¿Qué pueden ofrecer los modelos basados en agentes vivos en el contexto docente?

Marta Ginovart

doi:10.4995/msel.2015.3486

Autores/as

Marta Ginovart Universitat Politècnica de Catalunya

DOI:

https://doi.org/10.4995/msel.2015.3486

Palabras clave:

Modelos basados en agentes vivos, sistemas biológicos, modelos discretos, modelos computacionales, NetLogo

Resumen

Los sistemas biológicos o sistemas formados por entidades vivas (individuos) son sistemas complejos, tanto por la “complejidad” que cada individuo o agente vivo tiene, como por las posibles relaciones que se pueden establecer entre ellos, así como por las posibles relaciones con el entorno o medioambiente en el que estos individuos se desarrollan, viven, compiten y mueren, y que por tanto, modifican como resultado de sus acciones. Este trabajo se basa en la experiencia acumulada en los últimos años en el uso de modelos basados en agentes en el ámbito de los biosistemas en la Universidad Politècnica de Catalunya. El objetivo es ofrecer elementos de estudio y discusión para poder responder a las siguientes preguntas: 1) ¿Qué son los modelos basados en agentes vivos?, 2) ¿Cómo se puede trabajar con estos modelos computacionales en el aula?, y 3) ¿Qué pueden ofrecer estos modelos en un entorno educativo? Asimismo, se proporciona información y referencias específicas para facilitar la incorporación de este tipo de modelo en planes de estudios con diferentes niveles de instrucción matemática y biológica, como complemento a otras metodologías de modelización.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Boschetti, F., McDonald, D., Gray, R. (2008). Complexity of a Modelling Exercise: A Discussion of the Role of Computer Simulation in Complex System Science. Complexity, 13, 21-28. https://doi.org/10.1002/cplx.20215

Brodu, N. (2008). A Synthesis and a Practical Approach to Complex Systems. Complexity, 15, 36-60. https://doi.org/10.1002/cplx.20239

Devillers, J., Devillers, H., Decourtye, A., Aupinel, P. (2010). Internet resources for agent-based modelling. SAR and QSAR in Environmental Research, 21, 337-350. https://doi.org/10.1080/10629361003773963

Gilbert, J. K. (2004). Models and Modelling: Routes to More Authentic Science Education. International Journal of Science and Mathematics Education, 2, 115-130. https://doi.org/10.1007/s10763-004-3186-4

Ginovart, M., Portell, X., Ferrer-Closas, P., Blanco, M. (2011). Modelos basados en el individuo y la plataforma NetLogo. Unión, 27, 131-150.

Ginovart, M., Portell, X., Ferrer-Closas, P., Blanco, M. (2012). Modelos basados en el individuo: una metodologia alternativa y atractiva para el estudio de biosistemas. Enseñanza de las ciencias, 30, 93-108. https://doi.org/10.5565/rev/ec/v30n2.572

Ginovart, M. (2013). Modelización y Simulación Discreta para tratar con problemas de toma de decisiones: El problema del Bar El Farol. Modelling in Science Education and Learning, 6(2), 211-233. https://doi.org/10.4995/msel.2013.1947

Ginovart, M. (2014). Discovering the power of individual-based modelling in teaching and learning: the study of a predator-prey system. Journal of Science Education and Technology, 23, 496-513. https://doi.org/10.1007/s10956-013-9480-6

Gómez-Mourelo, P., Ginovart, M. (2013). A connection between discrete individual-based and continuous population-based models: A forest modelling case study. Artificial Intelligence Research, 2, 28-46. https://doi.org/10.5430/air.v2n2p28

Gras, A., Cañadas, J.C., Ginovart, M. (2013). A free accessible individual-based simulator enabling virtual experiments on soil organic matter processes in classroom. Journal of Technology and Science Education, 3(2), 73-88. https://doi.org/10.3926/jotse.72

Grimm, V., Railsback, S. F. (2005). Individual-based modelling and ecology. Princeton and Oxford: Princeton University Press. https://doi.org/10.1515/9781400850624

Grimm, V., Berger, U., De Angelis, D. L., Polhill, J. G., Giske, J., Railsback, S. F. (2010). The ODD protocol: A review and first update. Ecological Modelling, 221, 2760-2768. https://doi.org/10.1016/j.ecolmodel.2010.08.019

Hübler, A. W. (2007). Understanding Complex Systems. Complexity 12, 9-11. https://doi.org/10.1002/cplx.20178

Jacobson, M., Wilensky, U. (2006). Complex systems in education: Scientific and educational importance and implications for the learning sciences. Journal of the Learning Sciences, 15, 11-34. https://doi.org/10.1207/s15327809jls1501_4

Klopfer, E. (2003). Technologies to support the creation of complex systems models-using StarLogo software with students. BioSystems, 71, 111-122. https://doi.org/10.1016/S0303-2647(03)00115-1

Kokko, H. (2007). Modelling for field biologists and other interesting people. Cambridge: Cambridge University Press. https://doi.org/10.1017/CBO9780511811388

Lorenzo, V. (2014). Biología sintética: la ingeniería al asalto de la complejidad biológica. Arbor, 190 (768): a149. Murray, J. D. (1990). Mathematical biology. Berlin-Heidelberg: Springer-Verlag. https://doi.org/10.3989/arbor.2014.768n4003

Ottino, J. M. (2004). Engineering complex systems. Nature 427, 399. https://doi.org/10.1038/427399a

Shiflet, A. B., Shiflet, G. W. (2014). An Introduction to Agent-Based Modeling for Undergraduates. Procedia Computer Science, 29, 1392-1402. https://doi.org/10.1016/j.procs.2014.05.126

Railsback, S. F., Grimm, V. (2012). Agent-Based and Individual-Based Modeling: A Practical Introduction. Princeton and Oxford: Princeton University Press.

Thiele, J.C., Kurth, W., Grimm, V. (2014). Facilitating parameter estimation and sensitivity analysis of agent based models: A Cookbook using NetLogo and R. Journal of Artificial Societies and Social Simulation 17(3) 11-59. https://doi.org/10.18564/jasss.2503

Wilensky, U. (1997a) & (1997b). NetLogo Cooperation model & Wolf Sheep Predation model. Center for Connected Learning and Computer-Based Modeling, Northwestern University, Evanston, IL. http://ccl.northwestern.edu/netlogo/models/cooperation http://ccl.northwestern.edu/netlogo/models/WolfSheepPredation