, uso de heurísticas, métodos de predicción por regresión estadística,...-; reglas ad-hoc -asunción de constancia,...-; o combinaciones de teorías y observaciones)
(II.i.c) JUSTIFICACIÓN DE MODELOS DECISIONALES
¿Porqué se han seleccionado tales modelos de decisión?
(e.g., falta de disponibilidad de datos, modelización plausible de patrones de observaciones disponibles en el estudio E, por replicar el estudio de E, por coherencia teórica con las asunciones bien fundamentadas A,...)
(II.i.d) SOPORTE EMPÍRICO DE MODELOS DECISIONALES
[Smajgl, A., Brown, D.G., Valbuena, D., Huigen, M.G.A., 2011. Empirical characterisation of agent behaviours in socio-ecological systems. Environmental Modelling & Software 26 (7), 837-844.]
¿Qué soporte empírico puede sustentar el uso de los modelos de decisión utilizados?
¿Cual es la fuente de los datos empíricos en los que se basa el modelo de decisión de los agentes?
(e.g., aproximación participativa -juegos de rol-, encuestas y sondeos de opinión estadísticamente sigificativas, entrevistas, observaciones directas, registros administrativos oficiales y estadística censal, análisis de textos o archivos, datos GIS disponibles, resultados de experimentos de campo o de laboratorio,...)
(II.i.e) NIVEL DE AGREGACIÓN DECISIONAL
Para cada tipo de entidad decisora en el modelo, ¿a qué nivel de agregación hay disponibles datos sobre decisión relevantes para el modelo?
(e.g., a nivel de individuo, de unidad residencial/hogar, de sector censal, de municipio, de escuela, de distrito universitario, de empresa, de sector productivo, de nación,...)
(II.ii.a) TOMA DE DECISIONES INDIVIDUAL
¿Cuales son los sujetos y objetos de la toma de decisiones?
¿En qué nivel de agregación se modeliza la toma de decisiones?
¿Se incluyen múltiples niveles de toma de decisiones?
(e.g., sujetos de decisión agentes individuales, hogares, agregados comunitarios como empresas, instituciones administrativas como Agencia Tributaria o sistema Judicial-Penal; objetos de las decisiones como elecciones de compra-venta, transmisión de información/rumores, actualización de la confianza, inversión de tiempo y recursos económicos, distribución de trabajo, cualificación del suelo, aplicación de sanciones,...)
(II.ii.b) RACIONALIDAD DECISIONAL
¿Cual es el tipo de racionalidad básica tras las tomas de decisión de los agentes del modelo?
¿Persiguen los agentes un objetivo explícito?
¿Cómo se pueden medir tales objetivos, así como su grado de cumplimiento?
¿Disponen los agentes de criterios concretos de éxito o motivación?
¿Los agentes intentan incrementar algún tipo de indicador de éxito individual relacionado con sus objetivos (p.e., “desplazate a la posición que disponga de una productividad mayor”, asumiendo que productividad es un indicador de éxito)?
¿O simplemente los individuos reproducen ciertos comportamientos que se asumen implícitamente como conducentes al éxito o la adaptación (p.e., “desplazate hacia la derecha un 70% del tiempo”)?
(e.g., elección racional por optimización o maximización de utilidad esperada según F que considera objetivos, racionalidad limitada según la aproximación “satisficiente” de S bien sea por limitación de información o de capacidades cognitivas o de tiempo, racionalidad que considera umbrales de satisfacción como disparadores, racionalidad incondicionalmente orientada por valores o normas sociales, sin objetivos por acción basada en convenciones, rutinas o ensayo-error,...)
(II.ii.c) MECANISMOS O RAGLAS DECISIONALES
¿De que forma toman los agentes del modelo sus decisiones?
¿Qué reglas de decisión conforman los procedimientos de resolución de toma de decisiones?
(e.g., usando un conjunto de reglas de producción en forma de árbol de decisión para decisiones heurísticas, mediante la aplicación de optimización de una función de utilidad f(x) para persecución de objetivos, por elección al azar usando una distribución D empíricamente conocida,...)
(II.ii.d) DECISIONES ADAPTATIVAS
[Adaptación implica aplicación de reglas de decisión ante condiciones del entorno]
¿Adaptan los agentes sus decisiones a cambios de variables endógenas del modelo?
¿Adaptan los agentes sus decisiones a cambios de variables exógenas del modelo?
¿Qué reglas tienen para tomar decisiones o modificar su comportamiento en respuesta a cambios en sí mismos o en el entorno?
¿Qué objetivos persiguen los individuos mediante los procesos de adaptación que rigen sus comportamientos?
(e.g., los agentes adaptan sus decisiones de cooperación con otros -o su nivel de natalidad- en función del nivel de recursos extraíbles que depende del estado ecológico y estacional del recurso, los agentes utilizan para la evaluación de la utilidad esperada un parámetro actualizado P que representa la percepción del riesgo que puede suponer una conducta evasora de impuestos estimada a partir de su conocimiento de la experiencia reciente en cuanto a sanciones de agentes cercanos en su red social, los agentes confían más en otros agentes cuantas más interacciones beneficiosas registran en su memoria social,...)
(II.ii.e) DECISIONES NORMATIVAMENTE ORIENTADAS
¿Influyen las normas sociales sobre la toma de decisiones individual?
¿Influyen los valores culturales sobre la toma de decisiones individual?
Si es el caso, ¿de que manera orientan los agentes sus decisiones a tales cuestiones?
(e.g., papel en los procesos de decisión de los agentes de las normas sociales -colaborar en a consecución de un bien común-, de las creencias incondicionales -nunca se debe desobedecer la normativa legal-, de la confianza y prestigio,...)
(II.ii.f) DECISIONES ESPACIALMENTE ORIENTADAS
¿Influyen aspectos espaciales sobre la toma de decisiones individual?
(e.g., los agentes modifican sus acciones según la influencia social que reciben de otros en proporción directa a su reputación e inversa respecto al cuadrado de su distancia social,...)
(II.ii.g) DECISIONES TEMPORALMENTE ORIENTADAS
¿Influyen aspectos temporales sobre la toma de decisiones individual?
¿Qué papel juega el orden o secuencia de las decisiones de diversos agentes en el modelo?
¿Tienen en cuenta los agentes experiencias pasadas o predicciones futuras?
(e.g., los agentes aplican un descuento temporal exponencial al valorar sus funciones de utilidad esperada, los agentes mantienen una memoria de parentesco que se extiende solo hasta 5 generaciones anteriores, se repiten 100 ejecuciones de la misma simulación en las cuales los agentes están forzados a tomar sus decisiones en un orden distinto y determinado aleatoriamente y se registra el promedio de resultados de simulación para controlar el efecto de la secuenciación,...)
(II.ii.h) DECISIONES BAJO INCERTIDUMBRE
¿Se incluyen elementos de incertidumbre en las reglas de decisión de los agentes?
Si es el caso, ¿cómo de modeliza la decisión bajo incertidumbre de los agentes?
(e.g., no se incluyen, algunos elementos estocásticos replican las incertidumbres en el comportamiento de agentes, los agentes explícitamente consideran situaciones de incertidumbre o riesgo y se incorpora como el parámetro P de aversión al riesgo en su función de utilidad esperada,...)
(II.iii.a) APRENDIZAJE INDIVIDUAL
[Arendizaje implica modificación de reglas de decisión ante condiciones del entorno]
¿Se incluye el aprendizaje individual en el proceso de decisión de los agentes?
¿Cambian los agentes sus reglas de decisión a lo largo del tiempo como consecuencia de su experiencia durante la simulación?
¿Cómo se dan tales cambios?
¿Se trata de cambios conscientes, incluso planificados, o son simplemente respuestas a un entorno en evolución?
¿Se dan procesos de co-evolución por influencia mutua entre características individuales y del entorno?
(e.g., los agentes modifican sus niveles de motivación al cumplimiento de normas dependiendo de experiencias pasadas propias, los agentes exploran nuevas reglas de decisión -incluso azar- en caso que no reconozcan la situación o que anteriormente la regla no haya ofrecido resultados positivos,...)
(II.iii.b) APRENDIZAJE COLECTIVO
¿El modelo implementa procesos de aprendizaje colectivo?
¿Los agentes modifican sus reglas de decisión en función de la experiencia de otros agentes?
¿Se modelizan procesos de intercambio de información y conocimientos entre agentes?
¿El modelo considera la interacción social como una forma de modificar el aprendizaje conseguido por los agentes implicados?
(e.g., agentes utilizan su percepción del entorno social -otros agentes- para modificar sus reglas de decisión, agentes interactuan entresí por parejas de forma que mediante algoritmos genéticos se mejoran los atributos que representan información, cultura, normas o reglas de decisión,...)
(II.iv.a) PERCEPCIÓN INDIVIDUAL
¿Qué variables endógenas y exógenas asume el modelo que los agentes perciben?
¿Está sujeto el proceso de percepción sensible a algún tipo de error o ruido?
¿Qué variables endógenas y exógenas percibidas utilizan los agentes en sus procesos decisionales?
¿Qué modelo de medida usan los agentes para tal percepción?
¿Mantienen los agentes una memoria o mapa a largo plazo de sus percepciones?(e.g., los agentes son capaces de distinguir el tipo de entorno a 5 unidades de distancia alrededor de su propia posición, los agentes no pueden moverse a través de terreno ocupado por masas de agua -rios o mares-, los agentes mantienen una memoria a largo plazo de la ubicación de los recursos -tiendas de alimentos, zonas de caza,...-,... )
(II.iv.b) PERCEPCIÓN SOCIAL
¿Qué otros agentes o entidades son percibidas por qué agentes?
¿Qué variables de estado o atributos internos de otros individuos pueden percibir los agentes?
¿Qué comportamientos son percibidos?
¿Está sujeto el proceso de percepción social a algún tipo de error o ruido?
¿Si la percepción es a través de una red social, su estructura es impuesta o emergente de la simulación?
(e.g., los agentes de tipo A pueden percibir el potencial de trabajo y los recursos monetarios de todos los otros agentes, los agentes pueden percibir correctamente el comportamiento fiscal de sus 8 vecinos inmediatos así como información con una probabilidad de error p=½ de los agentes ubicados a 2 o 3 unidades de distancia, los agentes actualizan su propia percepción del riesgo de recibir sanción por fraude fiscal en función del promedio de sanciones recibidas por sus “vecinos” a un grado de distancia de su red social en los últimos 10 periodos de tiempo,... )
(II.iv.c) RANGO DE PERCEPCIÓN
¿Cual es el alcance de las señales que un agente puede percibir, local o global?
¿Cual es la escala espacial de la percepción de variables o atributos por parte de los agentes?
¿Implementa el modelo otros esquemas de percepción no basados en el espacio físico, como las redes sociales?
(e.g., un comportamiento individual puede ser percibido a nivel local, o a nivel global -independientemente de la ubicación-, los agentes pueden recibir información veraz de otros agentes con los que comparten ubicación o de sus 8 vecinos inmediatos con una probabilidad de error p=0.5 y de agentes ubicados a 2 o 3 unidades de distancia con una probabilidad de error p=0,75, una presa de caza puede ser detectada a 5 unidades de distancia en terreno “pradera” y a 2 unidades de distancia en terreno “bosque”, un rumor o noticia se difunden de un agente a otro a través de una red social con estructura “pequeño mundo”,...)
(II.iv.d) OBTENCIÓN DE INFORMACIÓN
¿Se asume que los agentes conocen ciertas variables o atributos directa e implícitamente?
¿Están modelados explícitamente los mecanismos de obtención de información por parte de los agentes?
(e.g., cada agente conoce al inicio de cada periodo de tiempo la proporción de agentes incumplidores en toda la población para el periodo anterior, un rumor o noticia se difunde de un agente a otro a través de una red social con estructura “pequeño mundo” mediante un procedimiento de intercambio de unidades de comunicación,...)
(II.iv.e) COSTES DE INFORMACIÓN
¿El modelo incluye explícitamente los costes de los procesos de cognición?
¿Cómo se implementan los costes de obtención de la información?
¿Son estos costes tenidos en cuenta en los procesos de toma de decisiones?
(e.g., los agentes consiguen información sin ningún coste, los agentes dedican un tiempo de ejecución a conseguir información -en el cual no pueden tomar decisiones-, los agentes intercambian informaciones entre sí, los agentes deben ceder recursos para conseguir información,...)
(II.v.a) PREDICCIONES
¿Qué datos utilizan los agentes para predecir condiciones futuras?
¿Cómo influyen tales predicciones sobre los procesos de adaptación y de aprendizaje?
¿Qué elementos, propios y del entorno, utiliza un agente individual para realizar sus predicciones?
(e.g., los agentes no hacen predicciones simplemente reaccionan a estímulos, los agentes extrapolan a partir de su propia experiencia anterior, los agentes predicen futuribles mediante la detección de patrones o tendencias, como proyecciones de regresión, los agentes utilizan su memoria interna de sucesos para predecir, los agentes analizan el gradiente de humedad del terreno para predecir ubicaciones más productivas,...)
(II.v.b) MODELOS DE PREDICCIÓN
¿Qué modelos internos (razonamiento) se asume que utilizan los agentes para estimar sus condiciones futuras?
¿Qué modelos utilizan para estimar las consecuencias futuras de sus comportamientos?
¿Qué supuestos tácitos implican tales modelos de razonamiento y racionalidad?
(e.g., los agentes no imaginan las consecuencias de sus acciones, los agentes asumen que las consecuencias de sus acciones será el resultado de juegos estratégicos de racionalidad perfecta, los agentes de tipo O siempre estiman que su comportamiento tendrá los efectos más positivos mientras que los de tipo P estima lo contrario, los agentes optimizan complejas funciones de utilidad esperada para tomar sus decisiones,...)
(II.v.c) ERRORES DE PREDICCIÓN
¿Pueden los agentes del modelo incurrir en errores en el proceso de predicción?
¿Cómo está implementado este proceso de error en la predicción?
(e.g., los agentes deciden utilizando un parámetro P como representante de incertidumbre, los agentes deciden qué cantidad de horas dedicar al trabajo cooperativo y antes de llevarlo a cabo se aplica un margen de error aleatorio de más/menos 1 hora según una distribución normal, los agentes utilizan “señales públicas” para estimar el prestigio de otros agentes y tales atributos pueden estar desactualizados respecto a las últimas acciones de los agentes señalados,...)
(II.vi.a) INTERACCIONES
¿Qué tipos de interacciones se asumen como relevantes entre los agentes?
¿Se trata de interacciones directas, en las que los encuentros entre agentes influyen sobre los mismos?
¿Hay interacciones indirectas, como en caso de competir por un recurso intermedio?
¿Qué tipos de agentes pueden mantener interacciones con qué otros tipos de agentes y de entidades?
¿Qué reglas implementan los resultados de las posibles interacciones?
(e.g., interacciones directas entre agentes contiguos, interacciones indirectas mediante uso de recursos del entorno que modifican las oportunidades de acción de otros agentes, interacciones mediadas por instituciones normativas como un mercado monetario o una subasta -que es un agente en sí mismo, con reglas de diseño institucional-, un agente cazador puede interactuar con un agente presa pero sólo mediante un agente herramienta-de-caza,...)
(II.vi.b) CONDICIONES DE INTERACCIÓN
¿Qué condiciones implican, permiten o “disparan” interacciones entre agentes y entidades?
(e.g., distancia espacio-temporal o “vecindario”, determinada proximidad en una red relacional, agentes del tipo A interactúan con probabilidad 90% con agentes de tipo A mientras que agentes de tipo B interactúan con probabilidad 50% con agentes de tipo B y A, los agentes con categoría 2 sólo interactúan con agentes de categoría igual o menor a 2, agentes cazadores sólo cooperan con otros cazadores con los que mantienen vínculos de consanguinidad hasta el 3er grado, un objeto-herramienta-A sólo tiene efecto sobre un agente tipo B durante periodos temporales correspondientes a “estación lluviosa” con una probabilidad del 80% de éxito, el agente central C inspeccionará una de cada 8 interacciones que se den en cada periodo temporal,...)
(II.vi.c) INTERACCIONES COMUNICATIVAS
Si las interacciones implican comunicación, ¿cómo se han modelizado tales procesos comunicativos?
¿Cómo se representan los contenidos comunicativos?
(e.g., los agentes se comunican mediante mensajes diferenciados y explícitos, los agentes comunican su interés en forma codificada como dupla (P,p) que representa el tipo de producto -P- y el precio dispuesto a pagar -p- por el mismo, la identidad cultural de los agentes está representada mediante un vector ponderado de 21 rasgos correspondientes a conocimiento operativo abstracto y cualquier actividad cooperativa entre agentes resulta en la actualización del propio vector cultural para ajustarse al del agente con mayor prestigio o mayor éxito en proporción inversa a la disimilitud entre cada rasgo,...)
(II.vi.d) INTERACCIONES ESTRUCTURALES
Si existe una red de coordinación, ¿cómo afecta al comportamiento de los agentes?
¿La estructura de tal red es impuesta, o es emergente durante la simulación?
(e.g., los agentes están estructuralmente vinculados mediante una red centralizada con estructura jerárquica estricta, o mediante una red descentralizada empíricamente representada por el fichero F en formato Ucinet, los agentes van desarrollando procesos en sucesivas interacciones constreñidas por una red estructural de vecindario R y a su vez el resultado de cada proceso de interacción refuerza, crea o elimina vínculos actualizando la red que evoluciona en el tiempo,...)
(II.vii.a) COLECTIVIDADES
¿Los individuos forman o pertenecen a agregaciones que influyen y son influidas por los mismos individuos?
(e.g., los agentes forman parte de “hogares” que son las entidades que toman decisiones respecto a la asignación de recursos, movimiento y emparejamiento de agentes, los agentes conforman redes sociales que determinan las oportunidades de interacción entre “vecinos”, los agentes de tipo A pertenecientes a la empresa E participan en la toma de decisiones respecto a las actividades de la empresa,...)
(II.vii.b) MODELIZACIÓN DE COLECTIVIDADES
¿Cómo se representan tales colectividades?
¿Son los colectivos simplemente definiciones del modelador, es decir, conjuntos de entidades con sus propios atributos y comportamientos?
¿Tales colectivos son una propiedad emergente del comportamiento de los individuos?
(e.g., los “hogares” son agentes asociados a los agentes que los componen mediante un código identificativo de hogar que consta como atributo de pertenencia de cada agente componente definido en la inicialización del modelo y actualizado según la ejecución de las reglas demográficas, la red de parentesco está representada emergentemente mediante conjuntos de agentes-vínculos del tipo “progenitor-de” entre agentes-individuos, la empresa A está definida originariamente por el modelizador como un tipo separado de agente con sus propias variables de estado y atributos que incluyen un organigrama funcional de posiciones al que se vinculan agentes individuales componentes -sin modificación durante la simulación-,...)
(II.viii.a) HETEROGENEIDAD
¿Intercambiar dos agentes a inicio de la simulación genera cambios en el resultado final?
¿Son los agentes del modelo heterogéneos en cuanto a sus atributos?
¿Son los agentes del modelo heterogéneos en cuanto a sus reglas de comportamiento?
Si es el caso, ¿qué variables de estado o procesos difieren entre los agentes?
(e.g., hay 4 tipos de agentes con poblaciones, reglas de comportamiento y atributos diversos al inicio de la simulación, hay un sólo tipo de agente con un atributo “riqueza” distribuido inicialmente de forma desigual entre la población siguiendo la distribución por decilas correspondiente al caso Español en 2001 según el informe I, cada agente del modelo tiene un atributo “umbral de homofilia” aleatoria y normalmente distribuido alrededor de 0'5 con desviación 0'2,...)
(II.viii.b) HETEROGENEIDAD DECISIONAL
¿Son los agentes heterogéneos en cuanto a sus reglas de toma de decisiones?
Si es el caso, ¿qué modelos de decisión o qué objetos de decisión difieren entre los agentes?
(e.g., en el modelo hay un 10% de agentes incondicionalmente cooperadores, hay un 10% de agentes incondicionalmente no-cooperadores y el resto de agentes es de tipo adaptativo en función de la situación,...)
(II.ix.a) ALEATORIEDAD
¿Qué procesos (incluyendo la inicialización) se han modelado asumiendo que son, total o parcialmente, aleatorios?
¿Se utiliza la aleatoriedad para generar variabilidad en procesos para los que no se considera importante modelizar sus causas?
¿Se utiliza aleatoriedad para generar sucesos o comportamientos que ocurren con una frecuencia específica conocida?
(e.g., inicialmente se generan vínculos entre los agentes que conforman una red aleatoria en la cual cada agente tiene entre 0 y 4 “vecinos” con distribución normal N(2,1), el resultado del proceso de caza está causalmente modelizado por C mientras que el proceso de recolección se modeliza estocásticamente con un resultado agregado según una función que tiene en cuenta el tamaño del grupo dedicado a recolección como parte determinista y un mutiplicador P de productividad como parte aleatoria con una distribución uniforme entre 0 y 1, en el modelo se aplican los datos agregados correspondientes al informe I sobre inspecciones fiscales en España en 2001 para generar aleatoriamente las inspecciones realizadas a la población de agentes contribuyentes,...)
(II.x.a) OBSERVACIÓN
¿Qué datos se generan y recopilan a partir de la simulación para proceder al contraste, la interpretación y el análisis?
¿Cómo son recopilados tales datos, en qué formato (gráfico, cuantitativo,...)?
¿En qué momento o momentos de la simulación son recopilados tales datos?
¿Se utiliza la totalidad de los datos generados, o sólo una muestra a imitación de lo que sucede habitualmente en un estudio empírico?
(e.g., la simulación genera como observable la proporción de agentes de cada tipo que en cada periodo de tiempo tiene comportamiento A, B, y C, la simulación incluye un gráfico generado a partir de la representación de la media de calorías producidas y consumidas, según sexo y actividad, durante la simulación se registra en un fichero de tipo .CSV cada evento de conflicto entre agentes con expresión de su momento, sus participantes, sus condiciones y su resultado, al finalizar cada ciclo “anual” de 12 unidades temporales se computa y registra el promedio de desigualdad global del sistema mediante el indicador de Gini, para cada ejecución de la simulación se toma una muestra aleatoria de población n=100 y se registra la totalidad de sus atributos en un fichero de texto, cada 10 periodos de tiempo se almacena una imagen del mundo generado por la simulación con la ubicación de todos los agentes,...)
(II.x.b) EMERGENCIA
¿Qué resultados son modelados como efectos emergentes de rasgos adaptativos o de comportamiento de los individuos?
¿Qué resultados del modelo se espera que varíen de forma compleja y tal vez imprevisible ante un cambio de las características particulares de individuos o entorno?
¿Qué resultados del modelo están impuestos por las reglas del modelo y por tanto dependen menos de los comportamientos de los individuos?
(e.g., la simulación genera tras diversas ejecuciones una red de vínculos entre los agentes cuya estructura se estudiará posteriormente, la proporción final de agentes con estrategias no-cooperativas se derivará de la evolución de poblaciones durante la ejecución de la simulación durante un periodo de tiempo suficientemente extenso, debido a la sensibilidad de los resultados del modelo a la distribución inicial de recursos se llevarán a cabo conjuntos extensos de simulaciones paralelas con condiciones iniciales aleatorias, para estudiar la resiliencia del sistema se introducirá en el momento de tiempo t=10000 una variación exógena o crítica en los valores climáticos -o en la natalidad-, el límite inferior de 20 mostrado por la evolución de los resultados se debe a la proporción inicial del 10% de población cuyo comportamiento se define en el modelo como incondicionalmente cooperador,... )
(III.) DETALLES DE IMPLEMENTACIÓN
(III.i.a) IMPLEMENTACIÓN
¿Qué estrategias de modelado subyacen en el mismo diseño del modelo?
¿Cómo ha sido implementado el modelo?
¿Qué herramientas de software se han utilizado para la implementación?
(e.g., se ha utilizado una aproximación de simulación multinivel basada en agentes, se ha implementado una simulación según los principios de dinámica de sistemas descritos en el informe I, la simulación se ha implementado para ejecución en el sistema de computación paralela MN del BSC, se ha utilizado un modelo desarrollado en lenguaje Netlogo versión 5.0.2, la simulación se implementó en Java usando la plataforma RePast, el modelo se ha desarrollado durante 3 meses correspondientes a un mes de especificación, un mes de implementación y un mes de pruebas y depuración,...)
(III.i.b) DISPONIBILIDAD
¿Está el código disponible para su descarga?
¿Bajo que tipo de licencia se distribuye el código informático de la simulación?
¿Dónde puede encontrarse el código para descargarlo?
(e.g., diversas versiones del modelo pueden ser descargadas y usadas libremente desde el repositorio OpenABM.org <url> así como desde la página web del proyecto <url>, el código C++ del modelo puede ser solicitado al autor a la dirección de correo-e <email>, el modelo Netlogo utilizado en esta investigación es software libre y puede ser redistribuido y/o modificado bajo los términos de la Licencia Pública General GNU publicada por la Free Software Foundation en su versión 3 o posterior, no existe todavía una versión definitiva del código puesta a disposición por los autores del mismo,...)
(III.ii.a) ESTADO DE INICIALIZACIÓN
¿Cual es el valor inicial de todas las variables y parámetros del modelo, i.e., en el momento t=0 de una ejecución de simulación?
¿Cuantas entidades forman la sociedad virtual inicialmente, y qué valores, exactos o como distribución aleatoria, tienen las variables de estado de las entidades?
(e.g., el modelo se inicializa con 100 agentes de tipo V y 30x30 agentes de tipo T, los atributos de los agentes V son [lista de atributos y valores] e inicialmente 50 de ellos de color “rojo” tienen estrategia “C” y el resto de color “azul” tienen estrategia “D”; los agentes T forman una cuadrícula regular y tienen atributo “calorías” igual a 10 y atributo “reposición” según distribución aleatoria uniforme entre 0,5 y 0,7,...)
(III.ii.b) ESPACIO DE INICIALIZACIÓN
¿El estado inicial es siempre el mismo, o se asumen variaciones entre diferentes ejecuciones de la simulación?
Si es el caso, ¿cual es el objetivo de la variabilidad entre ejecuciones de la simulación?
(e.g., debido a la sensibilidad de los resultados del modelo a la distribución inicial de recursos se llevarán a cabo conjuntos extensos de simulaciones paralelas con condiciones iniciales aleatorias, o para explorar el espacio de parámetros se inicializarán diversas ejecuciones de la simulación con todas las combinaciones de valores para los parámetros iniciales A, B y C, variando los dos primeros desde 0 a 100 en intervalos de 10, y variando C a lo largo del rango [0, 10, 25, 33, 50, 66, 75, 90, 100],... )
(III.ii.c) CALIBRACIÓN
¿Los valores iniciales del modelo de simulación se han seleccionado arbitrariamente, en base a asunciones teóricas (theory-driven), o en base a datos empíricos disponibles (data-driven)?
Si se trata de una inicialización arbitraria, ¿cómo corresponden los valores arbitrarios a hipótesis concretas a contrastar?
Si se trata de una inicialización teórica, ¿qué valores se han considerado y cuales son las fuentes para tal especificación?
Si se trata de una inicialización empírica, ¿cuales son las fuentes empíricas de la calibración inicial del modelo?
(e.g., los valores iniciales responden a la distribución tipológica enunciada en los trabajos teóricos de A&B, las estrategias y preferencias utilizadas para inicializar el modelo se han tomado de los resultados experimentales publicados por C&D, para la inicialización del modelo se ha tenido en cuenta las consideraciones aportadas en sesiones de preparación con participación de los implicados en el estudio llevadas a cabo el 2-3 de marzo de 2010,... )
(III.iii.a) DATOS DE ENTRADA
[No hace referencia a los valores paramétricos iniciales de la simulación, sino a registros de procesos ambientales exógenos que pueden influir sobre la simulación a lo largo de su ejecución sin que sean a su vez resultado del modelo como, por ejemplo, ciclos climáticos.]
¿Utiliza el modelo datos de fuentes externas (ficheros de datos, u otros modelos) para representar procesos que varían en el tiempo a lo largo de la ejecución de la simulación?
(e.g., el modelo utiliza los datos de series temporales de temperatura promedio proporcionados por el Instituto Meteorológico IM en su página <url> para actualizar los valores climáticos que se utilizan a lo largo de los diversos periodos temporales de la simulación, o para simular la variabilidad de recursos se ha utilizado el modelo descriptivo de migraciones de rumiantes salvajes publicado en 2000 por A&B en Science,...)
(III.iv.a) SUBMODELOS
¿Qué modelos representan, con detalle, los procesos listados en el apartado (I.ii.i) de resumen del proceso y su planificación?
¿Qué ecuaciones o algoritmos permiten representar cada modelo?
(e.g., para el proceso “Innovación” la ecuación de productividad es f(x) donde a es... y b es..., para “influencia social” el algoritmo sigue los siguientes pasos basados en mutación y cruce aplicado al vector-cultural de los agentes que interactúan, el siguiente proceso tiene en cuenta las situaciones en las cuales en denominador de la ecuación (7) podría ser 0 y en tal caso utiliza alternativamente la ecuación (7bis) para evitar el error de cálculo,...)
(III.iv.b) ESPECIFICACIÓN DE SUBMODELOS
¿Cuales son los parámetros, dimensiones y valores de referencia de cada submodelo?
(e.g., tablas de parámetros para cada modelo parcial,...)
(III.iv.c) DISEÑO DE SUBMODELOS
¿De qué otros sistemas se han “extraido” o “inspirado” los modelos para su uso actual?
¿Cómo se han diseñado o seleccionado tales modelos?
¿Cómo se justifica la verificación y la validez de cada modelo utilizado?
¿Qué referencias y literatura relevante se puede aportar para cada submodelo, respecto a su implementación independiente, contraste, calibración y análisis?
(e.g., para “identificar-redes” se han utilizado dos procedimientos adaptados de Wilensky, U. (2005). NetLogo Giant Component model <url>, para “conversion-religiosa” se ha utilizado el conjunto de reglas abstractas enunciado por Weber, M. (1907), para “reproduccion-social” se ha reimplementado en Netlogo el algoritmo original en RePast utilizado por M en su estudio sobre desigualdades educativas, para “motor-demográfico” se utilizado el código testado y utilizado reiteradamente en anteriores trabajos propios,...)
EXTENSIÓN DE ODD+D (+x)
A pesar de que el protocolo está diseñado para describir la versión definitiva de modelos de simulación social a efectos de comunicación y publicación, en realidad pueden existir diferentes versiones anteriores del mismo, debido al proceso recursivo e incremental de refinamiento utilizado en la construcción de los modelos. Así, convendría expresar -en un apartado no previsto expresamente por ODD+D- la “ubicación” del modelo descrito dentro de esta secuencia de versiones mejoradas.
(IV.i.a) VERSIONES
¿Es la versión original del modelo?
¿Se trata de una reimplementación de un modelo de simulación anterior, p.e. usando un lenguaje de programación diferente?
En caso de reimplementación, ¿cual es la referencia completa al modelo fuente original?
¿Se trata de una versión ampliada de un modelo anterior?
En caso de ampliación, ¿cual es el objetivo que motiva la ampliación? ¿cuales son las modificaciones introducidas?
(e.g., esta es la versión 2.3 del modelo que mejora el anterior proceso de toma de decisiones en condiciones de incertidumbre mediante optimización de una función de utilidad esperada ampliada con nuevos parámetros, o que añade el nuevo tipo de agente “coordinador” que simplifica el proceso de toma de decisiones conjuntas, o que añade 3 nuevas reglas de decisión aplicables a situaciones no consideradas ni previstas anteriormente pero que se han dado repetidamente en los test de ejecución, o que extiende el detalle de atributos territoriales para añadir el proceso de polinización mediante un nuevo agente allí donde antes se usaba una distribución aleatoria, o que añade la posibilidad de elegir entre la generación aleatoria de los valores iniciales y la carga de conjuntos de valores disponibles desde ficheros externos,...)
Igualmente, convendría añadir sendas secciones relativas a “Experimentos de Simulación” y “Análisis del Modelo”, en las que se describiera el plan de experimentación al que se ha sometido el modelo, la descripción e incidencias del conjunto de simulaciones realizadas, y un resumen de los resultados generados por el conjunto: modelo, plan de explotación, simulaciones, análisis. Estas consideraciones quedan actualmente fuera del ámbito del protocolo descriptivo ODD, pero forman parte fundamental de los resultados publicables a efectos de posible replicabilidad por parte de la comunidad científica.
(V.i.a) EXPERIMENTOS DE SIMULACIÓN
¿Qué tipo de diseño experimental se ha utilizado?
¿Qué variables se han considerado como observables resultado de la experimentación?
¿Qué variables o parámetros se han controlado a efectos de la experimentación?
¿Qué valores se han asignado a diferentes ejecuciones de simulación para poder explorar el espacio de parámetros iniciales?
¿Cuantas repeticiones de ejecución se han llevado a cabo?
(e.g., se han generado simulaciones diversas respecto al modelo-0 considerado como grupo de control añadiendo variabilidad en los parámetros A y B, el resultado específico de la simulación considerado -output- es la tasa de supervivencia S en el sistema y su evolución a lo largo del tiempo, se inicializaron diversas ejecuciones de la simulación con todas las posibles combinaciones de valores para los parámetros iniciales A, B y C, variando los dos primeros desde 0 a 100 en intervalos de 10, y variando C a lo largo del rango [0, 10, 25, 33, 50, 66, 75, 90, 100], con inicialización totalmente aleatoria de valores y parámetros se ha repetido la simulación en 1000 ocasiones con “influencia-social” y en 1000 ocasiones sin “influencia-social” para poder comparar el resultado promedio,... )
(VI.i.a) ANÁLISIS DEL MODELO
Si es el caso, ¿qué herramientas gráficas se utilizan para representar los resultados de la simulación?
¿Qué tipos de datos se recopilan como resultados observacionales de la simulación?
¿En qué formato se recopilan los datos de resultados?
¿Es compatible tal formato con otras herramientas de análisis de datos?
Si es el caso, ¿qué procedimientos estadísticos descriptivos o inferenciales se aplican a los datos resultantes de la ejecución del modelo de simulación?
(e.g., el histograma generado por la simulación muestra en tiempo de ejecución la evolución de la distribución del recurso R, el grafo correspondiente a la red de interacciones generada por la simulación del modelo puede ser exportado para someterlo a análisis cuantitativo de redes y calcular características estructurales como su “betweenness”, la simulación registra al final de cada unidad de tiempo el valor de las variables de estado de cada agente en formato CSV para realizar un posterior análisis de eventos, los valores de los principales indicadores agregados A, B y C son representados en un gráfico de evolución temporal y sus datos son exportados como archivo de texto plano para posterior análisis de series temporales y ARIMA, los resultados obtenidos por las predicciones generadas por la simulación serán comparados mediante t-test con los registros empíricos disponibles para contrastar la validez externa del modelo y su potencia explicativa en relación a otros modelos que generan otras predicciones, se presentarán gráfica y geográficamente los resultados del modelo para su discusión en sesiones con comités de implicados y comités de expertos,...)
===========================================================================
Protocolo O3Dx (cc) 2015, LIAM-UAB