Hispanopedia Wiki
Articulo de referencia

Sociología computacional

La sociología computacional es una rama de la sociología que utiliza métodos computacionales intensivos para analizar y modelar fenómenos sociales. Mediante simulaciones por com...

Hispanopedia WikiContenido en espanolLectura gratuita

La sociología computacional es una rama de la sociología que utiliza métodos computacionales intensivos para analizar y modelar fenómenos sociales. Mediante simulaciones por computadora , inteligencia artificial , métodos estadísticos complejos y enfoques analíticos como el análisis de redes sociales , la sociología computacional desarrolla y pone a prueba teorías de procesos sociales complejos a través del modelado ascendente de las interacciones sociales. [ 1 ]

Implica la comprensión de los agentes sociales, la interacción entre estos agentes y el efecto de estas interacciones en el agregado social. [ 2 ] Aunque el tema y las metodologías en ciencias sociales difieren de los de las ciencias naturales o la informática , varios de los enfoques utilizados en la simulación social contemporánea se originaron en campos como la física y la inteligencia artificial . [ 3 ] [ 4 ] Algunos de los enfoques que se originaron en este campo se han importado a las ciencias naturales, como las medidas de centralidad de red de los campos del análisis de redes sociales y la ciencia de redes .

En la literatura pertinente, la sociología computacional se relaciona frecuentemente con el estudio de la complejidad social . [ 5 ] Conceptos de complejidad social como sistemas complejos , interconexión no lineal entre procesos macro y micro, y emergencia , han entrado en el vocabulario de la sociología computacional. [ 6 ] Un ejemplo práctico y conocido es la construcción de un modelo computacional en forma de una " sociedad artificial ", mediante el cual los investigadores pueden analizar la estructura de un sistema social . [ 2 ] [ 7 ]

Historia

Mapa histórico de paradigmas de investigación y científicos asociados en sociología y ciencia de la complejidad.

Fondo

En las últimas cuatro décadas, la sociología computacional se ha introducido y ha ganado popularidad . Se ha utilizado principalmente para modelar o construir explicaciones de procesos sociales y se basa en la emergencia de comportamientos complejos a partir de actividades simples. [ 8 ] La idea detrás de la emergencia es que las propiedades de cualquier sistema más grande no siempre tienen que ser propiedades de los componentes que lo conforman. [ 9 ] Alexander, Morgan y Broad, emergentistas clásicos, introdujeron la idea de emergencia a principios del siglo XX. El objetivo de este método era encontrar un equilibrio adecuado entre dos ontologías diferentes y extremas: el materialismo reduccionista y el dualismo. [ 8 ]

Si bien el concepto de emergencia ha desempeñado un papel valioso e importante en la fundación de la sociología computacional, hay quienes no necesariamente están de acuerdo. Un líder destacado en este campo, Epstein, dudó de su utilidad debido a aspectos inexplicables. Epstein planteó una objeción al emergentismo, afirmando que «es precisamente la suficiencia generativa de las partes lo que constituye la explicación del todo». [ 8 ]

Los modelos basados ​​en agentes han tenido una influencia histórica en la sociología computacional. Estos modelos surgieron por primera vez en la década de 1960 y se utilizaron para simular procesos de control y retroalimentación en organizaciones, ciudades, etc. Durante la década de 1970, se introdujo el uso de individuos como unidades principales para los análisis y se emplearon estrategias ascendentes para modelar comportamientos. La última oleada se produjo en la década de 1980. En ese momento, los modelos seguían siendo ascendentes; la única diferencia radicaba en que los agentes interactuaban de forma interdependiente. [ 8 ]

Teoría de sistemas y funcionalismo estructural

En la era de posguerra, el analizador diferencial de Vannevar Bush , los autómatas celulares de John von Neumann , la cibernética de Norbert Wiener y la teoría de la información de Claude Shannon se convirtieron en paradigmas influyentes para modelar y comprender la complejidad en los sistemas técnicos. En respuesta, científicos de disciplinas como la física, la biología, la electrónica y la economía comenzaron a articular una teoría general de sistemas en la que todos los fenómenos naturales y físicos son manifestaciones de elementos interrelacionados en un sistema que tiene patrones y propiedades comunes. Siguiendo el llamado de Émile Durkheim a analizar la sociedad moderna compleja sui generis , [ 10 ] los sociólogos estructural-funcionalistas de posguerra como Talcott Parsons se apropiaron de estas teorías de interacción sistemática y jerárquica entre componentes constituyentes para intentar generar grandes teorías sociológicas unificadas, como el paradigma AGIL . [ 11 ] Sociólogos como George Homans argumentaron que las teorías sociológicas deberían formalizarse en estructuras jerárquicas de proposiciones y terminología precisa a partir de las cuales se podrían derivar otras proposiciones e hipótesis y operacionalizarlas en estudios empíricos. [ 12 ] Debido a que los algoritmos y programas informáticos se habían utilizado ya en 1956 para probar y validar teoremas matemáticos, como el teorema de los cuatro colores , [ 13 ] algunos académicos anticiparon que enfoques computacionales similares podrían "resolver" y "probar" problemas y teoremas formalizados de manera análoga sobre estructuras y dinámicas sociales.

Macrosimulación y microsimulación

A finales de la década de 1960 y principios de la de 1970, los científicos sociales utilizaron la tecnología informática cada vez más disponible para realizar macrosimulaciones de procesos de control y retroalimentación en organizaciones, industrias, ciudades y poblaciones globales. Estos modelos utilizaron ecuaciones diferenciales para predecir distribuciones de población como funciones holísticas de otros factores sistemáticos como el control de inventarios, el tráfico urbano, la migración y la transmisión de enfermedades. [ 14 ] [ 15 ] Aunque las simulaciones de sistemas sociales recibieron una atención sustancial a mediados de la década de 1970 después de que el Club de Roma publicara informes que predecían que las políticas que promovían el crecimiento económico exponencial eventualmente traerían una catástrofe ambiental global, [ 16 ] las conclusiones inconvenientes llevaron a muchos autores a tratar de desacreditar los modelos, tratando de hacer que los propios investigadores parecieran poco científicos. [ 2 ] [ 17 ] Con la esperanza de evitar el mismo destino, muchos científicos sociales dirigieron su atención hacia modelos de microsimulación para hacer pronósticos y estudiar los efectos de las políticas modelando cambios agregados en el estado de entidades a nivel individual en lugar de los cambios en la distribución a nivel de población. [ 18 ] Sin embargo, estos modelos de microsimulación no permitían que los individuos interactuaran o se adaptaran y no estaban destinados a la investigación teórica básica. [ 1 ]

Autómatas celulares y modelado basado en agentes

Las décadas de 1970 y 1980 también fueron una época en la que físicos y matemáticos intentaron modelar y analizar cómo las unidades componentes simples, como los átomos, dan lugar a propiedades globales, como propiedades de materiales complejos a bajas temperaturas, en materiales magnéticos y dentro de flujos turbulentos. [ 19 ] Utilizando autómatas celulares, los científicos pudieron especificar sistemas que consistían en una cuadrícula de celdas en la que cada celda solo ocupaba algunos estados finitos y los cambios entre estados estaban gobernados únicamente por los estados de los vecinos inmediatos. Junto con los avances en inteligencia artificial y potencia de microcomputadoras , estos métodos contribuyeron al desarrollo de la " teoría del caos " y la " teoría de la complejidad ", lo que, a su vez, renovó el interés por comprender sistemas físicos y sociales complejos más allá de las fronteras disciplinares. [ 2 ] Organizaciones de investigación dedicadas explícitamente al estudio interdisciplinario de la complejidad también se fundaron en esta época: el Instituto Santa Fe fue establecido en 1984 por científicos del Laboratorio Nacional de Los Alamos y el grupo BACH de la Universidad de Michigan también comenzó a mediados de la década de 1980.

Este paradigma de autómatas celulares dio origen a una tercera ola de simulación social que enfatiza el modelado basado en agentes. Al igual que las microsimulaciones, estos modelos enfatizaron los diseños de abajo hacia arriba, pero adoptaron cuatro supuestos clave que divergieron de la microsimulación: autonomía, interdependencia, reglas simples y comportamiento adaptativo. [ 1 ] Los modelos basados ​​en agentes se preocupan menos por la precisión predictiva y en cambio enfatizan el desarrollo teórico. [ 20 ] En 1981, el matemático y politólogo Robert Axelrod y el biólogo evolutivo WD Hamilton publicaron un importante artículo en Science titulado "La evolución de la cooperación" que utilizó un enfoque de modelado basado en agentes para demostrar cómo la cooperación social basada en la reciprocidad puede establecerse y estabilizarse en un juego del dilema del prisionero cuando los agentes siguieron reglas simples de interés propio. [ 21 ] Axelrod y Hamilton demostraron que los agentes individuales que seguían un conjunto de reglas simples de (1) cooperar en el primer turno y (2) luego replicar la acción anterior del compañero pudieron desarrollar "normas" de cooperación y sanción en ausencia de constructos sociológicos canónicos como la demografía, los valores, la religión y la cultura como precondiciones o mediadores de la cooperación. [ 4 ] A lo largo de la década de 1990, académicos como William Sims Bainbridge , Kathleen Carley , Michael Macy y John Skvoretz desarrollaron modelos basados ​​en agentes múltiples de reciprocidad generalizada , prejuicio , influencia social y procesamiento de información organizacional (psicología) . En 1999, Nigel Gilbert publicó el primer libro de texto sobre Simulación Social: Simulación para el científico social y estableció su revista más relevante: el Journal of Artificial Societies and Social Simulation .

Minería de datos y análisis de redes sociales

Independientemente de los avances en los modelos computacionales de sistemas sociales, el análisis de redes sociales surgió en las décadas de 1970 y 1980 a partir de los avances en la teoría de grafos, la estadística y los estudios de la estructura social como un método analítico distinto y fue articulado y empleado por sociólogos como James S. Coleman , Harrison White , Linton Freeman , J. Clyde Mitchell , Mark Granovetter , Ronald Burt y Barry Wellman . [ 22 ] La creciente omnipresencia de las tecnologías informáticas y de telecomunicaciones a lo largo de las décadas de 1980 y 1990 exigió técnicas analíticas, como el análisis de redes y el modelado multinivel , que pudieran escalar a conjuntos de datos cada vez más complejos y grandes. La ola más reciente de sociología computacional, en lugar de emplear simulaciones, utiliza el análisis de redes y técnicas estadísticas avanzadas para analizar grandes bases de datos informáticas de proxies electrónicos para datos de comportamiento. Los registros electrónicos, como los correos electrónicos y los mensajes instantáneos, los hipervínculos en la World Wide Web , el uso de teléfonos móviles y las discusiones en Usenet , permiten a los científicos sociales observar y analizar directamente el comportamiento social en múltiples momentos y a múltiples niveles de análisis, sin las limitaciones de los métodos empíricos tradicionales, como las entrevistas, la observación participante o los instrumentos de encuesta. [ 23 ] Asimismo, las continuas mejoras en los algoritmos de aprendizaje automático han permitido a los científicos sociales y a los emprendedores utilizar técnicas novedosas para identificar patrones latentes y significativos de interacción y evolución social en grandes conjuntos de datos electrónicos. [ 24 ] [ 25 ]

Red narrativa de las elecciones estadounidenses de 2012 [ 26 ]

El análisis automático de corpus textuales ha permitido la extracción de actores y sus redes relacionales a gran escala, transformando datos textuales en datos de red. Las redes resultantes, que pueden contener miles de nodos, se analizan mediante herramientas de la teoría de redes para identificar a los actores clave, las comunidades o partes clave y propiedades generales como la robustez o la estabilidad estructural de la red global, o la centralidad de ciertos nodos. [ 27 ] Esto automatiza el enfoque introducido por el análisis narrativo cuantitativo, [ 28 ] en el que se identifican tripletas sujeto-verbo-objeto con pares de actores vinculados por una acción, o pares formados por actor-objeto. [ 26 ]

Análisis de contenido computacional

El análisis de contenido ha sido una parte tradicional de las ciencias sociales y los estudios de medios durante mucho tiempo. La automatización del análisis de contenido ha permitido que se produzca una revolución de " big data " en ese campo, con estudios en redes sociales y contenido periodístico que incluyen millones de noticias. El sesgo de género , la legibilidad , la similitud del contenido, las preferencias del lector e incluso el estado de ánimo se han analizado basándose en métodos de minería de texto sobre millones de documentos. [ 29 ] [ 30 ] [ 31 ] [ 32 ] [ 33 ] El análisis de la legibilidad, el sesgo de género y el sesgo temático se demostró en Flaounas et al. [ 34 ] mostrando cómo diferentes temas tienen diferentes sesgos de género y niveles de legibilidad; también se demostró la posibilidad de detectar cambios de estado de ánimo en una vasta población analizando el contenido de Twitter. [ 35 ]

El análisis de grandes cantidades de contenido de periódicos históricos fue iniciado por Dzogang et al. [ 36 ] , quienes demostraron cómo se pueden descubrir automáticamente estructuras periódicas en periódicos históricos. Se realizó un análisis similar en redes sociales, revelando nuevamente estructuras marcadamente periódicas. [ 37 ]

Desafíos

La sociología computacional, como cualquier campo de estudio, enfrenta una serie de desafíos. [ 38 ] Estos desafíos deben abordarse de manera significativa para lograr el máximo impacto en la sociedad.

Niveles y sus interacciones

Cada sociedad que se forma tiende a estar en uno u otro nivel, y existen tendencias de interacción entre estos niveles. Los niveles no tienen por qué ser únicamente micro o macro. Puede haber niveles intermedios en los que exista una sociedad, como grupos, redes, comunidades, etc. [ 38 ]

Sin embargo, surge la pregunta de cómo identificar estos niveles y cómo se originan. Y una vez que existen, ¿cómo interactúan entre sí y con otros niveles?

Si consideramos las entidades (agentes) como nodos y las conexiones entre ellas como aristas, observamos la formación de redes. Las conexiones en estas redes no surgen únicamente de relaciones objetivas entre las entidades, sino que se determinan por factores elegidos por las entidades participantes. [ 39 ] El desafío de este proceso radica en la dificultad de identificar cuándo un conjunto de entidades formará una red. Estas redes pueden ser de confianza, cooperación, dependencia, etc. Se han dado casos en los que conjuntos heterogéneos de entidades han demostrado formar redes sólidas y significativas entre sí. [ 40 ] [ 41 ]

Como se mencionó anteriormente, las sociedades se dividen en niveles, y en uno de ellos, el nivel individual, un vínculo micro-macro [ 42 ] se refiere a las interacciones que dan origen a los niveles superiores. Existen varias preguntas que deben responderse con respecto a estos vínculos micro-macro: ¿Cómo se forman? ¿Cuándo convergen? ¿Qué retroalimentación se transmite a los niveles inferiores y cómo se transmite?

Otro desafío importante en esta categoría se refiere a la validez de la información y sus fuentes. En los últimos años, se ha producido un auge en la recopilación y el procesamiento de información. Sin embargo, se ha prestado poca atención a la difusión de información falsa entre las sociedades. Rastrear las fuentes y determinar la autoría de dicha información resulta difícil.

Modelado cultural

La evolución de las redes y los niveles en la sociedad genera diversidad cultural. [ 43 ] Sin embargo, surge la pregunta de cómo persiste la diversidad cuando las personas tienden a interactuar y a aceptar otras culturas y creencias. ¿Por qué no hay convergencia? Un desafío importante es cómo modelar estas diversidades. ¿Existen factores externos, como los medios de comunicación, la localidad, etc., que influyen en la evolución o la persistencia de las diversidades culturales?

Experimentación y evaluación

Cualquier estudio o modelo, al combinarse con la experimentación, debe poder responder a las preguntas planteadas. La ciencia social computacional trabaja con grandes volúmenes de datos, y el desafío se hace mucho más evidente a medida que aumenta la escala. ¿Cómo diseñar simulaciones informativas a gran escala? E incluso si se plantea una simulación a gran escala, ¿cómo se supone que debe realizarse la evaluación?

Elección de modelos y complejidad de los modelos

Otro desafío es identificar los modelos que mejor se ajusten a los datos y a la complejidad de estos modelos. Estos modelos nos ayudarían a predecir cómo podrían evolucionar las sociedades con el tiempo y proporcionarían posibles explicaciones sobre cómo funcionan las cosas. [ 44 ]

Modelos generativos

Los modelos generativos nos ayudan a realizar análisis cualitativos exhaustivos de forma controlada. Un modelo propuesto por Epstein es la simulación basada en agentes, que consiste en identificar un conjunto inicial de entidades heterogéneas (agentes) y observar su evolución y crecimiento en función de reglas locales sencillas. [ 45 ]

Pero, ¿cuáles son estas reglas locales? ¿Cómo se identifican para un conjunto de agentes heterogéneos? La evaluación y el impacto de estas reglas plantean un conjunto completamente nuevo de dificultades.

Modelos heterogéneos o de conjunto

Integrar modelos simples que funcionan mejor en tareas individuales para formar un modelo híbrido es un enfoque que se puede considerar. [ 46 ] Estos modelos pueden ofrecer un mejor rendimiento y una mejor comprensión de los datos. Sin embargo, surge la disyuntiva de identificar y comprender profundamente las interacciones entre estos modelos simples cuando se necesita crear un modelo combinado de alto rendimiento. Además, desarrollar herramientas y aplicaciones para ayudar a analizar y visualizar los datos basados ​​en estos modelos híbridos representa otro desafío adicional.

Impacto

La sociología computacional puede tener impactos en la ciencia, la tecnología y la sociedad. [ 38 ]

Impacto en la ciencia

Para que el estudio de la sociología computacional sea efectivo, se requieren innovaciones valiosas. Estas innovaciones pueden consistir en nuevas herramientas de análisis de datos, mejores modelos y algoritmos. La llegada de tales innovaciones supondrá un gran impulso para la comunidad científica en general.

Impacto en la sociedad

Uno de los principales retos de la sociología computacional es la modelización de los procesos sociales . Diversos legisladores y responsables políticos podrían visualizar vías eficientes y eficaces para emitir nuevas directrices, y la población en general podría evaluar y comprender adecuadamente las opciones presentadas, lo que permitiría un proceso de toma de decisiones abierto y equilibrado .

Véase también

Referencias

  1. 1 2 3 Macy, Michael W.; Willer, Robert (2002). "De los factores a los actores: sociología computacional y modelado basado en agentes". Annual Review of Sociology . 28 : 143–166 . doi : 10.1146/annurev.soc.28.110601.141117 . JSTOR 3069238. S2CID 1368768 .  
  2. 1 2 3 4 Gilbert, Nigel; Troitzsch, Klaus (2005). "Simulación y ciencias sociales" . Simulación para científicos sociales (2.ª ed.). Open University Press. 
  3. ↑ Epstein, Joshua M.; Axtell, Robert (1996). Growing Artificial Societies: Social Science from the Bottom Up . Washington DC: Brookings Institution Press. ISBN 978-0-262-05053-1.
  4. 1 2 Axelrod, Robert (1997). La complejidad de la cooperación: modelos basados ​​en agentes de competencia y colaboración . Princeton, NJ: Princeton University Press. ISBN 0-691-01567-8.
  5. ↑ Casti, J (1999). "La computadora como laboratorio: hacia una teoría de los sistemas adaptativos complejos". Complexity . 4 (5): 12– 14. doi : 10.1002/(SICI)1099-0526(199905/06)4:5 < 12::AID-CPLX3 > 3.0.CO ; 2-4 .
  6. ↑ Goldspink, C (2002). "Implicaciones metodológicas de los enfoques de sistemas complejos para la sociabilidad: la simulación como fundamento del conocimiento" . 5 (1). Revista de Sociedades Artificiales y Simulación Social.{{cite journal}}: Para citar una revista se requiere |journal=( ayuda )
  7. ↑ Epstein, Joshua (2007). Generative Social Science: Studies in Agent-Based Computational Modeling . Princeton, NJ: Princeton University Press.
  8. 1 2 3 4 Salgado, Mauricio y Nigel Gilbert. " Surgimiento y comunicación en sociología computacional ". Journal for the Theory of Social Behaviour 43.1 (2013): 87-110.
  9. ↑ Macy, Michael W., y Robert Willer. " De factores a actores: sociología computacional y modelado basado en agentes . Archivado el 13 de julio de 2014 en Wayback Machine ". Annual review of sociology 28.1 (2002): 143-166.
  10. ↑ Durkheim, Émile. La división del trabajo en la sociedad . Nueva York, Nueva York: Macmillan.
  11. ↑ Bailey, Kenneth D. (2006). «Teoría de sistemas». En Jonathan H. Turner (ed.). Manual de teoría sociológica . Nueva York, NY: Springer Science. pp. 379–404 . ISBN  978-0-387-32458-6.
  12. ↑ Bainbridge, William Sims (2007). «Sociología computacional» . En Ritzer, George (ed.). Blackwell Encyclopedia of Sociology . Blackwell Reference Online. doi : 10.1111/b.9781405124331.2007.x (inactivo el 3 de enero de 2026). hdl : 10138/224218 . ISBN 978-1-4051-2433-1.{{cite encyclopedia}}: CS1 maint: DOI inactivo desde enero de 2026 ( enlace )
  13. ↑ Crevier, D. (1993). IA: La tumultuosa historia de la búsqueda de la inteligencia artificial . Nueva York, NY: Basic Books. ISBN 978-0-465-00104-0.
  14. ↑ Forrester, Jay (1971). Dinámica mundial . Cambridge, MA: MIT Press.
  15. ↑ Ignall, Edward J.; Kolesar, Peter; Walker, Warren E. (1978). "Uso de la simulación para desarrollar y validar modelos analíticos: algunos estudios de caso". Operations Research . 26 (2): 237– 253. doi : 10.1287/opre.26.2.237 .
  16. ↑ Meadows, DL; Behrens, WW; Meadows, DH; Naill, RF; Randers, J; Zahn, EK (1974). La dinámica del crecimiento en un mundo finito . Cambridge, MA: MIT Press.
  17. ↑ "Se refuta la visión computarizada del desastre" . The New York Times . 18 de octubre de 1974.
  18. ↑ Orcutt, Guy H. (1990). "De la ingeniería a la microsimulación: una reflexión autobiográfica". Journal of Economic Behavior & Organization . 14 (1): 5– 27. doi : 10.1016/0167-2681(90)90038-F .
  19. ↑ Toffoli, Tommaso; Margolus, Norman (1987). Máquinas de autómatas celulares: un nuevo entorno para el modelado . Cambridge, MA: MIT Press. ISBN 978-0-262-20060-8.
  20. ↑ Gilbert, Nigel (1997). "Una simulación de la estructura de la ciencia académica" . Sociological Research Online . 2 (2): 1– 15. doi : 10.5153/sro.85 . S2CID 5077349. Archivado del original el 24 de mayo de 1998. Recuperado el 16 de diciembre de 2009 . 
  21. ↑ Axelrod, Robert; Hamilton, William D. (27 de marzo de 1981). "La evolución de la cooperación". Science . 211 (4489): 1390– 1396. Bibcode : 1981Sci...211.1390A . doi : 10.1126/science.7466396 . PMID 7466396 . 
  22. ↑ Freeman, Linton C. (2004). El desarrollo del análisis de redes sociales: un estudio en la sociología de la ciencia . Vancouver, BC: Empirical Press.
  23. ↑ Lazer, David; Pentland, Alex; Adamic, L; Aral, S; Barabasi, AL; Brewer, D; Christakis, N; Contractor, N; et al. (6 de febrero de 2009). "La vida en la red: la era venidera de la ciencia social computacional" . Science . 323 ( 5915): 721–723 . doi : 10.1126/science.1167742 . PMC 2745217. PMID 19197046 .   
  24. ↑ Srivastava, Jaideep; Cooley, Robert; Deshpande, Mukund; Tan, Pang-Ning (2000). "Minería de uso web: descubrimiento y aplicaciones de patrones de uso a partir de datos web" . Boletín de ACM SIGKDD Explorations . 1 (2): 12– 23. doi : 10.1145/846183.846188 . S2CID 967595 . 
  25. ↑ Brin, Sergey; Page, Lawrence (abril de 1998). "La anatomía de un motor de búsqueda web hipertextual a gran escala". Computer Networks and ISDN Systems . 30 ( 1–7 ): 107–117 . CiteSeerX 10.1.1.115.5930 . doi : 10.1016/S0169-7552(98)00110-X . S2CID 7587743 .  
  26. 1 2 S Sudhahar; GA Veltri; N Cristianini (2015). "Análisis automatizado de las elecciones presidenciales de EE. UU. utilizando Big Data y análisis de redes" . Big Data & Society . 2 (1): 1– 28. doi : 10.1177/2053951715572916 . hdl : 2381/31767 .
  27. ↑ S Sudhahar; G De Fazio; R Franzosi; N Cristianini (2013). "Análisis de redes de contenido narrativo en grandes corpus" (PDF) . Ingeniería del lenguaje natural . 21 (1): 1– 32. doi : 10.1017/S1351324913000247 . hdl : 1983/dfb87140-42e2-486a-91d5-55f9007042df . S2CID 3385681 . 
  28. ↑ Franzosi, Roberto (2010). Análisis narrativo cuantitativo . Universidad de Emory.
  29. ↑ I. Flaounas; M. Turchi; O. Ali; N. Fyson; T. De Bie; N. Mosdell; J. Lewis; N. Cristianini (2010). " La estructura de la mediasfera de la UE" (PDF) . PLOS ONE . 5 (12) e14243. Bibcode : 2010PLoSO...514243F . doi : 10.1371/journal.pone.0014243 . PMC 2999531. PMID 21170383 .  
  30. ↑ V Lampos; N Cristianini (2012). "Nowcasting Events from the Social Web with Statistical Learning" (PDF) . ACM Transactions on Intelligent Systems and Technology . 3 (4): 72. doi : 10.1145/2337542.2337557 . S2CID 8297993 . 
  31. ↑ I. Flaounas; O. Ali; M. Turchi; T. Snowsill; F. Nicart; T. De Bie; N. Cristianini (2011). NOAM: sistema de análisis y monitoreo de medios de comunicación (PDF) . Actas de la conferencia internacional ACM SIGMOD 2011 sobre gestión de datos. doi : 10.1145/1989323.1989474 .
  32. ↑ N Cristianini (2011). "Descubrimiento automático de patrones en contenido multimedia". Combinatorial Pattern Matching . Lecture Notes in Computer Science. Vol. 6661. pp. 2–13 . CiteSeerX 10.1.1.653.9525 . doi : 10.1007/978-3-642-21458-5_2 . ISBN    978-3-642-21457-8.
  33. ↑ Lansdall-Welfare, Thomas; Sudhahar, Saatviga; Thompson, James; Lewis, Justin; Equipo, Periódico FindMyPast; Cristianini, Nello (2017-01-09). "Análisis de contenido de 150 años de periódicos británicos" . Actas de la Academia Nacional de Ciencias . 114 (4 ) : E457– E465. Bibcode : 2017PNAS..114E.457L . doi : 10.1073/pnas.1606380114 . ISSN 0027-8424 . PMC 5278459. PMID 28069962 .   
  34. ↑ I. Flaounas; O. Ali; M. Turchi; T. Lansdall-Welfare; T. De Bie; N. Mosdell; J. Lewis; N. Cristianini (2012). "Métodos de investigación en la era del periodismo digital" . Periodismo digital . 1 : 102–116 . doi : 10.1080/21670811.2012.714928 . S2CID 61080552 . 
  35. ↑ T Lansdall-Welfare; V Lampos; N Cristianini. Efectos de la recesión en el estado de ánimo público en el Reino Unido (PDF) . Actas de la 21.ª Conferencia Internacional sobre la World Wide Web. Sesión Mining Social Network Dynamics (MSND) sobre aplicaciones de redes sociales. Nueva York, NY, EE. UU. págs. 1221–1226 . doi : 10.1145/2187980.2188264 . 
  36. ↑ Dzogang, Fabon; Lansdall-Welfare, Thomas; Equipo, Periódico FindMyPast; Cristianini, Nello (2016-11-08). "Descubriendo patrones periódicos en noticias históricas" . PLOS ONE . 11 (11) e0165736. Bibcode : 2016PLoSO..1165736D . doi : 10.1371/journal.pone.0165736 . ISSN 1932-6203 . PMC 5100883. PMID 27824911 .   
  37. ↑ Fluctuaciones estacionales en el estado de ánimo colectivo reveladas por búsquedas en Wikipedia y publicaciones en Twitter F Dzogang, T Lansdall-Welfare, N Cristianini - Conferencia Internacional IEEE de 2016 sobre Minería de Datos, Taller sobre Minería de Datos en el Análisis de la Actividad Humana
  38. 1 2 3 Conte, Rosaria, et al. " Manifiesto de la ciencia social computacional Archivado el 22-01-2022 en Wayback Machine ." The European Physical Journal Special Topics 214.1 (2012): 325-346.
  39. ↑ Egu´ıluz, VM; Zimmermann, MG; Cela-Conde, CJ; San Miguel, M. "American Journal of Sociology" (2005): 110, 977.{{cite journal}}: Para citar una revista se requiere |journal=( ayuda )
  40. ↑ Sichman, JS; Conte, R. "Teoría de la organización computacional y matemática" (2002): 8(2).{{cite journal}}: Para citar una revista se requiere |journal=( ayuda )
  41. ↑ Ehrhardt, G.; Marsili, M.; Vega-Redondo, F. "Physical Review E" (2006): 74(3).{{cite journal}}: Para citar una revista se requiere |journal=( ayuda )
  42. ↑ Billari, Francesco C. Modelado computacional basado en agentes: aplicaciones en demografía, ciencias sociales, económicas y ambientales . Taylor & Francis, 2006.
  43. ^ Centola, D.; González-Avella, JC; Egu´ıluz, VM; San Miguel, M. “Revista de Resolución de Conflictos” (2007): 51.{{cite journal}}: Para citar una revista se requiere |journal=( ayuda )
  44. ↑ Weisberg, Michael. Cuando menos es más: Compromisos e idealización en la construcción de modelos . Tesis doctoral. Universidad de Stanford, 2003.
  45. ↑ Epstein, Joshua M. Ciencia social generativa: Estudios en modelado computacional basado en agentes . Princeton University Press, 2006.
  46. ↑ Yuan, Yuan; Alabdulkareem, Ahmad; Pentland, Alex 'Sandy' (2018). "Un enfoque interpretable para la formación de redes sociales entre agentes heterogéneos" . Nature Communications . 9 (1): 4704. Bibcode : 2018NatCo...9.4704Y . doi : 10.1038/s41467-018-07089- x . PMC 6224571. PMID 30410019 .  
  • Libro en línea "Simulación para el científico social" de Nigel Gilbert y Klaus G. Troitzsch, 1999, segunda edición 2005.
  • Revista de Sociedades Artificiales y Simulación Social
  • Modelos basados ​​en agentes para redes sociales, applets interactivos de Java
  • Sitio web de Sociología y Ciencia de la Complejidad

Revistas y publicaciones académicas

  • Lista de revistas de investigación sobre complejidad , de UIUC, IL
  • Grupos de investigación relacionados , de UIUC, IL

Asociaciones, conferencias y talleres

  • Asociación Norteamericana de Ciencias Sociales y Organizacionales Computacionales
  • ESSA: Asociación Europea de Simulación Social

Programas académicos, departamentos y titulaciones

  • Proyecto "Mediapatterns" de la Universidad de Bristol. Archivado el 1 de diciembre de 2012 en Wayback Machine.
  • Universidad Carnegie Mellon. Archivado el 2 de septiembre de 2014 en Wayback Machine . Programa de doctorado en Computación, Organizaciones y Sociedad (COS).
  • Universidad de Chicago
    • Certificado y Máster en Ciencias Sociales Computacionales
  • Universidad George Mason
    • Programa de doctorado en Ciencias Sociales Computacionales (CSS)
    • Programa de maestría en Estudios Interdisciplinarios, con énfasis en Ciencias de la Computación y Estudios Sociales.
  • Universidad Estatal de Portland , programa de doctorado en Ciencias de Sistemas.
  • Programa de maestría en Ciencias de Sistemas de la Universidad Estatal de Portland
  • University College Dublin ,
    • Programa de doctorado en sistemas complejos y ciencias sociales computacionales.
    • Máster en Análisis de Datos Sociales
    • Licenciatura en Ciencias Sociales Computacionales
  • UCLA , Especialización en Sistemas Humanos Complejos
  • UCLA , Licenciatura en Biología Computacional y de Sistemas (incluidas las ciencias del comportamiento)
  • Universidad de Michigan , especialización en Sistemas Complejos
  • Listado de programas de Ciencias de Sistemas , Universidad Estatal de Portland. Listado de otros programas relacionados a nivel mundial.

Centros e institutos

América del norte

  • Centro de Investigación de Redes y Sistemas Complejos , Universidad de Indiana, Bloomington, IN, EE. UU.
  • Centro de Investigación de Sistemas Complejos , Universidad de Illinois en Urbana-Champaign, IL, EE. UU.
  • Centro para la Complejidad Social , Universidad George Mason, Fairfax, Virginia, EE. UU.
  • Centro de Dinámica Social y Complejidad , Universidad Estatal de Arizona, Tempe, AZ, EE. UU.
  • Centro de Estudios de Sistemas Complejos , Universidad de Michigan, Ann Arbor, MI, EE. UU.
  • Sistemas Complejos Humanos , Universidad de California en Los Ángeles, Los Ángeles, CA, EE. UU.
  • Instituto de Ciencias Sociales Cuantitativas , http://www.iq.harvard.edu/ , Universidad de Harvard, Boston, MA, EE. UU.
  • Instituto Northwestern de Sistemas Complejos (NICO) , Universidad Northwestern, Evanston, Illinois, EE. UU.
  • Instituto Santa Fe , Santa Fe, Nuevo México, EE. UU.
  • Centro de Análisis de Redes de Duke, Universidad de Duke , Durham, Carolina del Norte, EE. UU.

Sudamerica

  • Modelagem de Sistemas Complexos , Universidad de São Paulo - EACH, São Paulo, SP, Brasil
  • Instituto Nacional de Ciência e Tecnologia de Sistemas Complexos , Centro Brasileiro de Pesquisas Físicas, Río de Janeiro, RJ, Brasil

Asia

  • Instituto Fe de Bandung, Centro para la Complejidad en la Universidad Surya , Bandung, Indonesia.

Europa

  • Centro de Modelización de Políticas , Manchester, Reino Unido.
  • Centro de Investigación en Simulación Social , Universidad de Surrey, Reino Unido.
  • Laboratorio de Dinámica de la UCD - Centro de Ciencias Sociales Computacionales , Instituto Geary de Políticas Públicas, University College Dublin, Irlanda.
  • Centro de Estudios de Complejidad Social de Groningen (GCSCS) , Groningen, Países Bajos.
  • Cátedra de Sociología, en particular de Modelización y Simulación (SOMS) , Zúrich, Suiza.
  • Grupo de Investigación en Sociología Experimental y Computacional (GECS) , Brescia, Italia