This course of 9 online lectures (of about 60-70 min each) provides an introduction to the science of complex social systems. It is taught in Spanish.
Este curso de 9 charlas en línea (de unos 60-70 minutos cada uno) ofrece una introducción a la ciencia de los sistemas complejos sociales. El curso se imparte en español.
YouTube Playlist
Un sistema complejo es un sistema compuesto de partes interrelacionadas que como un conjunto exhiben propiedades y comportamientos no evidentes a partir de la suma de las partes individuales. Las dinámicas del desarrollo son llenos de complejidades. Las características de los sistemas complejos (como la interdependencia, la diversidad y la adaptabilidad de los agentes, etc.), desafían los supuestos básicos de las teorías tradicionales (tales como agentes independientes (i.i.d.) o patrones fijos de crecimiento, etc.). Estas charlas revisan varios de las características y herramientas prácticas que se han desarrollado para estudiar la aparición de patrones de macro no-lineales que surgen de una multiplicidad deinteracciones dinámicas micro. Visitamos aspectos teóricos, como la teoría de la información, teoría de la evolución de sistemas dinámicos y la teoría del caos, así como herramientas muy prácticas, como el análisis de redes sociales, la exploración de paisaje de aptitud adaptativos, y modelos basados en agentes autónomos (simulaciones computacionales de sistemas sociales). Se exhibe varias herramientas de software que se ha desarrollado durante los últimos años para explorar los fenómenos emergentes en sistemas complejos. Ningún prerrequisito es necesario para seguir las charlas.
(1) Presentación introductoria y visión general: ¿Cuáles son los sistemas complejos?
Los sistemas complejos se caracterizan por ser sistemas compuestos de agentes conectados, interdependientes, diversos, adaptativos, y pendientes del camino cuyos interacciones resultan en fenómenos emergentes. Vea tambien esta presentacion mas reciente aqui: “Que son los sistemas complejos?”
(2) Análisis de Redes Sociales (parte 1): analizando la estructura de redes
Per definición, una sociedad se define como una red de individuos y por lo tanto, el análisis de la estructura de las redes sociales es decisivo. Revisamos conceptos y métricas de las redes sociales, tal como diferentes medidas de centralidad, el particionamiento de redes en grupos, la homofilia, la transitividad y la equivalencia estructural y regular, entre otros.
(3) Modelos basados en agentes autónomos (parte 1): simulaciones computacionales
El análisis de los fenómenos emergentes es difícil con métodos analíticas más tradicionales. Simulaciones computaciones nos permiten obtener resultados numéricos, que nos dan un entendimiento básico y probabilístico de las dinámicas sociales. Estos modelos crean sociedades artificiales de diferentes niveles de sofisticación.
(4) Evolución Multinivel: ¿qué es lo que evoluciona?
Los sistemas sociales evolucionan en diferentes niveles, mientras las interacciones en un nivel inferior (micro) resultan en patrones emergentes a un nivel superior (macro). Revisamos un método analítico que nos permite analizar la evolución en varios niveles (la ecuación de Price).
(5) Entre el azar y el orden: entre la entropía de Shannon y la complejidad de Kolmogorov
Tal como el ágil demonio de Maxwell convierte información en energía, también los sistemas sociales convierten información en conocimiento, y ambos en crecimiento. Revisamos como los sistemas complejos sociales procesan información para crecer.
(6) Diversidad: modelos agregados vs. modelos de diversidad
Muchos de los modelos tradicionales trabajan con agregados que simplifican la diversidad que es caracteristica de los sistemas complejos. Revisamos la importancia de celebrar y de medir diferentes formas de la diversidad en sistemas complejos.
(7) Análisis de Redes Sociales (parte 2): creciendo redes dinámicas para hacer predicciones
Revisamos métodos que nos permiten testear modelos de una red dinámica, tales como las redes Erdos-Renyi, del mundo pequeño y de las conexiones preferenciales. También visitamos ejemplos del uso de redes sociales para hacer predicciones.
(8) Modelos basados en agentes autónomos (parte 2): ciencia social generativa
Revisamos las implicaciones y los límites de la nueva ciencia de las sociedades artificiales. También revisamos nuevos desarrollos, tal como el casamiento de modelos de simulaciones computacionales con las bases de grandes datos sociales (Big Data).
(9) Leyes de potencias: ¿característica omnipresente de los sistemas complejos?
Revisamos varios de los fascinantes mecanismos generativos de leyes de potencias, tales como criticidad auto-organizada, la tolerancia altamente optimizada, escalamiento alométrico, y laretroalimentación positiva.
(nuevo) Cómo el Big Data y las Simulaciones Computacionales cambian las ciencias sociales
Big Data: La era digital cambia la manera en la que se produce y se recoge datos. Con más del 99% de toda la información disponible en formato digital, y con una penetración móvil del 98% a nivel mundial, el paradigma de Big Data permite en muchas casos a renunciar de muestreo (n = N = todo) y a obtener proxies baratas en tiempo real para muchos indicadores esenciales del desarrollo. Eso aplica desde los índices de precios, hacia el nivel de felicidad de una sociedad.
