Simulating Social Complexity: A Handbook

سیستم های اجتماعی از پیچیده ترین سیستم های شناخته شده هستند. این مشکلات خاصی را برای کسانی که مایل به درک آنها هستند ایجاد می کند. این پیچیدگی اغلب رویکردهای تحلیلی را غیرممکن می کند و رویکردهای زبان طبیعی را برای ارتباط علت و معلولی پیچیده ناکافی می کند. با این حال، رویکردهای محاسباتی مبتنی بر فردی و عامل، امکان درک جدید و عمیق‌تر از چنین سیستم‌هایی را فراهم می‌کند.

شبیه سازی پیچیدگی اجتماعی تمام جنبه های استفاده از شبیه سازی مبتنی بر عامل یا فرد را بررسی می کند. این رویکرد سیستم ها را به عنوان عناصر منفرد نشان می دهد که هر کدام مجموعه ای از حالت ها و فرآیندهای داخلی متفاوت خود را دارند. تعاملات بین عناصر در شبیه سازی نشان دهنده تعاملات در سیستم های هدف است. آنچه این عناصر را \"اجتماعی\" می کند این است که به طور مفید به عنوان عناصر متقابل یک جامعه مشاهده شده قابل تفسیر هستند. در این، تمرکز بر جامعه انسانی است، اما می‌توان آن را به حیوانات اجتماعی یا عوامل مصنوعی که در آن چنین کارهایی درک ما را از جامعه انسانی افزایش می‌دهد، گسترش داد.

سپس پدیده‌های مورد علاقه از پویایی تعامل کنشگران اجتماعی به شکلی اساسی منتج می‌شوند (ظهور می‌کنند) و معمولاً به‌راحتی با در نظر گرفتن تنها بازیگران نماینده ساده‌سازی نمی‌شوند.

معرفی مدل‌سازی مبتنی بر عامل در دسترس، امکان نمایش پیچیدگی اجتماعی را به شیوه‌ای طبیعی‌تر و مستقیم‌تر از تکنیک‌های قبلی می‌دهد. به ویژه، دیگر نیازی به تحریف یک مدل با معرفی مفروضات بسیار قوی صرفاً به منظور دستیابی به قابلیت تجزیه تحلیلی نیست. این باعث می شود مدل سازی مبتنی بر عامل برای طیف وسیعی از دانشمندان نسبتاً در دسترس باشد. نتایج چنین مدل‌هایی را می‌توان به گونه‌ای نمایش داد و متحرک کرد که آن‌ها را توسط کارشناسان و ذینفعان قابل تفسیرتر کند.

این کتاب راهنما برای کمک به روند بلوغ این رشته جدید در نظر گرفته شده است. این کتاب، از طریق تلاش مشترک بسیاری از محققان برجسته، خلاصه‌ای از بهترین تفکر و عمل در این زمینه را گرد هم می‌آورد و نقطه مرجعی برای استانداردهایی است که پیشرفت‌های روش‌شناختی آینده بر اساس آن‌ها مورد قضاوت قرار می‌گیرد.

این کتاب به آن‌ها کمک خواهد کرد. ورود به این حوزه برای جلوگیری از \"اختراع مجدد چرخ\" هر بار، اما همچنین با ارائه مروری قابل دسترس از افکار فعلی به کسانی که قبلاً در این زمینه هستند کمک می کند. این مطالب به چهار بخش تقسیم می‌شود: مقدمه، روش‌شناسی، مکانیسم‌ها و کاربردها. هر فصل با یک بخش بسیار مختصر به نام \"چرا این فصل را بخوانیم؟\" شروع می شود و سپس یک چکیده که محتوای فصل را خلاصه می کند. هر فصل همچنین با بخشی از «مطالعه بیشتر» به پایان می رسد که به طور خلاصه سه تا هشت مورد را توضیح می دهد که یک تازه وارد ممکن است بعداً بخواند.

Social systems are among the most complex known. This poses particular problems for those who wish to understand them. The complexity often makes analytic approaches infeasible and natural language approaches inadequate for relating intricate cause and effect. However, individual- and agent-based computational approaches hold out the possibility of new and deeper understanding of such systems.

Simulating Social Complexity examines all aspects of using agent- or individual-based simulation. This approach represents systems as individual elements having each their own set of differing states and internal processes. The interactions between elements in the simulation represent interactions in the target systems. What makes these elements "social" is that they are usefully interpretable as interacting elements of an observed society. In this, the focus is on human society, but can be extended to include social animals or artificial agents where such work enhances our understanding of human society.

The phenomena of interest then result (emerge) from the dynamics of the interaction of social actors in an essential way and are usually not easily simplifiable by, for example, considering only representative actors.

The introduction of accessible agent-based modelling allows the representation of social complexity in a more natural and direct manner than previous techniques. In particular, it is no longer necessary to distort a model with the introduction of overly strong assumptions simply in order to obtain analytic tractability. This makes agent-based modelling relatively accessible to a range of scientists. The outcomes of such models can be displayed and animated in ways that also make them more interpretable by experts and stakeholders.

This handbook is intended to help in the process of maturation of this new field. It brings together, through the collaborative effort of many leading researchers, summaries of the best thinking and practice in this area and constitutes a reference point for standards against which future methodological advances are judged.

This book will help those entering into the field to avoid "reinventing the wheel" each time, but it will also help those already in the field by providing accessible overviews of current thought. The material is divided into four sections: Introductory, Methodology, Mechanisms, and Applications. Each chapter starts with a very brief section called ‘Why read this chapter?’ followed by an abstract, which summarizes the content of the chapter. Each chapter also ends with a section of ‘Further Reading’ briefly describing three to eight items that a newcomer might read next.