г. Ростов-на-Дону ул. Пушкинская, 43, оф. 10
e-mail: info@hjournal.ru 
тел. +7(863) 269-88-14

scienceRU

Имитационное моделирование и институциональные исследования

Имитационное моделирование и институциональные исследования

Journal of Institutional Studies (Журнал институциональных исследований), , Том 9 (номер 3),

В статье анализируется использование имитационного моделирования в проведении институциональных исследований. Автор подчеркивает, что институциональный подход основан на наблюдении за социальным поведением. Чтобы понять социальный процесс, необходимо определить ключевые правила, которые используют те, кто предпринимает действия, связанные с этим процессом или явлением. Институты не предопределяют поведенческие реакции, хотя во многих социальных ситуациях большинство подчиняется доминирующим правилам. Для точного описания социальных процессов необходимо изучение законов трансформации институциональных паттернов. По мнению автора, главная сложность в институциональном анализе заключается в рекурсивной природе институтов: если известны правила, можно предположить какие на их основе возможны действия, гораздо сложнее провести реконструктивный обратный анализ. В статье рассматриваются основные принципы применения институционального подхода и подчеркивается важность применения имитационного моделирования. Подробно рассматриваются принципы и методология создания имитационных моделей. Автор указывает, что имитационное моделирование позволяет определить значимость институтов в социальных транзакциях. Кроме того, имитационное моделирование показывает: в долгосрочной перспективе институциональные процессы не детерминируются первоначальными условиями.


Ключевые слова: неоинституционализм, имитационное моделирование, институты, методология, виртуальные агенты

Список литературы:
  • Айзекс Р. (1967). Дифференциальные игры. М.: Мир.
  • Барбашин М. Ю. (2005). Современные социологические подходы в изучении этничности // Социально-гуманитарные знания. № 4, с. 167–180.
  • Барбашин М. Ю. (2011). Институциональная демократия и социальные дилеммы: опыт постсоветских трансформаций. Saarbrucken: LAP Publishing.
  • Барбашин М. Ю. (2013a). Современный этногенез: методологические возможности теории институционального распада // Социально-гуманитарные знания, 7, сc. 48–56.
  • Барбашин М. Ю. (2013b). «Советскость» в этносоциальном пространстве Кавказа: этнические и институциональные процессы // Политика и общество, № 3. сc. 368–372.
  • Барбашин М. Ю. (2014). Методологические возможности “Блумингтонской школы” и перспективы развития современного неоинституционализма // Журнал социологии и социальной антропологии, XVIII, № 1, cс. 98–112.
  • Барбашин М. Ю. (2016a). Теория институционального распада: концептуальный потенциал и методологические рамки // Журнал институциональных исследований, № 8(1), сc. 36–54.
  • Барбашин М. Ю. (2016b). Институциональная теория этничности // Этнографическое обозрение. № 3, cс. 112–127.
  • Дюркгейм Э. (1991). О разделении общественного труда. Метод социологии. М.: Республика.
  • Нельсон Р. и Винтер С. (2002). Эволюционная теория институциональных изменений. М.: Дело.
  • Нейман Ф. и Моргенштейн О. (1970). Теория игр и экономическое поведение. М.: Наука.
  • Норберт Э. (2001). О процессе цивилизации. Социогенетические и психогенетические исследования. М-СПб: Университетская книга.
  • Норт Д. (1997). Институты, институциональные изменения и функционирование экономики. М.: Начала.
  • Нуммелин Э. (1989). Общие неприводимые цепи Маркова и неотрицательные операторы. М.: Мир.
  • Остром Э. (2010). Управляя общим. Эволюция институтов коллективного действия. М.: Мысль.
  • Рекорд Нейл. (2004). Стратегии валютного дилера. Валютный оверлей. Москва: Интернет-трейдинг.
  • Талеб Н. (2009). Черный лебедь. Под знаком неопределенности. М.: КоЛибри.
  • Федеряков А. С. (2011). Имитационное моделирование рынка ценных бумаг на основе мультиагентного подхода. М.: НОУ ВПО РНО.
  • Abrahamson, D., Wilensky, U. and Levin, J. (2007). Agent-Based Modeling as a Bridge between Cognitive and Social Perpsectives on Learning. Paper Presented at the Annual Meeting of the American Educational Research Associaton, Chicago, IL.
  • Abreu, D. and Rubinstein, A. (1988). The Structure of Nash Equilibrium in Repeated Games with Finite Automata // Econometrica, 56, 1259–1282.
  • An, G. and Wilensky, U. (2009). From Artificial Life to in Silico Medicine: NetLogo as a Means of Translational Knowledge Representation in Biomedical Research’, in Adamatzty A. and M. Komosinski (eds.) Artificial Life Models in Software (2n ed.), Berlin: Springer-Verlag.
  • Aslan, U. and Wilensky, U. (2016). Restructuration in Practice: Challenging a Pop-Culture Evolutionary Theory through Agent Based Modeling, in Proceedings of the Constructionism, 2016 Conference. Bangkok, Thailand.
  • Blikstein, P. and Wilensky, U. (2009). An Atom is Known by the Company it Keeps: A Constructionist Learning Environment for Materials Science Using Multi-Agent Simulation // International Journal of Computers for Mathematical Learning, 14(2), 81–119.
  • Bollinger, L. A., van Blijswik, M. J., Dijkema, G. P. and Nikolic, I. (2016). An Energy Systems Modelling Tool for the Social Simulation Community // Journal of Artificial Societies and Social Simulation, 19(1).
  • Brutschy, A., Pini, G., Pinciroli, C., Birattari, M. and Dorigo, M. (2013). Self-Organized Task Allocation to Sequently Indeterdependent Tasks in Swarm Robotics // Automous Agents and Multi-Agent Systems, 28(1), 101–125.
  • Chelvalier, J. M. and Buckles, D. J. (2013). Participatory Action Research: Theory and Methods for Engaged Inquiry. London: Routledge.Dickerson, M. (2015). Agent-based modeling and NetLogo in the Introductory Computer Science Curriculum: Tutorial Presentation // Journal of Computing Sciences in Colleges, 30(5), 174–177.
  • Fujimoto, Richard M. (2001). Parallel Simulation: Parallel and Distributed Simulation Systems in Proceedings of the 33-nd Conference on Winter Simulation, WSC, 01, Washington, DC, USA: IEES Computer Society: 147–157.
  • Janssen, M., Holchan, R., Lee, A. and Ostrom, E. (2010). Lab Experiments for the Study of Social-Ecological Systems // Science, 328(5978).
  • Hurwicz, L. (1996). Institutions as Families of Game Forms // Japanese Economic Review, 47(2), 113–132.
  • Kushner, H. J. and Yin, C. C. (1997). Stochastic Approximation Algorithms and Applications. New York, NY: Springer-Verlag.
  • Lalonde, W. and Pu, J. (1991). Subclassing ≠ subtyping ≠ is-a // Journal of Object-Oriented Programming, 3(5), 57–62.
  • Law, Averill. (2007). Simulation Modeling and Analysis. Boston: McGraw – Hill. 
  • Lewis, M. A. and Bekey, G. A. (1992). The Behavioral Self-organization of Nanorobots Using Local Rules in Proceedings of the IEEE / RSJ International Conference of Intelligent Robots and Systems, 2, 1333-1338.
  • Metropolis, N. and Ulam, S. (1949). The Monte Carlo Method // Journal of the American Statistical Association, 44, 335–341.
  • Ostrom, E. (2011). Background on the Institutional Analysis and Development Framework // Policy Studies Journal, 39(1).
  • Persha, L., Harry, F., Ashwini, Ch., Agrawal, A. and Benson, C. (2010). Biodiversity Conservation and Livelihoods in Human-dominated Landscapes: Forest Commons in South Asia // Biological Conservation, 143, 298–292.
  • Polhill, J. G. and Gotts, N. M. (2009). Ontologies for Transparent Integrated Humannatural Systems Modelling // Landscape Ecology, 24(9), 1255–1267.
  • Schank, R. and Abelson, R. (1977). Scripts, Plans, Goals and Understanding. Hillsdale, NJ: Erlbaum.
  • Scott, N., Livingston, M., Hart, A., Wilson, J., Moore, D. and Dietze, P. (2016). SimDrink: An Agent-Based NetLogo Model of Young, Heavy Drinkers for Conducting Alcohol Policy Experiments // Journal of Artificial Societies and Social Simulation, 19(1).
  • Sifat, Momen, Kazi, Tanjila Tabassum. (2015). Group Performance in a Swarm of Simulated Mobile Robots // Ulab Journal of Science and Engineering, 6(1), November.
  • Herbert. S. (1963). Problems of Methodology – Discussion // American Economic Review: Papers and Proceedings, 53(2), 229-231.
  • Stieff, M. and Wilensky, U. (2001). NetLogo Buffer Model. Center for Connected Learning and Computer-Based Modeling. Northwestern University, Evanston, IL.
  • Taylor, R. I. (2003). Agent-based Modelling Incorporating Qualitative and Quantitative Methods: A Case Study Investigating the Impact of E-commerce upon the Value Change. Ph.D. Thesis, Centre for Policy Modelling, Manchester Metropolitan University. CPM
  • Report No. CPM-03-137.
  • Tinker, R. and Wilensky, U. (2007). NetLogo Climate Change Model. Center for Connected Learning and Computer-Based Modeling. Northwestern University, Evanston, IL.
  • Tirole, J. (1996). A Theory of Collective Reputations (with Applications to the Persistence of Corruption and to Firm Quality) // Review of Economic Studies, 63(1), 1–22.
  • Wilensky, U. (1998). NetLogo Koch Curve Model. Center for Connected Learning and Computer-Based Modeling. Northwestern University, Evanston, IL.
  • Wilensky, U. (2005). NetLogo Optical Illusion Model. Center for Connected Learning and Computer-Based Modeling. Northwestern University, Evanston, IL.Wilensky, U. (2016). NetLogo Signaling Game Model. Center for Connected Learning and Computer-Based Modeling. Northwestern University, Evanston, IL.
  • Williamson, O. E. (2005). The Economics of Governance // American Economic Review, 95(2), 1–18.
  • Zahadat, P., Hahshold, S., Thenius, R., Crailsheim, K. and Sahnicki, T. (2016). From Hoonebees to Robots and Back: Division of Labor Based on Partioning Social Inhabition // Bioinspiration and Biometrics, 10(6), 15. “Libraries”. (www.ccl.northwestern.edu – Access date: 19 July, 2017).
Издатель: ООО "Гуманитарные Перспективы"
Учредитель: ООО "Гуманитарные Перспективы"
Online-ISSN: 2412-6039 ISSN: 2076-6297