UTILIDAD DE LOS MODELOS DE SIMULACIN EN LA FORMACIN EN INGENIERA AGRONMICA Daniel Grenn

Ctedra de Agromtica Facultad de Ciencias Agrarias Universidad Nacional del Litoral 86-RPL Kreder 2805 (3080) Esperanza, Santa Fe, Argentina dgrenon@fca.unl.edu.ar http://www.fca.unl.edu.ar/agromatica

RESUMEN Se discute la utilidad de los modelos de simulacin en la formacin de los Ingenieros Agrnomos. Se presentan el marco conceptual que justifica su uso, su insercin en el plan de estudios y los beneficios de su aplicacin. 1. INTRODUCCIN El ser humano se diferencia del resto de los seres vivientes, entre otros aspectos, por haber logrado transmitir informacin intergeneracional no slo por el genoma sino tambin por la cultura. Es sta, la cultura (entendida como las maneras en que una sociedad se relaciona con el ambiente, entre sus individuos y con otras sociedades), la que posibilit la evolucin de la humanidad desde que era slo una especie animal ms (fuertemente dependiente de las condiciones ambientales, nmade, recolectora y cazadora) a la situacin actual en que la mayora de los individuos viven en espacios urbanos altamente tecnificados, aislados e ignorantes (en gran medida) de los procesos naturales. Pero todava estos humanos son dependientes de esta original interrelacin con la naturaleza para su mantenimiento, aunque actualmente est altamente tecnificada y delegada, en gran parte, en la actividad de los agricultores. La ciencia es una de las maneras ms rigurosas que tiene la humanidad para generar y transmitir el conocimiento de s misma y de su ambiente. En su contexto se habla de disciplinas formales (no tienen ningn objeto real como referente), naturales (refieren a cualquier objeto o proceso real que no sea el comportamiento humano individual o social) y humanas (centradas en los comportamientos humanos). La tecnologa son las herramientas, insumos y modos que tiene la humanidad para disear y conducir procesos naturales y sociales. Actualmente la tecnologa est altamente relacionada con los avances cientficos. En Agronoma, la funcin de las ciencias naturales es la de describir, explicar y predecir el estado y comportamiento de los componentes y procesos de los subsistemas naturales y tecnolgicos de los agrosistemas. Las ciencias sociales, por su parte, deben hacer lo mismo con los componentes y procesos sociales de los agrosistemas. La Ingeniera Agronmica integra las ciencias naturales y sociales con las tecnologas derivadas de ellas para operar con los componentes y procesos naturales, tecnolgicos y sociales de los sistemas agropecuarios. Actualmente, en la formacin disciplinar de los tcnicos y profesionales relacionados con las llamadas ciencias naturales, empricas o duras existe un fuerte sesgo al enfoque instrumental: Todo el proceso cientfico y tecnolgico puede ser analizado como una cadena de operaciones, sean instrumentales-materiales o intelectuales-tericas. El paradigma de la operacin son las operaciones formales de la matemtica y de la lgica; estas operaciones se constituyen con mximo de dominio y control porque dependen completamente de las reglas que definen las operaciones y de la evidencia de su buen funcionamiento por la efectuacin misma de las operaciones, y por lo tanto, son independientes de la naturaleza de los objetos

con que se opera ... Aqu interesa destacar: primero, el poder de dominio y control de s mismo que estas caractersticas prestan al campo operatorio; y luego, que este control se efecta definiendo una forma (un esquema puro) de operacin, superior y ms general, que objetiva la operacin a controlar. Y en qu consiste el control de una operacin? En efectuarla siguiendo la forma previamente definida de accin transformadora (Prado, 1993, las marcas son del texto original). La relacin entre el hombre y el ambiente constituye hoy en da uno de los problemas primordiales donde se centran los aspectos ms crticos del desarrollo de la especie humana. Dentro de este contexto, los recursos naturales constituyen el escenario de su actividad. Es evidente que la relacin existente actualmente entre el hombre y el medio puede evolucionar hacia estados de mayor armona, que es uno de los objetivos del paradigma del Desarrollo Sustentable (Relz, 2002). Para ello, los profesionales de las ciencias naturales, entre ellos los Ingenieros Agrnomos, tienen un doble desafo: (a) Desarrollar una visin de la naturaleza (tanto disciplinar como transdiciplinar-integradaholstica) que les permita conducir su aprovechamiento por parte de la humanidad dentro de los lmites de un uso sustentable. (b) Insertar esta visin y la tecnologa derivada de ella dentro del marco de identidad cultural de la sociedad en que se desenvuelven. Porque si no logran este punto, si desatienden los aspectos personales y sociales de la problemtica (si se restringen a un enfoque meramente instrumental), la sociedad no entender, aceptar ni aplicar las directivas o las posibilidades que se generen a partir del conocimiento disciplinar y tecnolgico. 1.1. OBJETIVO Presentar y discutir la utilidad de los modelos de simulacin en la formacin de los Ingenieros Agrnomos, dado que pueden servir de instrumentos con un alto valor heurstico y prctico en la conceptualizacin, interrelacin y operacionalizacin de los subsistemas y procesos agronmicos. 2. ENFOQUE DE PERCEPCIN Y ESTUDIO Los subsistemas naturales y tecnolgicos de los agrosistemas pueden ser observados y estudiados desde diferentes ngulos o disciplinas que confluyen en ellos. Como el inters es tratar de abarcar la totalidad del problema agroproductivo, pero considerando simultneamente cada uno de los subsistemas que lo componen, el enfoque de sistemas va a aportar no slo una concepcin vlida sino una metodologa adecuada para su estudio. De este modo trataran de ser superados diversos enfoques anteriores que dan a la problemtica un carcter excesivamente disciplinar -sea fsico-qumico, econmico, sociolgico, etc.- y analtico, poco compatible con la compleja realidad del sistema socio-econmico-tecnolgiconatural que es la Agricultura. 3. MARCO CONCEPTUAL Y OPERATIVO Teniendo en cuenta lo anterior, podemos definir un marco conceptual y operativo dentro del cual la Ingeniera Agronmica debe insertar sus teoras y procedimientos para el diseo de intervenciones sustentables y para la ejecucin, control y evaluacin de sus actividades profesionales: La organizacin conceptual de la complejidad estructural y funcional de los agrosistemas: se basa en la Teora General de Sistemas, ya que sta ofrece un sustrato comn a una

gran variedad de fenmenos los que abren el camino a una aproximacin unificada de las diversas disciplinas (von Bertalanffy, 1979). Su principal utilidad es la de generar modelos conceptuales interdisciplinarios que posibiliten organizar la multitud de datos e informaciones disponibles de los agrosistemas en esquemas mentales (Sierra y Carretero, 1993) coherentes e interpretativos (y explicativos, en lo posible). Esta organizacin conceptual es fundamental para lograr una formacin bsica en el conocimiento de los subsistemas naturales y de sus procesos. Para la formalizacin de la realidad observada y su codificacin en herramientas que posibiliten su tratamiento y evaluacin, se depende de las teoras y metodologas propias de las diversas disciplinas cientficas que describen y explican los componentes y procesos de los subsistemas naturales y/o tecnolgicos. La Matemtica, como lenguaje de la ciencia, se caracteriza por su capacidad de uniformar la expresin de los conceptos independientemente de la disciplina que los genere, as posibilita concretar la interdisiciplinariedad conceptual de los sistemas- y de hacerlos operables en forma rigurosa y objetiva. Este poder se logra cuando un formalismo (matemtico) estructura y regula las manipulaciones empricas y las percepciones sensibles que forman parte del proceso de observacin y medicin -en la confirmacin de teoras, en la explicacin de hechos, y tambin en las intervenciones tecnolgicas de los sistemas-. La virtud explicativa y predictiva del conocimiento cientfico, al igual que la eficacia prctica de la tecnologa, se basan en que la realidad opera en la forma previamente definida por un formalismo. No parece que se haya dado cuenta de porqu esto es posible, pero se dispone del procedimiento adecuado para lograrlo (Prado, 1993). Para ello es necesaria una correspondencia entre formalismo y experiencia. Este ajuste se busca eligiendo, por una parte, el sistema formal (ecuacin/es matemtica/s y/o modelo estadstico) ms adecuado a la situacin problemtica que se investiga y, por otra parte, seleccionando o abstrayendo, en ese dominio de experiencia, las caractersticas que corresponden al formalismo -esencia de la funcin profesional del Ingeniero Agrnomo- definidas por las teoras propias de las disciplinas fcticas. Dada esta correspondencia entre la realidad experimental y el formalismo se establece un continuum entre las operaciones formales (matemticas), las operaciones tericas y experimentales de las ciencias empricas involucradas en el proceso de formalizacin del agrosistema, las operaciones de la naturaleza y las operaciones tecnolgicas. Esto es fundamental para el desempeo de un profesional de la Agronoma porque en las operaciones formales radica la regulacin, el planeamiento y el control de todas las operaciones cientficas y tecnolgicas (Prado, 1993). En definitiva, el modelo conceptual se hace operativo al transformarlo en un modelo matemtico. Por ltimo, dada la gran cantidad de datos y de pasos lgico-matemticos involucrados en los modelos matemticos resultantes, es imprescindible la automatizacin de estos procedimientos y su operacin mediante Modelos de Simulacin ejecutados en dispositivos derivados de las TICs (tecnologas de la informtica y comunicacin) que almacenan, organizan, recuperan, procesan y transmiten los resultados con gran velocidad y eficiencia. 3.1. FUNDAMENTOS DESDE LA PSICOLOGA COGNITIVA Durante varias decenas de aos -concretamente entre los veinte y los setenta del siglo pasado, aproximadamente- el trmino de aprendizaje haca referencia exclusivamente al cambio de la conducta observable (conductismo) como resultado de la experiencia: dicha experiencia influa en los seres humanos a travs de procesos de asociacin o condicionamiento. En la actualidad, la definicin que podemos dar de aprendizaje es

claramente distinta porque no se produce solamente mediante asociaciones sino mediante modificaciones del conocimiento, el que se almacena en la memoria mediante un alto grado de organizacin en la que cumplen un papel esencial los esquemas. Los esquemas o representaciones mentales comprenden todo el conocimiento genrico que hemos adquirido a travs de nuestra experiencia pasada con objetos, situaciones, secuencias de situaciones, acciones, secuencias de acciones, conceptos, etc. Los esquemas son modelos del mundo, que representan el conocimiento que tenemos acerca del mismo (Sierra y Carretero, 1993). Estos tienen una serie de caractersticas anlogas a las de los modelos matemticos: Disponen de huecos o variables (slots), que pueden tomar valores fijos y/u opcionales o recibir asignaciones complementarias de informacin (default value) como las variables de los modelos matemticos, cuyos valores mximos, ms probables y mnimos deben ser conocidos por los profesionales. Se definen por su modularidad, ya que se supone que los distintos dominios cognitivos estn representados por esquemas con diferentes caractersticas, y por estar ligados unos con otros en sistemas relacionados como los mdulos de clculo por disciplina o proceso en los modelos matemticos. Organizan el conocimiento en rangos de representaciones, que van desde los rasgos ms discretos hasta las categoras ms genricas similares a los niveles de organizacin componente-subsistema-sistema-macrosistema. La elicitacin de una de sus partes implica la activacin del conjunto de la estructura. Y, una vez activados, se comportan como mecanismos activos de procesamiento, que operan de forma interactiva como los mdulos de los modelos matemticos.

(a)

(b)

(c)

(d)

Los esquemas intervienen de modo decisivo en los procesos de memoria y aprendizaje. Por consiguiente, parece lgico tratar de realizar las derivaciones pedaggicas y didcticas a fin de aprovechar estas caractersticas y este papel fundamental de los esquemas para aplicarlos a la formacin de los Ingenieros Agrnomos, dado que la esencia de su funcin se basa en la contrastacin de las situaciones problemticas con modelos ideales y en la prognosis de las posibles variaciones de los agrosistemas ante la aplicacin de alternativas tecnolgicas utilizando tambin modelos que cuantifican el posible cambio en el comportamiento del agrosistema. Estos modelos, tanto conceptuales como en su versin operativa (matemticos), poseen caractersticas semejantes a la de los esquemas antes presentados. En este sentido es que se proponen los modelos de simulacin como las herramientas ideales para aprovechar tanto las caractersticas de los esquemas mentales como para satisfacer las demandas operativas del ejercicio profesional de la Ingeniera Agronmica. 3.2. INTERDISCIPLINARIEDAD Se entiende por interdisciplinariedad la reorganizacin o recomposicin de los dominios del saber de diferentes disciplinas a travs de una serie de intercambios mutuos, logrando la captacin de problemas comunes y la identificacin de estructuras constantes. Es un enfoque derivado de la Teora General de Sistemas, la cual aborda la realidad como un cierto nmero de elementos en interaccin. Es en las ciencias aplicadas, o en la aplicacin de las ciencias, donde la interdisciplinariedad encuentra su lugar de realizacin (Ander-Egg, 1994).

Cada uno de los elementos o subsistemas de un sistema natural corresponde al dominio de alguna disciplina en particular. Pero al incorporarlos en un nivel organizacional de mayor complejidad, dichos sistemas (ahora elementos o subsistemas) se transforman en constituyentes de un sistema que adquiere propiedades emergentes especficas (Bunge, 1995) lo cual obliga a considerar al sistema como un objeto de estudio particular distinto a cada uno de los elementos que lo constituyen. En consecuencia, si este nivel de mayor complejidad no constituye el objeto de estudio de otra disciplina en particular, deber ser estudiado mediante la interaccin de las disciplinas que estudian a los elementos y/o sus relaciones. La interaccin de las disciplinas -que es lo que define lo que es interdisciplinariedadpuede ir desde la simple comunicacin de ideas hasta la integracin mutua de conceptos rectores, de metodologas o de procedimientos; pero hay real interdisciplinariedad cuando existe correlacin: un trabajo de unificacin de actividades que corresponden a diversas disciplinas, a fin de que no se efecten en forma aislada, dispersa y fraccionada. Las disciplinas no pierden su autonoma, sino que tratan de encontrarse con las dems, siempre que ello sea necesario y oportuno, al margen de cualquier artificialismo. 3.3. ENFOQUE DE SISTEMAS El enfoque sistmico es una manera de concebir las cosas, as como de abordar y formular problemas. Se caracteriza por concebir todo objeto como una totalidad compleja o un componente de tal. Admite la necesidad de estudiar los componentes de un sistema pero no se limita a ellos. Reconoce que los sistemas poseen caractersticas de las que carecen sus partes, pero aspira a entender estas propiedades sistmicas en funcin de las partes del sistema y sus interacciones, as como en funcin de circunstancias ambientales: invita a estudiar la composicin, el entorno y la estructura de los sistemas de inters (Bunge, 1995). Este enfoque impone un carcter interdisciplinar en el estudio de la realidad, ya que esta metodologa asume la responsabilidad de orientar la cooperacin de conocimientos complejos, aparentemente diferenciados, explicativos del desenvolvimiento de los sistemas en conexin con su ambiente (Bunge, 1995). De esta cooperacin de conocimientos se obtiene el deseable nivel de coherencia, o lo que es lo mismo, la consistencia interna de las disciplinas en sus formulaciones tericas y derivaciones prcticas. As, este enfoque no slo es vlido desde un prisma terico sino tambin operativo, ya que ofrece posibilidades de planificacin, de control, de creacin de sistemas de comunicacin y de estructuras homeostticas, de desarrollo de procesos de decisin bajo incertidumbre (Guerras Martn, 1989), no slo es prescriptivo sino normativo (Bunge, 1995). Otro aspecto importante del enfoque sistmico lo constituye la idea de globalidad, que sustituye las aproximaciones parciales por las totales, pero manteniendo la consideracin de los aspectos especficos de los componentes, mecanismos y procesos, de forma tal que los subsistemas que integran la organizacin como un todo quedan perfectamente engranados, controlados e instrumentados para cuantificar, simular y evaluar as los objetivos del sistema ms complejo de una manera prctica y ms eficiente (Norero y Pilatti, 2002).

4. MODELOS DE SIMULACIN La conquista conceptual de la realidad comienza, lo que parece paradjico, por idealizaciones. Se desgajan los rasgos comunes a individuos ostensiblemente diferentes, agrupndolos en especies (clases de equivalencia) ... Es el nacimiento del objeto modelo o modelo conceptual de una cosa o un hecho. Pero eso no basta; si se quiere insertar este objeto modelo en una teora, es menester atribuirle propiedades susceptibles de ser tratadas por teoras ... Sea que se disminuya o multiplique el nmero de las dimensiones de un espacio, sea que se simplifique el dato o conjetura de las entidades y propiedades suprasensibles (no obstante, supuestamente reales), se construyen modelos conceptuales solo los cuales podrn darnos una imagen simblica de lo real. Las otras vas -la razn pura, la intuicin y la observacin- han fracasado. Slo modelos construidos con la ayuda de la intuicin y de la razn y sometidos a contrastacin emprica han triunfado y, sobre todo, son susceptibles de ser corregidos en caso de necesidad ... No son ejercicios acadmicos de matemticas aplicadas sino modelos teorticos de objetos reales: son teoras que especifican representaciones esquemticas de objetos fsicos ... (Bunge, 1981). La caracterstica esencial del enfoque sistmico, adems de la integracin conceptual, es el desarrollo de teoras expresadas en el lenguaje matemtico. El propsito de las teoras biofsicas es explicar cuantitativamente los mecanismos que determinan el hbitat, especialmente el microambiente de plantas y animales, y los procesos biolgicos que dichos mecanismos estimulan, inhiben o con los cuales interactan. Los mecanismos se refieren principalmente a los fenmenos de transporte y transformacin de energa, momento y materia entre la vegetacin, la fauna, el suelo, la atmsfera y los insumos y procesos tecnolgicos. Y lo mismo puede afirmarse para los niveles sistmicos ms complejos que los naturales: cuando la humanidad interfiere en los procesos naturales de cualquier ecosistema con su cultura y tecnologa deben incorporarse teoras y simularse mecanismos y procesos tecnolgicos, econmicos y sociales que completan al agrosistema. Un modelo es una descripcin abstracta del mundo real, es una representacin simple y manejable de ms complejas formas, procesos y funciones de fenmenos fsicos, biolgicos o de ideas. Cuando estos modelos son formalizados incorporndolos en marcos conceptuales aportados por alguna ciencia, puestos a prueba en ensayos y/o experimentos y traducidos a un cdigo matemtico o estadstico, se obtienen los modelos matemticos. Su propsito general es facilitar la comprensin e incrementar la prediccin (Duek, 1979), aspectos fundamentales en las funciones profesionales de los Ingenieros Agrnomos. As, la ciencia en la investigacin bsica agronmica desarrolla y usa modelos para comprender cmo son las cosas en el mundo real, a fin de poder predecir cmo sern (anlisis), mientras que la ingeniera, con su investigacin aplicada, tiene que ver con cmo deben ser las cosas y genera modelos de agrosistemas modificados y conducidos para alcanzar los objetivos estipulados (diseo). Por muchos aos el estudio de las relaciones entre los cultivos y los factores ambientales ha estado dominado por el empirismo; y los intentos de cuantificarla se han basado, por lo general, en la estadstica, especialmente a travs del anlisis entre produccin y mediciones climticas, edficas y/o fitotcnicas. Estos modelos, llamados empricos (o de correlacin), describen relaciones entre variables sin referirse a fundamentos biolgicos o fsicos preexistentes. La aplicacin de la estadstica a la descripcin de esas relaciones no provee hiptesis o explicaciones acerca de su naturaleza, y por lo tanto no cambia el carcter emprico de esas investigaciones. Tambin es menor el nivel de resolucin o detalle que est incorporado al

modelo, ya que este tipo de modelos abunda cuando el conocimiento de las causas es pobre (de all que sean muy utilizados en las primeras etapas de investigacin, las exploratorias, de algn problema no estudiado previamente). Este tipo de modelos es muy til cuando se trata de pronosticar la respuesta de sistemas ya evaluados y cuyo rango de variacin es limitado y conocido. Cuando se trata de interpolar dentro del espectro de situaciones en las cuales han sido desarrollados y validados, los modelos empricos suelen ser precisos. Sin duda, los procedimientos empricos de estudio han aportado valiosas observaciones, y seguirn contribuyendo con ellas para la resolucin de problemas prcticos y el progreso del conocimiento. Estn dadas las condiciones para la aplicacin de mtodos ms rigurosos y a la vez ms generales, tal como el aplicado por la Fsica durante tantos aos: el mtodo hipotticodeductivo, es decir, la metodologa cientfica tal como la expone Bunge (1981). Los modelos mecansticos (o explicativos, derivados de las teoras hipotticodeductivas) intentan representar la causalidad e interaccin entre las variables a fin de imitar (matemticamente) la estructura y funcionamiento del agrosistema. En estos modelos las funciones matemticas expresan nuestro conocimiento e hiptesis de los mecanismos que relacionan a las variables y explican la conducta observada. El enfoque de variables de estado es el ms aceptado para los modelos explicativos o de mecanismo (Duek, 1979). En estos modelos se asume que el estado de cada sistema, en cualquier momento, puede ser caracterizado cuantitativamente y que los cambios de estado pueden ser descriptos por ecuaciones matemticas. Las variables de estado representan cantidades de una propiedad (materia, energa, informacin). Las variables ambientales caracterizan las interacciones de borde del agrosistema. Cada variable de estado est asociada con variables (a travs de ecuaciones) que caracterizan su tasa de cambio, en ciertos instantes, como resultado de procesos especficos. Estas variables expresan los flujos de la propiedad considerada y sus valores dependen de las variables de estado y ambientales, de acuerdo a reglas basadas en el conocimiento fsico, qumico y biolgico de los procesos estudiados y no en un anlisis estadstico del comportamiento del agrosistema en estudio. sta es la diferencia ms importante entre modelos que slo describen (empricos) y modelos que intentan explicar (mecanicsticos), es decir, que constituyen una demostracin de que ciertas cosas siguen necesariamente de otras (Duek, 1979). Las ecuaciones pueden resolverse para obtener valores de prediccin, de este modo los supuestos o hiptesis empleados en la construccin del modelo pueden contrastarse con mediciones experimentales en el sistema real, y as, ser refutados o confirmados. Los modelos deben pronosticar la conducta del agrosistema. Las predicciones deben ser cotejadas con experiencias reales. La informacin experimental es retroalimentada para corregir y perfeccionar el modelo y para determinar la adquisicin de nuevos o mejores datos. Cuando se consigue un adecuado nivel de prediccin pueden sugerirse las medidas y acciones de manejo ms convenientes. Definidas las sugerencias, se debe informar y capacitar a los profesionales y productores para que se las aplique en las empresas a fin de que la teora se transforme en una mayor produccin, una mejor conservacin o recuperacin de los recursos naturales, una mayor rentabilidad, y en un superior nivel de vida del sector rural.

4.1. FITOSFERA: PRONSTICO Y RIESGO PRODUCTIVO VEGETAL La proyeccin de rendimientos de una actividad puede basarse en el anlisis estadstico de series histricas siempre y cuando la actividad planificada se realice con los mismos niveles tecnolgicos y en el mismo mbito ecolgico que los registrados. De lo contrario, si se modifica el ambiente sobre el que sustentar la produccin (suelo, clima) o se alteran los niveles o caractersticas de los insumos o labores a aplicar a la actividad, los datos histricos y los modelos empricos derivados de ellos ya no son extrapolables y se deber recurrir a una herramienta de prediccin adecuada a las circunstancias. Estas herramientas son los modelos hipottico-deductivos expresados en programas de simulacin de estructura modular, pluridisciplinarios y computarizados, capaces de predecir y explicar las causas de las respuestas debidas tanto a factores incontrolados del ambiente como a aquellos derivados de las decisiones tcnicas de manejo. Para lograr el desarrollo en tiempo y calidad que la ciencia y la tecnologa agropecuaria requieren, el tradicional mtodo de "prueba y error" debe ser complementado para superar sus inconvenientes de falta de generalidad (puntualidad de sus resultados) y lentitud (aos de repeticin de ensayos para obtener una tendencia). Estas dos caractersticas de los modelos empricos son compartidas por los modelos analgicos (parcelas, lotes de animales, etc.): sus resultados no siempre pueden ser extrapolados a otra situacin (de suelo, clima, especie o de manejo), es necesario realizar nuevamente los ensayos y obtener otra ecuacin para la nueva situacin. Los inconvenientes recin citados son superados por los modelos hipotticodeductivos, dado que constituyen una teora especfica acerca del conjunto de fenmenos que intentan representar (crecimiento y desarrollo de un cultivo en el caso que nos ocupa). Parafraseando a Bunge (1981), ... Un objeto modelo [modelo conceptual de un cultivo] servir de poco a menos que se lo encaje en un cuerpo de ideas [teoras fsicas y biolgicas sobre el crecimiento y desarrollo de los vegetales] en cuyo seno puedan establecerse relaciones deductivas. Hay que tejer pues una red de frmulas alrededor de cada objeto modelo. Si ese cuerpo de ideas es coherente, constituir un modelo teortico [modelo matemtico de un cultivo] de los individuos concretos r [cultivo de maz] del tipo R [cultivo agrcola]. Dicho de otra manera, un modelo teortico de un objeto r supuesto real es una teora especfica TS , concerniente a r , y esta teora est constituida por una teora general TG , enriquecida con un objeto modelo ... Cuando un sistema teortico de un objeto modelo se enriquece mediante el diseo de algunos detalles del objeto concreto en cuestin, se restringe el dominio de aplicacin de la teora general pero en compensacin la hacemos verificable. Los modelos matemticos del crecimiento y desarrollo de cultivos, una vez armados y evaluados, pueden aplicarse mediante las simulaciones. La simulacin se define como una tcnica numrica empleada para realizar experimentos con cierto tipo de modelos matemticos que describen el comportamiento de un sistema complejo, en un ordenador digital y durante perodos prolongados (Naylor, 1982). El fundamento racional para usar la simulacin en cualquier disciplina es la bsqueda constante del hombre por adquirir conocimientos relativos a la prediccin del futuro (Naylor et al., 1991). La simulacin estudia el comportamiento temporal de un sistema complejo. Para ello se emplea un ordenador para hacer variar simultneamente grupos de variables, tal como sucedera en la realidad. Incorporando los valores obtenidos en los sistemas de ecuaciones del

modelo matemtico se obtiene informacin acerca de la evolucin del estado del sistema representado como si el fenmeno hubiese acontecido realmente. As, una simulacin en ordenador es un experimento (Naylor, 1982), slo que se realiza con un modelo del sistema real y no con la realidad propiamente dicha. Un modelo de simulacin de la produccin de los cultivos es una representacin simplificada de los mecanismos fsicos, qumicos y fisiolgicos implcitos en el proceso productivo (Pilatti y Norero, 2004). Diversos mecanismos intervienen en el crecimiento y desarrollo de los cultivos y animales interaccionando con su ambiente. Si ellos son correctamente comprendidos y formulados, se puede simular la respuesta del vegetal o del animal a las condiciones del medio. Por ende, no es necesario distinguir entre diferentes regiones climticas o edficas ni entre alternativas tecnolgicas, ya que el modelo de simulacin mostrar por s mismo los factores restrictivos y sus interrelaciones con los procesos productivos de la actividad. En general, los modelos de produccin de cultivos consisten en un conjunto de submodelos que simulan (figura 1): el crecimiento y desarrollo del cultivo; las dinmicas de las poblaciones de plagas; los balances hdrico y de nutrimentos en el suelo; y un subsistema ambiental que provee de la informacin climtica y de manejo cultural que condiciona y modifica el comportamiento de los submodelos anteriores.

Figura 1: Esquema general de la estructura conceptual de los modelos de la produccin de cultivos (Grenn, 1994). En el caso de modelos matemticos del crecimiento y desarrollo de cultivos, al efectuar la proyeccin de rendimientos para la propuesta de las actividades con mayor probabili-

dad de xito, se desconoce cules sern los condicionantes climticos y econmicos que definirn los resultados productivo y monetario de la actividad. No se conoce el futuro, pero, si se tiene una serie de registros histricos del comportamiento meteorolgico del clima zonal, se puede suponer que los prximos ciclos productivos debern desenvolverse en un ambiente climtico con caractersticas similares a las registradas. Entonces, estos modelos de simulacin a nivel diario son aplicados a cada uno de los ciclos registrados simulando qu hubiese sucedido con la propuesta a evaluar en cada uno de esos aos pasados (alternativamente pueden emplearse datos generados sintticamente a partir de la caracterizacin estadstica de la serie histrica, tal como lo presenta Giorgis et al., 1988). Se obtiene as un conjunto de resultados de la produccin del cultivo y de demanda de insumos y labores que, analizados estadsticamente, nos permiten estimar cul puede ser el resultado ms probable (promedio, modo), su riesgo de obtencin (desvo estndar, por ejemplo) y el rango de posibilidades (mximo y mnimo). De esta forma se puede tener una cuantificacin de: el curso del desarrollo (fenologa y acumulacin de materia seca); la produccin de biomasa total; y la produccin de biomasa por rganos en condiciones de mximo crecimiento (produccin potencial), y (probando el impacto productivo de diferentes intensidades y oportunidades) de deficiencias hdricas, deficiencias nitrogenadas, deficiencias de fsforo y de potasio, sanidad deficiente, y ataques de diversas plagas. Con estos datos se est en condiciones de estimar: ptima fecha de siembra, ptima densidad de siembra, requerimientos y oportunidad (en trminos de pocas con mayor probabilidad de dficit hdrico) del riego, requerimientos de drenaje, requerimientos de nutrimentos (N, P, K) y posologa ms conveniente, riesgos de prdidas por ataque de plagas o enfermedades y probables necesidades de control, con lo cual se puede proyectar el tipo y cantidad de labores, insumos y mano de obra que probablemente demandar la ejecucin de la actividad. El dato del rendimiento potencial (desarrollo del cultivo en condiciones ideales) es imprescindible para poder establecer el impacto productivo de cada una de las restricciones que se identifiquen en la fitsfera, y de esta forma poder cuantificar el posible beneficio (en trminos de produccin) a esperar de la aplicacin de alternativas tecnolgicas que superen o atenen la limitacin productiva. En este sentido, se deber identificar el impacto de los distintos factores que definen el potencial productivo de la fitsfera: concentracin de dixido de carbono, intensidad de radiacin fotosintticamente activa, temperatura y caractersticas del cultivo (arquitectura de la

canopia, parmetros fisiolgicos y fenolgicos). Esta situacin productiva potencial presupone un mbito ideal y marca el techo productivo del ambiente evaluado, lo cual permite jerarquizar inicialmente las alternativas, y definir de esta forma en cules mbitos convendra dedicar mayores esfuerzos productivos (figura 2). En la realidad existen factores limitantes de este potencial, los cuales tambin deben ser identificados, cuantificados sus impactos productivos y jerarquizados, para as poder proponer manejos de tiendan al incremento de los rendimientos posibles. El objetivo es estrechar la brecha entre los rendimientos posibles y el potencial mediante la adecuacin de factores tales como la disponibilidad de agua y nutrimentos o el control del ambiente (tal como se realiza en los invernculos), ajustndolos a las necesidades del cultivo. Adems de los factores que controlan los procesos productivos existen otros que, no siendo necesarios para el crecimiento y desarrollo de los cultivos, reducen los rendimientos, obligando a la aplicacin de medidas protectoras de los cultivos: control de malezas, plagas, toxicidades edficas, etc. Todas las las propuestas tecnolgicas a aplicar a cada cultivo deben derivar de la jerarquizacin de los diversos factores (definitorios, limitantes y restrictivos), y pueden ser evaluadas tambin Figura 2: Situaciones productivas a evaluar y factores y tcnicas con los modelos a fin de relacionadas (segn Rabbinge, 1994, modificado). cuantificar la respuesta del sistema y la demanda de recursos. As, la disponibilidad de los modelos que explican el funcionamiento de los agrosistemas ha permitido a la agricultura evolucionar de una etapa de reaccin a las condiciones ambientales (qu rendimiento puedo esperar con los recursos que tengo?) a una de diseo y de ajuste a los objetivos productivos (qu recursos necesito y cmo los debo combinar para obtener el rendimiento deseado?) (Rabbinge, 1994). Los modelos de cultivos estn pasando de las etapas iniciales, en las cuales eran prcticamente desconocidos o representaban slo una promisoria posibilidad, a convertirse en una herramienta capaz de orientar el diseo y manejo de los cultivos, desde el nivel de fitsfera al regional. Estos modelos pueden enfocar a la fitosfera desde un punto de vista global (modelos de crecimiento y desarrollo de cultivos) o centrarse en aspectos parciales como ser modelos

de los factores restrictivos (p.e., dinmica de poblaciones de patgenos, insectos o malezas, y su incidencia sobre la produccin de los cultivos) o de otros factores condicionantes o modificadores de los cultivos (p.e., modelos del crecimiento y desarrollo de los animales domsticos que los utilizan como substrato alimenticio). 4.2. ZOOSFERA: PRODUCCIN ANIMAL De la interaccin de los modelos del crecimiento y desarrollo de animales domsticos y de los correspondientes a las pasturas surgen los modelos de produccin animal en sistemas extensivos o semiextensivos. En una empresa pecuaria extensiva a semiextensiva, la evaluacin de la produccin primaria (forrajera) deber medir el ajuste de las propuestas tecnolgicas a los objetivos productivos de la empresa (figura 3).

Figura 3: Esquema de los principales pasos en la evaluacin de la planificacin y programacin forrajeras (Grenn, 1992). La cantidad y la calidad de los alimentos que debern satisfacer las demandas de los animales (que en este caso son el objeto central del anlisis productivo) se obtienen a partir de dos actividades complementarias: la produccin propia en el establecimiento y la importacin de alimentos (compras). En los sistemas de produccin animal con bases pastoriles, como los que predominan en la Argentina, la primera restriccin que se debe cuantificar es la impuesta por el ambiente en el cual se asienta la produccin primaria: suelo (superficie disponible y capacidad de uso) y clima. Estos factores son determinantes al definir las posibles especies forrajeras a implantar,

la tecnologa a aplicar y los probables niveles de rendimiento (expresados en cantidad, calidad y oportunidad) a obtener. Una vez seleccionadas las especies a implantar, y la superficie y poca de produccin asignada a cada una de ellas, se est en condiciones de estimar la produccin de forraje. Esta estimacin puede basarse, tal como se plante anteriormente, en la experiencia del productor y/o tcnico asesor, en series histricas de rendimientos, o en el empleo de modelos de simulacin del crecimiento y produccin de cultivos forrajeros. Todos los aspectos referidos a la presupuestacin financiera y operativa y al control y reformulacin de actividades son los mismos que los planteados para la produccion vegetal, slo que en el presente caso es necesario agregar la consideracin de los productores secundarios (animales), los cuales basarn su produccin en el alimento que tengan disponible. Definida la cantidad de alimento disponible por produccin propia, su calidad nutritiva y su distribucin espacial y temporal, se est en condiciones de evaluar las estructuras alternativas del subsistema animal. Para ello es necesario realizar balances energticos entre la oferta forrajera propia y las demandas de alimentos de las diferentes estructuras del rodeo (Caas y Aguilar, 1992; NRC, 1989). Para realizar este balance se debe predecir la cantidad y tipo de alimento que demandar cada una de las categoras animales en cada poca o estacin de los aos planificados. Por lo tanto, es necesario disponer de modelos de produccin animal que nos permitan predecir: la cantidad de animales por categora y por poca; el estado productivo de cada uno de ellos (o de cada lote). Por ejemplo, si son vacas lecheras, en qu fase de la curva de lactancia se encontrarn, si estarn ganando o perdiendo peso; si son novillos, qu peso tendrn y cul es la tasa diaria de ganancia de peso que se pretende satisfacer; en el caso de vacas lecheras o de cra, el estado reproductivo: vacas o gestantes, y en este caso, fase de la curva de gestacin en que se encontrarn; impacto del clima sobre el comportamiento productivo de los animales; influencias probables de enfermedades y plagas; cuantifi-cacin de la influencia del estado sanitario del rodeo sobre la produccin. Si el balance resulta positivo en general (oferta mayor que demanda), la opcin es reformular la demanda aumen-tando los objetivos productivos del sector ganadero. Si el balance es negativo, global o parcialmente, aparecen bsicamente dos opciones: la primera es disminuir la demanda (reduccin de la carga animal o modificacin de las proporciones entre categoras a fin de que se ajusten mejor a la oferta). La segunda opcin es suplementar la produccin propia de alimentos: con forrajes tambin de produccin propia pero reservados y trasladados desde perodos con excesos, o bien importar alimentos mediante compras. La compra de forrajes puede estar guiada por distintos criterios en funcin de las diferentes necesidades que se busca satisfacer (Grenn, 1992):

ante la falta de alimentos en cantidad, el objetivo es suplementar la oferta propia de forrajes; el objetivo puede ser complementar una racin suficiente en cantidad, pero deficiente en calidad; por ltimo, puede ser necesario mejorar tanto la disponibilidad como la calidad, simultneamente. Para la definicin del tipo de necesidad que se deber satisfacer se debe cuantificar la cantidad y calidad del alimento demandado. Para ello se recurre, primero, a modelos de la dinmica poblacional del rodeo, los cuales, a partir de enfoques determinsticos o probabilsticos, tratan de pronosticar la evolucin de la cantidad de cabezas que integrarn los lotes de cada categora para el perodo planificado. Con los datos de cantidad de animales, se pueden utilizar los modelos de desarrollo y produccin (Aguilar y Caas, 1992; Caas et al., 1982; Quiroz, 1992) a fin de cuantificar las necesidades de forrajes en trminos de cantidad y calidad (figura 4). Tambin es necesario considerar en estos modelos los aspectos reproductivos para las categoras de vacas de tambo o de cra, debido a la demanda energtica para la gestacin.

Figura 4: Diagrama de un modelo de produccin de carne (segn Aguilar y Caas, 1992, modificado). Los modelos de optimizacin como la formulacin de raciones basada en programacin lineal son muy importantes para minimizar los costos respondiendo a la vez a las restricciones de cantidad y calidad de alimentos (Beneke y Winterboer, 1984; Taha, 1991).

Otro aspecto importante es la consideracin de las posibles restricciones derivadas de los aspectos sanitarios del rodeo animal, a fin de estimar la necesidad de instrumentar tcnicas protectoras (manejos sanitarios preventivo y curativo). Asimismo, es necesario que los modelos del crecimiento y produccin animal permitan evaluar las alternativas de manejo que pretenden adecuar los factores limitantes (nutricionales bsicamente), como ser las estrategias de suplementacin en lotes segn los niveles de respuesta (relaciones insumo-producto), y que contemplen los factores condicionantes que determinan al sistema (potenciales genticos, posibilidad de evaluar distintas razas por ejemplo). 4.3. AGROECOSISTEMA: SUSTENTABILIDAD En el nivel jerrquico superior a la fitosfera, el agroecosistema, la integracin de los modelos de produccin vegetal y animal, simulando las secuencias de cultivos o las rotaciones agrcolo-ganaderas (cuantificando los rendimientos probables, la exportacin de nutrimentos y la aplicacin de agroqumicos), aporta los elementos necesarios para la evaluacin de las tcnicas de manejo ms apropiadas para la obtencin de los mximos rendimientos compatibles con el objetivo de sostenibilidad del agroecosistema. La sustentabilidad ecolgica de los agroecosistemas no depende slo de los procesos y de los componentes y subsistemas considerados como factores de produccin: existen otros componentes, subsistemas y procesos propios del ecosistema en el cual se basa la produccin pero que no siempre estn explcitos en la consideracin productiva o econmica. Adems, muchos de estos procesos y componentes sufren alteraciones (generalmente degradantes de su funcionalidad y/o utilidad productiva) en lapsos que superan largamente el ciclo productivo, por lo cual no suelen ser detectados como problemticos: prdida de estabilidad de agregados edficos (con la consecuente prdida de infiltracin y conductividad de agua y aire en el suelo), prdida de materia orgnica (en cantidad y calidad), alteracin de los equilibrios hidrolgicos, alteracin de la biodiversidad, salinizacin-sodificacin, erosin, prdida de nutrimentos (N, P, K, S, Ca, etc.), contaminacin por agroqumicos (fertilizantes, venenos), generacin de biorresistencias, etc. Para evaluar la sustentabilidad de las propuestas tecnolgicas se pueden utilizar los modelos de fitosfera y zoosfera pero que hagan explcitos los estados futuros probables tanto de las variables productivas como de los componentes y servicios ecolgicos. Se necesitan modelos que simulen: la dinmica de la materia orgnica del suelo, la composicin de la biota (modelos de dinmica poblacional de las especies de inters agronmico, tanto benficas como dainas), los procesos de salinizacin-sodificacin, de degradacin de suelos por alteracin de la estabilidad de agregados o de la extraccin de nutrimentos, de concentracin de sustancias txicas, etc. En este caso los diseos experimentales ya no se deben basar en la repeticin del mismo ciclo para diferentes situaciones ambientales (todas con las mismas condiciones iniciales), sino en la secuencia de varios ciclos donde los resultados de un ciclo son el inicio del siguiente: el objetivo es cuantificar el estado final de todos los componentes (tanto productivos como ecolgicos) si se persiste en un determinado manejo.

4.4. EMPRESA Y CADENA AGROALIMENTARIA La integracin de los modelos de produccin vegetal y animal con otros aspectos como ser parque de maquinarias, mano de obra, infraestructura, factores financieros y de comercializacin, brinda los datos necesarios para el anlisis, seguimiento y proyeccin de los aspectos administrativos y gerenciales de la empresa agropecuaria en estudio, a fines de planificar y evaluar las modificaciones pertinentes en cualquiera de los subsistemas analizados para lograr los objetivos del empresario. Adems de la proyeccin de los rendimientos, los modelos de la produccin del agroecosistema brindan la probable demanda de insumos y labores. Integrando estos datos fsicos en el mbito macroeconmico en que se desenvuelve la actividad agroproductiva, se est en condiciones de estimar los costos y mrgenes probables. Los modelos econmicos que se aplican a las empresas agropecuarias son los mismos que se utilizan para cualquier otra actividad productiva. Los programas computacionales para el tratamiento de los datos econmicos son los ms desarrollados y de mayor disponibilidad en el mercado actual de software.

Figura 5: Esquema de los principales pasos en la estimacin de costos y mrgenes probables. Mientras que en el nivel productivo la principal fuente de incertidumbre proviene del comportamiento climtico, en el nivel econmico los riesgos derivan de la variabilidad de los mercados de productos e insumos, a travs de los precios y costos esperados. Para el pronstico de precios de productos e insumos se dispone de una importante batera de metodologas matemticas y estadsticas, entre las cuales siempre es posible hallar alguna que se ajuste a las caractersticas y disponibilidad de datos del problema en estudio (Makridakis y Wheelwright, 1989; Shim y Siegel, 1988). Con los ingresos y costos probables se est en condiciones de proyectar los resultados econmicos posibles de obtener y su probabilidad de ocurrencia.

Con estos resultados de las diferentes alternativas productivas propuestas se procede a determinar la combinacin de actividades ms convenientes, para lo cual tambin se dispone de diversas metodologas (Barnard y Nix, 1984; Barry, 1984; Beneke y Winterboer, 1984; Contini et al., 1984; French, 1988; Guerras, 1989; Hardaker, 1975; Kingwell y Pannell, 1987; Robison y Barry, 1987; Valds y Pardo, 1987). 4.5. REGIN: ORDENAMIENTO TERRITORIAL Por ltimo, la disponibilidad de datos censales o de encuestas permite caracterizar los diferentes tipos de empresas agropecuarias, y su proporcin, que podemos hallar en una regin. Estos datos constituyen la base para la aplicacin de modelos dirigidos a apoyar la planificacin regional (evaluacin econmica de la incorporacin de nuevas tcnicas, estudio de cuencas hidrolgicas, anlisis del impacto del empleo de pesticidas sobre la contaminacin del ambiente regional, etc.). Paralelamente a lo anterior, toda actividad agropecuaria tiene su base en un ecosistema original fuertemente condicionado por su ubicacin geogrfica (topografa, suelos, clima, vegetacin y fauna original, distancia a centros de comercializacin, etc.) que determinan el tipo e intensidad de produccin factible de realizar. Es importante, en consecuencia, que todo anlisis para el control y la toma de decisiones acerca de las actividades de un predio o de una regin agropecuaria permita incluir y representar sus referencias geogrficas y sus relaciones espaciales con otros factores productivos. Por lo tanto, la representacin espacial y el empleo de los Sistemas de Informacin Geogrfica de la biogeoestructura, tecnoestructura, hidroestructura y de los espacios de un establecimiento o de una regin es fundamental para el desenvolvimiento de las actividades profesionales de los Ingenieros Agrnomos (Gast et al., 1993). 4.6. UTILIDADES DE LA APLICACIN DE LOS MODELOS DE SIMULACIN Un modelo pretende asemejarse al sistema real e imitarlo en su comportamiento, pero es ms sencillo y cmodo que aqul. Las ecuaciones pueden resolverse para obtener valores de prediccin, de este modo los supuestos e hiptesis empleados en la construccin del modelo pueden contrastarse con mediciones experimentales en el sistema real, y as ser refutados o confirmados. El fracaso de un modelo en cuanto a predecir el comportamiento del sistema real es til en s mismo, porque seala las fallas del marco conceptual a partir del cual se elabor. Si bien los modelos de simulacin son abstracciones imperfectas del sistema real, representan instrumentos tiles porque las respuestas y predicciones tcnicas (an provisionales) acerca de importantes problemas de productividad y conservacin de los sistemas naturales y/o tecnolgicos, y las lneas de accin que se deduzcan de ellas, pesan ms a la larga que el tratamiento preciso de detalles de menor relevancia. Desde el punto de vista de la formacin de los profesionales de las ciencias agrarias los modelos presentan las siguientes utilidades (Innis, 1973): Conceptual: se refiere a los beneficios derivados de la concepcin de los sistemas en trminos de algn tipo de modelo. Esta utilidad surge del hecho de que el modelo provee un marco de referencia en cual basar el pensamiento (los mapas conceptuales o esquemas de la psicologa cognitiva): identificacin de los principales componentes y procesos del sistema y de sus relaciones, es decir, la teora con la cual contrastar la realidad a fin de

realizar el diagnstico. Se destacan inmediatamente las aplicaciones docentes con el objetivo de incrementar el nivel de comprensin de los objetos y procesos en estudio. De desarrollo: es la que se obtiene al desarrollar el modelo de simulacin. Es necesario un pensamiento preciso. Al tratar de lograr que varios conceptos operen simultneamente dentro de la teora de las ciencias agrarias, se est forzando a los alumnos a estudiar interrelaciones y se pueden descubrir inconsistencias que estaban incluidas en la fase conceptual. Son importantes estos procedimientos rigurosos de anlisis, tanto para la docencia como para la investigacin, ya que exigen un gran esfuerzo cuantificador. Adems, se hace un mayor empleo del mtodo deductivo, en contraste con el tradicional inductivo, y se obliga a una mayor claridad en las hiptesis y en el diseo de los experimentos en procura de una definicin precisa de los fenmenos y de sus factores condicionantes. Para la formacin profesional, el aporte en este sentido se resume en la capacitacin y entrenamiento del alumno en el reconocimiento de los factores, variables y procesos pertinentes y relevantes del problema agroproductivo. De la salida: se refiere a los beneficios que se pueden obtener de la impresin de los resultados, producto final de la actividad de modelacin y simulacin. En lo que se refiere a la capacitacin y entrenamiento en el empleo de los modelos, la simulacin de casos por ordenador crea en el usuario una actitud de "experiencia prctica", debido a la multiplicidad de situaciones que puede confrontar en poco tiempo y a la variedad de alternativas (ecolgicas, tcnicas y econmicas) que pueden evaluarse. La interaccin entre usuario y modelo desarrolla la intuicin de las interdependencias y permite prever mejor las reacciones del sistema. Estas prcticas ante el ordenador agudizan el sentido crtico y el juicio con que el alumno enfrentar la realidad, profundizando su percepcin acerca de las probables causas y de las posibles soluciones de los problemas prcticos que encontrar en su futura actividad profesional. 5. INSERCIN DE LOS MODELOS EN LAS ACTIVIDADES CURRICULARES Se propone la planificacin de actividades basadas en la aplicacin de los modelos de simulacin con un enfoque integrador y complementario de las asignaturas de Ingeniera Agronmica. Integrador porque, a travs del enfoque sistmico, se trata de compensar la excesiva especializacin de las distintas disciplinas. Para ello se propone la realizacin de actividades integradoras (bsicamente estudios de casos reales con problemticas complejas) en las cuales el alumno deba aplicar conceptos y metodologas de diversas asignaturas, en un mbito interdisciplinario y con un objetivo que justifique y oriente el procedimiento a emplear. Complementario porque no suplanta ni se sobrepone a los aspectos especficos de cada disciplina, sino que las actividades de uso de los modelos de simulacin deben aprovechar el conjunto de conocimientos propios de cada materia, cuantificarlo e integrarlo en una metodologa de gran valor terico y prctico mediante aplicaciones concretas (modelos de simulacin y sistemas de informacin) para el profesional en formacin: los casos de estudio deben ser similares a los casos que debern resolver cuando sean profesionales. El diseo de una propuesta de contenidos y actividades para el entrenamiento en las aplicaciones de modelacin y simulacin debe considerar los aspectos de: aportar conocimientos acerca de los fundamentos tericos (los modelos conceptuales de las diversas disciplinas involucradas),

informacin y entrenamiento en la aplicacin de las metodologas y herramientas disponibles (tecnologas, tanto las propias de cada disciplina como las de desarrollo y aplicacin de los modelos de simulacin), y, principalmente, las caractersticas del proceso cognitivo puesto en juego por parte del alumno para la concrecin de su aprendizaje. En este sentido, la propuesta se debe basar en conceptos y teoras pedaggicas, sociolgicas y psicolgicas, entre otras, que fundamenten y justifiquen las actividades planificadas, es decir, considerar la incidencia y relevancia del marco referencial como componente bsico de todo proyecto pedaggico (Vogliotti et al., 1998). Por ejemplo, tener en cuenta los conceptos de cognicin situada o de aprendizaje prctico (a la gente se le ensea dndole cosas reales para hacer) y de aprendizaje justo a tiempo (la gente aprende a desarrollar una aptitud o adquiere un conocimiento en el momento en que lo necesita) (Reinhardt, 1995). Por el enfoque integrador y complementario propuesto para las actividades de aplicacin de los modelos, y por los niveles sistmicos, las reas y los diversos aspectos disciplinares involucrados, se entiende que es necesario que la insercin del uso de modelos de simulacin abarque temas dictados en todos los aos de cursado y en la mayor parte posible de las asignaturas. As se obtienen tres grandes beneficios: El alumno accede a la tecnologa informtica y a las aplicaciones de simulacin en forma gradual y continua, mediante prcticas simultneas al acceso a los conocimientos que le imparte el resto de las asignaturas. Las prcticas no slo acompaan y refuerzan los conocimientos que se incorporan en ese momento, sino que los van estructurando en un esquema conceptual integrador con las asignaturas correlativas anteriores y posteriores. De este modo, programas que en materias anteriores fueron el eje de la prctica, ahora se transforman en subrutinas que procesan aspectos parciales del nuevo sistema en estudio (Figura 6). Se rompe la tradicional estructura de asignatura, la cual es estrictamente disciplinaria. Si se pretende realizar una actividad interdisiciplinaria integradora no se puede conservar un esquema didctico analtico y disciplinario. La planificacin del uso de modelos a lo largo de toda la carrera, donde se obliga a usar conceptos, metodologas y datos de las restantes asignaturas, exige de los docentes una actitud de colaboracin y de planificacin conjunta. 6. CUESTIN A CONSIDERAR: En efecto, la inteligencia es capacidad de aprehender y evaluar lo propio de s mismo y de lo otro. Los individuos, por ser inteligentes, son de voluntad autnoma: se constituyen en fines para todos los que actan, y en determinantes de fines para las acciones propias. Pero, si se interpreta la inteligencia humana como clculo o procesamiento de informacin, los individuos toman la figura de instrumentos integrales: no slo por su energa mecnica, sino tambin por su actividad mental ... La mente del hombre informatizado sera pasiva, sin espontaneidad propia, ni propsitos intrnsecos; de mayor eficiencia en el desarrollo de programas, pero necesariamente programada por otros ... Si prevalece el paradigma de la inteligencia-clculo, entonces se debilita el dinamismo tico de la accin: queda una trama casi unidimensional de acciones tcnicas (Prado, op.cit.) El enfoque de sistemas y el procesamiento de la informacin deben, por eso, tomarse como apoyos conceptuales que orienten los aspectos de la capacitacin y entrenamiento de los profesionales en los temas ms tcnicos, ms formalizables. Pero debern ser complementados con las cuestiones de ubicacin de dichas capacidades en un contexto sociocultural que justifique y oriente su seleccin y aplicacin.

Agrosistema (Empresa agropecuaria) Agroecosistema BOTN.SIST. ECOLOGA FITOPATOLOGA ZOOLOGA CULTIVOS Morfometra MORFOL.VEG. Fenometra Balance trmico y de radiacin Crecimiento races Bal.Hidrolg. Dinmica nutrimentos Mapas de suelos Planificacin forrajera Reproduccin FORRAJES Crecimiento animal ANAT. y FISIOL. ANIMAL Formulacin de raciones Subsistema Econmico Evaluacin inversiones ECONOMA MERCADEO ADMINISTRAC. Zoosfera Simulacin de la dinmica poblacional y produccin animal Planificacin Simulacin del crecimiento y desarrollo de cultivos Subsistema Tecnolgico Fitosfera Dinmica de poblaciones de plagas TECNOLOGA de TIERRAS y AGUAS DBases y mapas de vegetacin Evaluacin sustentabilidad SANIDAD VEGETAL

Controles Labores Fertilizantes Riego Hbridos

MEJORAM. GENTICO

FISIOL.VEG.

Riesgo productivo

Evaluacin de resultados

CLIMATOLOG.

EDAFOLOGA

Presupuesto financiero y operativo

NUTRIC. ANIMAL

Sistema Soporte de Decisiones Anlisis de series climatolgicas ESTADSTICA Anlisis de series de precios y costos

Figura 6: Esquema simplificado de posibles aplicaciones de modelos en la formacin de Ingenieros Agrnomos al nivel de Empresa Agropecuaria (Referencias: ASIGNATURAS , Modelos , Niveles Agrosistmicos ) Las normas ticas surgen de la confrontacin de la voluntad autnoma del hombre con los requerimientos que plantea la accin, de all que las aplicaciones de los modelos de simulacin sobre casos reales tengan entre sus objetivos transformarse en instancias de vivenciar la prctica verdadera y de aprehender la tica profesional.

7. BIBLIOGRAFA Aguilar, C. y R. Caas, 1992. Simulacin de sistemas: Aplicaciones en produccin animal. En: Ruiz, M.E. (Ed.), 1992. Simulacin de sistemas pecuarios. Red de investigacin en sistemas de produccin animal en Latinoamrica (RISPAL). IICA. San Jos (Costa Rica). Captulo 5: 189-280. Ander-Egg, E., 1994. Interdisciplinariedad en Educacin. Ed. Magisterio del Ro de la Plata. Buenos Aires, 92 pp. Barnard, C.S. y J.S. Nix, 1984. Planeamiento y control agropecuarios. Biblioteca de Ciencias Econmicas. Editorial El Ateneo. Buenos Aires. 527 pp. Barry, P.J. (Ed.), 1984. Risk management in agriculture. Iowa State University Press. Ames (Iowa). 282 pp. Beneke, R.R. y R. Winterboer, 1984. Programacin lineal: Aplicacin a la Agricultura. Aedos. Barcelona. 222 pp. Bunge, M., 1981. Teora y realidad. Editorial Ariel. Barcelona. 304 pp. Bunge, M., 1995. Sistemas sociales y filosofa. Editorial Sudamericana, Buenos Aires, 197 pp. Caas, R., C. Aguilar y A.C. Snchez, 1982. Desarrollo de un modelo de simulacin para el estudio del cambio de peso en novillos a pastoreo. Sistemas en agricultura. IISA. Pontificia Universidad Catlica de Chile. 32 pp. Caas, R. y C. Aguilar, 1992. Uso de la bioenergtica en produccin de bovinos. En: Ruiz, M.E. (Ed.), 1992. Simulacin de sistemas pecuarios. Red de investigacin en sistemas de produccin animal en Latinoamrica (RISPAL). IICA. San Jos (Costa Rica). Captulo 1: 7-100. Contini, E., J. Diniz de Arajo, A.J. de Oliveira y W. Espinoza Garrido, 1984. Planejamento da propriedade agrcola: Modelos de deciso. EMBRAPA-DDT. Brasilia. 300 pp. Duek, J.J., 1979. La teora de sistemas generales y su aplicacin para resolver problemas ambientales. CIDIAT. Mrida (Venezuela), 82 pp. French, S., 1988. Decision Theory: An introduction to the matematics of rationality. Series in mathematics and its applications. Ellis Horwood Limited Publishers. Chichester (England). 448 pp. Gast, J., C. Gonzlez y P. Rodrigo, 1993. Bases para la planificacin y desarrollo de ecosistemas prediales. Ciencia e Investigacin Agraria 20 (3): 149-159. Giorgis, R., M.A. Pilatti y D.A. Grenn, 1988. Validez local de un modelo para la generacin de datos meteorolgicos diarios. Trabajo Final de Graduacin. Facultad de Agronoma y Veterinaria. Universidad Nacional del Litoral. Esperanza (SF). Indito. Grenn, D.A., 1992. Manual del usuario del Modelo de simulacin para planificacin forrajera. Facultad de Agronoma y Veterinaria. Universidad Nacional del Litoral. Indito. Grenn, D.A.,1994. Agromtica: Aplicaciones informticas en la empresa agropecuaria. Subsecretara de Informtica y Desarrollo. Secretara de Ciencia y Tecnologa de la Nacin. Buenos Aires. 151 pp. Guerras Martn, L.A., 1989. Gestin de Empresas y Programacin Multicriterio. ESIC Editorial, Madrid, 275 pp. Hardaker, J.B., 1975. Programacin de granjas con computadoras. Editorial Acribia. Zaragoza. 168 pp. Innis, G., 1973. Simulation of ill-defined systems: Some problems and progress. Simulation Today 2(1): 33-36. Kingwell, R.S. y D.J. Pannell (eds.), 1987. MIDAS, a bioeconomic model of a dryland farm system. Simulation Monographs. PUDOC. Wageningen. 207 pp.

Makridakis, S. y S.C. Wheelwright, 1989. Forecasting methods for management. John Wiley and Sons. Singapur. 470 pp. Naylor, T.H., 1982. Experimentos de simulacin en computadoras con modelos de sistemas econmicos. Editorial Limusa. Mxico. 510 pp. Naylor, T.H., J.L. Balintfy, D.S. Burdick y K. Chu, 1991. Tcnicas de simulacin en computadoras. Editorial Limusa. Mxico. 390 pp. Norero, A. y M.A. Pilatti, 2002. Enfoque de sistemas y modelos agronmicos. Coleccin Ctedra, Universidad Nacional del Litoral, Santa Fe, 160 pp. NRC, 1989. Nutrient requeriments of dairy cattle. National Academy Press. Washington. 157 pp. Pilatti, M.A. y A. Norero, 2004. Simulacin de cultivos anuales: Formulaciones bsicas del desenvolvimiento normal. Coleccin Ctedra, Universidad Nacional del Litoral, Santa Fe, 143 pp. Prado, J.J., 1993. Problemas filosficos de la inteligencia, del conocimiento y de la cultura. Universidad Nacional de Ro Cuarto. Ro Cuarto (Crdoba), 182 pp. Quiroz, R.A., 1992. Apuntes sobre modelos matemticos en problemas ganaderos. En: Ruiz, M.E. (Ed.), 1992. Simulacin de sistemas pecuarios. Red de investigacin en sistemas de produccin animal en Latinoamrica (RISPAL). IICA. San Jos (Costa Rica). Captulo 4: 153-188. Rabbinge, R., 1994. Apuntes de la conferencia Fundamentos estratgicos para el uso sustentable del territorio. II Seminario Internacional Desarrollo agropecuario sustentable. INTA-INDEC. Buenos Aires. Octubre de 1994. Reinhardt, A., 1995. Nuevas formas de aprendizaje. Revista Byte, marzo 1995: 20-32. Relz, R. (Dir.), 2000. Proyecto de Investigacin La relacin del hombre con la naturaleza hacia el desarrollo sustentable. Una mirada desde el paradigma de la complejidad para la capacitacin de recursos humanos CAI+D 2000, Facultad de Ciencias Agrarias (UNL), Esperanza. Robinson, L.J. y P.J. Barry, 1987. The competitive firms response to risk. Macmillan Publ. Co. New York. 324 pp. Shim, J.K. y J.G. Siegel, 1988. Handbook of financial analysis, forecasting and modeling. Prentice-Hall. New Jersey. 437 pp. Sierra, B. y M. Carretero, 1993. Aprendizaje, memoria y procesamiento de la informacin: La psicologa cognitiva de la instruccin. En: Psicologa de la Educacin. Compilacin de C. Coll, J. Palacios y A. Marchesi. Alianza. Madrid. Taha, H.A., 1991. Investigacin de operaciones. Alfaomega. Mxico. 989 pp. Valds Snchez, T. y L. Pardo Llorente, 1987. Decisiones estratgicas. Serie Gestin Informatizada. Ediciones Daz de Santos SA. Madrid. 292 pp. Vogliotti, A., S. Nicoletti y M. Lladser, 1998. Importancia del marco terico en los proyectos pedaggicos. Contextos de Educacin I, Universidad Nacional de Ro Cuarto, Argentina. von Bertalanfy, L., 1979. Perspectivas de la Teora General de Sistemas. Alianza. Madrid.