Anda di halaman 1dari 123

UNIVERSIDAD TECNICA FEDERICO SANTA MARIA

DEPARTAMENTO DE INFORM ATICA


VALPARAISO CHILE
LINEAMIENTOS PARA UNA GESTI

ON DEL
CONOCIMIENTO DESDE FRANCISCO VARELA
Memoria de titulaci on para optar al ttulo de
INGENIERO INFORM

ATICO
por
Eduardo David Morales Cruz
Profesor Gua: Ricardo Acevedo
Profesor Correferente: Claudio Gamero
MAYO - 2012
UNIVERSIDAD TECNICA FEDERICO SANTA MARIA
DEPARTAMENTO DE INFORM ATICA
VALPARAISO CHILE
AUTOR:
EDUARDO DAVID MORALES CRUZ
Memoria de titulaci on para optar al ttulo profesional de Ingeniero
en Inform atica de la Universidad Tecnica Federico Santa Mara.
Profesor Gua:
Profesor Gua: Ricardo Acevedo
Profesor Correferente
Profesor Correferente: Claudio Gamero
Mayo - 2012.
Valparaso, Chile.
II

Indice de Contenidos

Indice de Contenidos III

Indice de Tablas V

Indice de Figuras VI
Resumen VIII
Abstract IX
Introducci on X
1. Conocimiento y Gesti on del Conocimiento. 1
1.1. Conocimiento. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Gesti on del Conocimiento. . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.1. Signicaci on de la Gesti on del Conocimiento . . . . . . . . . 3
1.2.2. Maneras de gestionarlo. . . . . . . . . . . . . . . . . . . . . . 4
1.2.3. Simulaci on en Netlogo. . . . . . . . . . . . . . . . . . . . . . 4
1.2.4. Simulaci on en Python. . . . . . . . . . . . . . . . . . . . . . . 11
2. Metamemoria. 19
2.1. Denici on de Metamemoria. . . . . . . . . . . . . . . . . . . . . . . . 19
2.2. Par ametros de Orden y Metamemoria. . . . . . . . . . . . . . . . . . 21
2.3. Metamemorias de Registros Ling usticos. . . . . . . . . . . . . . . . . 23
2.3.1. Simulaci on en Netlogo. . . . . . . . . . . . . . . . . . . . . . 24
3. Lenguaje y Temporalidad. 27
3.1. Lenguaje y Temporalidad desde una Perspectiva Fenomenol ogica. . . 27
3.2. Deniciones y Ejemplos. . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.2.1. Neuronas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.2.2. Excitabilidad de la Membrana Celular. . . . . . . . . . . . . . 30
3.2.3. Osciladores. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
III
3.2.4. Ejemplo de Sincronizaci on. . . . . . . . . . . . . . . . . . . . 41
3.2.5. Par ametros de Orden. . . . . . . . . . . . . . . . . . . . . . . 43
3.3. Lenguaje y Temporalidad desde una Perspectiva Neurol ogica. . . . . 44
3.3.1. Escalas Temporales. . . . . . . . . . . . . . . . . . . . . . . . 44
3.3.2. Explicaci on Neurol ogica de la Percepci on del Pasado Reciente. 45
3.3.3. Explicaci on Neurol ogica del Paso del Tiempo. . . . . . . . . . 45
3.3.4. Dos Extremos del Lenguajear. . . . . . . . . . . . . . . . . . . 45
4. Motivaciones para la Cartograa del Dominio-del-Conocimiento. 47
4.1. Afecto Como Motivante de la Investigaci on del Dominio-del-Conocimiento
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.2. Afecto Vertical y Afecto Horizontal. . . . . . . . . . . . . . . . . . . . 48
4.2.1. Simulaci on en Netlogo. . . . . . . . . . . . . . . . . . . . . . 48
5. Conclusiones 52
A. Anexos 55
A.1. Anexo A. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
A.1.1. Programas hechos en Netlogo. . . . . . . . . . . . . . . . . . 55
A.1.2. Programas hechos en Python. . . . . . . . . . . . . . . . . . . 106
A.1.3. Programas hechos en Matlab. . . . . . . . . . . . . . . . . . . 110
A.2. Anexo B. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
Bibliografa 113
IV

Indice de Tablas
4.1. Velocidades. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
V

Indice de Figuras
1.1. Modelo 1 en Netlogo. . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2. Modelo 1 en Netlogo. . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3. Modelo 1 en Netlogo. . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4. Modelo 1 en Netlogo. . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.5. Modelo 1 en Netlogo. . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.6. Modelo 2 en Netlogo. . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.7. Esta gura muestra como el amor aumentan las dimensiones inter-
accionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.8. Graco resultante del Modelo 1 vs el Modelo 2. . . . . . . . . . . . . 16
1.9. Recta de regresi on para el Modelo 1. . . . . . . . . . . . . . . . . . . 17
1.10.Recta de regresi on para el Modelo 2. . . . . . . . . . . . . . . . . . . 18
2.1. Esta gura muestra la circularidad del sistema nervioso. . . . . . . . 20
2.2. Experiencia de multiestabilidad visual. . . . . . . . . . . . . . . . . . 22
2.3. Simulaci on de metamemoria en Netlogo. . . . . . . . . . . . . . . . . 25
2.4. Metamemoria evitente en Netlogo. . . . . . . . . . . . . . . . . . . . 26
3.1. Esquema de una neurona tpica. . . . . . . . . . . . . . . . . . . . . . 30
3.2. Esquema de un potencial de acci on. . . . . . . . . . . . . . . . . . . . 31
3.3. Plano de fase del sistema (3.2.3) con punto de equilibrio. . . . . . . 34
3.4. Graca de potencial vs tiempo para el sistema (3.2.3) con punto de
equilibrio. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.5. Plano de fase del sistema (3.2.3) con ciclo lmite. . . . . . . . . . . . 36
3.6. Graca de potencial vs tiempo para el sistema (3.2.3) con ciclo lmite. 37
VI
3.7. Plano de fase hecho con el programa pplane8 para MATLAB de la
condici on biestable del sistema (3.2.4). . . . . . . . . . . . . . . . . . 38
3.8. Plano de fase hecho con el programa pplane8 para MATLAB de la
condici on monoestable del sistema (3.2.4). . . . . . . . . . . . . . . 39
3.9. Plano de fase hecho con el programa pplane8 para MATLAB de la
condici on ciclo lmite del sistema (3.2.4). . . . . . . . . . . . . . . . 40
3.10.Graca de sincronizaci on para los osciladores x
1
y x
2
del sistema
(3.2.6). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.11.Graca de no sincronizaci on para los osciladores x
1
y x
2
del sistema
(3.2.6). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.1. Simulaci on de afecciones en Netlogo. . . . . . . . . . . . . . . . . . . 50
VII
Resumen
En este trabajo se aborda el estudio del fen omeno del conocimiento desde la
perspectiva biol ogica dada por el bi ologo chileno Francisco Varela, considerando
que signica para un ser vivo conocer, con el prop osito de proveer lineamientos
para la gesti on del conocimiento. Para orientar la realizaci on de la gesti on del
conocimiento de un individuo, se usan los terminos que y conocer-como. Se
introduce tambien el concepto metamemoria para referirse a la globalidad que
afecta al individuo. Considerando la teora del lenguaje del bi ologo Humberto
Maturana en la cual todo conocimiento humano est a en el lenguaje se analiza
la determinaci on temporal del lenguaje. La temporalidad ntima, seg un Francisco
Varela, tiene como correlato la actividad neuronal del sistema nervioso, lo cual
implica un estudio de los sistemas din amicos no lineales cuyo modelo conceptual
son los osciladores no lineales. Finalmente, se indaga sobre la direcci on que toma
la investigaci on del dominio-del-conocimiento en la sociedad introduciendo los
conceptos de afectaci on vertical y horizontal.
Palabras clave: conocimiento, gesti on del conocimiento, conocer-como, lengua-
je, afecto.
VIII
Abstract
In this work there is approached the study of the phenomenon of the knowledge
from the biological perspective given by the Chilean biologist Francisco Varela,
considering what means an alive being to know, with the intention of providing
limits for the management of the knowledge. To orientate the accomplishment of
the management of the knowledge of an individual, the terms use that.
a
nd to
know how . The concept interferes also metamemoriato refer to the globalidad
that affects the individual. Considering the theory of the language of the biologist
Humberto Maturana in which any human knowledge is in the language the
temporary determination of the language is analyzed. The intimate temporality,
according to Francisco Varela, there has like correlato the activity neuronal of the
nervous system, which implies a study of the dynamic not linear systems which
conceptual model they are the not linear oscillators. Finally, it is investigated on
the direction that takes the investigation of the domain of the knowledge in the
company introducing the concepts of vertical affectation and horizontal affectation.
Key words: knowledge, management of the knowledge, know how, language,
affection.
IX
Introducci on
El objetivo principal de este trabajo es realizar una serie de lineamientos para
inducir al lector a una reexi on sobre el tema del conocimiento, de modo de ampliar
su perspectiva conceptual y dar puntos de vista a tener en cuenta cuando deba
realizar su gesti on.
La motivaci on fue la lectura, entre otras, del trabajo realizado por el bi ologo
chileno Francisco Varela (1946-2001) el cual se especializ o en este tema.
El enfoque dado para estudiar este tema es desde un punto de vista biol ogico y
social.
Para respaldar algunas propuestas o conjeturas hechas en este trabajo, se
realizaron algunas modelaciones de situaciones en las que hay alguna relaci on con
la gesti on del conocimiento. Se hace notar que las simulaciones fueron s olo de
tipo cticio con agentes abstractos. Estas simulaciones se implementaron usando el
entorno Netlogo 4.1.1 y el lenguaje Python. Para realizar algunos c alculos y gr acos
se usaron Matlab y Excel.
De acuerdo al estudio realizado, se desprende que la democratizaci on del
conocimiento implicara un aumento de autonoma en los agentes cognitivos.
Ampliando el n umero de variables y haciendolas m as realistas, las simulaciones
hechas pueden ser mejoradas, de modo de asemejarse m as a la realidad.
X
Captulo 1
Conocimiento y Gesti on del
Conocimiento.
1.1. Conocimiento.
Para hablar de la gesti on del conocimiento, primero se debe de hacer la pregunta
sobre que se entiende por conocimiento, el cual est a implcito-explcito en el
aprendizaje y ense nanza. Para esto se hace referencia a lo que dice Francisco Varela
[1] . En un organismo elemental el conocimiento implica la constituci on de una
identidad, que maneja su mundo interior para lograr mantener la continuidad en el
tiempo de la misma. Es decir el conocimiento es necesario para que una identidad
logre mantenerse como tal.
Luego, habr a que hacer una distinci on entre mundo para el organismo ( el cual
el observa y opera) y medio ambiente del organismo donde este es observado.
El primero ( el mundo) se encuentra al interior del organismo y es generado
en su clausura operacional. Este ultimo concepto se asocia al cierre operacional
matem atico recursivo, en que los productos est an en el mismo nivel que los
productores (como en la autopoiesis
1
), a traves de un cierre circular reexivo. El
segundo ( medio ambiente) es d onde se observa moverse al organismo. De ah es
que se establece una dialectica, entre la percepci on de su mundo y la relaci on con el
medio ambiente; por ejemplo, una persona se encuentra en soledad por un lado y en
compa na por otro lado. Por que se encuentra en soledad?, por que sensorialmente
s olo ella tiene acceso directo a su mundo. Es la unica que est a viviendo su realidad.
Por que en compa na ?, por que a pesar de todo las personas se estan relacion ando
unas con otras desde sus mundos. El medio ambiente, a traves de acoplamientos,
perturbaciones, golpes, desafa o amenaza la continuidad de la identidad del
organismo, el cual a traves de manejar su propio mundo restablece el equilibrio con
1
Del griego:auto-producido. Un sistema autopoietico(la organizaci on viva mnima) es aquel que
produce continuamente los componentes que lo especican, los cuales al mismo tiempo hacen
efectivo(al sistema) como una unidad concreta en el espacio y tiempo, que a su vez hace posible
la red de producci on de componentes.
1
CAP

ITULO 1. CONOCIMIENTO Y GESTI

ON DEL CONOCIMIENTO. 2
el medio ambiente. Esto es lo que un observador podra llamar una actividad crucial
cognitiva del organismo. Tambien Francisco Varela habla de otra dialectica, una
dialectica de la identidad que establece un para s ,o sea un agente aut onomo. Esta
identidad se establece mediante el ensamble de dos terminos: i)Un termino din amico
referido a una conjunci on de componentes interactuando en red: mallas metab olicas,
conjunciones neuronales, redes de anticuerpos, recursividad ling ustica. ii)Un termino
global referido a las propiedades emergentes, una totalidad que condiciona(en sentido
descendente)los componentes de la red: membranas celulares ,cuerpo sensomotor en el
espacio, discriminaci on ser/no ser, yo personal. Estos dos terminos est an realmente en
una relaci on de codenici on. Por una parte el nivel global no puede existir sin el nivel
de red, dado que se produce a traves de este; por otra parte, el nivel din amico no puede
existir ni operar como tal si no es contenido y alojado en una unidad adecuada que lo
haga posible[1]. Para entender esto mejor por ejemplo, se puede distinguir entre
los miembros, organos y distintos materiales al observar un cuerpo humano, pero
a pesar de esta distinci on ,aunque alguien al interactuar con este cuerpo lo haga
localmente con sus componentes, se entiende que la interacci on se lleva a cabo
con un persona que posee un yo corporal y que la din amica de sus componentes
hacen emerger(en sentido ascendente) su identidad con la cual se mantiene el
acoplamiento.
En [1], dice que es err oneo pensar que el medio ambiente informa al organismo,
pues es este el que le da sentido a las cosas. En terminos fsicos hay traspaso de
energa entre el medio ambiente y el organismo, la cual cobra sentido s olo si existe
un organismo (cuerpo), por que en rigor esta no est a dirigida a nadie, es s olo un
eso, un algo, un pretexto, una excusa para un acoplamiento para crear su propia
realidad. S olo desde el punto de vista de un organismo adquiere signicaci on.
Hay que notar, que la signicaci on nunca es pre-dada o pre-existente, sino que
aparece en cada momento.En [1] se habla de excedente de signicaci on, al referirse
a lo que ocurre en cada encuentro o perturbaci on sensorial con el medio ambiente.
Por ejemplo, el humano tiene ritmos de descarga sensoriales que van entre 30
a 100 ms, dependiendo de la modalidad sensorial de la cual se este hablando.
Estos tiempos representan el valor mnimo para distinguir dos estmulos como no
simult aneos. Una vez activado el sistema sensorial se produce una interpretaci on
valorativa que no exista antes, es decir, un excedente de signicado, que seg un[1]
puede ser descrito como una producci on contra una permanente falta en lo vivo.
Este excedente de signicado, coordina las acciones permanentes e inexorables del
organismo sobre lo que en [1] se llama un quiebre en la autopoiesis, ya sea
menor como los cambios en la concentraci on de un metabolizado, o mayor como
la ruptura de los bordes. Desde el punto de vista del observador del sistema las
acciones emprendidas sobre lo que falta, se convierte en la actividad cognitiva del
organismo, desde el punto de vista del organismo el patr on de actuar sobre lo que
falta coordinado por el excedente de signicado que esta misma falta produce es la
fuente de creaci on-de-mundos.
Entonces para concluir, en [1] dice , que el termino cognitivo tiene dos
CAP

ITULO 1. CONOCIMIENTO Y GESTI

ON DEL CONOCIMIENTO. 3
dimensiones constitutivas. Primero su dimensi on de enlace; esto quiere decir
la conexi on con su medio ambiente que le posibilita mantener su individualidad.
Segundo, su dimensi on imaginaria; esto quiere decir el excedente de signicaci on
que adquiere una interacci on fsica, debido a la perspectiva otorgada por la acci on
global del organismo.[1]
1.2. Gesti on del Conocimiento.
1.2.1. Signicaci on de la Gesti on del Conocimiento
Una vez que se ha hablado del conocimiento, se puede hacer la pregunta
que signicara gestionarlo?.En [1] se dice hablando de una celula: ella
est a constantemente produciendo signicado, que puede ser descrito como permanente
falta en lo vivo: est a constantemente produciendo una signicaci on que est a perdida,
nunca pre-dada o pre-existente. Entonces la relevancia debe ser adquirida ex nihilo (de
la nada): distinguir especies moleculares relevantes e irrelevantes, seguir un gradiente
hacia arriba y no hacia abajo, aumentar la permeabilidad de este ion y no de
aquel, etc. Se maniesta un inevitable contratiempo entre un sistema aut onomo y su
medio ambiente: siempre hay algo que el sistema debe proveer desde su perspectiva
de totalidad en funci on[1]. En el mundo humano se necesitan realizar tareas,
para lo cual se necesita saber que hacer, y luego realizarlo. Esto es un ejemplo
de conocimiento: el que y el c omo. Posibilitar el conocer que, cu anto,
cuando, cu al, y conceptos de esta naturaleza es lo que se llamara gesti on del
conocimiento. Por otro lado, el conocer-c omo (o sea, realizar la tarea), tambien
es parte del conocimiento, pero aqu se considerara que no es parte de la gesti on
de este. Adem as de esto, el aprendizaje es un ingrediente que enlaza la gesti on del
conocimiento con el conocer-c omo. Este aparece en el mundo contingente como
una forma para resolver objetivos eventuales del mismo tipo o similares en el
transcurso continuo de la vida. En el contexto de la gesti on del conocimiento se
dara el conocer-c omo por aprendido ; en terminos ocupados por F.Varela[1] se
puede decir que el conocer-c omo es adquisici on de transparencia para la acci on,
o sea no es necesario reexionar en gran medida para actuar. Es con la parte del
aprendizaje que se enlaza con el que ,que la gesti on debe hacerse. Una vez que
se han ido resolviendo las tareas o problemas ,el aprendizaje que se desprende de
la gesti on del conocimiento pasa a adjuntarse desde el que al conocer-c omo. La
diferencia entre el que y el conocer-c omo es que una vez que se conoce el que y
pasa a ser parte del conocer-c omo, ya no es necesario gestionar el conocimiento por
que ya se conoce como hacer la tarea.
CAP

ITULO 1. CONOCIMIENTO Y GESTI

ON DEL CONOCIMIENTO. 4
1.2.2. Maneras de gestionarlo.
Que maneras hay de gestionar el conocimiento? Existen al menos dos. La
primera es autogestionativa(autodidacta), o sea producto del esfuerzo individual
e investigaci on propia. La segunda es a traves del apoyo mutuo o cooperaci on
entre individuos. Estos conocimientos que aprendemos pueden ser transmitidos
o comunicados a otros individuos: esto es lo que se podra llamar educaci on. De
ah la importancia o el potencial que existe en las comunidades en el ambito
de la educaci on o ense nanza, ya que si aumento la cantidad de dimensiones de
interacci on entre individuos, la transmisi on del conocimiento tambien aumentar a y
converger a entre ellos.
1.2.3. Simulaci on en Netlogo.
Una simulaci on de tipo cticia hecha en Netlogo 4.1.1
2
entrega alguna con-
rmaci on para lo dicho sobre las interacciones entre individuos. Se hicieron dos
modelos de interacci on : modelo 1, modelo 2. El primero con m as dimensiones de
interacci on que el segundo. Se obtuvo que el modelo 1 gestiona el conocimiento
m as r apidamente que el modelo 2.
El modelo 1 consiste en un rect angulo bidimensional donde se hallan cuatro
discos de distinto color (rojo, azul, amarillo, y verde) los cuales se podran
considerar como realizando el rol de individuos, y adem as cuatro peque nos
cuadrados jos con sus colores en correspondencia con los de los discos(ver Figura
1.1).
2
Netlogo es un entorno de programaci on que permite la simulaci on de fen omenos naturales
y sociales. Fue creado por Uri Wilensky en 1999 y est a en continuo desarrollo por el Center for
Connected Learning and Computer-Based Modeling.
CAP

ITULO 1. CONOCIMIENTO Y GESTI

ON DEL CONOCIMIENTO. 5
Figura 1.1: Modelo 1 en Netlogo.
Los discos se mueven aleatoriamente en este rect angulo bidimensional, con el
objeto de encontrarse con el cuadrado de su mismo color(ver Figura 1.2).
CAP

ITULO 1. CONOCIMIENTO Y GESTI

ON DEL CONOCIMIENTO. 6
Figura 1.2: Modelo 1 en Netlogo.
Este encuentro se interpreta como que el individuo (disco) gestion o un conocimien-
to, y se representa cambiando el color del disco a rosado(ver Figura 1.3).
CAP

ITULO 1. CONOCIMIENTO Y GESTI

ON DEL CONOCIMIENTO. 7
Figura 1.3: Modelo 1 en Netlogo.
La otra forma de gesti on (cooperaci on) se representa de la siguiente manera. Si
un disco se encuentra con uno de los peque nos cuadrados de un color distinto al
suyo este disco adquiere una etiqueta con el nombre del color de este cuadrado(ver
Figura 1.4)
CAP

ITULO 1. CONOCIMIENTO Y GESTI

ON DEL CONOCIMIENTO. 8
Figura 1.4: Modelo 1 en Netlogo.
, luego si este disco se encuentra con otro disco, se produce un intercambio de
etiquetas (n otese que un disco puede no estar etiquetado, lo que se considera como
etiqueta vaca). Finalmente si un disco adquiere una etiqueta con el nombre de
su mismo color, este disco cambia a rosado indicando que ya conoce c omo hacer
su tarea. La simulaci on termina cuando todos los discos han cambiado a rosado,
registr andose el tiempo que demora esto(ver Figura 1.5).
CAP

ITULO 1. CONOCIMIENTO Y GESTI

ON DEL CONOCIMIENTO. 9
Figura 1.5: Modelo 1 en Netlogo.
El modelo 2, es an alogo al modelo 1, s olo que ahora las dimensiones
de interacci on entre los discos se restringen. La restricci on consiste en que el
rect angulo se divide en cuatro franjas, una para cada disco, donde la interacci on
entre discos se realiza s olo en los bordes (fronteras) de las franjas(ver Figura 1.6).
CAP

ITULO 1. CONOCIMIENTO Y GESTI

ON DEL CONOCIMIENTO. 10
Figura 1.6: Modelo 2 en Netlogo.
Se corrieron los dos modelos cambiando la ubicaci on de los peque nos cuadrados
jos, considerando las 31 combinaciones posibles de las posiciones relativas de los
peque nos cuadrados respecto a las franjas del modelo 2. Se corri o cada combinaci on
5 veces en ambos modelos, registr andose los tiempos. Luego se calcularon los 31
promedios correspondientes para cada modelo, y a continuaci on se calcularon las
medianas de estos promedios y se compararon, resultando que el modelo 2 tarda
5,09 veces el tiempo que emplea el modelo 1. En otras palabras, el modelo 1 ocupa
para transmitir el conocimiento a todos los individuos un poco menos de 1/5 del
tiempo usado por el modelo 2.
Entonces, bas andose en la simulaci on anterior la cantidad de dimensiones
de interacci on es crucial para aumentar la velocidad del aprendizaje. Luego
seria bueno preguntar en la vida real que factores limitan las dimensiones
de interacci on? Algunos son: la competencia (en el sentido de oposici on), y la
jerarqua. Por otro lado, una condici on que promueve el aumento de dimensiones
interactivas es: aceptar al otro como legtimo otro en la convivencia.
CAP

ITULO 1. CONOCIMIENTO Y GESTI

ON DEL CONOCIMIENTO. 11
Figura 1.7: Esta gura muestra como el amor aumentan las dimensiones interaccionales
Lo c ual Humberto Maturana[2] esquematiza en la Figura 1.7.
1.2.4. Simulaci on en Python.
En los dos modelos anteriores se hizo la simulaci on considerando cuatro dis-
cos(individuos).Si se desea aumentar la cantidad de individuos en la simulaci on, la
programaci on en Netlogo se vuelve compleja debido a una raz on de combinatoria.
Para evitar esta complicaci on se recurri o a desarrollar el mismo tipo de simulaci on
que se hizo en Netlogo, pero en el lenguaje de programaci on Python
3
.Python
permiti o simular los modelos 1 y 2 considerando de 3 a 30 individuos en un tiempo
razonable .Al igual que en Netlogo se hicieron un Modelo 1 y un Modelo 2, s olo que
ahora cada modelo poda ser ejecutado variando a gusto la cantidad de individuos
3
Python es un lenguaje de programaci on de alto nivel cuya losofa hace hincapie en una
sintaxis muy limpia y que favorezca un c odigo legible.Se trata de un lenguaje de programaci on
multiparadigma ya que soporta orientaci on a objetos, programaci on imperativa y, en menor medida,
programaci on funcional. Es un lenguaje interpretado, usa tipado din amico, es fuertemente tipado y
multiplataforma.
CAP

ITULO 1. CONOCIMIENTO Y GESTI

ON DEL CONOCIMIENTO. 12
en las simulaciones, utilizando el concepto de hebras
4
.
A continuaci on se colocan los pseudo c odigos de los respectivos programas.
Algoritmo 1 Programa Principal
Entrada: La cantidad de hebras que se deseen ejecutar.
Salida: Crea y corre las hebras.
1: para numerohebra desde 1 hasta lacantidaddehebrasquesedeseenejecutar + 1
hacer
2: Crear hebra con identicador = numerohebra.
3: Ejecutar la hebra creada en el paso anterior.
4: n para
El Algoritmo 1 es el programa o hebra principal. Se utiliza para crear las
hebras que en este caso representan los individuos en vez de los discos como
en Netlogo. Este algoritmo crea las hebras(lnea 2), asign andoles un numero
identicador(numerohebra) que representa la tarea que el individuo debe aprender
a realizar; en Netlogo esto se representaba con el color de los discos y de los
peque nos cuadrados jos. Luego de haber creado las hebras con su n umero
identicador, este algoritmo procede a ejecutarlas(lnea 3).
El Algoritmo 2 es el c odigo del Modelo 1. En el se representa la parte
autogestionativa de los modelos desde la lnea 11 a la 20, donde si una variable
x es cero, se elige un numero aleatorio desde 1 a la cantidad de hebras que se
hallan ejecutado en el Algoritmo 1 , asign andoselo a una variable a, para luego
almacenar esta variable en un arreglo o lista en la posici on numerohebra (n umero
identicatorio del individuo representado ejecut andose). Esto representa que el
individuo numerohebra sabe c omo se hace la tarea a; luego en la lnea 14 se
verica si la tarea que aprendi o corresponde a la tarea que el debe aprender,
d onde si esto es cierto se disminuye una variable n (que es igual al n umero de
hebras ejecut andose) en 1, para as que cuando n sea igual a cero, termine el
proceso y se imprima el tiempo que demor o(TiempoTotal). La parte cooperativa
se representa desde la lnea 21 a la 32, donde ahora si la variable x es uno,
nuevamente se elige un n umero aleatorio desde 1 a la cantidad de hebras que
se hallan ejecutado en el Algoritmo 1 , asign andoselo a una variable a. Luego se
simula el intercambio o cooperaci on(lnea 23,24,y 25), d onde a indica el individuo
con el cual el individuo actual(numerohebra) cooperar a, haciendo el intercambio
de los registros contenidos en la lista o arreglo en las posiciones a y numerohebra;
4
En sistemas operativos, un hilo de ejecuci on, hebra o subproceso es la unidad de procesamiento
m as peque na que puede ser planicada por un sistema operativo.La creaci on de una nueva hebra es
una caracterstica que permite a una aplicaci on realizar varias tareas a la vez (concurrentemente).
Las distintas hebras de ejecuci on comparten una serie de recursos tales como el espacio de memoria,
los archivos abiertos, situaci on de autenticaci on, etc. Esta tecnica permite simplicar el dise no de una
aplicaci on que debe llevar a cabo distintas funciones simult aneamente.Una hebra es b asicamente
una tarea que puede ser ejecutada en paralelo con otra tarea.
CAP

ITULO 1. CONOCIMIENTO Y GESTI

ON DEL CONOCIMIENTO. 13
Algoritmo 2 Modelo 1, Codigo Hebra
Entrada: L = {} lista vacia, n = cantidad de hebras en ejecuci on,TiempoTotal =
0,TiempoHebra = 0,v = cierto ,numerohebra = numero identicatorio de cada
hebra.
Salida: Imprime TiempoTotal.
1: mientras n > 0 hacer
2: Elegir un numero aleatorio para tomarlo como tiempo y hacer dormir a la
hebra ese tiempo.
3: Elegir un numero aleatorio entre 0 y 1 , y asignarlo a x.
4: Adquirir candado para bloquear la zona critica de la hebra.
5: si L
numerohebra
= numerohebra entonces
6: si v entonces
7: v falso
8: n n 1
9: n si
10: n si
11: si x = 0 entonces
12: Elegir un numero aleatorio desde 1 y la cantidad de hebras que se esten
ejecutando, y asignarlo a a.
13: L
numerohebra
a
14: si L
numerohebra
= numerohebra entonces
15: si v entonces
16: v falso
17: n n 1
18: n si
19: n si
20: n si
21: si x = 1 entonces
22: Elegir un numero aleatorio desde 1 y la cantidad de hebras que se esten
ejecutando, y asignarlo a a.
23: b L
numerohebra
24: L
numerohebra
L
a
25: L
a
b
26: si L
numerohebra
= numerohebra entonces
27: si v entonces
28: v falso
29: n n 1
30: n si
31: n si
32: n si
33: TiempoHebra TiempoHebra + 1
34: Soltar candado para desbloquear zona critica.
35: n mientras
36: Adquirir candado para bloquear la zona critica de la hebra.
37: TiempoTotal TiempoTotal + TiempoHebra
38: Imprimir TiempoTotal.
39: Soltar candado para desbloquear zona critica.
CAP

ITULO 1. CONOCIMIENTO Y GESTI

ON DEL CONOCIMIENTO. 14
Algoritmo 3 Modelo 2, Codigo Hebra
Entrada: L = {} lista vacia, n = cantidad de hebras en ejecuci on,TiempoTotal =
0,TiempoHebra = 0,v = cierto ,numerohebra = numero identicatorio de cada
hebra.
Salida: Imprime TiempoTotal.
1: mientras n > 0 hacer
2: Elegir un numero aleatorio para tomarlo como tiempo y hacer dormir a la
hebra ese tiempo.
3: Elegir un numero aleatorio entre 0 y 1 , y asignarlo a x.
4: Adquirir candado para bloquear la zona critica de la hebra.
5: si L
numerohebra
= numerohebra entonces
6: si v entonces
7: v falso
8: n n 1
9: n si
10: n si
11: si x = 0 entonces
12: Elegir un numero aleatorio desde 1 y la cantidad de hebras que se esten
ejecutando, y asignarlo a a.
13: L
numerohebra
a
14: si L
numerohebra
= numerohebra entonces
15: si v entonces
16: v falso
17: n n 1
18: n si
19: n si
20: n si
21: si x = 1 entonces
22: Elegir un numero aleatorio entre numerohebra 1 o numerohebra + 1 ,
y asignarlo a a.Si el numero es 0 o mayor que la cantidad de hebras en
ejecuci on repetir la elecci on.
23: b L
numerohebra
24: L
numerohebra
L
a
25: L
a
b
26: si L
numerohebra
= numerohebra entonces
27: si v entonces
28: v falso
29: n n 1
30: n si
31: n si
32: n si
33: TiempoHebra TiempoHebra + 1
34: Soltar candado para desbloquear zona critica.
35: n mientras
36: Adquirir candado para bloquear la zona critica de la hebra.
37: TiempoTotal TiempoTotal + TiempoHebra
38: Imprimir TiempoTotal.
39: Soltar candado para desbloquear zona critica.
CAP

ITULO 1. CONOCIMIENTO Y GESTI

ON DEL CONOCIMIENTO. 15
luego se repite el mismo proceso de vericar si el registro en la lista o arreglo en la
posici on numerohebra es igual a numerohebra, que es la tarea que debe realizar el
individuo actual.
El Algoritmo 3 es el c odigo del Modelo 2. El Modelo 2 diere del Modelo 1 s olo
en la forma de cooperaci on , ya que esta se podra decir que es ahora jer arquica,
ya que el individuo i ahora s olo puede cooperar con el individuo i 1 o i + 1.
Esto se representa desde la lnea 21 a la 32, donde la diferencia con el Algoritmo
2 (Modelo 1) est a en la lnea 22, pues el n umero aleatorio elegido es s olo entre
numerohebra 1 o numerohebra + 1.
CAP

ITULO 1. CONOCIMIENTO Y GESTI

ON DEL CONOCIMIENTO. 16
Figura 1.8: Graco resultante del Modelo 1 vs el Modelo 2.
Cada modelo se ejecut o 10 veces desde 3 a 30 individuos respectivamente.
Con respecto a los resultados de estas simulaciones se calcularon los promedios
de tiempo de las 10 ejecuciones que correspondan a cada cantidad de individuos,
para cada modelo y se gracaron(ver Figura 1.8), tomando en el eje de las abscisas
la cantidad de individuos y en el eje de las ordenadas el tiempo de duraci on,
hasta que todos los individuos del correspondiente modelo hallan logrado saber
lo que deben hacer(seg un la interpretaci on dada). El gr aco obtenido muestra una
tendencia del tiempo(de logro de meta) a crecer, a medida que aumenta la cantidad
de individuos(esto ocurre en los dos modelos; el graco en azul corresponde al
modelo 1 y el graco en rojo al modelo 2).En la mayora de los casos se aprecia que
el modelo 1 gestiona el conocimiento con mayor rapidez que el modelo 2.Como la
tendencia del tiempo vs la cantidad de individuos es a crecer linealmente en ambos
modelos, es razonable considerar la recta de regresi on (ver Figuras 1.9 y 1.10) para
extrapolar el comportamiento de los modelos.N otese que el tiempo es medido en la
cantidad de loops que realiza cada hebra en el bucle while(mientras).
CAP

ITULO 1. CONOCIMIENTO Y GESTI

ON DEL CONOCIMIENTO. 17
Figura 1.9: Recta de regresi on para el Modelo 1.
CAP

ITULO 1. CONOCIMIENTO Y GESTI

ON DEL CONOCIMIENTO. 18
Figura 1.10: Recta de regresi on para el Modelo 2.
Se obtuvieron las siguientes rectas de regresi on:
Modelo1 :y = 3545, 4x1652, 9 (1.2.1)
Modelo2 :y = 4172, 5x2610, 2 (1.2.2)
Luego, mediante un calculo simple despreciando las constantes de las rectas
de regresi on, se obtuvo que el Modelo 1 ocupa aproximadamente un 85 % del
tiempo que tarda el Modelo 2 en lograr la meta. Esto conrma de una manera m as
moderada(no como en Netlogo), que si se aumenta las dimensiones interactivas
entre los agentes cognitivos, aumentar a la transmisi on del conocimiento entre ellos.
Si se pudiera aplicar los resultados anteriores de la simulaci on en Python, el Modelo
2 corresponderia a nuestra cultura adulta que seg un[2] es patriarcal, la cual entre
otras cosas promueve la exclusi on, la apropiaci on, la enemistad, la desconanza,
el control, y la negaci on. De este modo si suponemos que la esperanza de vida de
una persona es de 80 a nos, su conocer-como seria superior en 12 a nos, en el caso
que hubiera vivido en una cultura basada en el Modelo 1. Si esto lo vemos a nivel
de civilizaci on adulto-patriarcal, la cual seg un[2] lleva existiendo 7000 a nos, se
habran perdido aproximadamente 1000 a nos de aumentar el conocer-como global.
Captulo 2
Metamemoria.
Este captulo est a orientado a los efectos globales ya sea medio ambientales,
culturales o sociales que afectan el modo de conocer de los individuos .Para esto se
introduce un concepto que se denotar a por la palabra metamemoria.
2.1. Denici on de Metamemoria.
Se entender a por una metamemoria a un medio ambiente rutinario y
estabilizado
1
, que un observador distingue en un lapso dado; por ejemplo el
Paleoltico(Edad de piedra antigua )tuvo su propia metamemoria que es distinguida
por los arque ologos(observador) por el uso de utensilios lticos, en oposici on a la
Edad de los metales, desde hace unos 2,85 millones de a nos (en Africa) hasta hace
unos 10.000 a nos;por otro lado, un ejemplo fsico podra ser una simple onda,
en d onde el lapso se podra obtener de su frecuencia. De este modo para que
el observador distinga la onda como tal, debera detectar al menos dos ciclos de
ella. Ahora cambiando al ambito social se recuerda lo dicho por Francisco Varela
en el Captulo1 sobre las dimensiones del conocimiento: enlace e imaginaci on.
La dimensi on de enlace en los seres humanos es producto principalmente de su
acoplamiento senso-motriz (ver Figura 2.1),
1
De la denici on se puede entender a las leyes de la fsico-quimica como la metamemoria absoluta
19
CAP

ITULO 2. METAMEMORIA. 20
Figura 2.1: Esta gura muestra la circularidad del sistema nervioso.
d onde para entenderlo mejor se puede describir el siguiente ciclo de acoplamien-
to: el medio gatilla la parte sensorial del sistema nervioso; este gatillamiento
es medido a traves de la red de interneuronas para luego activar la parte
motora, la cual gatilla al medio, el cual nuevamente afecta la parte sensorial
y as sucesivamente. Por otro lado, la dimensi on imaginaria es dada por el
excedente de signicado que adquiere una interacci on fsica debido a la perspectiva
otorgada por la acci on global del organismo[1]. Se considera que la imaginaci on
de un individuo es el motor creativo de su acci on. Entonces el medio ambiente
rutinario y estabilizado afecta a los individuos cognitivamente, produciendo enlaces
mon otonos a ellos y a su vez como los individuos son parte del medio se producen
enlaces mon otonos entre ellos ,que al integrarlos producen el comportamiento
global de la sociedad. O sea tomando las dimensiones de enlace e imaginaci on,
el enlace que le produce la actividad de un individuo A a un individuo B, modula
la imaginaci on de este (se podra decir que la acota).Luego c omo la imaginaci on es
el motor creativo para la acci on, el individuo B tiene una actividad de acuerdo con
su imaginaci on(que est a acotada por la inuencia de la actividad del individuo
A),la cual ahora provoca eventualmente un enlace a un individuo C, que de
nuevo modula su imaginaci on con cierta restricci on o cota y as sucesivamente.
Una caracterstica de las metamemorias , es que no dependen del observador
(aunque para ser distinguidas dependan de este) o sea funcionan como memorias
que van m as all a de la memoria particular de un ser vivo. De hecho para que a
un ser vivo le sirva su memoria con el objeto de conseguir sus prop ositos, tiene
que estar esta, correlacionada con alguna metamemoria. Por ejemplo, cuando
CAP

ITULO 2. METAMEMORIA. 21
un ni no aprende la palabra hola este puede emplearla con toda la sociedad
que habla castellano. O sea la palabra hola est a en una metamemoria o en
una memoria global de un sistema social, es decir est a de alguna manera en
el medio ambiente y no necesita ser cada vez explicada a cada individuo. Esta
palabra podra producir en una persona un enlace y la inducira a pensar que se
la est a saludando. Entonces tendra que naturalmente responder a este saludo.
N otese que si no responde al saludo estara ignorando la metamemoria, lo cual
podra provocarle alg un problema, pues se estara contrariando la inercia de la
metamemoria. De hecho, la metamemoria de un sistema social es productora de
enlaces con patrones repetitivos o mon otonos que hacen imaginar a las personas
m as o menos las mismas cosas, siendo esto como una especie de regulaci on de esta
metamemoria para autoreforzarse o autoarmarse. Como se trata de una inercia
colectiva, es fsicamente muy difcil que un individuo act ue bajo el opuesto l ogico.
Entonces como tiene la fuerza de la sociedad, cada individuo est a convencido con
este mismo nivel de fuerza. Pero cada instante es nuevo u original, por lo que existe
la posibilidad de imaginar algo distinto a lo acostumbrado y producir un enlace
seg un este imaginar. N otese que siempre est a la posibilidad fsica de producir este
enlace.
2.2. Par ametros de Orden y Metamemoria.
Un ser humano no puede tener un gran n umero de percepciones al mismo
tiempo, ya que estas dependen, seg un[1], de la sincronizaci on de se nales con fase
de arrastre
2
provenientes de conjuntos neuronales que se encuentran en m ultiples
regiones del sistema nervioso, lo cual implica la utilizaci on de bandas de frecuencia
en que ocurre la din amica de la sincrona d onde la misma banda no puede
ser ocupada al mismo tiempo. En[1] dice que esta sincronizaci on de conjuntos
neuronales es el correlato de la percepci on, d onde cada mundo perceptual creado
en el presente es generado por las diferentes funciones del sistema nervioso que
son activadas.En[1] se habla de par ametros de orden al referirse a lo que congura
sincronas (percepciones) futuras desde la sincrona actual. Para entender mejor lo
que es un par ametro de orden se expone el siguiente experimento con el cubo de
Necker (el cual es una experiencia de multi estabilidad visual. Este fen omeno se
explica en la Figura 2.2)
2
Fase de arrastre a veces se llama bloqueo de fase o la sincronizaci on. Garnkel (1987) las listas
de los siguientes ejemplos de arrastre de la fase: (1) Las poblaciones de grillos arrastran unos a
otros a cantar con coherencia. (2) Las poblaciones de luciernagas Flash juntos. (3) Las celulas de
levadura mostrar coherencia en la oscilaci on glicoltica. (4) Insectos muestran coherencia en sus
ciclos de eclosi on (salida de la cris alida a la forma adulta). (5) Las poblaciones de las mujeres que
viven juntas pueden mostrar fase arrastre de sus ciclos de ovulaci on. (6) Las poblaciones de celulas
secretoras, como en el p ancreas pituitaria, y otros organos, la liberaci on de sus hormonas en forma
de pulsos coherentes.
CAP

ITULO 2. METAMEMORIA. 22
Figura 2.2: Experiencia de multiestabilidad visual.
El experimento consista primero, que cuando un observador apreciara un
cambio en su percepci on, presionara un bot on. El resultado fue una serie temporal
de los cambios, que obedece a una distribuci on estoc astica (una funci on gamma
con promedio 1 segundo). Luego se le di o un par ametro de orden: escribir el
tiempo que se demora el cambio. El resultado fue que la distribuci on se aplan o,
o sea, era m as probable que sufriera cambios espor adicos en la percepci on o que se
quedara jo en una interpretaci on. El reporte de esta persona fue que quedaba
bloqueada.En [1] se atribuye en este caso, al par ametro de orden el efecto de
cambiar la funcionalidad activada del sistema nervioso. Al dar un par ametro de
orden se modica el espacio de fase (que es la representaci on gr aca en un plano
de las trayectorias de las soluciones de un sistema de ecuaciones diferenciales
CAP

ITULO 2. METAMEMORIA. 23
que modela la din amica neuronal) produciendo los resultados obtenidos en este
experimento.
Por otro lado en [3] se habla de la conducta al referirse al movimiento en el
medio de los organismos con sistema nervioso, diciendo que para un organismo
s olo hay cambios de actividad interna mientras un observador le atribuye una
conducta. Para ejemplicar esto se relata la siguiente analoga: Imaginemos a un
sujeto que ha vivido toda su vida en un submarino y que, no habiendo jam as salido
de el, ha recibido un entrenamiento perfecto de c omo manejarlo. Ahora, nosotros
estamos en la playa y vemos que el submarino se acerca y emerge gr acilmente a la
supercie. Entonces, tomamos la radio y decimos al piloto al interior:Felicitaciones,
has evitado los escollos y emergido con gran elegancia; las maniobras del submarino
te resultaron perfectas. Nuestro amigo al interior, sin embargo, se desconcierta:
Que es eso de escollos y de emerger? Todo lo que yo hice fue mover palancas y girar
perillas y establecer ciertas relaciones entre indicadores al accionar las palancas y las
perillas, en una secuencia prescrita de acuerdo a mi modo acostumbrado. Yo no he
realizado maniobra alguna, y que, adem as, me hables de un submarino, me parece
casi una burla [3] .Esta analoga quiere decir que la conducta aparece como una
descripci on del observador del organismo observado; para el organismo, s olo hay
cambios de actividad interna, mecanismos de regulaci on, los cuales son indiferentes
u ortogonales a la conducta que le asocia el observador. Entonces la metamemoria
en la cual se mueve el individuo, le induce ciertos par ametros de orden espont aneos
a su percepci on (mundo), d onde se juzgan las conductas de los otros individuos. De
hecho como dice Humberto Maturana las armas o las cosas no son en s, son seg un
participan en el vivir[2] o sea, los objetos en su medio adquieren su estatus desde
la metamemoria en la cual vive el individuo.
2.3. Metamemorias de Registros Ling usticos.
Un tipo de metamemoria particular son las metamemorias ling usticas, creadas
en las sociedades humanas ,que se construyen y establecen sobre metamemorias
m as primitivas. Una caracterstica de estas es la creaci on de signicados, los
cu ales acotan el rango de comprensi on de los individuos en una sociedad en
particular. Ahora, estableciendo una relaci on con el sistema nervioso:c omo se pasa
de un mero sonido a un signicado? .Es decir, el sistema nervioso sufre cambios
de actividad internos o gatillados por alg un cambio en el medio (una vibraci on
sonora, luminosa, etc.). Por ejemplo, cuando una persona habla esta produciendo
un cambio en el medio, que produce un cambio en su sistema nervioso (percepci on).
Pero cuando le hablan a alguien, que escucha: un sonido o una palabra? Por
ejemplo, si una persona no sabe griego y est a en Grecia, las conversaciones serian
s olo sonidos con total ausencia de signicado. Burdamente hablando, los cambios
en el sistema nervioso son signicados en la medida que estos est an codicados
en una metamemoria de tipo ling ustica. No se est a diciendo que todo signicado
CAP

ITULO 2. METAMEMORIA. 24
provenga de una metamemoria de este tipo, pero hay que recordar que el lenguaje se
crea por interacci on entre individuos, los cuales construyen desde este los registros
de este tipo de metamemoria. Entonces se reconoce que los cambios en el sistema
nervioso tienen asociado un valor que se desdobla desde la simple percepci on o
se adhiere a ella, que est a en otro nivel (signicado), el cual es muy probable que
este codicado en la metamemoria ling ustica en la cual se mueve la persona. De
hecho las percepciones que no tienen codicado un signicado en la metamemoria
ling ustica en que se est a, no tendr an por lo mismo un signicado que se desdoble
o se adhiera a esta percepci on, lo cual podra ser comprendido como un acotamiento
de la comprensi on. Para que algo este en la metamemoria ling ustica es necesario
consensuar las percepciones para llevar as el aparato psquico de la conciencia a
crear una generalizaci on que permitir a reproducir en la realidad lo que ahora se
conoce, comprende. Y c omo ahora se conoce y comprende,es reproducible en el
medio ambiente, lo cual crear a una metamemoria fsica en el medio ambiente
donde est a la sociedad, congruente con la metamemoria ling ustica.
3
2.3.1. Simulaci on en Netlogo.
Para vericar lo dicho recien, es decir, que el consensuar las percepciones
para manejarlas ling usticamente, provocar a una metamemoria fsica congruente
con la metamemoria ling ustica, se hizo una simulaci on en Netlogo 4.1.1 de
la siguiente manera. Se consider o un rect angulo bidimensional en el que se
mueven aleatoriamente cuatro discos, los cuales se podran interpretar como
personas. Tambien se tienen peque nos cuadrados que aparecen sobre el rect angulo
bidimensional en grupos de cuatro, en posiciones y colores aleatorios cada una
cierta cantidad de instantes que el usuario puede variar desde 10 a 1000 en la barra
medio, lo cual se interpreta como la complejidad del medio, pues a mayor n umero
de instantes, el medio seria m as simple. Los discos pueden cambiar en una gama
de 15 colores suministrados por los cuadrados. En un principio cuando un disco se
encuentra con un cuadrado, cambia al color en el que est a este cuadrado, ya que los
cuadrados representan estmulos de la realidad seg un el color, y al producirse este
cambio, se considera que el disco est a percibiendo el producto de este estmulo. A
continuaci on al moverse con esta regla los discos sobre el rect angulo, al encontrarse
dos discos del mismo color, los dos discos quedan etiquetados con el nombre de ese
color y dejaran peque nos cuadrados del color seg un la etiqueta en el rect angulo,
cada una cierta cantidad de instantes que el usuario puede variar desde 1 a 1000
en la barra reproducci on. Se atribuye a esto que se consensu o la percepci on dada y
que es ling usticamente manejable y reproducible y la rapidez con que se reproduce
en el medio esta percepci on consensuada es elegida por el usuario en la barra
reproducci on; mientras menor sea el n umero elegido por el usuario m as r apida
ser a esta reproducci on. La ultima regla es que cuando un disco etiquetado se
3
Esto podra resultar en algunos casos en una condena, porque si la metamemoria ling ustica
en la que una persona esta est a err onea le va a costar mucho encontrar la verdad.
CAP

ITULO 2. METAMEMORIA. 25
encuentra con un cuadrado con un color distinto al de su etiqueta, desaparece del
disco la etiqueta y toma el color del peque no cuadrado, reapareciendo en el disco
la etiqueta si m as adelante se encuentra con un peque no cuadrado del color que
corresponda a esa etiqueta, volviendo el disco a colocar peque nos cuadrados cada
los instantes elegidos por el usuario (ver Figura 2.3).
Figura 2.3: Simulaci on de metamemoria en Netlogo.
Si se considera que se ha creado una metamemoria evidente cuando el
rect angulo es similar a la Figura 2.4, en la cual hay un predominio del color rojo,
CAP

ITULO 2. METAMEMORIA. 26
Figura 2.4: Metamemoria evitente en Netlogo.
los resultados de esta simulaci on fueron que para que se produjese esta
metamemoria evidente ,el n umero de la barra reproducci on debe ser menor al 10 %
del n umero seleccionado en la barra medio. La simulaci on expuesta anteriormente
considerada como un modelo extremadamente simplicado y abstracto, conrma
lo argumentado anteriormente, es decir, que la aparici on despues de un tiempo
de estos colores predominantes podra interpretarse como una monotona en este
espacio bidimensional muy semejante al concepto de metamemoria y adem as se
puede inferir que mientras menor complejidad posea el medio, es m as f acil que se
produzca esta metamemoria .
Captulo 3
Lenguaje y Temporalidad.
En este captulo se habla del lenguaje y su determinaci on temporal. De acuerdo
a Humberto Maturana, los seres humanos conocemos gracias al lenguaje: los seres
humanos somos lo que somos en el serlo, es decir somos conocedores y observadores
en el observar y que al ser lo que somos, lo somos en el lenguaje. Es decir, no podemos
dejar de notar que los seres humanos somos humanos en el lenguaje, y al serlo, lo somos
haciendo reexiones sobre lo que nos sucede. Por ejemplo, haciendo reexiones sobre
lo que nos pasa en Chile en estos momentos, que vemos que ocurre?, que vamos
a hacer?, c omo actuaremos? O, haciendo reexiones sobre nosotros aqu, ahora,
en esta sala, podemos preguntarnos, que est a pasando en esta conferencia?, de
que est a hablando esta persona? M as a un, si nos planteamos la pregunta por nuestro
conocer se nos hace aparente que estamos inmersos en un vivir que nos sucede en
lenguaje, en la experiencia de ser observadores en lenguaje. E insisto en esto ultimo,
porque si no estamos en el lenguaje no hay reexi on, no hay discurso, no decimos nada,
simplemente somos sin serlo hasta que reexionamos sobre el ser[4].
3.1. Lenguaje y Temporalidad desde una Perspectiva
Fenomenol ogica.
Seg un [4] , el lenguaje es un coordinar de coordinaciones consensuales de
conducta; m as a un el lenguaje es un operar en coordinaciones consensuales
de conducta de coordinaciones consensuales de conducta. De acuerdo a esto el
lenguaje seria recursivo, ya que cada coordinaci on consensual de conducta podra
servir como punto de partida para la siguiente coordinaci on consensual de conducta
. Vease el siguiente ejemplo: Si queremos tomar un taxi, hacemos un gesto con la
mano que nos coordina con un automovilista que se detiene. Tal interacci on es una
coordinaci on conductual simple, y es, vista como tal, nada m as. Pero si despues de
hacer el gesto que coordina nuestra conducta con el automovilista en su detenerse,
hacemos otro que resulta en que este da una vuelta y se detiene a nuestro lado orientado
en la direcci on contraria a la que segua, hay una coordinaci on de coordinaci on de
27
CAP

ITULO 3. LENGUAJE Y TEMPORALIDAD. 28


acci on. Visto en conjunto, la primera interacci on coordina el detenerse y llevar, y la
segunda, la direcci on del llevar. Tal secuencia de interacciones constituye un lenguajear
mnimo. Un observador podra decir que hubo un acuerdo. A primera vista s olo ha
ocurrido una secuencia de coordinaciones conductuales, pero se trata de una secuencia
particular, porque la segunda coordinaci on de acciones coordina a la primera, y
no simplemente se agrega a ella [4].Ahora, las coordinaciones consensuales de
conducta son efectuadas principalmente a traves del acoplamiento senso-motriz
que provee el sistema nervioso, el cu al da la posibilidad de acci on y movimiento en
el medio, los cuales son modulados por el excedente de signicado en el mundo de
la persona, resultante de su lenguajear.
1
Por otro lado,en [1] se habla de la textura del ahora como enga nosa en el sentido
de que el ahora no es un punto sino un ambito. En [1] se hace una analoga con un
objeto que se mueve desde el centro a la periferia en el campo visual, o sea, cuando
el objeto se encuentra en el centro de este campo, est a en el ahora- presente del
observador y a medida que se acerca a la periferia, pasa al ahora-pasado reciente y
al pasado cuando desaparece del campo visual. En [1] dice que el pasado reciente
no es recuerdo ya que este tiene una inmediatez que no posee el recuerdo, pues
para evocar un recuerdo se hace como a traves de un velo. Francisco Varela se
reere en los terminos retenci on y protenci on para designar la din amica que sigue
la impresi on de la situaci on en el presente que est a dirigida al pasado reciente y
al futuro inmediato. La caracterstica de la retenci on es su contacto directo con
las percepciones anteriores y la caracterstica de la protenci on es la anticipaci on
de las tramas futuras. Por lo tanto la percepci on en cualquier momento dado
contiene entidades que se maniestan con una temporalidad extendida. Se puede
dar el siguiente ejemplo: al escuchar una meloda por primera vez si los tonos de
esta meloda fueran desapareciendo sin dejar rastro y solamente se percibiera el
que se est a ejecutando actualmente, sera imposible apreciar y comprender esta
meloda. Adem as a medida que los tonos van formando sus retenciones es posible
adivinar los tonos futuros. Ahora enlazando el lenguajear con este tipo de forma
de comprender la temporalidad, seg un el ejemplo dado por Maturana: cuando
primero hacemos un gesto con la mano que nos coordina con un automovilista que
se detiene[4] esto se encuentra en el ahora-presente del automovilista y la persona
que desea tomar el taxi, esto debera producir el primer excedente de signicado,
despues el tiempo se mueve hacia el siguiente momento pasando lo anterior a ser
ahora-pasado reciente y es utilizado como base para la siguiente recursi on, que
se da en: Pero si despues de hacer el gesto que coordina nuestra conducta con el
automovilista en su detenerse, hacemos otro que resulta en que este da una vuelta
y se detiene a nuestro lado orientado en la direcci on contraria a la que segua, hay
una coordinaci on de coordinaci on de acci on [4] que sera el ahora-presente nuevo
dejando este lenguajear en cada coordinaci on su correspondiente excedente de
signicado para la persona y el automovilista, donde cada ahora en est a escena,
1
Humberto Maturana usa la palabra lenguajear para enfatizar el car acter din amico relacional del
lenguaje.
CAP

ITULO 3. LENGUAJE Y TEMPORALIDAD. 29


en el lenguajear proviene recursivamente del anterior y no es arbitrario, por lo que
es plausible efectuar una anticipaci on de los datos.
3.2. Deniciones y Ejemplos.
A continuaci on se hacen algunas deniciones referentes a la biologia del cerebro.
Tambien se dan algunos conceptos y ejemplos sobre sistemas no-lineales , necesarias
para comprender la argumentaci on posterior.
3.2.1. Neuronas.
Las celulas nerviosas, se componen b asicamente de 3 partes: el cuerpo celular
(soma), las dendritas, y el ax on.
El soma: contiene al n ucleo de la celula y por lo tanto es poseedor del
material genetico de la neurona. Es ah donde ocurren los mecanismos bioqumicos
sintetizadores de enzimas y dem as protenas, necesarios para mantenerla viva.
Dendrita: son brazos delgados que se ramican, formando una red que rodea la
celula. Constituyen los canales fsicos principales por los cuales la neurona puede
recibir se nales provenientes de otra celula.
Ax on: Fibras que transmiten los impulsos nerviosos o potenciales de acci on
desde el cuerpo celular hacia la siguiente celula [5]. (ver Figura 3.1.)
CAP

ITULO 3. LENGUAJE Y TEMPORALIDAD. 30


Figura 3.1: Esquema de una neurona tpica.
3.2.2. Excitabilidad de la Membrana Celular.
El impulso nervioso se desarrolla como respuesta a una estimulaci on electrica
de cierta magnitud mnima, llamada umbral. Tambien se la conoce como potencial
de acci on. Suele originarse en el cuerpo celular en respuesta a la actividad de las
sinapsis dendrticas. Existen diferentes formas de potenciales de acci on, pero todos
tienen en com un el efecto todo o nada en la despolarizaci on de su membrana. O sea,
si el voltaje no excede un valor particular llamado umbral, no se iniciar a ninguna
espiga y el potencial regresar a a su nivel de reposo. Si el umbral es excedido,
la membrana realizar a una trayectoria del voltaje que reeja las propiedades
de la membrana, pero no las del impulso. Tambien se observa que al aplicar
secuencialmente estmulos breves(supra umbrales)que esten lo sucientemente
espaciados en el tiempo, la membrana responde cada vez produciendo identicos
potenciales de acci on. Si el lapso entre los estmulos se va reduciendo es imposible
excitar a la membrana por segunda vez. Este lapso crtico es llamado perodo
refractario y se divide en perodo refractario absoluto y relativo. En el primero a
pesar de la intensidad de la estimulaci on, es imposible desencadenar se nal alguna,
mientras que se puede provocar una espiga de menor tama no con despolarizaciones
mayores que el umbral [5]. (ver Figura 3.2.)
CAP

ITULO 3. LENGUAJE Y TEMPORALIDAD. 31


Figura 3.2: Esquema de un potencial de acci on.
3.2.3. Osciladores.
El modelo de Hodgkin y Huxley(desde 1948-1952)para el estudio del ax on
gigante de una neurona de un calamar ,es el primer modelo de oscilador neuronal
[5], y est a basado en un oscilador de Van Der Pol [6], el cual representa un circuito
electrico de un resistor y un capacitor en paralelo. Tales sistemas en la literatura son
conocidos como osciladores de relajaci on y tienen la caracterstica general de estar
constituidos por ecuaciones diferenciales no lineales .En dos dimensiones pueden
escribirse como sistemas de la forma:
CAP

ITULO 3. LENGUAJE Y TEMPORALIDAD. 32


x = f(x, y) (3.2.1)
y = g(x, y)
Una variable puede representar el potencial a traves de la membrana celular
y la otra la conductancia de los iones de potasio en la membrana de esta .En
otros estudios, una variable representa la posici on de un efector y la otra variable
est a relacionada con la velocidad de este [7] y [8]. Las caractersticas topol ogicas
del plano de fase de estos sistemas (puntos jos, ciclos lmites, puntos silla,
bifurcaciones) denen las caractersticas del ujo de fase que son el correlato de
los objetos que suceden en el transcurso del tiempo [1].
En el sistema (3.2.1)
a) Un punto P = (x
0
, y
0
) se dice punto crtico, jo, o de equilibrio si f(P) =
g(P) = 0.
b)Una trayectoria cerrada como por ejemplo un circulo, que tiene trayectorias
no cerradas enroll andose en espiral hacia el ya sea desde dentro o desde fuera
cuando t crece, se llama un ciclo limite.
c)Los sistemas din amicos pueden sufrir cambios en la estructura de sus trayecto-
rias cuando varan los par ametros. Esas modicaciones pueden incluir el nacimiento
o muerte de puntos jos y ciclos o transformaciones en el tipo de esas trayectorias.
Tales cambios se conocen como bifurcaciones.
A continuaci on se ilustran algunos ejemplos:
Ejemplo 1: A mediados de la decada de los a nos 50 FitzHugh reduce el modelo
de Hodgkin-Huxley el cual es un sistema din amico 4-dimensional a un sistema
din amico 2-dimensional el cual puede ser analizado en el plano de fase. En efecto
este modelo provee una explicaci on cualitativa en el espacio de fase de la formaci on
y decaimiento del potencial de acci on. En 1964 Nagumo construy o un circuito cuyas
ecuaciones son las del modelo de FitzHugh.Por lo tanto el modelo se conoce c omo
modelo de FitzHugh-Nagumo [7]. La forma del modelo reducido es:
dv
dt
= v(v )(1 v) w + I (3.2.2)
dw
dt
= (v w)
Este modelo proporciona una idea matem atica del mecanismo de excitabilidad
neuronal. Para interpretar la din amica de este sistema en terminos biofsicos se
traduce la variable v como el voltaje a traves de la membrana; la variable w se
interpreta como una variable de recuperaci on del sistema sin signicado biofsico
especico; el par ametro I representa la corriente aplicada a la celula nerviosa; , ,
y son constantes con 0 < < 1 y << 1.
Se supone que los par ametros ser an tales que solo existe un punto de equilibrio.
Adem as se traslada el modelo para ubicar este punto de equilibrio en (0, 0). Sea
CAP

ITULO 3. LENGUAJE Y TEMPORALIDAD. 33


f(v) = v(v )(1 v) y sea (v
eq
, w
eq
) el punto de equilibrio para (3.2.2). Entonces
se puede escribir el modelo en la forma:
dv
dt
= f(v + v
eq
) f(v
eq
) w (3.2.3)
dw
dt
= (v w)
Tomando los valores = 0,139, = 0,008, = 2,54 y tomando v
eq
= 0,07
,el sistema tiene un punto de equilibrio estable en (0,0).Esto se aprecia en los
siguientes gr acos.(ver Figuras 3.3 y 3.4.)
CAP

ITULO 3. LENGUAJE Y TEMPORALIDAD. 34


Figura 3.3: Plano de fase del sistema (3.2.3) con punto de equilibrio.
CAP

ITULO 3. LENGUAJE Y TEMPORALIDAD. 35


Figura 3.4: Graca de potencial vs tiempo para el sistema (3.2.3) con punto de equilibrio.
Luego si los par ametros toman los valores = 0,139, = 0,008, = 2,54 y
v
eq
= 0,15. El sistema se bifurca hacia un ciclo lmite, lo cual se aprecia en los
siguientes gr acos.(ver Figuras 3.5 y 3.6.)
CAP

ITULO 3. LENGUAJE Y TEMPORALIDAD. 36


Figura 3.5: Plano de fase del sistema (3.2.3) con ciclo lmite.
CAP

ITULO 3. LENGUAJE Y TEMPORALIDAD. 37


Figura 3.6: Graca de potencial vs tiempo para el sistema (3.2.3) con ciclo lmite.
Ejemplo 2: Considere el siguiente sistema
x = (x + y
1
3
x
3
) (3.2.4)
y = (x a + by I)/
Este modelo resume las propiedades matem aticas que debe tener un sistema
din amico 2-dimensional de ecuaciones diferenciales ordinarias de modo que un
efector produzca un conjunto de conductas especicadas (movimiento rtmico de
este). Los autores de este modelo [8], lo compararon con el movimiento del dedo
ndice de la mano diestra de 10 personas que deban seguir el ritmo de un estmulo
auditivo. Experimentaron con 3 condiciones:
1) Condici on biestable, en la cual hay dos puntos jos(con los par ametros: =
1, I = 0, a = 0, b = 2) (ver Figura 3.7.)
CAP

ITULO 3. LENGUAJE Y TEMPORALIDAD. 38


Figura 3.7: Plano de fase hecho con el programa pplane8 para MATLAB de la condici on
biestable del sistema (3.2.4).
2) Monoestable, en la que se exhibe s olo un punto jo(con los par ametros: =
1, I = 0, a = 1,05, b = 0) (ver Figura 3.8.)
CAP

ITULO 3. LENGUAJE Y TEMPORALIDAD. 39


Figura 3.8: Plano de fase hecho con el programa pplane8 para MATLAB de la condici on
monoestable del sistema (3.2.4).
3) Condici on ciclo lmite(con los par ametros: = 1, I = 0, a = 0, b = 0) (ver
Figura 3.9.)
CAP

ITULO 3. LENGUAJE Y TEMPORALIDAD. 40


Figura 3.9: Plano de fase hecho con el programa pplane8 para MATLAB de la condici on
ciclo lmite del sistema (3.2.4).
La tarea de los participantes en la condici on 1),fue alternar entre la ejecuci on
de exi on y extensi on del dedo (la cual se reeja en el plano de fase en alternar
entre los dos puntos de equilibrio); en la condici on 2) la tarea fue presentar un
ciclo completo exi on-extensi on y retornar al punto de partida(la cual se reeja
en el plano de fase en alejarse del punto de equilibrio para que la trayectoria
vuelva hacia el); en la ultima condici on, la tarea de los participantes fue realizar
movimientos continuos peri odicos coincidiendo la m axima exi on con el estmulo
inicial. Se debe observar que para realizar la experimentaci on, las dos variables del
sistema deben representar la posici on y la velocidad del efector, pero claramente
el sistema propuesto arriba no cumple con esto. Mediante un homeomorsmo el
conjunto de variables x, y se mapea a un nuevo conjunto de variables u, v que
satisfacen la condici on requerida u = v conservando los razgos estructurales del
plano de fase del sistema original.
CAP

ITULO 3. LENGUAJE Y TEMPORALIDAD. 41


3.2.4. Ejemplo de Sincronizaci on.
Una funci on vectorial h(x, t) es semi- contractante si su matriz jacobiana F es
semidenida negativa. En la teora de sincronizaci on de osciladores acoplados se
tiene el siguiente teorema [9].Considere dos sistemas acoplados. Si las ecuaciones
din amicas verican:
x
1
h(x
1
, t) = x
2
h(x
2
, t) (3.2.5)
donde la funci on h es semi-contractante, entonces x
1
y x
2
convergeran uno a
otro asint oticamente independientemente de las condiciones iniciales.
Ejemplo:Considere dos identicos osciladores de Van der Pol:
x
1
+ (x
2
1
1) x
1
+
2
x
1
=
1
( x
2
x
1
) (3.2.6)
x
2
+ (x
2
2
1) x
2
+
2
x
2
=
2
( x
1
x
2
)
se tiene
x
1
+ (x
2
1
+
1
+
2
1) x
1
+
2
x
1
= x
2
+ (x
2
2
+
1
+
2
1) x
2
+
2
x
2
(3.2.7)
Por el teorema anterior y el resultado del Anexo B, se deduce que los dos
osciladores alcanzaran sincronia asint oticamente si
1
+
2
> 1 para condiciones
iniciales no nulas. En la siguiente gura se aprecia que los osciladores alcanzan
sincrona asint oticamente con
1
=
2
= 2, = 5, = 2 y las condiciones iniciales
x
1
(0) = 1 y x
2
(0) = 5. (ver Figura 3.10.)
CAP

ITULO 3. LENGUAJE Y TEMPORALIDAD. 42


Figura 3.10: Graca de sincronizaci on para los osciladores x
1
y x
2
del sistema (3.2.6).
Con las mismas condiciones iniciales, pero tomando
1
=
2
= 0,1 se aprecia
que no se alcanza sincrona. (ver Figura 3.11.)
CAP

ITULO 3. LENGUAJE Y TEMPORALIDAD. 43


Figura 3.11: Graca de no sincronizaci on para los osciladores x
1
y x
2
del sistema (3.2.6).
3.2.5. Par ametros de Orden.
Seg un [1] los par ametros de orden en las explicaciones din amicas pueden ser
descritos de acuerdo a dos aspectos principales:1) El estado actual de los osciladores
y su acoplamiento, o las condiciones iniciales 2) Las condiciones lmites que dan
forma a la acci on en el nivel global: el marco contextual de la tarea realizada, y
las modulaciones independientes que surgen del marco contextual en que la acci on
se produce(a saber, nuevos estmulos o cambios end ogenos en la motivaci on)[1].
De acuerdo al ejemplo 2 (obviando que es un solo oscilador) estos dos
aspectos se veran reejados en las tres condiciones con las cuales se desarrollo
la experimentaci on: condici on biestable, monoestable, y condici on ciclo lmite.
CAP

ITULO 3. LENGUAJE Y TEMPORALIDAD. 44


3.3. Lenguaje y Temporalidad desde una Perspectiva
Neurol ogica.
3.3.1. Escalas Temporales.
Francisco Varela [1] al estudiar la temporalidad neurofenomenol ogicamente
2
distingue tres escalas de duraci on para la comprensi on del horizonte temporal:
1) sucesos b asicos o elementales (la escala 1/10)
2) perodo de relajaci on para integraci on a gran escala (la escala 1)
3) armaciones descriptivo-narrativas (la escala 10)
El primer nivel es el intervalo de fusi on de diversos sistemas sensoriales: la distan-
cia mnima necesitada para que dos estmulos sean percibidos como no simult aneos,
un umbral que vara con cada modalidad sensorial. Estos sucesos elementales pueden
fundarse en los ritmos celulares intrnsecos de las descargas neuronales, y en las
capacidades temporales de integraci on sin aptica. Ellos entran en un rango de 10
milisegundos(por ejemplo los ritmos de descarga de interneuronas)a 100 milisegun-
dos(por ejemplo, la duraci on de una secuencia EPSP/IPSP, en una neurona cortical
piramidal).Estos son los valores de la escala 1/10[1]. Estos sucesos elementales
dan origen a fen omenos micro-cognitivos, por ejemplo el tiempo de reacci on o
conducta oculo motriz.
La siguiente escala comprende el tiempo que toma un acto cognitivo totalmente
constituido, o sea del orden de unos pocos segundos. Ahora se introduce el
concepto de asambleas celulares o neuronales. Una asamblea celular es un conjunto
de neuronas distribuido con fuertes conexiones recprocas. Visto c omo sistema
din amico, las asambleas celulares deben tener un perodo de relajaci on seguido por
una bifurcaci on o fase de transici on ,o sea ,un perodo de emergencia dentro del
cual estas surgen orecen y se apagan sucesivamente. Este perodo dilatorio tiene
dos limitaciones simult aneas: debe ser mayor que el tiempo que tardan los sucesos
elementales que la constituyen (la escala 1/10) y debe ser comparable con el
tiempo que toma terminar un acto cognitivo (la escala 1) Seg un Francisco Varela
los procesos de integraci on relajaci on en la escala 1 son correlatos absolutos de
la conciencia del tiempo presente [1].
La escala 10 tiene que ver con la continuidad del YO. Esta escala es la relaci on
entre los momentos del ahora pertenecientes a la escala 1, cuya relaci on seg un
[1] es llevada a cabo a traves de las armaciones descriptivo-narrativas.
2
La hip otesis de trabajo de la Neurofenomenologa es: las referencias fenomenol ogicas acerca de
la estructura de la experiencia y sus equivalentes en la ciencia cognitiva se relacionan unas con otras
a traves de restricciones recprocas.
CAP

ITULO 3. LENGUAJE Y TEMPORALIDAD. 45


3.3.2. Explicaci on Neurol ogica de la Percepci on del Pasado
Reciente.
Conectando lo que dice Francisco Varela [1] sobre el pasado reciente con las
asambleas celulares, la auto organizaci on que subyace a la emergencia de las
asambleas neuronales, surge en un nivel constituyente (la escala 1/10), el cu al
est a dentro del marco de los osciladores acoplados no lineales y aparece como un
solo oscilador o grupo de osciladores. Luego estos osciladores entran en sincrona
tal como lo detecta un indicador colectivo o variable que en este caso es fase
relativa. Esta variable colectiva se maniesta en un nivel global como una acci on
y conducta cognitiva, por ejemplo la emergencia de una percepci on. Este nivel
global no es un c alculo abstracto, sino una conducta encarnada sujeta a condiciones
iniciales y a par ametros no especcos. La interdependencia local-global es explcita:
la emergencia no puede ser entendida con independencia de los componentes
elementales; los componentes alcanzan importancia a traves de su relaci on con
la globalidad. Entonces como la sincrona es din amicamente inestable, dar a origen
a nuevas asambleas de manera constante y sucesiva. Cada emergencia se bifurca
desde las anteriores con condiciones iniciales y lmites. As la emergencia anterior
a un se encuentra presente en la subsiguiente.
3.3.3. Explicaci on Neurol ogica del Paso del Tiempo.
Los objetos del lenguaje vistos desde la clausura operacional del individuo,
tienen como correlato la sincrona entre osciladores acoplados .Estos objetos o
coordinaciones transcurren temporalmente encendiendose y apag andose seg un
las trayectorias del sistema en su plano de fase .Seg un [1] ,en la consciencia
nunca hay un estado que se detiene o mora, debido a la misma naturaleza de los
planos de fase de los sistemas din amicos, lo cual es percibido c omo el transcurso
absoluto del tiempo: Si el lugar especco en la fase espacial es un correlato del
contenido intencional de un objeto-suceso ,el sistema nunca se detiene demasiado
en ello, sino que se acerca ,toca y se escabulle en un movimiento perpetuo y auto
propulsado .Cognitivamente, esto corresponde a la observaci on de que en el cerebro y
la conducta ,nunca existe un estado cognitivo que se detiene o mora, sino un cambio
permanente interrumpido por los conglomerados transitorios que subyacen tras un
acto moment aneo(escala de duraci on 1).Esto se expresa formalmente a traves de la
presencia dominante de regiones estables/inestables, de manera que cualquier cambio
leve en las condiciones iniciales y lmite, hace que el sistema se mueva hacia una regi on
cercana estable/inestable[1].
3.3.4. Dos Extremos del Lenguajear.
La consciencia de las coordinaciones en el presente y pasado reciente ,que
es el ahora enga noso, crea un excedente de signicado y c omo se ha dicho
CAP

ITULO 3. LENGUAJE Y TEMPORALIDAD. 46


cada una de estas coordinaciones y a su vez el excedente de signicado (como
coordinaci on)son sincronas pasajeras entre los osciladores de diferentes partes
del sistema nervioso que poseen unas funcionalidades en particular.En [1] dice
que las mismas trayectorias en el plano de fase tienen como correlato, el mismo
contenido perceptual. Entonces se distinguen dos extremos en el lenguajear: el
creativo o nuevo, en que las coordinaciones tienen un correlato en las sincronas
de funcionalidades del sistema nervioso que nunca se haban activado antes en el
sujeto; y el mon otono y rutinario. En este, las coordinaciones tienen como correlato
sincronas que realizan las mismas trayectorias frecuentemente. La diferencia de
un extremo con el otro para la percepci on es que para el primero, el excedente
de signicado resultante tendr a una forma que nunca se haba percibido y en el
segundo es el mismo cotidianamente. Un ejemplo dram atico de uctuaci on entre
estos extremos lo da [2] en la siguiente historia: Helen fue una ni na que, a la
edad de un a no y ocho meses, aproximadamente queda ciega y sorda, y crece como
un peque no ser salvaje. Sus ni neras la abandonan; no hay nada que hacer con ella,
hasta que un da, una mujer, Anne Sullivan, piensa que no puede ser que esta ni na
este condenada a un aislamiento total y cree que es posible sacarla de donde est a.
Empieza (y la historia la cuenta la misma Helen Keller) a hacer signos, marcas, con
sus propios dedos, en las manos de Helen, asociando esta marca con alguna situaci on
como el agua. Por ejemplo, haca una marca en la mano de Helen y le pona la mano
en un chorro de agua. Y en este proceso, hay un momento en que algo pasa. Helen al
escribir sobre su vida dice que en un instante le cambi o su existencia. Ella se dio cuenta
de que todas las cosas tenan nombre (esa es una reexi on a posteriori). Pero lo que
s pas o es que en esa relaci on cambi o el modo de la convivencia y apareci o un espacio
de coordinaciones de coordinaciones conductuales consensuales. Por mucho tiempo me
pregunte que haba ocurrido all. Y aunque les voy a decir algo que es muy simple,
no lo desde nen. Lo que ocurri o all, esencialmente, fue una din amica de aceptaci on
de Helen por Anne Sullivan, en su total legitimidad. No fue la ni nita impertinente,
que no aprende, que es tonta, ciega y sorda; que es imposible tratar con ella, que
es un salvaje, que es inaccesible; no. Fue aceptada en su legitimidad. El intento de
interacci on no fue donde no oa o donde no vea; fue donde tocaba. Y pas o lo que pasa
con esta clase de animales que somos: que cuando se abre un espacio de interacci on
en la aceptaci on mutua, en el amor, se constituye la posibilidad de una convivencia en
la cual se transforman las dos partes o las varias partes participantes. Y en el caso de
Helen y Anne Sullivan, esta ni na se transforma en un ser capaz de todo al empezar a
convivir en el lenguaje. A la doctora Verden-Z oller le pas o algo parecido con una ni na
que era ciega, epileptica, disfuncional y retardada. En las historia de aceptarla, esta
ni na se transform o, aprendi o a ver, perdi o el retardo, acab o la epilepsia[2]. De lo
anterior se puede concluir que si una persona pretende indagar en su corporalidad
activando funcionalidades de su sistema nervioso que no conoca o sincronas que
no haba vivido ,los par ametros de orden de su vida cognitiva deben ser de una
forma tal que el respeto, la aceptaci on, el amor , el afecto intimo ,la legitimidad
permitan esta exploraci on.
Captulo 4
Motivaciones para la Cartograa del
Dominio-del-Conocimiento.
En esta captulo se estudia los motivos del porque la investigaci on de los
dominios de conocimiento toman una direcci on dada.
4.1. Afecto Como Motivante de la Investigaci on del
Dominio-del-Conocimiento .
En el Capitulo 2 se dijo que una metamemoria era un medio ambiente rutinario
y estabilizado.Ahora comp arese por ejemplo la metamemoria existente en Europa
medieval con la del siglo XX en los a nos de la Segunda Guerra Mundial en Norte
America. Es evidente que el armamento de aquellas epocas era distinto, pero no
porque fsicamente el medio no pudiera generarlos, sino porque el conocer-como
global de la Edad Media no haba crecido a nivel de poder transformar elementos
del medio en una bomba at omica. Ahora para enriquecer la discusi on se cita desde
el texto Pasos hacia una ecologa de la mente de Gregory Bateson, lo siguiente:Un
problema vinculado dentro de la evoluci on de la comunicaci on, se reere al origen
de lo que Korzybski llamo la relaci on mapa-territorio, el hecho de que un mensaje,
cualquiera sea su naturaleza, no consiste en los objetos que denota (La palabra cat
no nos puede rasgu nar). Lo que sucede, mas bien, es que el lenguaje mantiene con
los objetos que denota una relaci on comparable a la que existe entre un mapa y un
territorio[10]. Entonces, el lenguaje del conocer-como, sera una especie de mapa o
cartografa del inmensoDominio-del-Conocimiento del cual s olo se puede conjeturar
hasta el momento su extensi on y naturaleza, lo cual vendra a ser el territorio
seg un la analoga explicada por Bateson. Para entenderlo mejor seg un el ejemplo
dado anteriormente,se podra decir que en el siglo XX se cartogra o m as territorio,
aumentando el mapa preexistente desde las epocas anteriores.
Una consideraci on importante es saber que motiva la direcci on que sigue la
creaci on del mapa. Para aventurar una respuesta a esto se cita a F. Varela: Todo
47
CAP

ITULO4. MOTIVACIONES PARA LA CARTOGRAFIA DEL DOMINIO-DEL-CONOCIMIENTO.48


lo que se encuentre deber a ser valorado de una u otra manera -gusto, disgusto,
ignorancia- y recibido de una u otra manera -atracci on, rechazo, neutralidad-. Esta
armaci on b asica es inseparable de la manera en que el acto de acoplamiento se
encuentra con una unidad precept uo-motora en funcionamiento, y da lugar a una in-
tenci on (incluso es tentador decir deseo) esa cualidad unica de la cognici on viva.[1]
Tambien, seg un F. Varela [1], el pensamiento discursivo es una representaci on
del deseo, que impulsa precisamente este pensamiento. Se podra decir que las
interacciones o acoplamientos entre los individuos desde sus discursos, crean de
alguna manera, a su vez los deseos de estos individuos, lo cual sera la motivaci on
de la exploraci on del territorio. Entonces cabe hablar del afecto. Citamos a F. Varela:
No s olo somos afectados por representaciones y afecciones inmanentes (afection de soi
por soi), sino tambien por la alteridad como inseparable de la esfera de un yo-ego. En
esta medida la misma distinci on entre auto- hetero- deja de ser importante, puesto que
en todos los casos todo se reduce a la misma manifestaci on: es una cuesti on de algo
otro, la experiencia de una alteridad, una diferencia en la identidad del presente. . .
[1] Es decir, la identidad o el yo-ego, que es quien desea, cambia su estructura en
el tiempo, afectada por si misma y/o por la alteridad.
4.2. Afecto Vertical y Afecto Horizontal.
Entonces, para modelar la evoluci on del mapa discutido anteriormente, referido
a los deseos que motivan la direcci on de este, se distingue en la sociedad dos tipos
de afecto: el afecto vertical o personalizado, y el afecto horizontal o masivo. El afecto
vertical para una persona lo realizan sus cercanos (amigos, familia, o personas de
su cotidiano), en cambio el afecto horizontal se realiza a traves de los medios
de comunicaci on masivos, instituciones de ense nanza, etc. N otese que el afecto
vertical para un individuo interacciona con un cierto n umero reducido de personas;
en cambio el afecto horizontal inuencia homogenea y masivamente a los grupos
sociales. La mayora de las personas viven entre estos dos tipos de afecto. Tambien
se debe notar que las instituciones que realizan el afecto horizontal han pensado
,planicado y analizado en gran medida los contenidos con los que afectan a los
individuos .Por otro lado es desde el afecto vertical de d onde las personas realizan
el amor ,que seg un Humberto Maturana, es la emoci on que funda lo social [4].
4.2.1. Simulaci on en Netlogo.
Al igual que en los Captulos 1 y 2, se hace una simulaci on de tipo cticio para
cuanticar que forma de afectaci on (horizontal o vertical) es m as inuyente en los
individuos. A continuaci on se explica la confecci on del modelo. Se consideraron
4 franjas verticales del mismo tama no, de modo que en cada franja, se mueve un
disco de un solo color,de distinto color por franja, que puede ser rojo, amarillo,
verde o azul. (Los discos se pueden considerar como representando individuos).
CAP

ITULO4. MOTIVACIONES PARA LA CARTOGRAFIA DEL DOMINIO-DEL-CONOCIMIENTO.49


En la adyacencia de las franjas, estos discos comparten una zona del ancho de 5
peque nos cuadrados. Cuando un disco se halla en esta zona, coloca cuadrados de
su mismo color y consume cuadrados del color que coloc o en esa zona el disco de la
franja adyacente (esto se interpreta como la afectaci on vertical), contabiliz andose
en el gr aco que aparece en la esquina inferior izquierda, seg un la curva de color
cafe, toda vez que de esta manera, alg un disco consume un cuadrado. La afectaci on
horizontal se representa del siguiente modo. En una franja horizontal de ancho
de 3 cuadrados, que atraviesa las franjas verticales se mueve la gura Turtle de
Netlogo(semejante a un tri angulo),la cual coloca cuadrados de color negro en
esta franja, los cu ales son consumidos por los discos cada vez que coinciden sus
posiciones, contabiliz andose esto en el gr aco seg un la curva de color negro (ver
Figura 4.1).
CAP

ITULO4. MOTIVACIONES PARA LA CARTOGRAFIA DEL DOMINIO-DEL-CONOCIMIENTO.50


Figura 4.1: Simulaci on de afecciones en Netlogo.
Luego se experiment o con diferentes velocidades en que los discos y la gura
Turtle colocan los cuadrados y se observ o los datos dados en la tabla siguiente:
En la Tabla 4.1 x es la velocidad (cantidad de ticks
1
por cuadrado colocado) en
que la gura Turtle coloca los cuadrados negros e y es la velocidad(cantidad de ticks
por cuadrado colocado)en que cada disco coloca los cuadrados de los otros colores
, a partir de la cual (aumentando el n umero y para x jo) ,la pendiente de la curva
en negro es mayor que la pendiente de la curva en cafe en la gr aca de Netlogo(
ticks versus cantidad de cuadrados consumidos:Afectaci on v/s Tiempo).A partir
de los datos de la tabla se obtuvo la siguiente recta de regresi on lineal:
y = 2,103x + 10,533 (4.2.1)
Si se quisiera explicar con el modelo los aspectos de la realidad que le competen
,lo cual es evidentemente irreal ,debido a que no se han considerado muchas otras
variables ,como por ejemplo la inuencia de la afectaci on horizontal en la afectaci on
1
En muchos modelos en Netlogo, el tiempo pasa en pasos discretos llamados ticks
CAP

ITULO4. MOTIVACIONES PARA LA CARTOGRAFIA DEL DOMINIO-DEL-CONOCIMIENTO.51


x y
1 12
2 13
3 18
4 20
5 21
6 24
7 26
8 28
9 28
10 31
Tabla 4.1: Velocidades.
vertical; la cantidad de individuos considerado y otras ,se podra decir que para
que en la sociedad domine el afecto horizontal ,la constancia de su inuencia
debe ser mayor a dos veces la cantidad de tiempo que le dedican las personas
a estar con sus cercanos(afecto vertical)lo cual si esto ocurre sera un indicativo
que la investigaci on o cartografa del territorio del Dominio-del-Conocimiento sera
pauteado por entidades tales como gobiernos, empresas ,etc.
Captulo 5
Conclusiones
1) El conocimiento tiene como fundamento el mantener la continuidad de una
identidad en el medio ambiente: entonces como el medio ambiente desafa la
continuidad de esta identidad se le produce una continua falta a esta identidad,
lo que le genera constantemente excedente de signicado desde su propia organi-
zaci on, que coordinar a las acciones de la identidad. Luego es err oneo pensar que
la representaci on es la unidad adecuada para las entidades cognitivas, ya que es
desde la propia organizaci on que aparece el excedente de signicado y no de un
programa incorporado desde afuera.
2) Suponiendo que los resultados de las simulaciones del Captulo 1 son
correctos, la cantidad de dimensiones interactivas entre los agentes cognitivos es
importante para aumentar la velocidad de su aprendizaje. Pero nuestra cultura
adulto-patriarcal promueve lo contrario. Esto actualmente se observa en la com-
petencia entre individuos y entre organizaciones, lo cual no tendra sentido si la
poltica social pregonara el respeto y aceptaci on entre las personas, consider andolas
como con igualdad de potencialidades o posibilidades de producci on inmaterial que
es la tendencia de esta epoca.
3) Del Captulo 2, se deduce que los valores de un sistema social vendr an dados
por la cantidad de individuos que realizan cierta actividad, ya que las conductas
o juicios que los individuos realicen sobre los otros individuos o situaciones de
su realidad ser a sobre la normalidad (mayora de individuos que realizan esto)
por lo cual cabe la posibilidad de que estos valores puedan ser distintos desde la
perspectiva de otro sistema social.
4) El curso de la metamemoria ling ustica, seg un la simulaci on en el Captulo
2, ser a congruente con la metamemoria fsica por lo que la extensi on y contenido
de esta metamemoria ling ustica construir a el entorno en que se vive. De acuerdo a
esta misma simulaci on, se obtuvo la relaci on que mientras mayor complejidad tena
el medio, m as difcil era consensuar las percepciones por lo que la metamemoria
ling ustica tender a a referirse sobre los aspectos que los individuos tienen m as en
com un. Por ejemplo, como una aplicaci on de esto, en una organizaci on debera
haber mecanismos para facilitar la discusi on de los problemas en com un ,para
52
CAP

ITULO 5. CONCLUSIONES 53
as consensuar las percepciones de estos problemas y as extender la reexi on, lo
que ayudara al encuentro de soluciones ,las cuales impulsaran a la transformaci on
de la organizaci on mejorando su convivencia interna.
5) La conciencia del tiempo se da en tres niveles distinguibles de temporalidad.
El primer nivel es el propio de los objetos y sucesos temporales que es el que
fundamenta la temporalidad fsica y computacional; el segundo nivel es el de los
actos de conciencia que constituyen los objetos-sucesos; y el tercer nivel constituye
los dos anteriores y es el ujo de la conciencia (tiempo absoluto).La temporalidad
de la experiencia humana no es el tiempo de la mec anica cl asica, ni el tiempo
computacional(como en una m aquina de Turing que escribe smbolos uno a uno en
una sucesi on innita identicando el tiempo como una secuencia),sino es el tiempo
inmanente o tiempo interior (intimo)de los actos de conciencia que se dan en el
lenguaje. Es decir, los objetos sucesos surgen debido a la conciencia, la cual se
da en el lenguajear. Por lo que al ser ntimo el tiempo biol ogico es diferente para
cada persona, las cuales por lo anterior tendr an diferentes historias individuales.
Mirando esto desde un punto de vista pr actico, se podra decir que es difcil que dos
personas se encuentren en igualdad de condiciones ante la misma disyuntiva.
6) En el lenguaje popular existe el dicho querer es poder. Est a expresi on
efectivamente aparece respaldada debido a que en la consciencia nunca hay un
estado que se detiene o mora por la misma naturaleza de los planos de fase de los
sistemas din amicos. As, si el lugar especco de la fase espacial es el correlato
de una falta o deseo, el sistema nunca permanecer a quieto en esto, sino que
se estar a en un cambio continuo entre regiones estable-inestable. Por lo tanto
si se quiere lograr algo especco ,debe existir una motivaci on que mantenga
recurrentemente el sistema en las regiones estable-inestable ,que son correlato de
los objetos-sucesos que tienen como forma o contenido los deseos y los pasos o
etapas para llegar a las metas u objetivos.
7) Con respecto al concepto Dominio-del-Conocimiento, se podran establecer
dos niveles .Un primer nivel es el conocimiento desde la estructura en clausura
operacional, es decir, cada persona en este nivel s olo puede conocer la parte del
medio que la compone a si misma. Por ejemplo cuando alguien presiona un objeto,
lo que siente no es el objeto, sino la presi on sobre su cuerpo. El segundo nivel
se desdobla a traves de la capacidad imaginativa en que las relaciones internas
(del sistema nervioso) permiten establecer relaciones sobre las cosas en el exterior
o en cualquier parte. Se debe hacer notar que la conguraci on estructural de
elementos del medio de un organismo, es una conguraci on que dene la forma
en que el organismo conoce, pero el Dominio-del-Conocimiento no queda acotado
por al menos dos motivos. En primer lugar debido a las posibilidades inmensas de
conguraciones diferentes de seres vivos .En segundo lugar debido a la capacidad
por lo menos en los humanos, para establecer relaciones (en el lenguaje) sin
forma previa lo que deja la posibilidad abierta para crear cualquier dominio de
conocimiento.
8) En relaci on a la direcci on que puede tomar la cartografa del territorio del
CAP

ITULO 5. CONCLUSIONES 54
Dominio-del-Conocimiento, se puede decir que en nuestra epoca domina el afecto
horizontal, el cual es gestionado por un n umero reducido de personas en proporci on
a la cantidad total de poblaci on. Sin embargo, debido al uso masivo de redes de
computadoras (Internet), se observa una evoluci on hacia un nuevo fen omeno, el
cual es: la ampliaci on de la libre elecci on del contenido por el cual se quiere
ser afectado y la posibilidad de ejercitaci on de afecci on horizontal por personas
comunes y corrientes.
Ap endice A
Anexos
A.1. Anexo A.
A.1.1. Programas hechos en Netlogo.
Modelo1.nlogo
;Definici on de variables
globals [r s q z]
breed [gloria a-gloria]
breed [karen a-karen]
breed [cote a-cote]
breed [cindy a-cindy]
;Bot on setup
to setup
clear-all
;Inializaci on
ask patches [ set pcolor white ]
set r false
set s false
set q false
set z false
ask patch -4 11
[ set pcolor green ]
ask patch 4 11
[ set pcolor yellow ]
ask patch -11 11
[ set pcolor blue ]
ask patch 11 11
[ set pcolor red ]
55
AP

ENDICE A. ANEXOS 56
set-default-shape karen "circle"
create-karen 1
[
set color yellow
set size 1.5
set label-color blue - 2
setxy 0 -4
]
set-default-shape gloria "circle"
create-gloria 1
[
set color red
set size 1.5
set label-color blue - 2
setxy 0 -11
]
set-default-shape cote "circle"
create-cote 1
[
set color green
set size 1.5
set label-color blue - 2
setxy 0 4
]
set-default-shape cindy "circle"
create-cindy 1
[
set color blue
set size 1.5
set label-color blue - 2
setxy 0 11
]
end
;Bot on go
to go
;Movimiento discos
AP

ENDICE A. ANEXOS 57
ask turtles [
right random 360
forward 1
]
;Consumo de cuadrados
ask gloria [
if pcolor = yellow [
set pcolor white
if label = "blue"[ set pcolor blue ]
if label = "green"[ set pcolor green ]
set label "yellow"
]
if pcolor = green [
set pcolor white
if label = "yellow"[set pcolor yellow]
if label = "blue"[ set pcolor blue ]
set label "green"
]
if pcolor = red [
set pcolor white
if label = "yellow"[set pcolor yellow]
if label = "blue"[ set pcolor blue ]
if label = "green"[ set pcolor green ]
set color pink
]
if pcolor = blue [
set pcolor white
if label = "yellow"[set pcolor yellow]
if label = "green"[ set pcolor green ]
set label "blue"
]
AP

ENDICE A. ANEXOS 58
]
ask cote [
if pcolor = yellow [
set pcolor white
if label = "blue"[ set pcolor blue ]
if label = "red"[ set pcolor red ]
set label "yellow"
]
if pcolor = green [
set pcolor white
if label = "yellow"[set pcolor yellow]
if label = "blue"[ set pcolor blue ]
if label = "red"[ set pcolor red ]
set color pink
]
if pcolor = red [
set pcolor white
if label = "yellow"[set pcolor yellow]
if label = "blue"[ set pcolor blue ]
set label "red"
]
if pcolor = blue [
set pcolor white
if label = "yellow"[set pcolor yellow]
if label = "red"[ set pcolor red ]
set label "blue"
]
]
ask cindy [
if pcolor = yellow [
set pcolor white
AP

ENDICE A. ANEXOS 59
if label = "red"[ set pcolor red ]
if label = "green"[ set pcolor green ]
set label "yellow"
]
if pcolor = green [
set pcolor white
if label = "yellow"[set pcolor yellow]
if label = "red"[ set pcolor red ]
set label "green"
]
if pcolor = red [
set pcolor white
if label = "yellow"[set pcolor yellow]
if label = "green"[ set pcolor green ]
set label "red"
]
if pcolor = blue [
set pcolor white
if label = "yellow"[set pcolor yellow]
if label = "red"[ set pcolor red ]
if label = "green"[ set pcolor green ]
set color pink
]
]
ask karen [
if pcolor = blue [
set pcolor white
if label = "red"[ set pcolor red ]
if label = "green"[ set pcolor green ]
set label "blue"
]
AP

ENDICE A. ANEXOS 60
if pcolor = green [
set pcolor white
if label = "blue"[ set pcolor blue ]
if label = "red"[ set pcolor red ]
set label "green"
]
if pcolor = red [
set pcolor white
if label = "blue"[ set pcolor blue ]
if label = "green"[ set pcolor green ]
set label "red"
]
if pcolor = yellow [
set pcolor white
if label = "blue"[ set pcolor blue ]
if label = "red"[ set pcolor red ]
if label = "green"[ set pcolor green ]
set color pink
]
]
;Cambio de etiquetas
cambio2 gloria cote
cambio2 cindy cote
cambio3 cote gloria
cambio3 cindy gloria
cambio2 cote karen
cambio3 cote cindy
cambio3 gloria karen
cambio2 cindy karen
cambio2 gloria cindy
cambio3 karen cote
cambio3 karen cindy
cambio2 karen gloria
;Estado logrado
ask gloria [ if label = "red" and color != pink
AP

ENDICE A. ANEXOS 61
[set color pink
set label ""
] ]
ask cote [ if label = "green" and color != pink
[set color pink
set label ""
] ]
ask cindy [ if label = "blue" and color != pink
[set color pink
set label ""
] ]
ask karen [ if label = "yellow" and color != pink
[set color pink
set label ""
] ]
ask gloria [if color = pink [set r true]]
ask cote [if color = pink [set s true]]
ask cindy [if color = pink [set q true]]
ask karen [if color = pink [set z true]]
if r and s and q and z[stop]
tick
end
;Definici on de funciones
to cambio [raza1 raza2]
ask raza1 [if label = "red"
[ if turtles-on patch-ahead 1 = raza2 [ask raza2
[if label = "blue"[set label "red"
ask raza1 [set label "blue"] ] ]
]]]
ask raza1 [if label = "red"
[ if turtles-on patch-ahead 2 = raza2 [ask raza2
[if label = "green"[set label "red"
ask raza1 [set label "green"] ] ]
]]]
ask raza1 [if label = "red"
[ if turtles-on patch-ahead 3 = raza2 [ask raza2
[if label = "yellow"[set label "red"
AP

ENDICE A. ANEXOS 62
ask raza1 [set label "yellow"] ] ]
]]]
ask raza1 [if label = "blue"
[ if turtles-on patch-ahead 4 = raza2 [ask raza2
[if label = "red"[set label "blue"
ask raza1 [set label "red"] ] ]
]]]
ask raza1 [if label = "blue"
[ if turtles-on patch-ahead 5 = raza2 [ask raza2
[if label = "green"[set label "blue"
ask raza1 [set label "green"] ] ]
]]]
ask raza1 [if label = "blue"
[ if turtles-on patch-ahead 6 = raza2 [ask raza2
[if label = "yellow"[set label "blue"
ask raza1 [set label "yellow"] ] ]
]]]
ask raza1 [if label = "green"
[ if turtles-on patch-ahead 7 = raza2 [ask raza2
[if label = "blue"[set label "green"
ask raza1 [set label "blue"] ] ]
]]]
ask raza1 [if label = "green"
[ if turtles-on patch-ahead 8 = raza2 [ask raza2
[if label = "red"[set label "green"
ask raza1 [set label "red"] ] ]
]]]
ask raza1 [if label = "green"
[ if turtles-on patch-ahead 9 = raza2 [ask raza2
[if label = "yellow"[set label "green"
ask raza1 [set label "yellow"] ] ]
]]]
ask raza1 [if label = "yellow"
[ if turtles-on patch-ahead 10 = raza2 [ask raza2
[if label = "blue"[set label "yellow"
ask raza1 [set label "blue"] ] ]
]]]
ask raza1 [if label = "yellow"
AP

ENDICE A. ANEXOS 63
[ if turtles-on patch-ahead 11 = raza2 [ask raza2
[if label = "red"[set label "yellow"
ask raza1 [set label "red"] ] ]
]]]
ask raza1 [if label = "yellow"
[ if turtles-on patch-ahead 12 = raza2 [ask raza2
[if label = "green"[set label "yellow"
ask raza1 [set label "green"] ] ]
]]]
;etiqueta vacia
ask raza1 [if label = ""
[ if turtles-on patch-ahead 13 = raza2 [ask raza2
[if label = "red"[set label ""
ask raza1 [set label "red"] ] ]
]]]
ask raza1 [if label = "blue"
[ if turtles-on patch-ahead 14 = raza2 [ask raza2
[if label = ""[set label "blue"
ask raza1 [set label ""] ]]
]]]
ask raza1 [if label = ""
[ if turtles-on patch-ahead 15 = raza2 [ask raza2
[if label = "blue"[set label ""
ask raza1 [set label "blue"] ] ]
]]]
ask raza1 [if label = "red"
[ if turtles-on patch-ahead 16 = raza2 [ask raza2
[if label = ""[set label "red"
ask raza1 [set label ""] ] ]
]]]
ask raza1 [if label = "green"
[ if turtles-on patch-ahead 17 = cote [ask cote
[if label = ""[set label "green"
ask raza1 [set label ""] ] ]
]]]
ask raza1 [if label = ""
[ if turtles-on patch-ahead 18 = raza2 [ask raza2
[if label = "green"[set label ""
ask raza1 [set label "green"] ] ]
]]]
ask raza1 [if label = "yellow"
[ if turtles-on patch-ahead 19 = cote [ask cote
AP

ENDICE A. ANEXOS 64
[if label = ""[set label"yellow"
ask raza1 [set label ""] ] ]
]]]
ask raza1 [if label = ""
[ if turtles-on patch-ahead 20 = raza2 [ask raza2
[if label = "yellow"[set label ""
ask raza1 [set label "yellow"] ] ]
]]]
end
to cambio2 [raza1 raza2]
ask raza1 [if label = "red"
[ if turtles-at 0 -1 = raza2 [ask raza2
[if label = "blue"[set label "red"
ask raza1 [set label "blue"] ] ]
]]]
ask raza1 [if label = "red"
[ if turtles-at 1 -1 = raza2 [ask raza2
[if label = "green"[set label "red"
ask raza1 [set label "green"] ] ]
]]]
ask raza1 [if label = "red"
[ if turtles-at 2 -1 = raza2 [ask raza2
[if label = "yellow"[set label "red"
ask raza1 [set label "yellow"] ] ]
]]]
ask raza1 [if label = "blue"
[ if turtles-at 3 -1 = raza2 [ask raza2
[if label = "red"[set label "blue"
ask raza1 [set label "red"] ] ]
]]]
ask raza1 [if label = "blue"
[ if turtles-at 4 -1 = raza2 [ask raza2
[if label = "green"[set label "blue"
AP

ENDICE A. ANEXOS 65
ask raza1 [set label "green"] ] ]
]]]
ask raza1 [if label = "blue"
[ if turtles-at 5 -1 = raza2 [ask raza2
[if label = "yellow"[set label "blue"
ask raza1 [set label "yellow"] ] ]
]]]
ask raza1 [if label = "green"
[ if turtles-at -1 -1 = raza2 [ask raza2
[if label = "blue"[set label "green"
ask raza1 [set label "blue"] ] ]
]]]
ask raza1 [if label = "green"
[ if turtles-at -2 -1 = raza2 [ask raza2
[if label = "red"[set label "green"
ask raza1 [set label "red"] ] ]
]]]
ask raza1 [if label = "green"
[ if turtles-at -3 -1 = raza2 [ask raza2
[if label = "yellow"[set label "green"
ask raza1 [set label "yellow"] ] ]
]]]
ask raza1 [if label = "yellow"
[ if turtles-at -4 -1 = raza2 [ask raza2
[if label = "blue"[set label "yellow"
ask raza1 [set label "blue"] ] ]
]]]
ask raza1 [if label = "yellow"
[ if turtles-at -5 -1 = raza2 [ask raza2
[if label = "red"[set label "yellow"
ask raza1 [set label "red"] ] ]
]]]
ask raza1 [if label = "yellow"
[ if turtles-at 0 -2 = raza2 [ask raza2
[if label = "green"[set label "yellow"
ask raza1 [set label "green"] ] ]
]]]
;etiqueta vacia
AP

ENDICE A. ANEXOS 66
ask raza1 [if label = ""
[ if turtles-at 1 -2 = raza2 [ask raza2
[if label = "red"[set label ""
ask raza1 [set label "red"] ] ]
]]]
ask raza1 [if label = "blue"
[ if turtles-at 2 -2 = raza2 [ask raza2
[if label = ""[set label "blue"
ask raza1 [set label ""] ]]
]]]
ask raza1 [if label = ""
[ if turtles-at 3 -2 = raza2 [ask raza2
[if label = "blue"[set label ""
ask raza1 [set label "blue"] ] ]
]]]
ask raza1 [if label = "red"
[ if turtles-at 4 -2 = raza2 [ask raza2
[if label = ""[set label "red"
ask raza1 [set label ""] ] ]
]]]
ask raza1 [if label = "green"
[ if turtles-at -1 -2 = cote [ask cote
[if label = ""[set label "green"
ask raza1 [set label ""] ] ]
]]]
ask raza1 [if label = ""
[ if turtles-at -2 -2 = raza2 [ask raza2
[if label = "green"[set label ""
ask raza1 [set label "green"] ] ]
]]]
ask raza1 [if label = "yellow"
[ if turtles-at -3 -2 = cote [ask cote
[if label = ""[set label"yellow"
ask raza1 [set label ""] ] ]
]]]
ask raza1 [if label = ""
[ if turtles-at -4 -2 = raza2 [ask raza2
[if label = "yellow"[set label ""
ask raza1 [set label "yellow"] ] ]
]]]
end
AP

ENDICE A. ANEXOS 67
to cambio3 [raza1 raza2]
ask raza1 [if label = "red"
[ if turtles-at 0 1 = raza2 [ask raza2
[if label = "blue"[set label "red"
ask raza1 [set label "blue"] ] ]
]]]
ask raza1 [if label = "red"
[ if turtles-at 1 1 = raza2 [ask raza2
[if label = "green"[set label "red"
ask raza1 [set label "green"] ] ]
]]]
ask raza1 [if label = "red"
[ if turtles-at 2 1 = raza2 [ask raza2
[if label = "yellow"[set label "red"
ask raza1 [set label "yellow"] ] ]
]]]
ask raza1 [if label = "blue"
[ if turtles-at 3 1 = raza2 [ask raza2
[if label = "red"[set label "blue"
ask raza1 [set label "red"] ] ]
]]]
ask raza1 [if label = "blue"
[ if turtles-at 4 1 = raza2 [ask raza2
[if label = "green"[set label "blue"
ask raza1 [set label "green"] ] ]
]]]
ask raza1 [if label = "blue"
[ if turtles-at 5 1 = raza2 [ask raza2
[if label = "yellow"[set label "blue"
ask raza1 [set label "yellow"] ] ]
]]]
ask raza1 [if label = "green"
[ if turtles-at -1 1 = raza2 [ask raza2
[if label = "blue"[set label "green"
ask raza1 [set label "blue"] ] ]
]]]
AP

ENDICE A. ANEXOS 68
ask raza1 [if label = "green"
[ if turtles-at -2 1 = raza2 [ask raza2
[if label = "red"[set label "green"
ask raza1 [set label "red"] ] ]
]]]
ask raza1 [if label = "green"
[ if turtles-at -3 1 = raza2 [ask raza2
[if label = "yellow"[set label "green"
ask raza1 [set label "yellow"] ] ]
]]]
ask raza1 [if label = "yellow"
[ if turtles-at -4 1 = raza2 [ask raza2
[if label = "blue"[set label "yellow"
ask raza1 [set label "blue"] ] ]
]]]
ask raza1 [if label = "yellow"
[ if turtles-at -5 1 = raza2
[ask raza2 [if label = "red"[set label "yellow"
ask raza1 [set label "red"] ] ]
]]]
ask raza1 [if label = "yellow"
[ if turtles-at 0 2 = raza2
[ask raza2 [if label = "green"[set label "yellow"
ask raza1 [set label "green"] ] ]
]]]
;etiqueta vacia
ask raza1 [if label = ""
[ if turtles-at 1 2 = raza2
[ask raza2 [if label = "red"[set label ""
ask raza1 [set label "red"] ] ]
]]]
ask raza1 [if label = "blue"
[ if turtles-at 2 2 = raza2
[ask raza2 [if label = ""[set label "blue"
ask raza1 [set label ""] ]]
]]]
ask raza1 [if label = ""
[ if turtles-at 3 2 = raza2
[ask raza2 [if label = "blue"[set label ""
AP

ENDICE A. ANEXOS 69
ask raza1 [set label "blue"] ] ]
]]]
ask raza1 [if label = "red"
[ if turtles-at 4 2 = raza2
[ask raza2 [if label = ""[set label "red"
ask raza1 [set label ""] ] ]
]]]
ask raza1 [if label = "green"
[ if turtles-at -1 2 = cote
[ask cote [if label = ""[set label "green"
ask raza1 [set label ""] ] ]
]]]
ask raza1 [if label = ""
[ if turtles-at -2 2 = raza2
[ask raza2 [if label = "green"[set label ""
ask raza1 [set label "green"] ] ]
]]]
ask raza1 [if label = "yellow"
[ if turtles-at -3 2 = cote
[ask cote [if label = ""[set label"yellow"
ask raza1 [set label ""] ] ]
]]]
ask raza1 [if label = ""
[ if turtles-at -4 2 = raza2
[ask raza2 [if label = "yellow"[set label ""
ask raza1 [set label "yellow"] ] ]
]]]
end
Modelo2.nlogo
;Definici on de variables
globals [r s q z]
breed [gloria a-gloria]
breed [karen a-karen]
breed [cote a-cote]
AP

ENDICE A. ANEXOS 70
breed [cindy a-cindy]
;Bot on setup
to setup
;Inicializaci on
clear-all
ask patches [ set pcolor white ]
set r false
set s false
set q false
set z false
ask patch -4 -11
[ set pcolor green ]
ask patch 4 11
[ set pcolor yellow ]
ask patch -11 -4
[ set pcolor blue ]
ask patch 11 -4
[ set pcolor red ]
set-default-shape karen "circle"
create-karen 1
[
set color yellow
set size 1.5
set label-color blue - 2
setxy 0 -4
]
set-default-shape gloria "circle"
create-gloria 1
[
set color red
set size 1.5
set label-color blue - 2
setxy 0 -11
]
set-default-shape cote "circle"
create-cote 1
[
set color green
AP

ENDICE A. ANEXOS 71
set size 1.5
set label-color blue - 2
setxy 0 4
]
set-default-shape cindy "circle"
create-cindy 1
[
set color blue
set size 1.5
set label-color blue - 2
setxy 0 11
]
end
;Bot on go
to go
;Movimiento discos
ask cote [
if ycor < 7 and ycor > 0[
right random 360
forward 1]
if ycor >= 7 [
set ycor 4
]
if ycor <= 0 [
set ycor 4
]
]
ask cindy [
if ycor < 15 and ycor > 7[
right random 360
forward 1]
if ycor >= 15 [
set ycor 11
]
if ycor <= 7 [
AP

ENDICE A. ANEXOS 72
set ycor 11
]
]
ask gloria [
;set label "green"
if ycor > -15 and ycor < -7[
right random 360
forward 1]
if ycor <= -15 [
set ycor -11
]
if ycor >= -7 [
set ycor -11
]
]
ask karen [
if ycor > -7 and ycor < 0[
right random 360
forward 1]
if ycor <= -7 [
set ycor -4
]
if ycor >= 0 [
set ycor -4
]
]
;Consumo cuadrados
ask gloria [
if pcolor = yellow [
set pcolor white
if label = "blue"[ set pcolor blue ]
if label = "green"[ set pcolor green ]
set label "yellow"
]
AP

ENDICE A. ANEXOS 73
if pcolor = green [
set pcolor white
if label = "yellow"[set pcolor yellow]
if label = "blue"[ set pcolor blue ]
set label "green"
]
if pcolor = red [
set pcolor white
if label = "yellow"[set pcolor yellow]
if label = "blue"[ set pcolor blue ]
if label = "green"[ set pcolor green ]
set color pink
]
if pcolor = blue [
set pcolor white
if label = "yellow"[set pcolor yellow]
if label = "green"[ set pcolor green ]
set label "blue"
]
]
ask cote [
if pcolor = yellow [
set pcolor white
if label = "blue"[ set pcolor blue ]
if label = "red"[ set pcolor red ]
set label "yellow"
]
if pcolor = green [
set pcolor white
if label = "yellow"[set pcolor yellow]
if label = "blue"[ set pcolor blue ]
AP

ENDICE A. ANEXOS 74
if label = "red"[ set pcolor red ]
set color pink
]
if pcolor = red [
set pcolor white
if label = "yellow"[set pcolor yellow]
if label = "blue"[ set pcolor blue ]
set label "red"
]
if pcolor = blue [
set pcolor white
if label = "yellow"[set pcolor yellow]
if label = "red"[ set pcolor red ]
set label "blue"
]
]
ask cindy [
if pcolor = yellow [
set pcolor white
if label = "red"[ set pcolor red ]
if label = "green"[ set pcolor green ]
set label "yellow"
]
if pcolor = green [
set pcolor white
if label = "yellow"[set pcolor yellow]
if label = "red"[ set pcolor red ]
set label "green"
]
if pcolor = red [
set pcolor white
if label = "yellow"[set pcolor yellow]
AP

ENDICE A. ANEXOS 75
if label = "green"[ set pcolor green ]
set label "red"
]
if pcolor = blue [
set pcolor white
if label = "yellow"[set pcolor yellow]
if label = "red"[ set pcolor red ]
if label = "green"[ set pcolor green ]
set color pink
]
]
ask karen [
if pcolor = blue [
set pcolor white
if label = "red"[ set pcolor red ]
if label = "green"[ set pcolor green ]
set label "blue"
]
if pcolor = green [
set pcolor white
if label = "blue"[ set pcolor blue ]
if label = "red"[ set pcolor red ]
set label "green"
]
if pcolor = red [
set pcolor white
if label = "blue"[ set pcolor blue ]
if label = "green"[ set pcolor green ]
set label "red"
]
AP

ENDICE A. ANEXOS 76
if pcolor = yellow [
set pcolor white
if label = "blue"[ set pcolor blue ]
if label = "red"[ set pcolor red ]
if label = "green"[ set pcolor green ]
set color pink
]
]
;Intercambio de etiquetas
cambio2 cindy cote
cambio2 cote karen
cambio3 cote cindy
cambio3 gloria karen
cambio3 karen cote
cambio2 karen gloria
;Estado aceptado
ask gloria [ if label = "red" and color != pink
[set color pink
set label ""
] ]
ask cote [ if label = "green" and color != pink
[set color pink
set label ""
] ]
ask cindy [ if label = "blue" and color != pink
[set color pink
set label ""
] ]
ask karen [ if label = "yellow" and color != pink
[set color pink
set label ""
] ]
AP

ENDICE A. ANEXOS 77
ask gloria [if color = pink [set r true]]
ask cote [if color = pink [set s true]]
ask cindy [if color = pink [set q true]]
ask karen [if color = pink [set z true]]
if r and s and q and z[stop]
tick
end
;Definici on funciones
to cambio [raza1 raza2]
ask raza1 [if label = "red"
[ if turtles-on patch-ahead 1 = raza2
[ask raza2 [if label = "blue"[set label "red"
ask raza1 [set label "blue"] ] ]
]]]
ask raza1 [if label = "red"
[ if turtles-on patch-ahead 2 = raza2
[ask raza2 [if label = "green"[set label "red"
ask raza1 [set label "green"] ] ]
]]]
ask raza1 [if label = "red"
[ if turtles-on patch-ahead 3 = raza2
[ask raza2 [if label = "yellow"[set label "red"
ask raza1 [set label "yellow"] ] ]
]]]
ask raza1 [if label = "blue"
[ if turtles-on patch-ahead 4 = raza2
[ask raza2 [if label = "red"[set label "blue"
ask raza1 [set label "red"] ] ]
]]]
ask raza1 [if label = "blue"
[ if turtles-on patch-ahead 5 = raza2
[ask raza2 [if label = "green"[set label "blue"
ask raza1 [set label "green"] ] ]
]]]
ask raza1 [if label = "blue"
[ if turtles-on patch-ahead 6 = raza2
[ask raza2 [if label = "yellow"[set label "blue"
ask raza1 [set label "yellow"] ] ]
]]]
AP

ENDICE A. ANEXOS 78
ask raza1 [if label = "green"
[ if turtles-on patch-ahead 7 = raza2
[ask raza2 [if label = "blue"[set label "green"
ask raza1 [set label "blue"] ] ]
]]]
ask raza1 [if label = "green"
[ if turtles-on patch-ahead 8 = raza2
[ask raza2 [if label = "red"[set label "green"
ask raza1 [set label "red"] ] ]
]]]
ask raza1 [if label = "green"
[ if turtles-on patch-ahead 9 = raza2
[ask raza2 [if label = "yellow"[set label "green"
ask raza1 [set label "yellow"] ] ]
]]]
ask raza1 [if label = "yellow"
[ if turtles-on patch-ahead 10 = raza2
[ask raza2 [if label = "blue"[set label "yellow"
ask raza1 [set label "blue"] ] ]
]]]
ask raza1 [if label = "yellow"
[ if turtles-on patch-ahead 11 = raza2
[ask raza2 [if label = "red"[set label "yellow"
ask raza1 [set label "red"] ] ]
]]]
ask raza1 [if label = "yellow"
[ if turtles-on patch-ahead 12 = raza2
[ask raza2 [if label = "green"[set label "yellow"
ask raza1 [set label "green"] ] ]
]]]
;etiqueta vacia
ask raza1 [if label = ""
[ if turtles-on patch-ahead 13 = raza2
[ask raza2 [if label = "red"[set label ""
ask raza1 [set label "red"] ] ]
]]]
ask raza1 [if label = "blue"
[ if turtles-on patch-ahead 14 = raza2
AP

ENDICE A. ANEXOS 79
[ask raza2 [if label = ""[set label "blue"
ask raza1 [set label ""] ]]
]]]
ask raza1 [if label = ""
[ if turtles-on patch-ahead 15 = raza2
[ask raza2 [if label = "blue"[set label ""
ask raza1 [set label "blue"] ] ]
]]]
ask raza1 [if label = "red"
[ if turtles-on patch-ahead 16 = raza2
[ask raza2 [if label = ""[set label "red"
ask raza1 [set label ""] ] ]
]]]
ask raza1 [if label = "green"
[ if turtles-on patch-ahead 17 = cote
[ask cote [if label = ""[set label "green"
ask raza1 [set label ""] ] ]
]]]
ask raza1 [if label = ""
[ if turtles-on patch-ahead 18 = raza2
[ask raza2 [if label = "green"[set label ""
ask raza1 [set label "green"] ] ]
]]]
ask raza1 [if label = "yellow"
[ if turtles-on patch-ahead 19 = cote
[ask cote [if label = ""[set label"yellow"
ask raza1 [set label ""] ] ]
]]]
ask raza1 [if label = ""
[ if turtles-on patch-ahead 20 = raza2
[ask raza2 [if label = "yellow"[set label ""
ask raza1 [set label "yellow"] ] ]
]]]
end
to cambio2 [raza1 raza2]
AP

ENDICE A. ANEXOS 80
ask raza1 [if label = "red"
[ if turtles-at 0 -1 = raza2
[ask raza2 [if label = "blue"[set label "red"
ask raza1 [set label "blue"] ] ]
]]]
ask raza1 [if label = "red"
[ if turtles-at 1 -1 = raza2
[ask raza2 [if label = "green"[set label "red"
ask raza1 [set label "green"] ] ]
]]]
ask raza1 [if label = "red"
[ if turtles-at 2 -1 = raza2
[ask raza2 [if label = "yellow"[set label "red"
ask raza1 [set label "yellow"] ] ]
]]]
ask raza1 [if label = "blue"
[ if turtles-at 3 -1 = raza2
[ask raza2 [if label = "red"[set label "blue"
ask raza1 [set label "red"] ] ]
]]]
ask raza1 [if label = "blue"
[ if turtles-at 4 -1 = raza2
[ask raza2 [if label = "green"[set label "blue"
ask raza1 [set label "green"] ] ]
]]]
ask raza1 [if label = "blue"
[ if turtles-at 5 -1 = raza2
[ask raza2 [if label = "yellow"[set label "blue"
ask raza1 [set label "yellow"] ] ]
]]]
ask raza1 [if label = "green"
[ if turtles-at -1 -1 = raza2
[ask raza2 [if label = "blue"[set label "green"
ask raza1 [set label "blue"] ] ]
]]]
ask raza1 [if label = "green"
[ if turtles-at -2 -1 = raza2
[ask raza2 [if label = "red"[set label "green"
ask raza1 [set label "red"] ] ]
]]]
AP

ENDICE A. ANEXOS 81
ask raza1 [if label = "green"
[ if turtles-at -3 -1 = raza2
[ask raza2 [if label = "yellow"[set label "green"
ask raza1 [set label "yellow"] ] ]
]]]
ask raza1 [if label = "yellow"
[ if turtles-at -4 -1 = raza2
[ask raza2 [if label = "blue"[set label "yellow"
ask raza1 [set label "blue"] ] ]
]]]
ask raza1 [if label = "yellow"
[ if turtles-at -5 -1 = raza2
[ask raza2 [if label = "red"[set label "yellow"
ask raza1 [set label "red"] ] ]
]]]
ask raza1 [if label = "yellow"
[ if turtles-at 0 -2 = raza2
[ask raza2 [if label = "green"[set label "yellow"
ask raza1 [set label "green"] ] ]
]]]
;etiqueta vacia
ask raza1 [if label = ""
[ if turtles-at 1 -2 = raza2
[ask raza2 [if label = "red"[set label ""
ask raza1 [set label "red"] ] ]
]]]
ask raza1 [if label = "blue"
[ if turtles-at 2 -2 = raza2
[ask raza2 [if label = ""[set label "blue"
ask raza1 [set label ""] ]]
]]]
ask raza1 [if label = ""
[ if turtles-at 3 -2 = raza2
[ask raza2 [if label = "blue"[set label ""
ask raza1 [set label "blue"] ] ]
]]]
ask raza1 [if label = "red"
[ if turtles-at 4 -2 = raza2
[ask raza2 [if label = ""[set label "red"
AP

ENDICE A. ANEXOS 82
ask raza1 [set label ""] ] ]
]]]
ask raza1 [if label = "green"
[ if turtles-at -1 -2 = cote
[ask cote [if label = ""[set label "green"
ask raza1 [set label ""] ] ]
]]]
ask raza1 [if label = ""
[ if turtles-at -2 -2 = raza2
[ask raza2 [if label = "green"[set label ""
ask raza1 [set label "green"] ] ]
]]]
ask raza1 [if label = "yellow"
[ if turtles-at -3 -2 = cote
[ask cote [if label = ""[set label"yellow"
ask raza1 [set label ""] ] ]
]]]
ask raza1 [if label = ""
[ if turtles-at -4 -2 = raza2
[ask raza2 [if label = "yellow"[set label ""
ask raza1 [set label "yellow"] ] ]
]]]
end
to cambio3 [raza1 raza2]
ask raza1 [if label = "red"
[ if turtles-at 0 1 = raza2
[ask raza2 [if label = "blue"[set label "red"
ask raza1 [set label "blue"] ] ]
]]]
ask raza1 [if label = "red"
[ if turtles-at 1 1 = raza2
[ask raza2 [if label = "green"[set label "red"
ask raza1 [set label "green"] ] ]
]]]
ask raza1 [if label = "red"
[ if turtles-at 2 1 = raza2
AP

ENDICE A. ANEXOS 83
[ask raza2 [if label = "yellow"[set label "red"
ask raza1 [set label "yellow"] ] ]
]]]
ask raza1 [if label = "blue"
[ if turtles-at 3 1 = raza2
[ask raza2 [if label = "red"[set label "blue"
ask raza1 [set label "red"] ] ]
]]]
ask raza1 [if label = "blue"
[ if turtles-at 4 1 = raza2
[ask raza2 [if label = "green"[set label "blue"
ask raza1 [set label "green"] ] ]
]]]
ask raza1 [if label = "blue"
[ if turtles-at 5 1 = raza2
[ask raza2 [if label = "yellow"[set label "blue"
ask raza1 [set label "yellow"] ] ]
]]]
ask raza1 [if label = "green"
[ if turtles-at -1 1 = raza2
[ask raza2 [if label = "blue"[set label "green"
ask raza1 [set label "blue"] ] ]
]]]
ask raza1 [if label = "green"
[ if turtles-at -2 1 = raza2
[ask raza2 [if label = "red"[set label "green"
ask raza1 [set label "red"] ] ]
]]]
ask raza1 [if label = "green"
[ if turtles-at -3 1 = raza2
[ask raza2 [if label = "yellow"[set label "green"
ask raza1 [set label "yellow"] ] ]
]]]
ask raza1 [if label = "yellow"
[ if turtles-at -4 1 = raza2
[ask raza2 [if label = "blue"[set label "yellow"
ask raza1 [set label "blue"] ] ]
]]]
AP

ENDICE A. ANEXOS 84
ask raza1 [if label = "yellow"
[ if turtles-at -5 1 = raza2
[ask raza2 [if label = "red"[set label "yellow"
ask raza1 [set label "red"] ] ]
]]]
ask raza1 [if label = "yellow"
[ if turtles-at 0 2 = raza2
[ask raza2 [if label = "green"[set label "yellow"
ask raza1 [set label "green"] ] ]
]]]
;etiqueta vacia
ask raza1 [if label = ""
[ if turtles-at 1 2 = raza2
[ask raza2 [if label = "red"[set label ""
ask raza1 [set label "red"] ] ]
]]]
ask raza1 [if label = "blue"
[ if turtles-at 2 2 = raza2
[ask raza2 [if label = ""[set label "blue"
ask raza1 [set label ""] ]]
]]]
ask raza1 [if label = ""
[ if turtles-at 3 2 = raza2
[ask raza2 [if label = "blue"[set label ""
ask raza1 [set label "blue"] ] ]
]]]
ask raza1 [if label = "red"
[ if turtles-at 4 2 = raza2
[ask raza2 [if label = ""[set label "red"
ask raza1 [set label ""] ] ]
]]]
ask raza1 [if label = "green"
[ if turtles-at -1 2 = cote
[ask cote [if label = ""[set label "green"
ask raza1 [set label ""] ] ]
]]]
ask raza1 [if label = ""
[ if turtles-at -2 2 = raza2
[ask raza2 [if label = "green"[set label ""
ask raza1 [set label "green"] ] ]
]]]
ask raza1 [if label = "yellow"
AP

ENDICE A. ANEXOS 85
[ if turtles-at -3 2 = cote
[ask cote [if label = ""[set label"yellow"
ask raza1 [set label ""] ] ]
]]]
ask raza1 [if label = ""
[ if turtles-at -4 2 = raza2
[ask raza2 [if label = "yellow"[set label ""
ask raza1 [set label "yellow"] ] ]
]]]
end
Metamemoria.nlogo
;Definici on de variables
globals [gl1 gl2 gl3 gl4 gl5 gl6 gl7 gl8 gl9 gl10 gl11 gl12 gl13 gl14 gl15
co1 co2 co3 co4 co5 co6 co7 co8 co9 co10 co11 co12 co13 co14 co15
ci1 ci2 ci3 ci4 ci5 ci6 ci7 ci8 ci9 ci10 ci11 ci12 ci13 ci14 ci15
ka1 ka2 ka3 ka4 ka5 ka6 ka7 ka8 ka9 ka10 ka11 ka12 ka13 ka14 ka15
m t n c z b g r o br y gr l tu cy s blu v ma p ]
breed [gloria a-gloria]
breed [karen a-karen]
breed [cote a-cote]
breed [cindy a-cindy]
;Bot on setup
to setup
;Inicializaci on
clear-all
ask patches [ set pcolor white ]
set b 0
set g 0
set r 0
set o 0
set br 0
set y 0
set gr 0
set l 0
set tu 0
AP

ENDICE A. ANEXOS 86
set cy 0
set s 0
set blu 0
set v 0
set ma 0
set p 0
set gl1 false
set gl2 false
set gl3 false
set gl4 false
set gl5 false
set gl6 false
set gl7 false
set gl8 false
set gl9 false
set gl10 false
set gl11 false
set gl12 false
set gl13 false
set gl14 false
set gl15 false
set co1 false
set co2 false
set co3 false
set co4 false
set co5 false
set co6 false
set co7 false
set co8 false
set co9 false
set co10 false
set co11 false
set co12 false
set co13 false
set co14 false
set co15 false
set ci1 false
set ci2 false
set ci3 false
set ci4 false
set ci5 false
set ci6 false
set ci7 false
AP

ENDICE A. ANEXOS 87
set ci8 false
set ci9 false
set ci10 false
set ci11 false
set ci12 false
set ci13 false
set ci14 false
set ci15 false
set ka1 false
set ka2 false
set ka3 false
set ka4 false
set ka5 false
set ka6 false
set ka7 false
set ka8 false
set ka9 false
set ka10 false
set ka11 false
set ka12 false
set ka13 false
set ka14 false
set ka15 false
set-default-shape karen "circle"
create-karen 1
[
set color yellow
set size 1.5
set label-color blue - 2
setxy 0 -4
]
set-default-shape gloria "circle"
create-gloria 1
[
set color red
set size 1.5
set label-color blue - 2
AP

ENDICE A. ANEXOS 88
setxy 0 -11
]
set-default-shape cote "circle"
create-cote 1
[
set color green
set size 1.5
set label-color blue - 2
setxy 0 4
]
set-default-shape cindy "circle"
create-cindy 1
[
set color blue
set size 1.5
set label-color blue - 2
setxy 0 11
]
do-plots
end
;Bot on go
to go
;Movimiento discos
ask turtles [
right random 360
forward 1
]
;Tiempos de medio y reproducci on
tick
set t ticks
set m t mod medio
set z t mod reproduccion
if m = 0 [
repeat 4 [
set n random 151
if n >= 0 and n < 10 [
set c black]
AP

ENDICE A. ANEXOS 89
if n >= 10 and n < 20 [
set c gray]
if n >= 20 and n < 30 [
set c red]
if n >= 30 and n < 40 [
set c orange]
if n >= 40 and n < 50 [
set c brown]
if n >= 50 and n < 60 [
set c yellow]
if n >= 60 and n < 70 [
set c green]
if n >= 70 and n < 80 [
set c lime]
if n >= 80 and n < 90 [
set c turquoise ]
if n >= 90 and n < 100 [
set c cyan]
if n >= 100 and n < 110 [
set c sky]
if n >= 110 and n < 120 [
set c blue]
if n >= 120 and n < 130 [
set c violet]
if n >= 130 and n < 140 [
set c magenta]
if n >= 140 and n < 150 [
set c pink]
ask patch random-pxcor random-pycor
[ set pcolor c]
]
]
;Percepci on de cuadrados
percepcion gloria gl1 gl2 gl3 gl4 gl5 gl6 gl7 gl8 gl9 gl10 gl11 gl12 gl13 gl14 gl15
percepcion cote co1 co2 co3 co4 co5 co6 co7 co8 co9 co10 co11 co12 co13 co14 co15
percepcion cindy ci1 ci2 ci3 ci4 ci5 ci6 ci7 ci8 ci9 ci10 ci11 ci12 ci13 ci14 ci15
percepcion karen ka1 ka2 ka3 ka4 ka5 ka6 ka7 ka8 ka9 ka10 ka11 ka12 ka13 ka14 ka15
;Consensuaci on de colores
lenguaje gloria cote
lenguaje gloria cindy
lenguaje gloria karen
lenguaje cote gloria
AP

ENDICE A. ANEXOS 90
lenguaje cote cindy
lenguaje cote karen
lenguaje cindy gloria
lenguaje cindy cote
lenguaje cindy karen
lenguaje karen gloria
lenguaje karen cote
lenguaje karen cindy
ask turtles [
if z = 0 and label = "black" [ set pcolor black
]
if z = 0 and label = "red" [ set pcolor red
]
if z = 0 and label = "orange" [ set pcolor orange
]
if z = 0 and label = "brown" [ set pcolor brown
]
if z = 0 and label = "yellow" [ set pcolor yellow
]
if z = 0 and label = "green" [ set pcolor green
]
if z = 0 and label = "lime" [ set pcolor lime
]
if z = 0 and label = "turquoise" [ set pcolor turquoise
]
if z = 0 and label = "cyan" [ set pcolor cyan
]
if z = 0 and label = "sky" [ set pcolor sky
]
if z = 0 and label = "blue" [ set pcolor blue
]
if z = 0 and label = "violet" [ set pcolor violet
]
if z = 0 and label = "magenta" [ set pcolor magenta
]
if z = 0 and label = "pink" [ set pcolor pink
]
if z = 0 and label = "gray" [ set pcolor gray
]
]
do-plots
AP

ENDICE A. ANEXOS 91
end
;Definici on de funciones
to percepcion [raza v1 v2 v3 v4 v5 v6 v7 v8 v9 v10 v11 v12 v13 v14 v15]
ask raza [
if pcolor = black [
set pcolor white
set color black
set b b + 1
if v1 [ set label "black"]
if label = "gray" or label = "red" or label = "orange" or
label = "brown" or label = "yellow" or label = "green" or label = "lime"
or label = "turquoise" or label = "cyan" or label = "sky" or
label = "blue" or label = "violet" or label = "magenta"or label = "pink"[
set label ""]
]
if pcolor = gray [
set pcolor white
set color gray
set g g + 1
if v2 [ set label "gray"]
if label = "black" or label = "red" or label = "orange" or
label = "brown" or label = "yellow" or label = "green" or label = "lime"
or label = "turquoise" or label = "cyan" or label = "sky" or
label = "blue" or label = "violet" or label = "magenta"or label = "pink"[
set label ""]
]
if pcolor = red [
set pcolor white
set color red
set r r + 1
if v3 [ set label "red"]
if label = "gray" or label = "black" or label = "orange" or
label = "brown" or label = "yellow" or label = "green" or label = "lime"
or label = "turquoise" or label = "cyan" or label = "sky" or
label = "blue" or label = "violet" or label = "magenta"or label = "pink"[
set label ""]
]
if pcolor = orange [
set pcolor white
set color orange
set o o + 1
if v4 [ set label "orange"]
AP

ENDICE A. ANEXOS 92
if label = "gray" or label = "red" or label = "black" or
label = "brown" or label = "yellow" or label = "green" or label = "lime"
or label = "turquoise" or label = "cyan" or label = "sky" or
label = "blue" or label = "violet" or label = "magenta"or label = "pink"[
set label ""]
]
if pcolor = brown [
set pcolor white
set color brown
set br br + 1
if v5 [ set label "brown"]
if label = "gray" or label = "red" or label = "orange" or
label = "black" or label = "yellow" or label = "green" or label = "lime"
or label = "turquoise" or label = "cyan" or label = "sky" or
label = "blue" or label = "violet" or label = "magenta"or label = "pink"[
set label ""]
]
if pcolor = yellow [
set pcolor white
set color yellow
set y y + 1
if v6 [ set label "yellow"]
if label = "gray" or label = "red" or label = "orange" or
label = "brown" or label = "black" or label = "green" or label = "lime"
or label = "turquoise" or label = "cyan" or label = "sky" or
label = "blue" or label = "violet" or label = "magenta"or label = "pink"[
set label ""]
]
if pcolor = green [
set pcolor white
set color green
set gr gr + 1
if v7 [ set label "green"]
if label = "gray" or label = "red" or label = "orange" or
label = "brown" or label = "yellow" or label = "black" or label = "lime"
or label = "turquoise" or label = "cyan" or label = "sky" or
label = "blue" or label = "violet" or label = "magenta"or label = "pink"[
set label ""]
]
if pcolor = lime [
set pcolor white
set color lime
set l l + 1
AP

ENDICE A. ANEXOS 93
if v8 [ set label "lime"]
if label = "gray" or label = "red" or label = "orange" or
label = "brown" or label = "yellow" or label = "green" or label = "black"
or label = "turquoise" or label = "cyan" or label = "sky" or
label = "blue" or label = "violet" or label = "magenta"or label = "pink"[
set label ""]
]
if pcolor = turquoise [
set pcolor white
set color turquoise
set tu tu + 1
if v9 [ set label "turquoise"]
if label = "gray" or label = "red" or label = "orange" or
label = "brown" or label = "yellow" or label = "green" or label = "lime"
or label = "black" or label = "cyan" or label = "sky" or
label = "blue" or label = "violet" or label = "magenta"or label = "pink"[
set label ""]
]
if pcolor = cyan [
set pcolor white
set color cyan
set cy cy + 1
if v10 [ set label "cyan"]
if label = "gray" or label = "red" or label = "orange" or
label = "brown" or label = "yellow" or label = "green" or label = "lime"
or label = "turquoise" or label = "black" or label = "sky"
or label = "blue" or label = "violet" or label = "magenta"or label = "pink"[
set label ""]
]
if pcolor = sky [
set pcolor white
set color sky
set s s + 1
if v11 [ set label "sky"]
if label = "gray" or label = "red" or label = "orange"
or label = "brown" or label = "yellow" or label = "green" or label = "lime"
or label = "turquoise" or label = "cyan" or label = "black" or
label = "blue" or label = "violet" or label = "magenta"or label = "pink"[
set label ""]
]
if pcolor = blue [
set pcolor white
set color blue
AP

ENDICE A. ANEXOS 94
set blu blu + 1
if v12 [ set label "blue"]
if label = "gray" or label = "red" or label = "orange" or
label = "brown" or label = "yellow" or label = "green" or label = "lime"
or label = "turquoise" or label = "cyan" or label = "sky"
or label = "black" or label = "violet" or label = "magenta"or label = "pink"[
set label ""]
]
if pcolor = violet [
set pcolor white
set color violet
set v v + 1
if v13 [ set label "violet"]
if label = "gray" or label = "red" or label = "orange" or
label = "brown" or label = "yellow" or label = "green" or label = "lime"
or label = "turquoise" or label = "cyan" or label = "sky"
or label = "blue" or label = "black" or label = "magenta"or label = "pink"[
set label ""]
]
if pcolor = magenta [
set pcolor white
set color magenta
set ma ma + 1
if v14 [ set label "magenta"]
if label = "gray" or label = "red" or label = "orange" or
label = "brown" or label = "yellow" or label = "green" or label = "lime"
or label = "turquoise" or label = "cyan" or label = "sky" or
label = "blue" or label = "violet" or label = "black"or label = "pink"[
set label ""]
]
if pcolor = pink [
set pcolor white
set color pink
set p p + 1
if v15 [ set label "pink"]
if label = "gray" or label = "red" or label = "orange" or
label = "brown" or label = "yellow" or label = "green" or label = "lime"
or label = "turquoise" or label = "cyan" or label = "sky"
or label = "blue" or label = "violet" or label = "magenta"or label = "black"[
set label ""]
]
]
AP

ENDICE A. ANEXOS 95
end
to lenguaje [raza1 raza2 ]
ask raza1 [if color = black
[ if turtles-on patch-ahead 2 = raza2 [ask raza2
[if color = black[set label "black"
ask raza1 [set label "black"]
if raza1 = gloria[set gl1 true]
if raza1 = cote[set co1 true]
if raza1 = cindy[set ci1 true]
if raza1 = karen[set ka1 true]
if raza2 = gloria[set gl1 true]
if raza2 = cote[set co1 true]
if raza2 = cindy[set ci1 true]
if raza2 = karen[set ka1 true]
] ]
]]]
ask raza1 [if color = gray
[ if turtles-on patch-ahead 2 = raza2 [ask raza2
[if color = gray[set label "gray"
ask raza1 [set label "gray"]
if raza1 = gloria[set gl2 true]
if raza1 = cote[set co2 true]
if raza1 = cindy[set ci2 true]
if raza1 = karen[set ka2 true]
if raza2 = gloria[set gl2 true]
if raza2 = cote[set co2 true]
if raza2 = cindy[set ci2 true]
if raza2 = karen[set ka2 true]
] ]
]]]
ask raza1 [if color = red
[ if turtles-on patch-ahead 2 = raza2 [ask raza2
[if color = red[set label "red"
ask raza1 [set label "red"]
if raza1 = gloria[set gl3 true]
if raza1 = cote[set co3 true]
if raza1 = cindy[set ci3 true]
if raza1 = karen[set ka3 true]
if raza2 = gloria[set gl3 true]
if raza2 = cote[set co3 true]
if raza2 = cindy[set ci3 true]
AP

ENDICE A. ANEXOS 96
if raza2 = karen[set ka3 true]
] ]
]]]
ask raza1 [if color = orange
[ if turtles-on patch-ahead 2 = raza2 [ask raza2
[if color = orange[set label "orange"
ask raza1 [set label "orange"]
if raza1 = gloria[set gl4 true]
if raza1 = cote[set co4 true]
if raza1 = cindy[set ci4 true]
if raza1 = karen[set ka4 true]
if raza2 = gloria[set gl4 true]
if raza2 = cote[set co4 true]
if raza2 = cindy[set ci4 true]
if raza2 = karen[set ka4 true]
] ]
]]]
ask raza1 [if color = brown
[ if turtles-on patch-ahead 2 = raza2 [ask raza2
[if color = brown[set label "brown"
ask raza1 [set label "brown"]
if raza1 = gloria[set gl5 true]
if raza1 = cote[set co5 true]
if raza1 = cindy[set ci5 true]
if raza1 = karen[set ka5 true]
if raza2 = gloria[set gl5 true]
if raza2 = cote[set co5 true]
if raza2 = cindy[set ci5 true]
if raza2 = karen[set ka5 true]
] ]
]]]
ask raza1 [if color = yellow
[ if turtles-on patch-ahead 2 = raza2 [ask raza2
[if color = yellow[set label "yellow"
ask raza1 [set label "yellow"]
if raza1 = gloria[set gl6 true]
if raza1 = cote[set co6 true]
if raza1 = cindy[set ci6 true]
if raza1 = karen[set ka6 true]
if raza2 = gloria[set gl6 true]
if raza2 = cote[set co6 true]
if raza2 = cindy[set ci6 true]
AP

ENDICE A. ANEXOS 97
if raza2 = karen[set ka6 true]
] ]
]]]
ask raza1 [if color = green
[ if turtles-on patch-ahead 2 = raza2 [ask raza2
[if color = green[set label "green"
ask raza1 [set label "green"]
if raza1 = gloria[set gl7 true]
if raza1 = cote[set co7 true]
if raza1 = cindy[set ci7 true]
if raza1 = karen[set ka7 true]
if raza2 = gloria[set gl7 true]
if raza2 = cote[set co7 true]
if raza2 = cindy[set ci7 true]
if raza2 = karen[set ka7 true]
] ]
]]]
ask raza1 [if color = lime
[ if turtles-on patch-ahead 2 = raza2 [ask raza2
[if color = lime[set label "lime"
ask raza1 [set label "lime"]
if raza1 = gloria[set gl8 true]
if raza1 = cote[set co8 true]
if raza1 = cindy[set ci8 true]
if raza1 = karen[set ka8 true]
if raza2 = gloria[set gl8 true]
if raza2 = cote[set co8 true]
if raza2 = cindy[set ci8 true]
if raza2 = karen[set ka8 true]
] ]
]]]
ask raza1 [if color = turquoise
[if turtles-on patch-ahead 2 = raza2 [ask raza2
[if color = turquoise[set label "turquoise"
ask raza1 [set label "turquoise"]
if raza1 = gloria[set gl9 true]
if raza1 = cote[set co9 true]
if raza1 = cindy[set ci9 true]
if raza1 = karen[set ka9 true]
if raza2 = gloria[set gl9 true]
if raza2 = cote[set co9 true]
if raza2 = cindy[set ci9 true]
AP

ENDICE A. ANEXOS 98
if raza2 = karen[set ka9 true]
] ]
]]]
ask raza1 [if color = cyan
[ if turtles-on patch-ahead 2 = raza2 [ask raza2
[if color = cyan[set label "cyan"
ask raza1 [set label "cyan"]
if raza1 = gloria[set gl10 true]
if raza1 = cote[set co10 true]
if raza1 = cindy[set ci10 true]
if raza1 = karen[set ka10 true]
if raza2 = gloria[set gl10 true]
if raza2 = cote[set co10 true]
if raza2 = cindy[set ci10 true]
if raza2 = karen[set ka10 true]
] ]
]]]
ask raza1 [if color = sky
[ if turtles-on patch-ahead 2 = raza2 [ask raza2
[if color = sky[set label "sky"
ask raza1 [set label "sky"]
if raza1 = gloria[set gl11 true]
if raza1 = cote[set co11 true]
if raza1 = cindy[set ci11 true]
if raza1 = karen[set ka11 true]
if raza2 = gloria[set gl11 true]
if raza2 = cote[set co11 true]
if raza2 = cindy[set ci11 true]
if raza2 = karen[set ka11 true]
] ]
]]]
ask raza1 [if color = blue
[ if turtles-on patch-ahead 2 = raza2 [ask raza2
[if color = blue[set label "blue"
ask raza1 [set label "blue"]
if raza1 = gloria[set gl12 true]
if raza1 = cote[set co12 true]
if raza1 = cindy[set ci12 true]
if raza1 = karen[set ka12 true]
if raza2 = gloria[set gl12 true]
AP

ENDICE A. ANEXOS 99
if raza2 = cote[set co12 true]
if raza2 = cindy[set ci12 true]
if raza2 = karen[set ka12 true]
] ]
]]]
ask raza1 [if color = violet
[ if turtles-on patch-ahead 2 = raza2 [ask raza2
[if color = violet[set label "violet"
ask raza1 [set label "violet"]
if raza1 = gloria[set gl13 true]
if raza1 = cote[set co13 true]
if raza1 = cindy[set ci13 true]
if raza1 = karen[set ka13 true]
if raza2 = gloria[set gl13 true]
if raza2 = cote[set co13 true]
if raza2 = cindy[set ci13 true]
if raza2 = karen[set ka13 true]
] ]
]]]
ask raza1 [if color = magenta
[ if turtles-on patch-ahead 2 = raza2 [ask raza2
[if color = magenta[set label "magenta"
ask raza1 [set label "magenta"]
if raza1 = gloria[set gl14 true]
if raza1 = cote[set co14 true]
if raza1 = cindy[set ci14 true]
if raza1 = karen[set ka14 true]
if raza2 = gloria[set gl14 true]
if raza2 = cote[set co14 true]
if raza2 = cindy[set ci14 true]
if raza2 = karen[set ka14 true]
]]
]]]
ask raza1 [if color = pink
[ if turtles-on patch-ahead 2 = raza2 [ask raza2
[if color = pink[set label "pink"
ask raza1 [set label "pink"]
if raza1 = gloria[set gl15 true]
if raza1 = cote[set co15 true]
if raza1 = cindy[set ci15 true]
AP

ENDICE A. ANEXOS 100


if raza1 = karen[set ka15 true]
if raza2 = gloria[set gl15 true]
if raza2 = cote[set co15 true]
if raza2 = cindy[set ci15 true]
if raza2 = karen[set ka15 true]
] ]
]]]
end
;Grafico
to do-plots
set-current-plot "Perscepciones v/s Tiempo"
set-current-plot-pen "black"
plot b
set-current-plot-pen "gray"
plot g
set-current-plot-pen "red"
plot r
set-current-plot-pen "orange"
plot o
set-current-plot-pen "brown"
plot br
set-current-plot-pen "yellow"
plot y
set-current-plot-pen "green"
plot gr
set-current-plot-pen "lime"
plot l
set-current-plot-pen "turquoise"
plot tu
set-current-plot-pen "cyan"
plot cy
set-current-plot-pen "sky"
plot s
set-current-plot-pen "blue"
plot blu
set-current-plot-pen "violet"
plot v
set-current-plot-pen "magenta"
plot ma
set-current-plot-pen "pink"
plot p
AP

ENDICE A. ANEXOS 101


end
afeccion.nlogo
;Definici on de variables
globals [ m n t b r ]
breed [gloria a-gloria]
breed [karen a-karen]
breed [cote a-cote]
breed [cindy a-cindy]
breed [francisca a-francisca]
;Bot on setup
to setup
clear-all
;Inicializaci on
ask patches [ set pcolor white ]
set b 0
set r 0
set-default-shape karen "circle"
create-karen 1
[
set color yellow
set size 1.5
set label-color blue - 2
setxy -4 -4
]
set-default-shape francisca "default"
create-francisca 1
[
set color red
set size 1.5
AP

ENDICE A. ANEXOS 102


set label-color blue - 2
setxy 0 0
]
set-default-shape gloria "circle"
create-gloria 1
[
set color red
set size 1.5
set label-color blue - 2
setxy -11 -11
]
set-default-shape cote "circle"
create-cote 1
[
set color green
set size 1.5
set label-color blue - 2
setxy 4 4
]
set-default-shape cindy "circle"
create-cindy 1
[
set color blue
set size 1.5
set label-color blue - 2
setxy 11 11
]
do-plots
end
;Bot on go
to go
;Movimiento agentes
ask cote [
if xcor < 9 and xcor > -2[
right random 360
AP

ENDICE A. ANEXOS 103


forward 1]
if xcor >= 9 [
set xcor 4
]
if xcor <= -2 [
set xcor 4
]
]
ask cindy [
if xcor < 15 and xcor > 5 [
right random 360
forward 1]
if xcor >= 15 [
set xcor 11
]
if xcor <= 5 [
set xcor 11
]
]
ask francisca [
if ycor < 15 and ycor > 13[
right random 360
forward 1]
if ycor >= 15 [
set ycor 14
]
if ycor <= 13 [
set ycor 14
]
]
ask gloria [
if xcor >= -15 and xcor < -5 [
right random 360
forward 1]
AP

ENDICE A. ANEXOS 104


if xcor <= -15 [
set xcor -11
]
if xcor >= -5 [
set xcor -11
]
]
ask karen [
if xcor > -9 and xcor < 2[
right random 360
forward 1]
if xcor <= -9 [
set xcor -4
]
if xcor >= 2 [
set xcor -4
]
]
;Tiempo de colocado de cuadrados
tick
set t ticks
set m t mod 1
set n t mod 20
if m = 0 [
ask francisca
[ set pcolor black]
]
if n = 0 [
ask cote [ if xcor > -2 and xcor <= 2
[ set pcolor green]]
ask cote [ if xcor >= 5 and xcor < 9
[ set pcolor green]]
ask karen [ if xcor > -9 and xcor <= -5
AP

ENDICE A. ANEXOS 105


[ set pcolor yellow]]
ask karen [ if xcor >= -2 and xcor < 2
[ set pcolor yellow]]
ask cindy [ if xcor > 5 and xcor <= 9
[ set pcolor blue]]
ask gloria [ if xcor < -5 and xcor >= -9
[ set pcolor red]]
]
;Conteo para graficar
ask cote [ if pcolor = black [
set pcolor white
set b b + 1 ]]
ask cindy [ if pcolor = black [
set pcolor white
set b b + 1 ]]
ask gloria [ if pcolor = black [
set pcolor white
set b b + 1 ]]
ask karen [ if pcolor = black [
set pcolor white
set b b + 1 ]]
ask cote [ if pcolor = yellow [
set pcolor white
set r r + 1 ]]
ask cote [ if pcolor = blue [
set pcolor white
set r r + 1 ]]
ask cindy [ if pcolor = green [
set pcolor white
set r r + 1 ]]
ask gloria [ if pcolor = yellow [
set pcolor white
set r r + 1 ]]
AP

ENDICE A. ANEXOS 106


ask karen [ if pcolor = red [
set pcolor white
set r r + 1 ]]
ask karen [ if pcolor = green [
set pcolor white
set r r + 1 ]]
do-plots
end
;Grafico
to do-plots
set-current-plot "Afectacion v/s Tiempo"
set-current-plot-pen "black"
plot b
set-current-plot-pen "brown"
plot r
end
A.1.2. Programas hechos en Python.
modelo1.py
# -*- coding: cp1252 -*-
#Inicializaci on hebras
import threading, random, time
mutex = threading.Lock()
class MiThread(threading.Thread):
def __init__(self, num, dev):
threading.Thread.__init__(self)
self.num = num
self.dev = dev
def run(self):
global l, n, t1
v = True
f = 38
AP

ENDICE A. ANEXOS 107


t = 0
#Si n>0 sigue corriendo la hebra
while n > 0:
#Desfase de hebras
c = random.randint(0,50)
c = c/10.0
time.sleep(c)
x = random.randint(0,1)
#Zona critica
mutex.acquire()
#Comprobaci on de estado aceptado
if l[self.num] == self.num:
if v:
v = False
n = n - 1
print "seccion 3", l[self.num], self.dev, self.num
#Aprendizaje de tarea
if x == 0:
a = random.randint(1,f)
l[self.num] = a
if l[self.num] == self.num:
if v:
v = False
n = n - 1
print l[self.num], self.dev, self.num
#Intercambio del apredizaje
if x == 1:
a = random.randint(1,f)
b = l[self.num]
l[self.num] = l[a]
l[a] = b
if l[self.num] == self.num:
if v:
v = False
n = n - 1
print "seccion 2", l[self.num], self.dev, self.num
t = t + 1
AP

ENDICE A. ANEXOS 108


mutex.release()
mutex.acquire()
#Tiempo en vueltas al bucle while hasta logro de meta
print "fin del hilo", self.num, "duracion=", t
t1 = t1 + t
print "tiempo total=", t1
mutex.release()
#Programa principal
print "Soy el hilo principal"
l = []
l = [0] * 1000
n = 38
t1 = 0
for i in range(1, 39):
t = MiThread(i, "xxx")
t.start()
modelo2.py
# -*- coding: cp1252 -*-
#Inicializaci on hebras
import threading, random, time
mutex = threading.Lock()
class MiThread(threading.Thread):
def __init__(self, num, dev):
threading.Thread.__init__(self)
self.num = num
self.dev = dev
def run(self):
global l, n, t1
v = True
f = 29
t = 0
k = 30
#Si n>0 sigue corriendo la hebra
AP

ENDICE A. ANEXOS 109


while n > 0:
#Desfase de hebras
c = random.randint(0,50)
c = c/10.0
time.sleep(c)
x = random.randint(0,1)
#Zona critica
mutex.acquire()
#Comprobaci on de estado aceptado
if l[self.num] == self.num:
if v:
v = False
n = n - 1
print "seccion 3", l[self.num], self.dev, self.num
#Aprendizaje de tarea
if x == 0:
a = random.randint(1,f)
l[self.num] = a
if l[self.num] == self.num:
if v:
v = False
n = n - 1
print l[self.num], self.dev, self.num
#Intercambio del apredizaje
if x == 1:
a = self.num
while a == self.num or a == 0 or a == k:
a = random.randint(self.num - 1,self.num + 1)
b = l[self.num]
l[self.num] = l[a]
l[a] = b
if l[self.num] == self.num:
if v:
v = False
n = n - 1
print "seccion 2", l[self.num], self.dev, self.num
t = t + 1
mutex.release()
AP

ENDICE A. ANEXOS 110


mutex.acquire()
#Tiempo en vueltas al bucle while hasta logro de meta
print "fin del hilo", self.num, "duracion=", t
t1 = t1 + t
print "tiempo total=", t1
#Programa principal
print "Soy el hilo principal"
l = []
l = [0] * 1000
n = 29
t1 = 0
for i in range(1, 30):
t = MiThread(i, "xxx")
t.start()
A.1.3. Programas hechos en Matlab.
acoplamiento.m
function dy = acoplamiento(t,y)
dy = zeros(4,1); % definicion de vector
% ecuaciones diferenciales
dy(1) = y(3);
dy(2) = y(4);
dy(3) = 2*2*(y(4)-y(3))-2*(y(1)^2-1)*y(3)-5^2*y(1);
dy(4) = 2*2*(y(3)-y(4))-2*(y(2)^2-1)*y(4)-5^2*y(2);
fh.m
function dy = fh(t,y)
dy = zeros(2,1); % definici on de vector
% ecuaciones diferenciales
AP

ENDICE A. ANEXOS 111


dy(1) = (y(1)+0.15)*(y(1)+0.15-0.139)*
(1-y(1)-0.15)-0.15*(0.15-0.139)*(1-0.15)-y(2);
dy(2) = 0.008*(y(1)-2.54*y(2));
AP

ENDICE A. ANEXOS 112


A.2. Anexo B.
En el ejemplo dado en 6.2.4 , las ecuaciones din amicas de los sistemas acoplados
son iguales.
Por otro lado, si en el sistema:
x + (x
2
+
1
+
2
1) x +
2
x = u(t) (A.2.1)
se introduce una nueva variable y, el sistema puede ser escrito como:
x = y (/3)x
3
(
1
+
2
1)x (A.2.2)
y = x + u(t)/
su correspondiente matriz Jacobiana es:
F =

((
1
+
2
1) + x
2
)
0

(A.2.3)
la cual es semi denida negativa si: > 0 , > 0 y
1
+
2
> 0.
Por el teorema dado en x
1
(t) y x
2
(t) convergen asint oticamente una a otra,
independientemente de las condiciones iniciales.
Bibliografa
[1] Francisco Varela. El fen omeno de la vida. Dolmen Ediciones Santiago de
Chile, 2000.
[2] Humberto Maturana. Transformaci on en la convivencia. Dolmen Ediciones
Santiago de Chile, 1999.
[3] Humberto Maturana y Francisco Varela. El arbol del conocimiento. bases
biol ogicas del entendimiento humano. Editorial Universitaria Santiago de
Chile, 1984.
[4] Humberto Maturana. Emociones y lenguaje en eduaci on y poltica. Dolmen
Ediciones Santiago de Chile, Decima Edici on, 2001.
[5] Gregorio Castllo Quiroz. An alisis cualitativo del modelo de tzhugh-nagumo.
2006.
[6] Constituci on de la Capacidad de Proceso de Datos en los Animales. La
neurona.
[7] Lecture. 6: The tzhugh-nagumo model.
[8] J. A. Scott Kelso Viktor K. Jirsa. The excitator as a minimal model for the
coordination dynamics of discrete and rhythmic movement generation. Center
for Complex Systems and Brain Sciences Florida Atlantic University, Boca
Raton Journal of Motor Behavior, 2005.
[9] Jean-Jacques E. Slotine Wei Wang. On partial contraction analysis for coupled
nomlinear oscillators. Nonlinear Systems Laboratory, Massachusetts Institute
of Technology, 2004.
[10] Gregory Basteson. Pasos hacia una ecologa de la mente. Editorial LOHLE-
LUMEN Buenos Aires Rep ublica Argentina, 1998.
113

Anda mungkin juga menyukai