نویسنده

دانشجوی دکتری مدیریت فناوری، دانشگاه علامه طباطبائی

چکیده

هدف اصلی از نگارش این مقاله شرح روش شناسی تحلیل سیستم های اجتماعی پیچیده با تمرکز بر روش تحلیل سیستم های نوآوری است. در این مقاله تلاش شده نخست سیستم نوآوری، به منزلۀ یک سیستم پیچیدۀ اجتماعی تطابق پذیر، تحلیل شود و سپس، بر این اعتبار، روش شناسی مناسب تحلیل این قبیل سیستم ها تشریح گردد. رویکرد بسط داده شده در این تحقیق مدل سازی عامل بنیان است که مفاهیمی همانند نظریۀ بازی ها، سیستم های پیچیده، ظهوریافتگی، علوم اجتماعی محاسباتی، سیستم های چندعاملی و روش های مونت کارلو را با یکدیگر ترکیب می کند تا منطقی منسجم برای درک سیستم های پیچیده ارائه نماید. نتایج این بررسی نظری نشان می دهد که درک و تحلیل هر سیستم نوآوری مستلزم به کارگیری روش های متناسب با سیستم های پیچیده است و بهترین رویکرد نظری برای تحلیل سیستم نوآوری مدل سازی عامل بنیان و استفاده از شبیه سازی پویایی های تبادل دانش در شبکه های نوآوری است که از رویکردهای مطرح در مدل سازی عامل بنیان شناخته می شود.

کلیدواژه‌ها

عنوان مقاله [English]

Application of Agent Based Modeling in the Analysis of Complex Social Systems: The Methodology of Innovation Systems Analysis

نویسنده [English]

  • Saeed Roshany

چکیده [English]

The main purpose of this Article is to describe the methodology of complex social systems with focused on analysis of innovation systems. At this paper, we analyze innovation system as a complex system and then, try to describe the best methodology for analyzing this systems. Agent based modeling is the main approach that define in this article that combine some concept such as game theory, complex systems, emergent property, computational social science, multy-agent systems and monte Carlo to provide a convergence logic for understanding complex systems. Our result shows that understanding and analysis of a innovation system need to application of methodologies that fit with this systems and the  best theoretical approach for analyzing this systems is a agent based modeling and uses of simulating dynamics of knowledge exchange on innovation networks.

کلیدواژه‌ها [English]

  • Complex adaptive systems
  • Agent based modeling
  • Innovation systems
  • Simulating dynamics of knowledge exchange
  • Innovation networks