ODD принципы: различия между версиями
Patarakin (обсуждение | вклад) (→Graph) |
Patarakin (обсуждение | вклад) |
||
| (не показано 13 промежуточных версий этого же участника) | |||
| Строка 1: | Строка 1: | ||
{{Понятие | {{Понятие | ||
|Description=Принципы дизайна исследовательской многоагентной модели. 21 принцип разбит по группам. Например: | |Description=Протокол описания модели при её публикации: The Overview, Design concepts and Details (ODD) protocol for describing Individual- and Agent-Based Models (ABMs) is now widely accepted and used to document such models in journal articles. | ||
Протокол ODD состоит из 21 элемента, которые разделены на три категории: «Обзор» (Overview), «Концепции проектирования» (Design concepts) и «Детали» (Details); отсюда и аббревиатура ODD. Каждая из этих категорий служит своей цели: дать обзор, объяснить, как использовались концепции дизайна, важные для модели, и объяснить все детали концепции модели. Принципы дизайна исследовательской многоагентной модели. 21 принцип разбит по группам. Например: | |||
; Адаптация | ; Адаптация | ||
: Какое адаптивное поведение демонстрируют агенты и почему? Как они могут реагировать на изменения в своей среде и в самих себе? Какие решения они принимают? | : Какое адаптивное поведение демонстрируют агенты и почему? Как они могут реагировать на изменения в своей среде и в самих себе? Какие решения они принимают? | ||
| Строка 7: | Строка 8: | ||
|Field_of_knowledge=NetSci, Математика, Биология, Информатика | |Field_of_knowledge=NetSci, Математика, Биология, Информатика | ||
|Inventor=Railsback, Grimm | |Inventor=Railsback, Grimm | ||
|similar_concepts=Дизайн, агентное моделирование | |similar_concepts=Дизайн, агентное моделирование, воспроизводимость, DREAM, VOMAS | ||
|Environment=NetLogo | |Environment=NetLogo, StarLogo Nova, Agentsheets, GAMA | ||
}} | }} | ||
[[ODD protocol]] - один первых подробных протоколов описания модели, который широко используется исследователями при подготовки публикаций и представления моделей в печатных изданиях. Недостатки [[ODD]] как формата представления модели связаны с тем, что он текстовый | |||
На поле вычислительной дидактики при представлении объектов в категории [[:Category:Model]] мы пытаемся использовать [[ODD]], [[DREAM]], [[VOMAS]] | |||
; Описание ODD | |||
* Основные принципы | |||
1. Какие общие концепции, теории, гипотезы или подходы к моделированию лежат в основе построения модели? Как модель связана с предыдущими представлениями об изучаемой проблеме? | 1. Какие общие концепции, теории, гипотезы или подходы к моделированию лежат в основе построения модели? Как модель связана с предыдущими представлениями об изучаемой проблеме? | ||
2. Какие принципы были включены в дизайн модели? | 2. Какие принципы были включены в дизайн модели? | ||
; [[Эмерджентность]] | |||
3. Что представляют важные результаты? Какие из них возникают из механистического представления адаптивного поведения отдельных агентов, а какие диктуются правилами, которые заставляют модель давать определенные результаты? | 3. Что представляют важные результаты? Какие из них возникают из механистического представления адаптивного поведения отдельных агентов, а какие диктуются правилами, которые заставляют модель давать определенные результаты? | ||
; [[Адаптация]] | |||
4. Какое адаптивное поведение демонстрируют агенты и почему? Как они могут реагировать на изменения в своей среде и в самих себе? Какие решения они принимают? | 4. Какое адаптивное поведение демонстрируют агенты и почему? Как они могут реагировать на изменения в своей среде и в самих себе? Какие решения они принимают? | ||
5. Как моделируется такое поведение? Предполагают ли субмодели адаптивного поведения, что агенты выбирают среди альтернатив, явно рассматривая, что с наибольшей вероятностью увеличит какую-то конкретную цель (прямое стремление к цели), или они просто заставляют агентов воспроизводить модели поведения, наблюдаемые в реальных системах (косвенное стремление к цели)? | 5. Как моделируется такое поведение? Предполагают ли субмодели адаптивного поведения, что агенты выбирают среди альтернатив, явно рассматривая, что с наибольшей вероятностью увеличит какую-то конкретную цель (прямое стремление к цели), или они просто заставляют агентов воспроизводить модели поведения, наблюдаемые в реальных системах (косвенное стремление к цели)? | ||
; Цели | |||
6. Для адаптивного поведения, моделируемого как прямое стремление к цели, какая мера целей агента (например, «приспособленность» в экологии, «полезность» в экономике) используется для оценки альтернативных решений? Этот объективный показатель представляет собой внутреннюю модель агента, показывающую, какую выгоду он получит от каждого сделанного им выбора. Какие элементы будущего успеха входят в объективный показатель (например, возможность дожить до будущего репродуктивного периода; вероятность остаться в бизнесе в течение некоторого периода; прибыль в следующем отчетном периоде)? Как объективная мера представляет процессы, которые связывают адаптивное поведение с важными переменными агентов и их среды? | 6. Для адаптивного поведения, моделируемого как прямое стремление к цели, какая мера целей агента (например, «приспособленность» в экологии, «полезность» в экономике) используется для оценки альтернативных решений? Этот объективный показатель представляет собой внутреннюю модель агента, показывающую, какую выгоду он получит от каждого сделанного им выбора. Какие элементы будущего успеха входят в объективный показатель (например, возможность дожить до будущего репродуктивного периода; вероятность остаться в бизнесе в течение некоторого периода; прибыль в следующем отчетном периоде)? Как объективная мера представляет процессы, которые связывают адаптивное поведение с важными переменными агентов и их среды? | ||
| Строка 31: | Строка 37: | ||
7. Как были выбраны переменные и механизмы объективного измерения (например, риски смертности или выхода из бизнеса, условия, необходимые для воспроизводства или прибыльности) с учетом цели модели и реальной системы, которую она представляет? Как текущее внутреннее состояние агента учитывается при моделировании решений? Меняется ли объективная мера по мере смены агента? | 7. Как были выбраны переменные и механизмы объективного измерения (например, риски смертности или выхода из бизнеса, условия, необходимые для воспроизводства или прибыльности) с учетом цели модели и реальной системы, которую она представляет? Как текущее внутреннее состояние агента учитывается при моделировании решений? Меняется ли объективная мера по мере смены агента? | ||
; Обучение | |||
8. Меняются ли агенты со временем, как они принимают адаптивные решения, в результате своего нового опыта? Если да, то как? | 8. Меняются ли агенты со временем, как они принимают адаптивные решения, в результате своего нового опыта? Если да, то как? | ||
;Прогнозирование | |||
9. Как агенты предсказывают будущие условия (внешние и внутренние) в своих подмоделях адаптивного поведения? Какие предположения или механизмы реальных моделируемых людей были основой для моделирования прогнозов? | 9. Как агенты предсказывают будущие условия (внешние и внутренние) в своих подмоделях адаптивного поведения? Какие предположения или механизмы реальных моделируемых людей были основой для моделирования прогнозов? | ||
| Строка 41: | Строка 47: | ||
10. Как моделируемые предсказания используют такие механизмы, как память, обучение или сигналы окружающей среды? Или предсказание является «неявным», то есть подразумевается только в простых правилах адаптивного поведения? | 10. Как моделируемые предсказания используют такие механизмы, как память, обучение или сигналы окружающей среды? Или предсказание является «неявным», то есть подразумевается только в простых правилах адаптивного поведения? | ||
; Ощущение | |||
11. Какие переменные своего окружения и самих себя агенты, как предполагается, чувствуют и, следовательно, могут учитывать в своем поведении? На чем основаны эти предположения? | 11. Какие переменные своего окружения и самих себя агенты, как предполагается, чувствуют и, следовательно, могут учитывать в своем поведении? На чем основаны эти предположения? | ||
; Например, агент чувствует хищника на определённом расстоянии от себя и может отпрыгнуть от этой опасности | |||
[[Файл:Slnova run away.png]] | |||
; Какие механизмы восприятия моделируются в явном виде и какие воспринимаемые переменные являются агентами, а не просто «знают»? | |||
13. С какой точностью или неопределенностью предполагается, что агенты «знают» или ощущают, какие переменные? На какие расстояния (в географическом, сетевом или другом пространстве)? | 13. С какой точностью или неопределенностью предполагается, что агенты «знают» или ощущают, какие переменные? На какие расстояния (в географическом, сетевом или другом пространстве)? | ||
; Взаимодействие | |||
14. Как взаимодействуют агенты модели? Взаимодействуют ли они напрямую друг с другом (например, напрямую ли один агент меняет состояние других)? Или взаимодействие опосредовано, например, через конкуренцию за ресурс? | 14. Как взаимодействуют агенты модели? Взаимодействуют ли они напрямую друг с другом (например, напрямую ли один агент меняет состояние других)? Или взаимодействие опосредовано, например, через конкуренцию за ресурс? | ||
; Например, агент одной породы при прямом столкновении может убивать агента другой породы | |||
| Строка 59: | Строка 72: | ||
16. Какие реальные механизмы взаимодействия были основаны на представлении взаимодействия в модели? В каких пространственных и временных масштабах они происходят? | 16. Какие реальные механизмы взаимодействия были основаны на представлении взаимодействия в модели? В каких пространственных и временных масштабах они происходят? | ||
; Стохастичность | |||
17. Как случайные процессы (основанные на псевдослучайных числах) используются в модели и почему? Используются ли случайные процессы: для инициализации модели? Потому что считается важным, чтобы некоторые процессы были изменчивыми, но неважно представлять причины изменчивости? Воспроизвести наблюдаемое поведение с использованием эмпирически определенных вероятностей? | 17. Как случайные процессы (основанные на псевдослучайных числах) используются в модели и почему? Используются ли случайные процессы: для инициализации модели? Потому что считается важным, чтобы некоторые процессы были изменчивыми, но неважно представлять причины изменчивости? Воспроизвести наблюдаемое поведение с использованием эмпирически определенных вероятностей? | ||
; Коллективы (породы) агентов | |||
18. Представлены ли в модели коллективы - совокупности агентов, которые влияют на состояние или поведение агентов-членов и на которые влияют их члены? | 18. Представлены ли в модели коллективы - совокупности агентов, которые влияют на состояние или поведение агентов-членов и на которые влияют их члены? | ||
| Строка 69: | Строка 82: | ||
19. Если да, то как представлены коллективы? Возникают ли они из поведения агентов, или агентам даны подмодели поведения, которые навязывают формирование коллективов? Или коллективы моделируются как агент другого типа со своим собственным поведением и переменными состояния? | 19. Если да, то как представлены коллективы? Возникают ли они из поведения агентов, или агентам даны подмодели поведения, которые навязывают формирование коллективов? Или коллективы моделируются как агент другого типа со своим собственным поведением и переменными состояния? | ||
; Наблюдение | |||
20. Какие выходные данные модели необходимы для наблюдения за ее внутренней динамикой, а также за ее поведением на системном уровне? Какие инструменты (графика, вывод в файл, данные о людях и т. Д.) Необходимы для получения этих результатов? | 20. Какие выходные данные модели необходимы для наблюдения за ее внутренней динамикой, а также за ее поведением на системном уровне? Какие инструменты (графика, вывод в файл, данные о людях и т. Д.) Необходимы для получения этих результатов? | ||
| Строка 80: | Строка 93: | ||
# Grimm V. и др. The ODD protocol: A review and first update // Ecological Modelling. 2010. Т. 221. № 23. С. 2760–2768. | # Grimm V. и др. The ODD protocol: A review and first update // Ecological Modelling. 2010. Т. 221. № 23. С. 2760–2768. | ||
# Smaldino P. E. How to Translate a Verbal Theory Into a Formal Model // Social Psychology. 2020. Т. 51. № 4. С. 207–218. | # Smaldino P. E. How to Translate a Verbal Theory Into a Formal Model // Social Psychology. 2020. Т. 51. № 4. С. 207–218. | ||
# Laatabi, A., Marilleau, N., Nguyen-Huu, T., Hbid, H., & Ait Babram, M. (2018). ODD 2D: An ODD Based Protocol for Mapping Data to Empirical ABMs. Journal of Artificial Societies and Social Simulation, 21(2), 9. | |||
#* В статье к протоколу ODD добавляются 2D - '''Decison + Data''' - [[Данные]] на входе модели | |||
=== Перевод устных теорий в формальные модели (How to Translate a Verbal Theory Into a Formal Model) === | === Перевод устных теорий в формальные модели (How to Translate a Verbal Theory Into a Formal Model) === | ||
| Строка 89: | Строка 104: | ||
# Указание отношений между этими концепциями и переменными | # Указание отношений между этими концепциями и переменными | ||
# Перевод устной теории в математическую или вычислительную модель | # Перевод устной теории в математическую или вычислительную модель | ||
# Тестирование модели на эмпирических данных для проверки ее точности предсказания | # Тестирование модели на эмпирических данных для проверки ее точности предсказания явлений, которые происходят в реальном мире. | ||
В статье разница между тем, что из себя представляет [[математическая модель]] и [[вычислительная модель]] | В статье фиксируется разница между тем, что из себя представляет [[математическая модель]] и [[вычислительная модель]] | ||
Текущая версия на 08:52, 14 сентября 2024
| Описание | Протокол описания модели при её публикации: The Overview, Design concepts and Details (ODD) protocol for describing Individual- and Agent-Based Models (ABMs) is now widely accepted and used to document such models in journal articles.
Протокол ODD состоит из 21 элемента, которые разделены на три категории: «Обзор» (Overview), «Концепции проектирования» (Design concepts) и «Детали» (Details); отсюда и аббревиатура ODD. Каждая из этих категорий служит своей цели: дать обзор, объяснить, как использовались концепции дизайна, важные для модели, и объяснить все детали концепции модели. Принципы дизайна исследовательской многоагентной модели. 21 принцип разбит по группам. Например:
|
|---|---|
| Область знаний | NetSci, Математика, Биология, Информатика |
| Авторы | Railsback, Grimm |
| Поясняющее видео | |
| Близкие понятия | Дизайн, Агентное моделирование, Воспроизводимость, DREAM, VOMAS |
| Среды и средства для освоения понятия | NetLogo, StarLogo Nova, Agentsheets, GAMA |
ODD protocol - один первых подробных протоколов описания модели, который широко используется исследователями при подготовки публикаций и представления моделей в печатных изданиях. Недостатки ODD как формата представления модели связаны с тем, что он текстовый
На поле вычислительной дидактики при представлении объектов в категории Category:Model мы пытаемся использовать ODD, DREAM, VOMAS
- Описание ODD
- Основные принципы
1. Какие общие концепции, теории, гипотезы или подходы к моделированию лежат в основе построения модели? Как модель связана с предыдущими представлениями об изучаемой проблеме? 2. Какие принципы были включены в дизайн модели?
3. Что представляют важные результаты? Какие из них возникают из механистического представления адаптивного поведения отдельных агентов, а какие диктуются правилами, которые заставляют модель давать определенные результаты?
4. Какое адаптивное поведение демонстрируют агенты и почему? Как они могут реагировать на изменения в своей среде и в самих себе? Какие решения они принимают?
5. Как моделируется такое поведение? Предполагают ли субмодели адаптивного поведения, что агенты выбирают среди альтернатив, явно рассматривая, что с наибольшей вероятностью увеличит какую-то конкретную цель (прямое стремление к цели), или они просто заставляют агентов воспроизводить модели поведения, наблюдаемые в реальных системах (косвенное стремление к цели)?
- Цели
6. Для адаптивного поведения, моделируемого как прямое стремление к цели, какая мера целей агента (например, «приспособленность» в экологии, «полезность» в экономике) используется для оценки альтернативных решений? Этот объективный показатель представляет собой внутреннюю модель агента, показывающую, какую выгоду он получит от каждого сделанного им выбора. Какие элементы будущего успеха входят в объективный показатель (например, возможность дожить до будущего репродуктивного периода; вероятность остаться в бизнесе в течение некоторого периода; прибыль в следующем отчетном периоде)? Как объективная мера представляет процессы, которые связывают адаптивное поведение с важными переменными агентов и их среды?
7. Как были выбраны переменные и механизмы объективного измерения (например, риски смертности или выхода из бизнеса, условия, необходимые для воспроизводства или прибыльности) с учетом цели модели и реальной системы, которую она представляет? Как текущее внутреннее состояние агента учитывается при моделировании решений? Меняется ли объективная мера по мере смены агента?
- Обучение
8. Меняются ли агенты со временем, как они принимают адаптивные решения, в результате своего нового опыта? Если да, то как?
- Прогнозирование
9. Как агенты предсказывают будущие условия (внешние и внутренние) в своих подмоделях адаптивного поведения? Какие предположения или механизмы реальных моделируемых людей были основой для моделирования прогнозов?
10. Как моделируемые предсказания используют такие механизмы, как память, обучение или сигналы окружающей среды? Или предсказание является «неявным», то есть подразумевается только в простых правилах адаптивного поведения?
- Ощущение
11. Какие переменные своего окружения и самих себя агенты, как предполагается, чувствуют и, следовательно, могут учитывать в своем поведении? На чем основаны эти предположения?
- Например, агент чувствует хищника на определённом расстоянии от себя и может отпрыгнуть от этой опасности
- Какие механизмы восприятия моделируются в явном виде и какие воспринимаемые переменные являются агентами, а не просто «знают»?
13. С какой точностью или неопределенностью предполагается, что агенты «знают» или ощущают, какие переменные? На какие расстояния (в географическом, сетевом или другом пространстве)?
- Взаимодействие
14. Как взаимодействуют агенты модели? Взаимодействуют ли они напрямую друг с другом (например, напрямую ли один агент меняет состояние других)? Или взаимодействие опосредовано, например, через конкуренцию за ресурс?
- Например, агент одной породы при прямом столкновении может убивать агента другой породы
15. С какими другими агентами взаимодействует агент?
16. Какие реальные механизмы взаимодействия были основаны на представлении взаимодействия в модели? В каких пространственных и временных масштабах они происходят?
- Стохастичность
17. Как случайные процессы (основанные на псевдослучайных числах) используются в модели и почему? Используются ли случайные процессы: для инициализации модели? Потому что считается важным, чтобы некоторые процессы были изменчивыми, но неважно представлять причины изменчивости? Воспроизвести наблюдаемое поведение с использованием эмпирически определенных вероятностей?
- Коллективы (породы) агентов
18. Представлены ли в модели коллективы - совокупности агентов, которые влияют на состояние или поведение агентов-членов и на которые влияют их члены?
19. Если да, то как представлены коллективы? Возникают ли они из поведения агентов, или агентам даны подмодели поведения, которые навязывают формирование коллективов? Или коллективы моделируются как агент другого типа со своим собственным поведением и переменными состояния?
- Наблюдение
20. Какие выходные данные модели необходимы для наблюдения за ее внутренней динамикой, а также за ее поведением на системном уровне? Какие инструменты (графика, вывод в файл, данные о людях и т. Д.) Необходимы для получения этих результатов?
21. Какие результаты и анализ необходимы для проверки модели на соответствие критериям полезности - обычно это набор шаблонов, - определенных в элементе «Цель и паттерны»? Какие результаты необходимы для решения проблемы, для которой была разработана модель?
References
- Grimm V., Polhill G., Touza J. Documenting Social Simulation Models: The ODD Protocol as a Standard // Simulating Social Complexity: A Handbook Understanding Complex Systems. / под ред. B. Edmonds, R. Meyer. Cham: Springer International Publishing, 2017. С. 349–365.
- Grimm V. и др. The ODD protocol: A review and first update // Ecological Modelling. 2010. Т. 221. № 23. С. 2760–2768.
- Smaldino P. E. How to Translate a Verbal Theory Into a Formal Model // Social Psychology. 2020. Т. 51. № 4. С. 207–218.
- Laatabi, A., Marilleau, N., Nguyen-Huu, T., Hbid, H., & Ait Babram, M. (2018). ODD 2D: An ODD Based Protocol for Mapping Data to Empirical ABMs. Journal of Artificial Societies and Social Simulation, 21(2), 9.
- В статье к протоколу ODD добавляются 2D - Decison + Data - Данные на входе модели
Перевод устных теорий в формальные модели (How to Translate a Verbal Theory Into a Formal Model)
Статья обсуждает процесс перевода устных теорий, которые часто неясны и неформальны, в формальные модели, которые могут быть строго протестированы и анализированы. Автор утверждает, что этот процесс необходим для прогресса в социальных и поведенческих науках, поскольку он позволяет исследователям четко и проверяемо делать предсказания о том, как работает мир.
Статья описывает несколько шагов, вовлеченных в процесс перевода, включая:
- Определение ключевых концепций и переменных в устной теории
- Определение этих концепций и переменных в точных и операционных терминах
- Указание отношений между этими концепциями и переменными
- Перевод устной теории в математическую или вычислительную модель
- Тестирование модели на эмпирических данных для проверки ее точности предсказания явлений, которые происходят в реальном мире.
В статье фиксируется разница между тем, что из себя представляет математическая модель и вычислительная модель
