P. 1
Asuntos Sociales, Ciencia Del Comportamiento y Teoria de Complejidad

Asuntos Sociales, Ciencia Del Comportamiento y Teoria de Complejidad

|Views: 26|Likes:
Publicado porSara Ines Daza Daza

More info:

Published by: Sara Ines Daza Daza on Nov 20, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

10/09/2014

pdf

text

original

Red de Revistas Científicas de América Latina, el Caribe, España y Portugal

Sistema de Información Científica

René M. Quiñones, Linda Hayes Asuntos sociales, ciencia del comportamiento y teoria de complejidad Revista Latinoamericana de Psicología, vol. 35, núm. 3, 2003, pp. 317-327, Fundación Universitaria Konrad Lorenz Colombia
Disponible en: http://www.redalyc.org/articulo.oa?id=80535307

Revista Latinoamericana de Psicología, ISSN (Versión impresa): 0120-0534 revistalatinomaericana@fukl.edu Fundación Universitaria Konrad Lorenz Colombia

¿Cómo citar?

Fascículo completo

Más información del artículo

Página de la revista

www.redalyc.org
Proyecto académico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto

Revista Latinoamericana de Psicología 2003 Vol. 35 N° 3 317-327

ASUNTOS SOCIALES, CIENCIA DEL COMPORTAMIENTO Y TEORíA DE COMPLEJIDAD
RENÉ M.
QUIÑÓNES y LINDA HAYES

*

Universidad de Nevada, Reno

Complexity theory is 'a set of mathemaucaltheories andPl1.ilosoPllibalassutnptionsthat helps to 'únderstand'thebehavior of complex systems;FoundaúonsfromcOilrplexitytheory arépresented, éspooiaIlyjconceptsbeloriging to the 'dYnámic~I system theory,cñaOs·mooij'arid cofuple'lrll<iaptive systémsrTh~se]&ónceptsand principles\vílitiéptesented in fue context of solutions for social issues and cultural design," In particular ,théevolitnon instrtIct\lrec.of orga:íli.zations is presentéd.rfrom hierarchical structures to networks. Additionally, the eonoept ófsélf-otgaruzauon Is presented in the context of social designoLater; agent -based modelingwillbeiritroduced:With some of'its implications end'petentialapplicañons for developíng cóuntries.
1

Keywords: complexitytheory, desigñ, socíalíssues.

chaos theory, behavíoraípsychology,

social design, cultural

"RESUMEN La teoría de complejidad es un conjunto de teorías matemáticas y suposiciones filosóficas que ayuda al entendimiento del comportamiento de sistemaseomplejos. Se' ptesentarári algunos' fundamentos de lateoríade complejidad, especialm.ente conceptos pertenecientes a la teorla de sistemas dinámicos, la teoría de caos y la teoría deslste'mas adaptativos, Estos conceptos y principios serán discutidos en el contexto de la solución de problemas sociales y el diseño de culturas. Se presenta en particular, la evolución de la estructura' de las organizaciones como sistemas complejos, desde
Continúa ,~

* Correspondencia: RENÉ renequinones@hotmail.com

QUINÓNES:

Department of Psychoiogy 296, University of Nevada, Reno Reno, NV 89557. E-mail:

318
Continuación '..

QUIÑÓNES y HA YES

estructuras jerarquizadas hasta redes. Adicionalmente, las i1p.p~cacione&delcoq~ept(;) de autoorganización es presentadoen el contexto de diseño social. Más adelante, se describe el modelamiento basado en agentes, que es uno de los procedirDientos más publicitados por la teoría de complejidad, junto con algunasde sus implícaéíones y potenciales aplicaciones para los países en desarrollo. Palabras clave: teoría de complejidad, teoría de caos, psicología comportamental, diseño social, diseño cultural, asuntos ~ociales.

¿QUÉ ES LA COMPLEJIDAD? La complejidad de un sistema está relacionada básicamente con dificultades para sudescripción (Marr, 1997). La complejidad ha sido definida utilizando elementos de la Teoría de Información de Claude Shannon, que es de central importancia en la teoría de complejidad. Ésta se expandió conceptualmente considerablemente en las últimas décadas brindando mejoramientos en tecnologías, especialmente de comunicaciones y computación. La teoría de información se centra en una definición cuantitativa de información determinada por el largo de algoritmos produciendo (simulando) regularidades del sistema y en el valor predictivo de la información. Cuando un sistema se describe y se detectan regularidades, estas regularidades acortan la descripción del sistema. Por ejemplo, se asume que es posible describir el comportamiento de una persona en su totalidad, pero si una persona realiza ciertas actividades periódicamente a lo largo de su vida, la expresión "esa persona se bañó casi todos los días" reduce, comprime o acorta la descripción de su comportamiento porque no hay que describir, "se bañó el sábado 10 de mayo de 2003", "se bañó el domingo 11 de mayo de 2003", "se bañó el lunes 12 de mayo de 2003", etc. Algunos asumen que la cantidad de regularidades que un sistema posee es limitada, el resto del comportamiento del sistema es determinado aleatoriamente. Por otro lado, sistemas completamente aleatorios son muy extensos de describir. La descripción del número Pi es el número mismo, que hasta la fecha es infinito, No es posible encontrar una regularidad en Pi que reduzca su descripción. Pero los sistemas

complejos son algo más que una larga descripción. Algo aleatorio puede requerir una descripción más larga que algo más complejo, por ejemplo una novela es mas compleja que un libro lleno de líneas hechas al azar por unos micos jugando. Pero las dos descripciones pueden ser iguales de largas (GellMan, 1995). La definición de un sistema complejo está en algún punto en la mitad del orden y de la aleatoriedad. La complejidad no es el orden absoluto, ni el desorden absoluto, es algo en la mitad (Gell-Man, 1995). El problema es que si el sistema es medio ordenado, es muy complicado predecir su evolución porque no se sabe si el estado actual es parte de una parte organizada del comportamiento del sistema o parte de la parte aleatoria. En este sentido la complejidad es relativa a la habilidad del observador para describir el sistema. La complejidad puede ser asumida como una teoría matemática y como unas propiedades que pueden ser medidas en los sistemas naturales (Bar- Yam, 1997, 2000). Este artículo asume la complejidad como una propiedad de los seres humanos y de los sistemas sociales. Más que una limitación en la descripción, la complejidad es determinada por un conjunto de características de la dinámica de ciertos sistemas. Una de las propiedades es la interdependencia de los componentes del sistema. Este concepto establece una relación entre los estados o las propiedades de dos sistemas, y esta puede ser descrita como una correlación estadística. Interdependencia significa que el comportamiento de los componentes del sistema están relacionados o dependen uno del

ASUNTOS SOCIALES, CIENCIA DEL COMPORTAMIENTO

Y TEORÍA DE COMPLEJIDAD

319

otro (esta causalidad había sido establecida por Bunge, 1977). Interdependencia es un concepto más preciso que interacción, la interdependencia implica que los estados de un componente del sistema dependen de los estados de otro componente.

NUEV AS MATEMÁTICAS, DINÁMICA NO LINEAL Y SISTEMAS COMPLEJOS Las matemáticas han sido definidas como el estudio formal de los patrones. También como un teoría de precisas analogías formales (Bar- Yam, 1997). Las matemáticas ofrecen objetos artificiales con propiedades que pueden parecerse a propiedades de sistemas observados en la naturaleza. Éstas facilitan entender el mundo complejo porque compactan información. La información es compactada porque igualamos un conjunto de datos o números con algo que es familiar, como una elipse. Esa igualación es debida a que la figura posee un patrón similar a los datos observados. Se afirma que entendemos en la cotidianidad cuando igualamos información sobre un sistema en otro sistema que conocemos mejor, como en la expresión "el tigre rugía como fuego". La pasada generación de matemáticas estaba basada en el cálculo creado por Newton y Leibniz yen la geometría Euclidiana. Los objetos y conceptos de estas matemáticas son bien conocidos, como el concepto de velocidad, tasa de cambio, la curva de aprendizaje, la curva de habituación, la línea recta de la ley de igualación, etc. La idea es que ahora existen otras estructuras formales que pueden parecerse más precisamente a los datos, nuevas geometrías, nuevos objetos. Otra nueva posibilidad es el encontrar orden donde antes se veía desorden, ver como estos dos factores interactúan. El mundo científico comenzó a cambiar con el desarrollo de la topología y la teoría del caos a finales del siglo XIX. Henri Poincare es considerado el padre de la teoría de caos y de la topología. Otras personas contribuyeron a este cambio fundamental en la ciencia, que se inició muy en el centro de las matemáticas y alcanzó a la física en la década de los sesenta (Alligood, Saber & Yorke, 1997).

La topología estudia propiedades que son estables cuando se realizan sobre ellas transformaciones constantes, trasformaciones como doblamientos, estiramientos, etc. Aunque suena muy abstracto, la topología básicamente provee una teoría abstracta y formal sobre la forma y el espacio. Esto ha permitido por supuesto analizar y encontrar patrones en el genoma humano, el universo, y las redes de comunicaciones, por citar algunos ejemplos. Podría decirse que la topología es a la teoría de sistemas dinámicos lo que la geometría analítica al cálculo. Han sucedido tres cambios desde la década de los setenta que han trasformado las prácticas científicas y que han marcado puntos importantes para la teoría de complejidad. El primer cambio ya ha sido mencionado y es el que han aparecido nuevos elementos en teorías matemáticas, conceptos y principios. El segundo cambio es la utilización masiva del computador digital en la investigación científica. El computador digital es una máquina que fue creada con el propósito de demostrar propiedades fundamentales de la organización de las teorías matemáticas (Chaitin, 2001). Hilbert, uno de los más importantes matemáticos del comienzo del siglo XX, propuso que sería muy útil tener una máquina que pudiera calcular más rápido que una persona sin cometer errores. Con dicha máquina se podrían demostrar algunos teoremas matemáticos y se podría estudiar también la estructura de los conjuntos de números. Un computador puede ser visto como una máquina que puede realizar operaciones aritméticas y lógicas muy rápido y ejecutar tareas dentro de ciertos parámetros, lo que constituye un muy importante adelanto tecnológico. Herbert Simon, sostenía que los computadores eran un nuevo paso en el desarrollo de la materia, un nuevo tipo de "entidad". Una nueva clasificación de la materia seria, materia inerte, materia viva y computadores. Los computadores pueden ser vistos como un laboratorio en el sentido de que ellos ponen a prueba principios teóricos sobre sistemas complejos. Los computadores pueden simular eventos naturales y la simulación de un sistema es asumida como una

320

QUIÑÓNES y HAYES

demostración importante del entendimiento de sus leyes dinámicas. Las simulaciones por computador son llamadas modelos de "cómo sería el mundo" ("would-be worlds" models) (Casti,1997). La idea general es que el computador posee las condiciones necesarias para reproducir importantes características de sistemas complejos interactuando con su ambiente. El tercero es el impresionante incremento en información empírica sobre la naturaleza, ya sea experimental tanto como observacional. Dichos datos han cambiado radicalmente suposiciones centrales a la ciencia. Muchos científicos esperan que toda la información descubierta y las nuevas matemáticas vayan a inducir una nueva revolución en ciencia en las próximas décadas.

sistema. La retroalimentación significa que el sistema cambia tratando de mantener alguna( s) de sus propiedades dentro de cierto rango de valores, como un termostato. La retro-alimentación produce aprendizaje y el aprendizaje dificulta el control (especialmente el control aversivo en humanos). Los sistemas con retro-alimentación negativa han sido particularmente importantes en la psicología. La motivación básica de los organismos puede ser vista como un sistema de retro-alimentación negativa, el cual cambia el estado del organismo (inicia emisión de comportamiento) si alguna propiedad es llevada mas allá de cierto limite (deprivación). La aproximación de sistemas complejos asume que hay una diferencia fundamental entre el estado de un sistema y las reglas que producen el cambio de un estado al siguiente (Pattee, 2001). El estado del sistema es una abstracción de las variables de interés del sistema representada como un conjunto de valores numéricos. Las reglas de cambio (o reglas de realidad) determinan cómo el estado actual de las propiedades determina el próximo estado del sistema, en el instante más próximo (realmente el análisis es independiente de tiempo, por lo tanto lo más preciso sería decir en el instante siguiente). La combinación de estos dos factores produce un sistema abstracto llamado máquina de estado finito y considerada la más avanzada teoría de sistemas dinámicos (Casti, 1979). Un sistema dinámico puede ser representado con la combinación de tres factores (Casti, 1994): 1. El espacio de fases 2. Un conjunto de funciones de entrada 3. Una función continua relacionando las posibilidades del espacio de fases con los elementos de entrada. Los equilibrios, tendencias a volver a un estado, son descritos en la teoría de sistemas lineales como atractores. Los sistemas pueden también evitar sistemáticamente ciertos estados o eventos y éstos son descritos como repeledores. Una aplicación directa y fácil del concepto de atractor en psicología

DINÁMICA DE SISTEMAS NO-LINEALES Un sistema con dinámica no-lineal es fundamentalmente impredecible a largo plazo. Esto significa que nunca lo podremos predecir a largo plazo, aún teniendo computadores super veloces y mejores tecnologías. Los sistemas complejos (nolineares) generan nueva información continuamente, como un ser humano a través de su desarrollo ontogenético. Los sistemas lineales poseen toda la información sobre su futuro en sus condiciones iniciales, como por ejemplo un péndulo en condiciones ideales en física (Hatamian, 2(01). Los sistemas complejos no están restringidos por sus condiciones iniciales, por lo tanto muestran cambios radicales a pequeñas variaciones en su ambiente. Los sistemas caóticos tienen un presente determinado por su pasado pero sus condiciones iniciales fueron muy precisas e imposibles de determinar actualmente. La teoría de sistemas se convirtió en una teoría matemática desarrollada llamada teoría de sistemas dinámicos (Casti, 1979; Marr, 1997). El estudio de los sistemas no-lineales pertenece a la formalización de la teoría de sistemas que fue llevada a cabo por matemáticos (Casti, 1979). Uno de los orígenes de dinámica no-lineal es la retroalimentación en el

ASUNTOS SOCIALES, CIENCIA DEL COMPORTAMIENTO

Y TEORÍA DE COMPLEJIDAD

321

es el concepto de personalidad, que es como un atractor, una tendencia a permanecer dentro de ciertos valores. Un sistema fluctúa entre caos y orden, y los puntos de estos cambios son llamados fases de transición. Estas fases son los momentos en los que se dan cambios cualitativos considerables y son el principal interés de la teoría del caos (Peitgen, Saupe, Jurgens & Yunker, 1992). El interés en sistemas dinámicos está centrado principalmente en los siguientes problemas (Casti, 1979, Peitgen, Saupe, Jurgens & Yunker, 1992): 1. Lograr una dinámica controlada en contraste a una dinámica libre. 2. Identificación relaciones. de variables relevantes y sus

requerimientos (software como Mathematica). Lo importante ahora es el describir el sistema abstractamente, las relaciones entre sus componentes, su evolución, esa es la esencia del modelamiento matemático. Hay un conjunto básico de conceptos que se deben conocer sin embargo.

EVOLUCIÓN DE LAS ORGANIZACIONES Y COMPLEJIDAD DEL SISTEMA SOCIAL En general la complejidad en la sociedad está aumentando. La historia no se repite, contrario a lo que los estudiosos de la historia podrían sostener. El mundo está pasando por un momento especial en el que nuevos eventos están ocurriendo. Eventos que nunca antes habían ocurrido, como la red de comunicaciones por Internet, por ejemplo. Esta situación presenta un futuro incierto, sencillamente no sabemos qué está pasando y qué va a pasar. Como la complejidad es una propiedad que se puede medir en un sistema, ésta se puede medir en la sociedad. Un primer indicador del incremento en la complejidad de la sociedad es por ejemplo, la aparición y el incremento constante de interdependencia entre los diferentes países, grupos étnicos, religiones, etc. (Bar- Yam, 1997). La Interdependencia entre los estados de los componentes de un sistema es una característica de un sistema complejo versus un simple agregado de elementos. Internet facilita alta interdependencia entre las personas al facilitar la comunicación instantánea y relativamente irrestricta. El crecimiento y expansión funcional de internet está aumentando y por ende su complejidad, lo que directamente contribuye al incrementó en la complejidad global de la sociedad. Estos incrementos en complejidad facilitan el contracontrol, en otras palabras inducen autoorganización. La teoría de complejidad establece un límite para la cantidad de información que un individuo puede aprender y establece un techo para las posibilidades de procesamiento (Bar- Yam, 1997). Eso significa que una persona tiene límites cognoscitivos, los cuales no son nada nuevo en la historia de la psicología experimental, particularmente en el es-

3. Restricciones o condiciones que reducen las posibilidades en las que se va a encontrar a un sistema en el futuro. 4. Efectos estocásticos. 5. Lograr una perspectiva global del sistema. 6. Visualizar y formalizar los cambios conectividad del sistema. 7. Establecer su nivel de complejidad. 8. Establecer criterios de estabilidad. 9. Catástrofe, inestabilidad, procesos de auto-organización. 1O.Escalamiento dimensional, un análisis matemático de cómo surgen propiedades a diferentes niveles de observación del sistema. No es necesario ser hábil para solucionar problemas numéricos y utilizar estos nuevos conceptos. Muchos de los requerimientos de habilidades en computación matemática son cosa del pasado gracias al desarrollo de software que eliminó estos en la

322

QUIÑÓNES y HA YES

tudio de decisiones óptimas. Lo nuevo es que ésto es discutido en el contexto de gerencia o administración de grupos humanos. El máximo nivel de complejidad que una persona puede presentar y puede entender, establece limitaciones para tomar sus decisiones. Existen una gran cantidad de fuerzas que están presionando a los grupos humanos a cambiar su organización. Una de ellas es que los trabajos hacen que los individuos respondan a niveles de complejidad más altos de lo que ellos pueden alcanzar. Probablemente es una consecuencia del incremento en la cantidad de información que es producida diariamente y que el individuo debe tener en cuenta para tomar decisiones óptimas. Otra fuerza importante para los gerentes o administradores es el hecho que progresivamente en las últimas generaciones, las diferencias de conocimiento y habilidades entre el líder del grupo y los seguidores son muy pequeñas. Esto es debido parcialmente a que la información es más asequible para todo el mundo, los gerentes no poseen exclusivamente información. Estas presiones han influido en el aplanamiento de las organizaciones, pero más importante aún, han influido en el que las empresas se han organizado como redes dejando atrás estructuras empresariales basadas en jerarquías estratificadas. Una red es una descripción de las conexiones que permiten interacciones e influencias entre diferentes partes de un sistema (Bar- Yam, 2000). Una meta importante cuando se analizan redes es entender (u obtener del análisis de los datos) sus propiedades topológicas. Estas propiedades nos dicen qué elementos están conectados con que elementos y también nos da indicadores sobre la calidad de estas conexiones. Por ejemplo, la propiedad de entropía nos describe el grado de interconectividad entre los elementos. Las empresas se han comenzado a organizar idealmente como una red, en la cual es difícil identificar un control central. El control centralizado es ineficiente por las razones mencionadas arri-

ba, es decir que la organización esta limitada por la máxima complejidad que un solo individuo puede alcanzar. Un solo líder no puede entender todas las variables que afectan a su empresa en un momento dado y por lo tanto es probable que tome decisiones poco efectivas. Uno de los ejemplos más claros de este cambio en organización se puede observar en el ejército. Los nuevos ejércitos funcionan como redes de subunidades que puede tomar decisiones interdependientes con otras unidades cercanas. Las subunidades no necesitan esperar órdenes de un comando central para decidir. Ésta espera por órdenes, más los problemas de limitaciones del comando central para entender las diferentes situaciones simultáneamente, pueden ser fatales para el desempeño en batalla de las unidades. La dinámica funcional permite analizar dinámica independiente de estructura y tiempo (Jackson, 2001). Lo que sostiene el comportamiento de las personas en los países desarrollados son fuerzas invisibles, carentes de estructura pero que dirigen comportamiento. El terrorismo y la delincuencia pueden ser analizados como redes. Muchas agencias de seguridad nominan las redes sin entender lo que el concepto matemático de red significa yeso limita en gran sentido el análisis de los datos y la determinación de acciones efectivas (Krebs, 2002). Un ejemplo de las limitaciones implicadas en el desconocimiento del concepto de red es que no se analizan sus propiedades estadísticas formales como el coeficiente de agrupamiento promedio (clustering coefficient), ni tampoco se consideran las relaciones funcionales entre esas medidas y otros factores del sistema. Este coeficiente indica qué tan cerca están los componentes de la red y las relaciones funcionales pueden mostrar qué factores acercan o alejan a los miembros de las redes. El desarrollo de computadores digitales de poderosas velocidades de computación ha brindado recientemente la posibilidad de analizar la estructura topológica de diferentes redes (Strogatz, 2001). Especialmente debido al hecho de que las redes

ASUNTOS SOCIALES, CIENCIA DEL COMPORTAMIENTO

Y TEORÍA DE COMPLEJIDAD

323

evolucionan dinámica (cambian de conexiones con el tiempo) y estructuralmente (cambian de elementos componentes con el tiempo) lo que dificulta entenderlas y visualizarlas.

AUTO-ORGANIZACIÓN, CONTRACONTROL y VIOLENCIA Otra característica de los sistemas no lineales relevante en este contexto es que los sistemas complejos y no-lineales pueden presentar auto-organización (self-organization) (Marr, 1997). Los sistemas vivos como los animales y las plantas presentan dinámicas no-lineales y auto-organización. La autoorganización es un tipo de orden en un sistema que es diferente a la organización dictada por el ambiente. Las reglas de auto-organización son muy importantes para el diseño de políticas sociales. La autoorganización puede explicar parcialmente la aparición de resistencia a programas políticos en la forma de terrorismo y guerrilla. Una de las forma de respuesta conocida por los psicólogos es el contracontrol, la cual puede ser descrita correctamente como autoorganización de un sistema biológico. El contracontrol ha sido reconocido hace bastante tiempo como forma de respuesta a distribuciones de riqueza, sistemas de pago y explotación social (Skinner, 1971). Parte del mensaje de los teóricos de la complejidad, es que este proceso es muy complicado de entender para las personas y que no ha sido demostrado científicamente. La generación de realidad es una de las funciones de la ciencia contemporánea (Casti, 1992). En este contexto puede ser ejemplificado el hecho de que el concepto de auto-organización es un concepto matemático que pertenece a la teoría de sistemas dinámicos. Este hecho implica que al definir el contracontrol utilizando la auto-organización y lo que se conoce de ella, facilita entender el concepto de contracontrol. Auto-organización es una analogía matemática precisa que es útil para describir el comportamiento de ciertos sistemas. Este proceso es cotidiano con ciertos conceptos de geometría euclidiana, como cuando las personas dicen que "la distancia más corta entre dos puntos es una línea recta". Esto puede decirse en un contexto.

La violencia ha sido descrita anteriormente como una espiral (Mattaini, 1999). Una espiral es un objeto que existe en un espacio e insinúa que una vez en éste, la tendencia es moverse hacia el centro, como si el centro lo absorbera y le impidiera escapar. Esta estructura es realmente algo más complicada que una espiral. El centro que absorbe y que impide escapar puede ser definido más correctamente como un atractor (Alligood, Saber y Yorke, 1997, Peitgen, Saupe, Jurgens y Yunker, 1992). Las personas envueltas en la espiral de agresión tenderán a permanecer en ella y una vez iniciadas ciertas secuencias, éstas tenderán a escalar, el movimiento hacia el centro indica un incremento en la intensidad de la interacción. Si se utiliza una analogía física de momentum, el momentum de la interacción a medida que pasa el tiempo. Esto llega hasta un límite en que hay un receso, puede ser en un momento cercano en el que la muerte culmina con la espiral. Los análisis históricos sugieren que la violencia genera violencia, y generalmente la violencia es utilizada como una forma de control. Pero surgen las preguntas sobre ¿dónde se inician las espirales de violencia?, ¿por qué crecen más rápido en algunos ambientes más que en otros? Estos son los tipos de preguntas que se pueden relacionar con el tratamiento matemático de estos problemas.

UTOPÍAS VIRTUALES Y PERSONAS ARTIFICIALES: MODELAMIENTO BASADO EN AGENTES Una de las áreas donde la información se ha incrementado es en la biología. Tenemos una visión bastante diferente de muchos procesos y nuevas aproximaciones conceptuales en biología. Sin embargo, tales adelantos probablemente no tengan un impacto sobre el diseño social en algunas generaciones. En el contexto del diseño social, todos somos suficientemente parecidos y suficientemente inteligentes y adaptativos cuando el ambiente lo requiere. En el análisis de la teoría de la complejidad, las diferencias entre individuos existen en el nivel de comportamiento individual y el origen de éste es ignorado.

324

QUIÑÓNES y HA YES

Lo que hace a ciertos individuos (países, grupos étnicos) más inteligentes, eficientes o motivados parecen ser elementos culturales que establecen contingencias. El éxito en esta adaptación no depende de las células, las moléculas o los átomos de los cuales ellos están hechos. Estas son suposiciones y estrategias fuertemente basadas en información empírica. En el centro de la idea de diseño social, está la idea que los fenómenos sociales como la pobreza se deben a contribuciones de comportamiento de los individuos. Estos comportamientos son debidos a su vez a condiciones externas al individuo, que si son cambiadas llevarán a un cambio en la conducta. La pobreza por ejemplo, no depende del material físico o biológico del que la persona pobre esta hecho, sino de otras condiciones sociales alrededor de ella. Cuando se hace historiografía acerca de las biografías, es más valioso tener una historia detallada de la actividad de la persona, su comportamiento, que tener su cerebro cuando muera (Eibl- Eibesfeldt, 1993). Los logros de la persona tendrán sentido dentro del contexto de un ambiente social que promovió, permitió o prohibió actividades en lugar de un contexto químico, molecular o cuántico. Esta tesis histórica y lógicamente puede ser ligada con la psicología conductista (verse los Walden de Skinner [1948] y Ardila [1979]). Uno de los principales puntos que inició el movimiento conductista fue el de que existía la posibilidad de diseñar a una persona dada cualquier calidad de material biológico, Watson fue su primer promotor. Éste y otros puntos se materializaron en libros como los anteriormente citados que eran referidos como utopías. Hoy, en el siglo XXI estas utopías pueden ser diseñadas en computadores. El modelamiento de sistemas complejos en computadores digitales es una de las más recientes herramientas utilizadas en la tarea de entender sistemas complejos. La meta más importante es la síntesis conceptual de información obtenida por observaciones o descripciones de expertos sobre tendencias de comportamiento bajo ciertas condiciones. La física clásica distinguía dos procedimientos en ciencia, inducción y deducción. En la inducción se recogían datos empíricos que en algún

momento llevaban a la deducción de principios generales que describían características de los fenómenos observados. Desde la biología, muchos no concuerdan con que sea posible extraer principios simples que describan estructuras complejas (Pattee, 2001). Muchos biólogos, psicólogos, antropólogos y economistas no están de acuerdo con los modelos utilizados por la física clásica. Las estrategias de inducción y deducción pueden ser complementadas con otras estrategias de organizar la información. Especialmente estrategias que pueden mostrar cómo las variaciones en propiedades macro (por ejemplo, pobreza) pueden ser observadas como respuesta a modificaciones en los comportamientos de los agentes componentes o de las condiciones de su ambiente. Es probable que no se puedan extraer principios generales a nivel social pero se puedan replicar fenómenos sociales en computadores basados en detalles micro-estructurales sobre el comportamiento de las personas. Para Epstein, (1999) la pregunta generalista establece: ¿cómo es posible que la acción descentralizada de agentes autónomos y heterogéneos puedan generar una regularidad determinada? La respuesta a esta pregunta puede ser solucionada utilizando simulaciones basadas en agentes. Los experimentos se realizan para analizar los eventos en el sentido de que tratan de establecer los grados de contribución de un número de variables en la configuración de un evento. Otras fuentes de información sobre el comportamiento de las personas son descripciones de expertos en comportamiento humano. Esto es particularmente importante cuando no se disponen de herramientas analíticas experimentales. En el caso de sistemas compuestos por personas (sistemas sociales), generalmente no se dispone de principios basados en información experimental. Se dispone de información acerca de cómo tiende a comportarse cierta gente bajo ciertas condiciones recopilada de observaciones en el campo. Pero demostrar que esas observaciones sobre individuos expliquen el fenómeno global no es posible, y es realmente difícil.

ASUNTOS SOCIALES, CIENCIA DEL COMPORTAMIENTO

Y TEORÍA DE COMPLEJIDAD

325

La teoría de complejidad asume que el fenómeno macro aparece por la actividad conjunta e interdependiente de millones de agentes interactuando. El hecho que una persona pueda ejecutar una actividad depende de la interdependencia de múltiples sistemas del cuerpo que están conformados a la vez por células con una intensa interacción mutua. No hay control central en el cuerpo, no hay una célula en el cuerpo que determine el estado de otras sin estar a su vez fuertemente afectada por otras, y cuya desaparición hiciera morir a una persona. De la misma forma no hay control central en ningún proceso social, es imposible. Los modelos políticos centralizados parecen menos eficientes que los federales a simple vista. Pareciera que el gobierno federal es más semejante a una red que a una estructura jerárquica rígida y burocratizada. La atracción por las estructuras topológicas llamadas fractales viene por cuanto la complejidad de una estructura pueda ser producida por la repetición de un valor por una función matemática relativamente simple. Un fractal aparece como el producto de la repetición de una simple estructura, la complejidad emergiendo de la simplicidad. El modelamiento basado en agente es una forma de síntesis teórica, de la misma forma en que fue mencionado anteriormente, los agentes son perfectas abstracciones que pueden demostrar principios de leyes o teorías psicológicas y el modelamiento basado en agentes puede ser contrastados con el modelamiento matemático en ciertos respectos. Los agentes son entidades artificiales que se comportan dentro de un ambiente virtual y el modelamiento basado en agentes complementa y mejora modelos tradicionales que están limitados por cuanto: 1. No explican el origen de propiedades macroscópicas que existen en sistemas complejos. 2. No manejan bien la heterogeneidad de las poblaciones que forman sistemas complejos.

COMPLEJIDAD Y VALORES Para poder producir o inducir cambio social es necesario inducir cambios en los sistemas de valores de los individuos. Esta comenzando a ser claro que existen tecnologías que deberían ser popularizadas, tecnologías que potencialmente podrían reducir el sufrimiento humano y el desastre del ecosistema. Problemas con el sistema de valores parecen estar por debajo de este problema. Parece que las personas opuestas a ciertos procesos de cambio social no entienden la dinámica social actual. Entendimiento en este contexto indica niveles de control social y es claro que segmentos importantes del mundo están por fuera de control. Parte de por qué es tan difícil entender los procesos sociales es porque objetos como una línea recta, una parábola o un círculo no describen correctamente lo que esta ocurriendo. Los análisis que demuestran ciertos tipos de influencias requieren una considerable cantidad de entrenamiento para ser entendidos. Adicionalmente la teoría de complejidad ha discutido algunos puntos centrales acerca de la función de prácticas, conceptos e ideas religiosas. Uno de los más interesantes es la conexión del concepto del concepto de alma y la teoría de información. Los niveles de corrupción en el mundo son muy altos y parecen ser un factor principal para alcanzar el desarrollo. Esto es considerado como un reflejo de la organización política del sistema en el que la corrupción crece. La forma como se ha combatido la corrupción políticamente en el primer mundo esta basada en las propiedades de la constitución. La constitución protege al débil, al pobre, a las minorías étnicas y construye controles para generar reglas mínimas de interacción entre los sistemas económicos y políticos. El rico, el poderoso, no protegen al pobre porque un sentimiento noble se enciende en su interior (Skinner, 1982). Esto ocurre porque existen restricciones sociales y promociones para el rico donde se prohíbe el abuso y se promueve la caridad (repartición de la ganancia, donaciones para reducir impuestos, etc). Muchos países Latinoamericanos

326

QUIÑÓNES y HA YES

han reformulado sus constituciones recientemente y han promovido a las minorías y los débiles su utilización como una herramienta para combatir la corrupción. La teoría de complejidad puede ayudar a generar estrategias para reducir la corrupción. La promoción y diseño de sistemas sociales basados en redes pueden reducir la corrupción porque impiden que los individuos decidan y sean el centro del proceso, el poder no se concentra. Se ha demostrado experimentalmente que la probabilidad de mentir incrementa con la carencia de control social, carencia de acceso a la información por otros. Los ejecutivos de grandes empresas se corrompen parcialmente debido a razones de seguridad, solo ellos pueden acceder a información y a toma de decisiones. Esto se reduce drásticamente si el poder depende de un comité y ese comité esta regulado de alguna forma. Varios expertos en complejidad han notado que en las últimas décadas las aspiraciones de poder a nivel individual se han vuelto obsoletas (Bar- Yam, 1997).

CONCLUSIONES La ciencia no es un conjunto organizado de conocimientos. La ciencia es una práctica cultural que evoluciona, no que acumula. La ciencia cambia, se re-organiza. Más que una acumulación de conocimiento, la ciencia diseña la realidad basada en un conjunto de procedimientos. Las matemáticas deben ser definidas quizás como algo más que una herramienta. Las analogías y objetos abstractos propuestos por las matemáticas nos ayudan a entender, a simplificar procesos, a organizar datos. Los nuevos cambios en matemáticas nos permiten encontrar patrones en el aparente desorden de la dinámica de procesos complejos, aun en la aparente aleatoriedad de la sociedad. Las simulaciones por computador pueden ayudar. Una razón es porque las simulaciones son más baratas en tiempo y dinero que los cambios reales. Las simulaciones pueden también ayudar a evidenciar que no entendemos, que falta y especialmente que pasaría si. La teoría de complejidad aparece como una promisoria avenida para el cambio social, para la lucha contra los males más comunes del sistema social, la pobreza, la miseria y la segregación.

REFERENCIAS Alligood, K. T., Sauer, T. D., & Yorke, 1. A. (1997). Chaos: an introduction to dynamical systems. New York: Springer Verlag, Ardila, R. (1979). Walden tres. Barcelona: Editorial CEAC. Bar-Yam, Y. (1997). Dynamics of complex systems. Reading. Massachusetts: Addison-Wesley. Bar- Yam, Y. (2000). Complexity rising: from human beings to human civilization; a complexity profile. Disponible en: http:// necsi.org/projects/yaneer/Civilization.html Baranger, M. (2000). Chaos, complexity and entropy. Disponible en: http://www.necsLorg/facultylbaranger.html Bunge, M. (1977). Las teorías de la causalidad. Salamanca: Editorial Sígueme. Bunge, M. (1979). Causality. New York: Dover Publications. Cambel, A. B. (1993). Applied chaos theory: a paradigmfor complexity. Boston: Academic Press.

Casti, J. (1979). Connectivity, complexity, and catastrophe in large-scale systems. New York: Wiley. Casti, J. (1992). Reality rules: picturing the world with mathematics. New York: Wiley. Casti, J. (1994). Complexification. New York: HarperCollins. Casti, J. (1997). Would-be worlds. New York: Wiley. Chaitin, G. (2000). A century of controversy over the foundations of mathematic. Complexity 5, pp. 12-21. Eibl Eibesfeldt, I. (1993). Biología del comportamiento humano. Manual de Etología Humana. Madrid: Alianza.

Epstein, J. M. (1999). Agent-based computational models and generative social science. Complexity, 4, 41-60. Gell-Man, M. (1995). What is complexity. Complexity, 1,1-9. Hatamian, T. S. (2001). Mathematical fortune-telling. Complexity, 27-40.

ASUNTOS SOCIALES, CIENCIA DEL COMPORTAMIENTO

Y TEORÍA DE COMPLEJIDAD

327

Krebs, V. E. (2002). Mapping networks of terrorist cells. Connections, 24, 43-52. Disponible en: http://www.orgnet.comIMappingTerroristNetworks.pdf Jackson, E. A. (2001). Exploring nature's dynamics. New York: Wiley. Marr, M. J. (1997). The mechanics of complexity. En L. J. Hayes & P. M. Ghezzi (Eds.) lnvestigations in behavioral epistemology. (pp. 65-80). Reno, N.V: Context Press. Mattaini, M. A. (1999). Clinical intervention with families. Washington, D.C: National Association of Social Workens Press. Pattee, H. H. (2001). The physics of symbols: bridging the epistemic cut. Biosystems, 60, 5-21. Peitgen, H. O., Saupe, D., Jurgens, H., & Yunker, L. (1992). Chaos handfractals: Verlag. Skinner, B. F. (1948). Walden two. New York, Macmillan. Skinner, B. F. (1971). Beyondfreedom and dignity, New York: Knopf. Skinner, B. F. (1982). Reflexiones sobre conductismo y sociedad. México: Trillas. Strogatz, S. H. (2001). Exploring complex networks. Nature, 410, 268-276. new frontiers of science. New York: Springer

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->