کاربرد مدل سازی عامل بنیان در تحلیل سیستم های پیچیدۀ اجتماعی: روش شناسی تحلیل سیستم های نوآوری

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
منابع
Anderson, P. (1999). “Complexity Theory and Organization Science”. Organization Science, 10 (3), 216-232.
Anderson, P. W., Arrow, K. J. and Pines, D. (eds.) (1988). The Economy as an Evolving Complex System. Reading, Mass.: Addison-Wesley.
Arthur, W. B., Durlauf, S. N. and Lane, D. A. (eds.) (1997). The Economy as an Evolving Complex System II. Reading, Mass.: Addison-Wesley.
Axelrod, R. (1997). “Advancing the Art of Simulation in the Social Sciences”. Simulating Social Phenomena, 21-40. Springer Berlin Heidelberg.
Axelrod, R. and Cohen, M. D. (2000). Harnessing Complexity; implications of a scientific frontier.The Free Press. New York:  Basic Books.
Chan, S. (2001, October). “Complex Adaptive Systems”. In ESD. 83 Research Seminar in Engineering Systems, vol. 31.
Ellis, B. and Herbert, S. (2011). “Complex Adaptive Systems (CAS): An Overview of Key Elements, Characteristics and Application to Management Theory”. Journal of Innovation in Health Informatics, 19(1), 33-37.
Ferber, J. (1999). Multi-Agent Systems: An Introduction to Distributed Artificial Intelligence, vol. 1. Reading: Addison-Wesley.
Goodwin, B. (1994). How the Leopard Changed Its Spots: The Evolution of Complexity. London: Weidenfeld and Nicholson.
Holland, J. H. (1995). Hidden Order: How Adaptation Builds Complexity. New York: Basic Books.
Lansing, J. S. (2003). “Complex Adaptive Systems”. Annual Review of Anthropology, 32(1), 183-204.
Law, A. M., Kelton, W. D. and Kelton, W. D. (1991). Simulation Modeling and Analysis, vol. 2. New York: McGraw-Hill.
Leydesdorff, L. and van den Besselaar, P. (eds.) (1994). Evolutionary Economics and Chaos Theory: New Directions in Technology Studies. London: Pinter.
Macal, C. M. and North, M. J. (2005, December). “Tutorial on Agent-Based Modeling and Simulation”. Simulation Conference, 2005 Proceedings of the Winter. IEEE.
Mitchell, M. (2009). Complexity: A Guided Tour. Oxford University Press.
Weaver, W. (1991). “Science and Complexity”. Facets of Systems Science, 449-456. Springer US.
Palmberg, K. (2009). Complex Adaptive Systems: Properties and Approaches.
Gharajedaghi, J. (1999). Systems Thinking: Managing Chaos and Complexity. Woburn, US: Butterworth-Heinemann.
Tapscott, D. and Williams, A. (2006). Wikinomics; How Mass Collaboration Changes Everything. New York: Penguin Group.
Frenken, K. (2006). “Technological Innovation and Complexity Theory”. Economics of Innovation and New Technology, 15(2), 137-155.
Yilmaz, L. (2008). “Innovation Systems Are Self-Organizing Complex Adaptive Systems”. AAAI Spring Symposium: Creative Intelligent Systems, 142-148.
Katz, J. S. (2016). “What Is a Complex Innovation System?”. PloS One, 11(6), e0156150.
Leydesdorff, L. and Etzkowitz, H. (1996). “Emergence of a Triple Helix of University-Industry-Government Relations”. Science and Public Policy, 23, 279-286.