agentes en lo concerniente, principalmente, a las Los estudios empíricos muestran que los procesos
consecuencias de la racionalidad limitada [14]. de difusión de innovaciones exitosos y completos,
Sin embargo, aunque esta técnica de modelado en general, siguen una forma de S [30], como
permite representar con una alta complejidad el sucede con muchos fenómenos naturales; por ello,
comportamiento de los individuos y la interacción los estudios teóricos intentan hallar la tasa y la
entre ellos, al mismo tiempo resulta más cantidad de adoptadores en una población
demandante en la información requerida para una específica y durante un período de tiempo
simulación que se aproxime a la realidad [8], [21], determinado, además de comprender la influencia
[23]. Adicionalmente, los MBA preservan la de factores particulares detrás de los patrones de
heterogeneidad y los atributos individuales difusión observados para predecir futuras
renunciando, con frecuencia, a la robustez y difusiones usando diversas metodologías [31].
generalización de los hallazgos [13].
En este sentido, la literatura reporta el uso tanto de
Diversos trabajos se han adelantado orientados a MBE y BMA para el modelado y la simulación
la comparación de ambas metodologías de del proceso de difusión de las innovaciones [29],
modelado en los sistemas sociales. Después de [32].
implementar las dos metodologías en la
simulación del mismo fenómeno, Rahmandad y Los primeros modelos propuestos corresponden al
Sterman [9] subrayan algunas características de nivel agregado en tanto que conciben el mercado
ambos enfoques de modelado. Según los autores, como un todo [7–9], y están dentro de la categoría
las ventajas de los MBA sobre los MBE radican de los MBE [31], [33]. Se considera que modelo
en la mayor fidelidad que proporcionan los presentado por Bass [34] en el campo del
primeros en la representación del fenómeno, la modelado matemático de la difusión de
posibilidad que brindan de incluir heterogeneidad innovaciones dio origen al desarrollo de este tipo
entre los agentes y diversas topologías de red y la de modelos.
facilidad con que es posible evaluar políticas Sin embargo, las críticas a los MBE relativas a la
asociadas con estos dos últimos aspectos. Sin no consideración explícita de la heterogeneidad de
embargo, sus desventajas están asociadas a la gran los individuos y las dinámicas complejas de los
cantidad de datos que requieren para su adecuada procesos sociales que dan forma al fenómeno de la
calibración y funcionamiento, los altos difusión [28], han sugerido que este tipo de
requerimientos cognitivos, computacionales y de modelos no se encuentran diseñados para
tiempo para su construcción, la dificultad para responder preguntas del tipo “y si” en el
explicar el comportamiento a partir de la planteamiento de estrategias de difusión a nivel
estructura y la dificultad para llevar a cabo un organizacional y políticas a nivel gubernamental
análisis de sensibilidad apropiado para tantos [9], [16]. Por ello, las investigaciones de los
parámetros de los que se componen. últimos años se han orientado a un modelado del
proceso de difusión que considere, tanto la
3. DIFUSIÓN DE INNOVACIONES heterogeneidad de los individuos (eliminando el
supuesto de homogeneidad entre ellos), como la
Basado en el trabajo de Schumpeter [24], la complejidad en las redes de interacción entre los
OECD [25] define la innovación como la individuos (eliminando el supuesto de la completa
implementación de una nueva o significativamente conectividad entre los mismos), introduciendo los
mejorada idea, bien, servicio, proceso o práctica MBA en el campo.
que es útil y agrega valor a la actividad
económica. La difusión de una innovación es Según Kiesling et al. [21] y Georgesku y Okuda
entendida como la propagación de dicha [29], los MBA para difusión de innovaciones se
innovación en el mercado [24], [26], y su componen de dos elementos principales: (1) el
modelado es la representación matemática o modelado del proceso de toma de decisiones de
computacional de este proceso, un tópico de adopción de las unidades de análisis (individuos,
importancia académica y práctica desde la década hogares u organizaciones, entre otros), y (2) el
del 60 [27], [28]. En efecto, en virtud del modelado de estructura de la red de interacción
entendimiento del fenómeno subyacente del social entre dichas unidades.
proceso de la difusión de una innovación, las La interacción social está asociada con la forma en
simulaciones por computador se han considerado que los individuos que componen el sistema en el
la aproximación más eficiente para la cual la difusión tiene lugar se relacionan entre sí
reproducción experimental del fenómeno [29]. [21], y su modelado se apoya en los avances en el
campo de teoría de grafos [35]. Los análisis
X Congreso Latinoamericano de Dinámica de Sistemas 4
III Congreso Brasileño de Dinámica de Sistemas
I Congreso Argentino de Dinámica de Sistemas
teóricos hechos sobre la conformación de las redes considerando dos estados de la difusión, en los
sociales han permitido los desarrollos de las redes cuales los consumidores deben tomar una
pequeño-mundo [36–39]; estas redes son de gran decisión: (1) la elección del producto (modelado
uso en los modelos de difusión debido a sus difusión de innovaciones clásico), en el cual las
similitudes topológicas con las redes sociales interacciones entre los consumidores son
reales, y están basadas en la idea de que las dominantes para la decisión, y (2) la decisión de la
probabilidades de que los nodos estén conectados marca, en el cual son las ofertas especiales y las
no son independientes, exhibiendo un diámetro campañas publicitarias las que darán forma a la
pequeño y una alta agrupación. elección del consumidor. A pesar de la intuitiva
racionalidad en este enfoque, muy pocos modelos
Por su parte, el modelado de la toma de decisiones de difusión han seguido la metodología de los dos
permite que las decisiones de adopción de los estados, pues su aplicabilidad requiere una gran
individuos o unidades de análisis sean cantidad de datos de alta calidad que suele
explícitamente incorporadas en los modelos de encontrarse no disponible; por tanto, Peres et al.
difusión [33]; este elemento conduce al campo de [28] señalan que es necesario un mayor desarrollo
la adopción de las innovaciones, el cual busca teórico en este aspecto y una infraestructura de
explicar el proceso a través del cual un individuo modelos basados en decisiones fundamentales, a
toma la decisión de adoptar o no la innovación fin de responder las preguntas asociadas al
[31], [40], [41]. Si bien una corriente importante crecimiento de las marcas.
de las investigaciones en el campo suponen un
consumidor racional que maximiza la utilidad de Como consecuencia del poco avance en materia de
sus decisiones [42], la tendencia actual de estos difusión de dos innovaciones en competencia,
estudios considera limitaciones a la racionalidad hasta el momento se desconoce si la competencia
[29], relativas tanto a la consecución de la tiene el efecto de acelerar o desacelerar el
información como al procesamiento de la misma y crecimiento de un producto en un mercado, y las
el mecanismo de toma de decisiones [43]. investigaciones presentan resultados
contradictorios; ningún estudio, además,
3.1 DIFUSIÓN DE INNOVACIONES EN proporciona explicaciones sobre los mecanismos
COMPETENCIA que explican sus resultados [28].
La Figura 1 presenta la hipótesis dinámica del cual el diagrama causal es simétrico respecto al
fenómeno abordado, el cual fue implementado eje vertical; de este modo, en el lado izquierdo se
haciendo uso del software Vensim®. encuentran las dinámicas de la innovación 1 y en
Las dinámicas de difusión operan para cada una el lado derecho se encuentran las dinámicas de la
de las innovaciones de manera idéntica, por lo innovación 2.
adoptadores
potenciales AP
B1 - desinformados - B2
-
+ +
AP conocen + + AP conocen
pub Inn1 pub Inn2
Inn1 B5 Inn2
- -
B3
+ ++ B4
+ + +
+ AP conocen + +
adoptadores 1 adoptadores 2
+ Inn1 Inn2
+ + +
como resultado de la fracción de población que la imitación, que está asociada a difusión de la
tiene información perfecta sobre las innovaciones. innovación en toda la red, y la externalidad, que
implica la difusión de la innovación en el
3.2 IMPLEMENTACIÓN EN AGENTES vecindario próximo del individuo [45–47].
El conocimiento del individuo sobre las
El modelo en agentes fue desarrollado haciendo innovaciones se encuentra determinado por la
uso de software Netlogo®. Los agentes exposición que tiene el individuo a cada una de las
corresponden a individuos que se conectan entre sí dos innovaciones, la cual depende de la
siguiendo una estructura de red determinada. publicidad que se hace sobre la innovación.
Cada agente toma su elección de adopción De este modo, en cada uno de los períodos de
haciendo uso de una heurística que tiene en cuenta simulación cada individuo monitorea la
el conocimiento de la innovación, la valoración de información que le proporciona el entorno y puede
la misma y el criterio de satisfacción. Esta encontrarse en una de cuatro situaciones posibles:
heurística se presenta en la Figura 2. (1) no se informa sobre innovación alguna, (2) se
La evaluación que realiza cada individuo sobre las informa sólo sobre la innovación 1, (3) se informa
innovaciones que conoce depende directamente sólo la innovación 2 o (4) se informa sobre ambas
del boca a boca, expresado a través de dos efectos: innovaciones.
Cada una de estas situaciones implica un a) Ninguna de las innovaciones supera su nivel de
procedimiento diferente en la heurística respecto satisfacción, en cuyo caso el individuo no adopta y
al criterio de selección de las alternativas, así: disminuye dicho nivel actual para el próximo
(1) Si el individuo no conoce innovación alguna, paso.
no hay decisión a considerar. b) Sólo una de las innovaciones supera el nivel de
(2) Si el individuo conoce solamente una satisfacción, en cuyo caso el individuo adopta esta
innovación, se verifica que el valor de esta alternativa.
innovación supere su nivel de satisfacción, en c) Ambas innovaciones superan el nivel de
cuyo caso la innovación es adoptada. Si este valor satisfacción, en cuyo caso el individuo no adopta y
se encuentra por debajo de su umbral de aumenta su nivel de satisfacción para el próximo
satisfacción el individuo no adopta la innovación. paso.
(3) Si el individuo conoce ambas innovaciones
puede suceder que:
X Congreso Latinoamericano de Dinámica de Sistemas 7
III Congreso Brasileño de Dinámica de Sistemas
I Congreso Argentino de Dinámica de Sistemas
social parámetros cuya consecución puede no ser [13] E. Mollona, «Computer simulation in social
inmediata en el corto plazo (como la forma y sciences», J Manage Gov, vol. 12, no. 2, pp. 205–
211, may 2008.
parámetros de la distribución de los niveles de
[14] N. Gilbert y K. G. Troitzsch, «Simulation for the
satisfacción entre los individuos de la población, o Social Scientis», McGraw-Hill Education. Second
la estructura de la red de difusión); por ello, la Edition, p. 295, 2005.
metodología de agentes, aunque al parecer más [15] J. R. Harrison, Z. Lin, G. R. Carroll, y K. M.
potente que la de dinámica de sistemas para el Carley, «Simulation modeling in organizational and
análisis de la difusión de dos innovaciones en management research», Academy of Management
Review, vol. 32, no. 4, p. 1229, 2007.
competencia, puede minar el proceso de modelado
[16] T. Berger, «Agent-based spatial models applied to
dada la dificultad en la consecución de la agriculture: a simulation tool for technology
información necesaria para su calibración. diffusion, resource use changes and policy
analysis», Agricultural Economics, vol. 25, no. 2–3,
5. REFERENCIAS pp. 245–260, 2001.
[17] P. Anderson, «Complexity theory and organization
[1] R. Axelrod, «Advancing the art of simulation in the science», Organization Science, pp. 216–232,
social sciences», Complexity, vol. 3, no. 2, pp. 16– 1999.
22, 1997. [18] N. Gilbert, «A simulation of the structure of
[2] J. P. Davis, K. M. Eisenhardt, y C. B. Bingham, academic science», Sociological Research Online,
«Developing theory through simulation methods», vol. 2, no. 2, pp. 1–17, 1997.
Academy of Management Review, vol. 32, no. 2, p. [19] S. M. Manson, «Bounded rationality in agent-
480, 2007. based models: experiments with evolutionary
[3] O. Balci, «Guidelines for successful simulation programs», International Journal of Geographical
studies», in Proceedings of the 21st conference on Information Science, vol. 20, no. 9, pp. 991–1012,
Winter simulation, 1990, pp. 62–71. 2006.
[4] L. Cadavid y G. Awad, «Propuesta para la [20] T. C. Schelling, Micromotives and
medición del ajuste entre las metáforas Macrobehavior. United States of America: W. W.
organizacionales y las herramientas de modelado», Norton & Company, Inc, 1978.
Tesis de maestría, Universidad Nacional de [21] E. Kiesling, M. Günther, C. Stummer, y L. M.
Colombia, Medellín, Colombia, 2010. Wakolbinger, «Agent-based simulation of
[5] M. Radzicki y R. Taylor, «Origin of System innovation diffusion: a review», Cent Eur J Oper
Dynamics: Jay W. Forrester and the History of Res, may 2011.
System Dynamics. U.S. Department of Energy’s [22] M. P. Vogel, «Understanding Emergent Social
Introduction to System Dynamics», 2008. [Online]. Phenomena Comparatively: The Need for
Available: http://www.systemdynamics.org/DL- Computational Simulation», European Journal of
IntroSysDyn/start.htm. [Accessed: 23-jun-2012]. Social Sciences, vol. 7, no. 4, 2009.
[6] J. M. Epstein, «Agent-based computational models [23] N. Gilbert y P. Terna, «How to build and use
and generative social science», Generative Social agent-based models in social science», Mind &
Science: Studies in Agent-Based Computational Society, vol. 1, no. 1, pp. 57–72, 2000.
Modeling, pp. 4–46, 1999. [24] J. A. Schumpeter, The Theory of Economic
[7] M. W. Macy y R. Willer, «From factors to actors: Development, vol. 1. Springer US, 1936.
Computational Sociology and Agent-Based [25] OECD, Oslo manual: Guidelines for collecting
Modeling», Annual Review of Sociology, vol. 28, and interpreting innovation data. Publications de
no. 1, pp. 143–166, ago. 2002. l’OCDE, 2005.
[8] N. Gilbert y K. G. Troitzsch, «Simulation for the [26] K. U. Rao y V. V. N. Kishore, «A review of
Social Scientis», McGraw-Hill Education. Second technology diffusion models with special reference
Edition, p. 295, 2005. to renewable energy technologies», Renewable and
[9] H. Rahmandad y J. Sterman, «Heterogeneity and Sustainable Energy Reviews, 2010.
network structure in the dynamics of diffusion: [27] V. Mahajan, E. Muller, y F. Bass, «New Product
Comparing agent-based and differential equation Diffusion Models in Marketing: A Review and
models», Management Science, vol. 54, no. 5, pp. Directions for Research», The Journal of
998–1014, 2008. Marketing, vol. 54, no. 1, pp. 1–26, 1990.
[10] J. W. Forrester, «Lessons from system dynamics [28] R. Peres, E. Muller, y V. Mahajan, «Innovation
modeling», presented at the International diffusion and new product growth models: A
Conference of the System Dynamics Society, critical review and research directions»,
Sevilla, 1986. International Journal of Research in Marketing,
[11] J. D. Sterman, «Business Dynamics : Systems mar. 2010.
Thinking and Modeling for a Complex World», [29] S. Georgescu y H. Okuda, «A Distributed Multi-
Irwin/McGraw-Hill. Boston, Mass, p. 928, 2000. Agent Framework for Simulating the Diffusion of
[12] P. Cooley y E. Solano, «Agent-Based Model Innovations», Journal of Power and Energy
(ABM) Validation Considerations», in SIMUL Systems, vol. 2, no. 6, pp. 1320–1332, 2008.
2011, The Third International Conference on [30] G. M. Walton y H. Rockoff, History of the
Advances in System Simulation, 2011, pp. 134– American economy, Eleventh. Canadá: South-
139. Western Pub, 2010.
X Congreso Latinoamericano de Dinámica de Sistemas 1
III Congreso Brasileño de Dinámica de Sistemas 1
I Congreso Argentino de Dinámica de Sistemas
[31] C. Montalvo y R. Kemp, «Cleaner technology [40] V. Venkatesh y H. Bala, «Technology acceptance
diffusion: case studies, modeling and policy», model 3 and a research agenda on interventions»,
Journal of Cleaner Production, vol. 16, no. 1, pp. Decision Sciences, vol. 39, no. 2, pp. 273–315,
S1–S6, 2008. 2008.
[32] J. Goldenberg y S. Efroni, «Using cellular [41] M. Chuttur, «Overview of the Technology
automata modeling of the emergence of Acceptance Model: Origins, Developments and
innovations», Technological Forecasting and Future Directions», Sprouts: Working Papers on
Social Change, vol. 68, no. 3, pp. 293–308, 2001. Information Systems, vol. 9, no. 37, pp. 1–23, 2009.
[33] R. Kemp y M. Volpi, «The diffusion of clean [42] E. M. Rogers, Diffusion of Innovations, Third
technologies: a review with suggestions for future Edition., vol. 11. London: Collier Macmillan
diffusion analysis», Journal of Cleaner Production, Publishers, 1983.
vol. 16, no. 1, pp. S14–S21, 2008. [43] H. A. Simon, «A behavioral model of rational
[34] Bass, «A new product gowth for model consumer choice», The quarterly journal of economics, vol.
durables», Management Science, vol. 15, no. 5, pp. 69, no. 1, p. 99, 1955.
215–227, 1969. [44] M. Givon, V. Mahajan, y E. Muller, «Assessing
[35] F. Harary y R. Norman, «Graph theory as a the relationship between the user-based market
mathematical model in social science», Tesis share and unit sales-based market share for pirated
doctoral, University Of Michigan, Estados Unidos, software brands in competitive markets»,
1953. Technological Forecasting and Social Change,
[36] A.-L. Barabási, «Mean-field theory for scale-free vol. 55, no. 2, pp. 131–144, 1997.
random netowork», Physica A: Statistical [45] M. L. Katz y C. Shapiro, «Technology adoption in
Mechanics and its Applications, vol. 272, pp. 173– the presence of network externalities», The journal
187, 1999. of political economy, pp. 822–841, 1986.
[37] A.-L. Barabási, «Emergence of Scaling in Random [46] J. Rohlfs, Bandwagon Effects in High-Technology
Networks», Science, vol. 286, no. 5439, pp. 509– Industries, vol. 27. JSTOR, 2001.
512, 1999. [47] J. MacVaugh y F. Schiavone, «Limits to the
[38] D. J. Watts y S. H. Strogatz, «Models of the Small diffusion of innovation: A literature review and
World», Nature, vol. 393, pp. 440–442, 1998. integrative model», European Journal of
[39] D. J. Watts, «Small Worlds: The Dynamics of Innovation Management, vol. 13, no. 2, pp. 197–
Networks between Order and Randomn», 221, 2010.
Mathematical Association of America, vol. 107, no.
7, pp. 664–668, 2000.
www.dinamica-de-sistemas.com
Libros Cursos Online
Ejercicios
Avanzado
Modelos de simulación en
ecología y medioambiente
Conceptos
Planificación de empresas
con modelos de simulación
English
Português