Matemáticas Aplicadas (plan 2017) 2025-1

La modelación basada en agentes es un paradigma de modelación que ha ganado mucha popularidad en diversas disciplinas tales como en las ciencias sociales, la ecología y la economía. La modelacion basada en agentes ha sido central en el desarrollo de las ciencias de la complejidad. Esta aproximación de modelación que se ha hecho muy accesible gracias al crecimiento de la capacidad de cómputo y al rápido y activo desarrollo de herramientas de simulación.

Dada la flexibilidad y amplia gama de aplicabilidad del modelado basado en agentes, esta es una herramienta que facilita y promueve la investigación interdisciplinaria, por lo es una herramienta muy relevante para los estudiantes de matemáticas aplicadas. Este será un curso donde además de adquirir habilidades la modelación computacional se discutirán una gran diversidad de temas en ciencias sociales, ecología y sistemas socio-ecológicos. Asimismo los estudiantes podrán desarrollar sus habilidades en programación, análisis de datos, redacción escrita e investigación a traves del desarrollo de un proyecto de un tema de su elección.

El curso constará de 4 tipos de sesiones:

1. Sesiones teóricas, en las que el docente expondrá un tema (presenciales).
2. Sesiones prácticas, en las que se programarán y analizarán modelos basados en agentes (en NetLogo y python) (asincrónicas). En estas sesiones se aprenderán los fundamentos de distintas herramientas para simular modelos basados en agentes. Y se repoducirán los modelos y análisis de artículos discutidos.
3. Sesiones de discusión, en las que se discutirán lecturas (artículos, capítulos de libro) (presenciales).
4. Sesiones de asesoría, en las que se presentarán avances del proyecto y se dará retroalimentación y ayuda.

Habrá un aula virutal de moodle donde se entregarán actividades y se llevará el registro de calificaciones. Así mismo cada alumno deberá subir el su código de sus tareas y proyecto a un repositorio en linea (e.g., github, gitlab, sourcehut).

La evaluación consistirá en:

• 20% evidencias de lectura (e.g., resumenes, lista de ideas clave y/o preguntas) y participación en las sesiones de discusión.
• 30% tareas (de la parte teórica y práctica; se entregarán por moodle o github)
• 50% proyecto final (este consistirá en construir un modelo de agentes, hacer sus análisis y documentación, entregar un reporte escrito y presentarlo)

• Wilensky, U., & Rand, W. (2015). An introduction to agent-based modeling: Modeling natural, social, and engineered complex systems with NetLogo. The MIT Press.
• Railsback, S. F., & Grimm, V. (2019). Agent-based and individual-based modeling: A practical introduction (Second edition). Princeton University Press.
• Janssen, M. (2020). Introduction to Agent-based modeling: with applications to social, ecological and social-ecological systems. Arizona State University.
• Crooks, A., Malleson, N., Manley, E., & Heppenstall, A. J. (2019). Agent-based modelling & geographical information systems: A practical primer. SAGE.
• Abar, S., Theodoropoulos, G. K., Lemarinier, P., & O’Hare, G. M. P. (2017). Agent Based Modelling and Simulation tools: A review of the state-of-art software. Computer Science Review, 24, 13–33. https://doi.org/10.1016/j.cosrev.2017.03.001
• Étienne, M. (Ed.). (2014). Companion Modelling: A Participatory Approach to Support Sustainable Development. Springer Netherlands. https://doi.org/10.1007/978-94-017-8557-0
• Müller, B., Bohn, F., Dreßler, G., Groeneveld, J., Klassert, C., Martin, R., Schlüter, M., Schulze, J., Weise, H., & Schwarz, N. (2013). Describing human decisions in agent-based models – ODD + D, an extension of the ODD protocol. Environmental Modelling & Software, 48, 37–48. https://doi.org/10.1016/j.envsoft.2013.06.003
• Sun, Z., Lorscheid, I., Millington, J. D., Lauf, S., Magliocca, N. R., Groeneveld, J., Balbi, S., Nolzen, H., Müller, B., Schulze, J., & Buchmann, C. M. (2016). Simple or complicated agent-based models? A complicated issue. Environmental Modelling & Software, 86, 56–67. https://doi.org/10.1016/j.envsoft.2016.09.006
• Lansing, J. S., Thurner, S., Chung, N. N., Coudurier-Curveur, A., Karakaş, Ç., Fesenmyer, K. A., & Chew, L. Y. (2017). Adaptive self-organization of Bali’s ancient rice terraces. Proceedings of the National Academy of Sciences, 114(25), 6504–6509. https://doi.org/10.1073/pnas.1605369114
• Törnberg, P. (2022). How digital media drive affective polarization through partisan sorting. Proceedings of the National Academy of Sciences, 119(42), e2207159119. https://doi.org/10.1073/pnas.2207159119