Una introducción a la simulación social como método de aprendizaje

Autores/as

  • Emilio Serrano Universidad Politécnica de Madrid
  • Carlos Ángel Iglesias Universidad Politécnica de Madrid

DOI:

https://doi.org/10.37467/gka-revedutech.v3.521

Palabras clave:

educación superior, tecnología en la educación, simulación social, inteligencia artificial

Resumen

La simulación social o SimSoc es un método para la exploración y entendimiento de procesos sociales mediante simulaciones en computadores. Una sociedad es un sistema complejo no lineal difícil de ser modelado y estudiado. Por ello, en los últimos años este paradigma ha ganado una gran importancia para el estudio de disciplinas tan dispares como Sociología, Biología, Física, Química, Ecología, y Economía. Este trabajo presenta la SimSoc, las ventajas que aporta en el aprendizaje interactivo, las principales metodologías de investigación en este paradigma, herramientas prácticas para construir estas simulaciones, modelos listos para ser utilizados en el aula, y casos concretos de simulaciones sociales emblemáticas como Sugarscape y el dilema del prisionero. Como se verá, incluso si se carece de conocimientos de programación, la SimSoc es una potente herramienta para comprender fenómenos complejos mediante la interacción con modelos simulados a los que se puede acceder desde un navegador web cualquiera.

Biografía del autor/a

Emilio Serrano, Universidad Politécnica de Madrid

Emilio Serrano es profesor ayudante doctor del departamento de Inteligencia Artificial en la Universidad Politécnica de Madrid. Obtuvo el título de Ingeniero en Informática por la Universidad de Murcia con una mención honorífica a la Excelencia Académica en 2006. Después de una estancia como investigador asociado en la Universidad de Edimburgo durante un año, recibió el grado de doctor con mención europea en 2011.  Su tesis doctoral recibió el premio extraordinario de doctorado en 2012. El Dr. Serrano es coautor de más de 40 publicaciones en congresos y revistas internacionales. También ha participado en varios programas de financiación europea y nacional para proyectos de investigación.  Sus principales intereses de investigación incluyen: aprendizaje automático avanzado; análisis de redes sociales;  simulación social basada en agentes; inteligencia ambiental; y, especialmente, la interacción entre estos campos.

Carlos Ángel Iglesias, Universidad Politécnica de Madrid

Carlos A. Iglesias Fernández, Doctor Ingeniero de Telecomunicación por la Universidad Politécnica de Madrid (UPM), es Profesor Titular de la ETSI de Telecomunicación de la UPM (ETSIT). Actualmente dirige el grupo de sistemas inteligentes (GSI). El Dr. Iglesias ha sido Subdirector de I+D de Grupo Gesfor y Director de Innovación de Germinus XXI. También ha trabajado como profesor en las universidades de Valladolid y Pontifica de Comillas de Madrid.  Desde 2013, ocupa los cargos de: Adjunto al Director para Alumnos; y,  Responsable de Calidad el Centro y Coordinador de la Oficina de Prácticas. Respecto a la producción científica, tiene más de 40 artículos de investigación publicados en congresos, libros y revistas nacionales e internacionales. También participa activamente en proyectos de investigación nacionales y europeos, destacando su trabajo como coordinador técnico de los proyectos europeos: FP6 Romulus; FP7 Omelette;  y, FP7 EuroSentiment.

Citas

Iglesias, C. A. (Coord.). (2015). Asignatura de simulación social basada en agentes. Disponible en: http://www.gsi.dit.upm.es/es/noticias/1-gsi/183-curso-de-libre-eleccion-simulacion-socialbasada-en-agentes.html. Último acceso 20 de Julio de 2015.

Code Studio. Disponible en: https://studio.code.org/. Último acceso 20 de Julio de 2015.

Wikipedia. (2015). Comparativa de software para el modelado basado en agentes . Disponible en: https://goo.gl/mjDjrr. Último acceso 20 de Julio de 2015.

Google Public Data. Disponible en: http://www.google.com/publicdata/directory. Último acceso 20 de Julio de 2015.

Mosi-agil, modelado social de inteligencia ambiental aplicado a grandes instalaciones. Disponible en: https://www.gsi.dit.upm.es/mosi/. Último acceso 20 de Julio de 2015.

Netlogo. Disponible en: http://ccl.northwestern.edu/netlogo. Último acceso 20 de Julio de 2015.

Netlogo Models Library. Disponible en: http://ccl.northwestern.edu/netlogo/models/. Último acceso 20 de Julio de 2015.

Scratch. https://scratch.mit.edu/. Último acceso 20 de Julio de 2015.

Drogoul, A., Vanbergue, D. y Meurisse, T. (2003). Multi-agent based simulation: Where are the agents? In: Proceedings of the 3rd International Conference on Multi-agent-based Simulation II, MABS’02 , (pp. 1-15). Berlín, Alemania: Springer-Verlag.

Epstein, J. M. y Axtell, R. (1996). Growing Artificial Societies: Social Science from the Bottom Up. Washington, Estados Unidos: The Brookings Institution.

Farmer, J. D. y Foley, D. (2009). The economy needs agent-based modelling. Nature, 460 (7256), 685-686.

Gilbert, N. y Troitzsch, K. G (2005). Simulation for the Social Scientist . Reino Unido: McGraw Hill.

Irwin, K., Edwards, K. y Tamburello, J. A. (2015). Gender, trust and cooperation in environmental social dilemmas. Social Science Research, 50 , 328-342.

Serrano, E., Poveda, G. y Garijo, M. (2014). Towards a holistic framework for the evaluation of emergency plans in indoor environments. Sensors, 14 (3):4513.

Descargas

Publicado

2016-04-05

Cómo citar

Serrano, E., & Iglesias, C. Ángel. (2016). Una introducción a la simulación social como método de aprendizaje . EDUTECH REVIEW. International Education Technologies Review Revista Internacional De Tecnologías Educativas, 3(1), 1–8. https://doi.org/10.37467/gka-revedutech.v3.521

Número

Sección

Artículos de investigación