Die Policy-Modellierung ist die Anwendung von agentenbasierter (sozialer) Simulation. Diese ist für die Analyse der Sozialpolitik wichtig. Die Ansätze der Policy-Analyse basieren auf der Grundlage qualitativer Forschungen oder statistischer und mathematischer Modellierung.
Viele große Denker haben schon seit Jahrhunderten versucht, soziale Phänomene zu erforschen. Es wird heute noch versucht, die Schleife zwischen den Interaktionen und der kollektiven Dynamik zu verstehen. Hierbei wird davon ausgegangen, dass Schlüsse über die soziale Wirklichkeit gezogen werden können.
Ab dem Jahr 2000 wurden weltweit viele neue Verfahren für die Erforschung von verschiedenen Ressourcen durchgeführt. Im Bereich der Erforschung von ökologischen und sozialen Zusammenhängen wurden immer neuere Erkenntnisse gewonnen. Dies wurde dadurch begünstigt, dass immer mehr Forscher in diesem Bereich strömten. Somit hat jeder von diesen Forschern ein eigenes Experiment mit einer speziellen Methode durchgeführt. Aus diesen Bemühungen sind Modellierungswerkzeuge entstanden.
Inhaltsverzeichnis
Abkürzungsverzeichnis
1. Einleitung
2. Die Komplexität der gesellschaftlichen Phänomene
3. COMPANIONMODELLING
3.1. DerAnsatz
3.2. Multi Agenten-Systeme (MAS) und Rollenspiele (RPG)
3.2.1. Multi-Agenten-Systeme (MAS)
3.2.2. Rollenspiele
3.2.3. Das öffnen der Black-Box.
4. Kritische Würdigung
5. Zusammenfassung
Literaturverzeichnis
Abkürzungsverzeichnis
Abbildung in dieser Leseprobe nicht enthalten
1. Einleitung
Viele große Denker haben schon seit Jahrhunderten versucht soziale Phänomene zu erforschen. Es wird heute noch versucht, die Schleife zwischen den Interaktionen und der kollektiven Dynamik zu verstehen. Hierbei wird davon ausgegangen, dass Schlüsse über die soziale Wirklichkeit gezogen werden können (vgl. Deffuant, Moss & Jager 2006).
Die Policy-Modellierung ist die Anwendung von Agentenbasierter (sozialer) Simulation. Diese ist für die the analysisAnalyse der Sozialpolitik wichtig. While agent based modelling has been seen as Die Ansätze der Policy-Analyse basieren auf der Grundlage qualitativer Forschungen oder statistischer und mathematischer Modellierung (vgl. Moss 2008).
Ab dem Jahr 2000 wurden weltweit, viele neue Verfahren für die Erforschung von verschiedenen Ressourcen durchgeführt. Im Bereich der Erforschung von ökologischen und sozialen Zusammenhängen, wurden immer neuere Erkenntnisse gewonnen. Dies wurde dadurch begünstigt, dass immer mehr Forscher in diesem Bereich strömten. Somit hat jeder von diesen Forschern ein eigenes Experiment mit einer speziellen Methode durchgeführt. Aus diesen Bemühungen sind Modellierungswerkzeuge entstanden (vgl. Étienne 2011): 16.
Im Jahr 2004, wurde ein Charta geschrieben: „A Companion Modelling Approach“, es handelt sich hierbei um eine wissenschaftliche Haltung und weniger um ein Handbuch. Es beschreibt u.a. dass Modelle und Simulationen, die Komplexität (unserer realen Welt) bewältigen und der Entscheidungsunterstützung dienen (vgl. ComMod).
2. Die Komplexität der gesellschaftlichen Phänomene
Um Komplexität zu bewältigen, muss erst verdeutlicht werden was Komplexität ist. Komplexität wird in zwei Ebenen unterteilt. Die höhere Ebene basiert auf der globalen Dynamik. Diese darzustellen oder zu zeigen ist fast unmöglich. Die zweite Ebene ist die untere Ebene der Komplexität. Diese basiert auf einer individuellen Dynamik. Generelles Problem ist, dass „Wahre Komplexität“ oft sogar noch restriktiver ist. Die Begründung ist, dass die Komplexität sozialen Phänomenen, meistens im Verborgenen liegt. Es wird davon ausgegangen, dass die höhere Ebene einen Einfluss auf die untere Ebene hat. Es gibt zwei Annahmen, wie sich dieser Vorgang bemerkbar macht. Es wird angenommen, dass die Individuen die globalauftauchenden Strukturen erkennen und darauf reagieren. Eine andere Annahme erklärt das Auftauchen von sozialen Phänomenen durch die besondere Anpassung des menschlichen Geistes. Zu Veranschaulichung dieser zweiten Annahme wird ein Beispiel genannt. Beispiel: Zwei Kinder wachsen in unterschiedlichen Welten auf. Das eine Kind wächst in einem Amazonas-Stamm und das andere Kind in Paris auf. Aufgrund der Unterschiedlichen Lebensräume, entwickelt sich jeder Mensch zu einer ganz anderen Person (Deffuant, Moss & Jager 2006). Entfernt man die individuellen Unterschiede und Einflüsse, so ist die Rolle der sozialen Interaktion nicht mehr wichtig. Aus diesem Grund, hat das Auftauchen von komplexen sozialen Normen, der Ruf einer Person oder dessen Einfluss, eine Steigerung der Komplexität zufolge. Die Muster dieser Interaktion sind durch Bekanntschaft, Freundschaft, Begegnungen (durch gemeinsame Interessen), Verwandtschaft oder physikalische Nähe gekennzeichnet. Aus diesem Grund, hängt der Inhalt der Wechselwirkung, mit der Art der sozialen Beziehungen zusammen (Moss 2008).
Es wird davon ausgegangen, dass Agentenbasierte-soziale-Simulationen, sich dazu eignen, die Frage der Komplexität zu beantworten und bestimmte Probleme zu erklären. Sie ermöglichen den Forschern, die Wechselwirkungen zwischen der unteren und der höheren Ebenen zu beobachten. Die Herausforderung besteht darin, Theorien dieser Wechselwirkungen zu entwickeln (Deffuant, Moss & Jager 2006).
3. COMPANION-MODELLING
Aufgrund der schnellen Verbreitung und der Vielzahl der unterschiedlichen Instrumente, hat sich das Companion Modelling als neue Form der Modellierung entwickelt. Das COMPANION-MODELLING ist ein nützliches Werkzeug, um komplexe, umweltbezogene Entscheidungsverfahren mit mehreren Beteiligten zu bewältigen. Es ist wichtig für das Ressourcen-Management, da es u.a. bei der Flächennutzungsplanung eine große Hilfe sein kann. Hierfür stehen Agentenbasierte Modelle und Rollenspiele zur Verfügung (Barreteau et al 2003). Es ist ebenfalls nützlich, für das Naturressourcenmanagement. Diese zeichnet sich bei der Simulation von Ökosystemen und Evolutions-Szenarien aus. Besonders geeignet ist es für Forschungs- und für die Ausbildungszwecke. Ein weiterer Vorteil ist, dass COMPANION-MODELLING der Diskussionsunterstützung dient (Barreau, Bousquet & Attonaty 2001).
3.1. Der Ansatz
Bei dem COMPANION-MODELLING-Approach geht es in erster Linie nicht darum, die beste Lösung zu finden. Vielmehr soll die Unsicherheit der Situation beschrieben werden. Das erste Ziel ist die Qualität zu verbessern, um kollektive Entscheidungsprozesse zu vermitteln.
Das zweite Ziel ist, die Gewinnung von Wissen über komplexe Systeme. Dem Wissenschaftler bzw. der Feldspieler, wird dieses Wissen durch Wechselwirkungen mit Hilfe eines Evolutionsmodells vermittelt. Das dritte Ziel ist, die Unterstützung des Prozesses der kollektiven Entscheidungsfindung. Hierfür muss ein ständiger und wiederholender Austausch zwischen Theorie und Feldforschung bestehen. Es entsteht eine Wechselbeziehung zwischen Theoretischen Annahmen und der Erhebung von empirischen Daten. Diese Daten werden mittels Beobachtungen und Befragungen durchgeführt.
Es bildet sich ein Schema, bei dem zunächst die Feldforschung an erster Stelle steht. (Barreteau, Bousquet & Attonaty 2001). Hierbei können Daten über die Ansichten und Meinungen der Menschen, (durch z.B. Freunden, Kollegen, religiöse Organisationen usw. in sozialen Netzwerken oder durch Medien) gesammelt werden (Deffuant, Moss & Jager 2006). Aus den Erkenntnissen dieser Feldforschung kann ein Modell projiziert werden. Problem ist jedoch, dass dieses Model nur einen Teil der Hypothesen abdeckt. Das Modell wäre sonst zu komplex. Beim durchlauf der Simulation wird verdeutlicht, ob die Annahme richtig ist oder überarbeitet werden muss. Je nach dem, was die Simulation ergibt, muss wieder die Feldforschung in Betracht gezogen werden. Hierbei wird von Feldarbeit -> Modellierung -> Simulation -> Feldarbeit usw. ausgegangen (Barreteau et al 2003). Somit gibt es eine dauerhafte Konfrontation zwischen Feld- und Modellierungsverfahren (vgl. Barreteau, Bousquet & Attonaty 2001).
Bei komplexen Situationen müssen Entscheidungsprozesse wiederholt und kontinuierlich weiterentwickelt werden. Bei diesen Prozessen entstehen zunächst immer unvollkommene Ergebnisse, die nach jeder Wiederholung besser werden. Es ist nicht entscheidend wie qualitativ gut die Wahl der Entscheidung ist, jedoch die Qualität des Prozesses welcher zu einem Ergebnis führt (Barreteau et al. 2003).
3.2. Multi-Agenten-Systeme (MAS) und Rollenspiele (RPG)
Allgemein sind Multi-Agenten-Systeme und Rollenspiele nützliche Werkzeuge. Sie helfen die Grenzen zu überschreiten und die Komplexität der untersuchten Systeme zu erkennen (Barreteau et al 2003).
In der Realität gibt es viele Kombinationen von pragmatischen und theoretischen Fragen. Diese betreffen u.a. die Fragen der Betriebsführung von regenerativen Ressourcen und der Umwelt. Hierbei handelt es sich, um komplexe und sehr dynamische Forschungsobjekte. Diese bedürfen eines wiederholenden Prozesses des Verstehens. Somit, muss jedes Merkmal und jede Konfrontation berücksichtigt und analysiert werden. Zunächst werden Annahmen getroffen, auch wenn eine allgemeine Theorie der Modellvalidierung (Reproduzierbarkeit eines Ergebnisses) nicht existieren sollte. Die Verfahren unterscheiden sich von physikalischen, biologischen und mathematischen Modellen. Trotzdem müssen Sie verwendet und berücksichtigt werden (Barreteau, Bousquet & Attonaty 2001).
3.2.1. Multi- Agenten-Systeme (MAS)
MAS werden herangezogen um reale Ökosysteme zu erschaffen. Diese Ökosysteme werden, mit relevanten Maßstäben der Evolution definieren. Hierbei wird sich im Rahmen von Studien, über natürliche Ressource bezogen. Auf Grundlage dieses virtuellen Ökosystems, ist es möglich, Experimente mit Hilfe von Szenarien zu simulieren. MAS-Modelle können Experimente mit voll wiederholbaren und kontrollierbaren Szenarien, von angemessener Dauer durchführen. Diese Durchführbarkeit, hängt von der der Qualität der Modellierung und der Leistung der verwendeten Maschinen ab. Der Vorteil ist, dass keine potentiellen Schädlichen für Mensch und Umwelt verursacht werden. Die Analyse der Ergebnisse ist ein Mittel um Theorien über das Verhalten des virtuellen Ökosystems zu entwickeln. Dieses wird mit anderen Beobachtungen verglichen. Einige Schwierigkeiten entstehen, wenn die Modelle auf Grundlage von realen Bedingungen erweitert werden sollen. Eine gewisse wirksame Reproduzierbarkeit kann daher notwendig sein (Barreteau, Bousquet & Attonaty 2001).
Es wird angenommen, dass auf Basis von Situationen im Bereich des erneuerbaren Ressourcenmanagements, ein Akteur sich weniger auf eine einfache Formalisierung seiner Wahrnehmung beruft. Vielmehr ist der Informationsaustausch zwischen Akteuren (einschließlich Experten) wichtig. Das Erfolgt, über Darstellungen und den vorhandenen Erkenntnissen. Dieser Austausch hilft dem Akteure, sich mit den Wechselwirkungen zwischen verschiedenen validierten Darstellungen auseinander zu setzen. Ebenfalls soll sich der Akteur, mit der Systemdynamik im Modell befassen. Hieraus entsteht ein echter Lernprozess. Ein weiteres Ziel ist die Förderung von Kollektiven-Entscheidungsprozessen (Barreteau et al 2003).
MAS ist ein Werkzeug, für das Spiel mit kollektiven Regeln. MAS eignet sich, für die Erkundung konsequenten Verhaltens der Ökosysteme, ausgehend von unterschiedlichen Anfangskontexten. Sie bieten somit, ein besseres Verständnis für das komplexe Verhalten von Ökosystemen. Sie bieten die Möglichkeit, die Folgen einer gegebenen Menge von kollektiven Regeln zu testen. Dazu ist eine Reihe von Annahmen über das Verhalten der Individuen notwendig. Die Verwendung von Modellen dient dazu, die Kosten von Versuch und Irrtum zu begrenzen. Durch „learning by doing“ kann durch Simulationen gelernt werden. Aus diesem Grund, ist das Lernen in einer virtuellen Welt eine nützliche Methode, um über die reale Welt zu lernen. Das geschieht nur, wenn der Lehrling in der Lage ist, die Verbindung zwischen den beiden Welten zu erkennen (Barreteau, Bousquet & Attonaty 2001).
Die Vorgehensweise sieht wie folgt aus. Der Forscher beginnt mit dem Bau eines ersten vorläufigen Modells, welches dem Feldbasierten Vorstellungen des Modellierers entspricht. Dieses erste Model wird mit realen Umständen konfrontiert. Aus diesem Grund wird es überarbeitet und erhält neuere Strukturen (Barreteau et al. 2003). Das physikalische Modell, dient der Entwicklung von realen Ökosystemen, unter Berücksichtigung von bestimmten Hypothesen. Bei einem MAS sollen in einem Trainingsprozess die Fähigkeiten erforscht werden. Das dient dazu, dass die Folgen der verschiedenen Szenarien und Regeln für gemeinsames und individuelles Verhalten, auf praktischer Weise geliefert werden. Es soll ein Einblick in die Prozesse der Systemdynamik entstehen. Problematisch ist, dass bestimmte Standpunkte die berücksichtigt werden möglicherweise widersprüchlich sein können. Das würde, z.B. bei der Einbeziehung neuer Elemente (die wichtig für die Herangehensweise sind) entstehen. Das Bedeutet auch, dass jeder Simulationsdurchlauf (Schleife) mit neuen externen Elementen konfrontiert wird.
Die Ergebnisse werden dynamischer und die Beobachtung wird immer schwieriger. Eine Möglichkeit ist, diese mit anderen simulierten Ergebnissen zu Vergleichen. Diese sollten einfachere Dynamik besitzen (Barreteau, Bousquet & Attonaty 2001).
Nach mehreren Überarbeitungen, finden sich bestimmte Merkmale in der Feldsituation wieder. Es stellen sich, für die Akteure immer neuere Fragen. Somit werden Diskussionen über die Modell-Hypothesen und über die Simulationen angeregt. Der Ausgang dieser Diskussionen kann Änderungen mit sich bringen. Aus diesem Grund, müssen neue Fragen formuliert werden. Dieses Verfahren führt zu der Konstruktion eines neuen Modells. Es kann aus dem Vorgängermodell abgeleitet werden, wobei dieses ebenfalls mit realen Umständen konfrontiert wird. Das bedeutet das Modell erlebt eine neue Entwicklung. Dieser Zyklus wiederholt sich und führt dazu, dass eine Familie von Modellen entsteht. Diese können die Wechselwirkungen zwischen den aufeinanderfolgenden Modellen bewältigen. Es gibt keine allgemeine Formel oder Format, um das Modell mit immer mehreren Elementen auszustatten.
Eine solche Familie von Modellen ist ein echtes Wissenssystem, in welche die Handlungen (bestehend aus persönlichen und gemeinsamen Kenntnis) der Forscher und Akteure in das Systems eingebracht werden. Für den Beobachter eines solchen Prozesses gibt es zahlreiche Herausforderung der Modellierungen. Im offenbart sich ein verbessertes Verständnis dieser Prozesse (Barreteau, et al 2003).
3.2.2. Rollenspiele
Die Anwendung von Rollenspielen dient dem Zweck der Wissenserhebung und der Modell-auswertung (Moss 2008). Einige Rollenspiele sind mit Beteiligung von Prozessen als Gruppenentscheidungshilfen zu sehen. Ziel ist der Informationsaustausch zwischen den Akteuren. Hierbei werden, die Akteure in einer virtuellen Welt, in einem Rollenspiel verwickelt. Die Rollen und Regeln sind genau definiert. Rollenspiele können verwendet werden, um komplexe und dynamische soziale Systeme, bei der Nutzung der gemeinsamen Ressourcen darzustellen. Von großer Bedeutung ist es heraus zu finden, ob eine Beziehung zwischen dem Rollenspiel der Akteure und ihrer sozialen Realität besteht. Hierfür sind folgende Bedingungen notwendig. Zum Einen, muss die Realität in einem Spiel untergebracht werden. Zum Anderen soll herausgefunden werden, wie ein Spiel das wirkliche Leben beeinflussen kann. Das Ziel ist, die Charakterisierung von Situationen, in denen Menschen interagieren, um gemeinsame Probleme zu lösen (Daré, Barreteau 2003).
Damit der Spieler seiner realen Verhaltensweisen, Normen und Beziehungen offenbart und das Spiel mit seinen Regeln anerkennt, müssen drei Bedingungen gegeben sein. Erste Bedingung ist, das Spiel wird als schematische Darstellung der Realität akzeptiert. Jedoch ist das Spiel teilweise ein Ausdruck aus der Sicht der Forscher. Somit ist fraglich, ob der Akteur diesen Standpunkt vertritt und akzeptiert. Das ist in dieser Hinsicht Problematisch, da die Charaktere in einem Spiel als Karikaturen dargestellt werden. Ein weiteres Problem ist, die Regeln müssen so gestaltet werden, dass die Menschen in dynamischer Aktion sind. Aus diesem Grund, soll die Analyse ihrer Wechselwirkungen alle Elemente (Normen, Verhaltens-weisen, Regeln in Verhandlungen) umfassen.
Zweite Bedingung ist, dass die soziale Herkunft der Spieler das Rollenspiel im Spielverlauf stört. Es wird angenommen, dass die Spieler ihre soziale Herkunft vor dem Spiel aufgeben. Die Spieler sind Mitglieder der gleichen Ortschaft. Sie teilen Werte, Normen, Gewohnheiten und Geschichte, die ihre Verhaltensweisen und Beziehungen im realen Leben wiederspiegeln. Alle diese Elemente strukturieren ihre Handlungen. Dieses kann den Spielverlauf stören. Dritte Bedingung ist, dass das Spiel die sozialen Beziehungen zwischen den Spielern enthüllt. Diese Annahme ist wichtig, um den sozialen Hintergrund im Spiel zu identifizieren (Daré, Barreteau 2003).
3.2.3. Das öffnen der Black-Box
Um MAS-Modelle an reale Bedingungen anzupassen, wo das Management der natürlichen Ressourcen wirklich stattfindet, müssen ihre Inhalte erklärt werden. Aus diesem Grund sollen Multi-Agenten-Systeme und Rollenspiele nicht isoliert voneinander betrachtet werden. Diese Methoden eignen sich um die Black Box zu öffnen. Diese vertritt die zugrunde liegende Modellannahme von Interessengruppen so, dass diese Verstehen und gemeinsam die Annahmen diskutieren können. Die reproduzierbaren Ergebnisse dienen dem Zweck der Schulung (Barreteau, Bousquet & Attonaty 2001).
Bei den Experimenten, nimmt die Verknüpfung zwischen Multi-Agenten-Systeme (MAS) und Rollenspiele (RPG) immer mehr zu (Daré & Barreteau 2003). Die Modelling kann ein Zwischenobjekt sein, welches das kollektive und interdisziplinäre Denken erleichtert (Barreteau et al 2003). Multi -Agenten-Systeme und Rollenspiele bieten vielversprechendes Potenzial für Synergien. Mit ihrer Hilfe können vielseitige Modellierungen entstehen. Diese Modelle dienen dazu, sich mit der Bewältigung der natürlichen Ressourcen und den Umwelt-Management-Themen auf Basis von Multi-Agenten-Systeme (MAS) zu befassen. Dieser Bereich wächst stetig.
Jedoch ist man an Laborbedingungen beschränkt. Der Vorteil ist, dass Simulationen auch für Lehr- und Ausbildungszwecke verwendet werden können. Einerseits, dient es beim Studium der Natur-Ressourcen-Management-Systeme. Andererseits, ist es für die Entwicklung neuer Fähigkeiten in diesem Bereich wichtig (Barreteau, Bousquet & Attonaty 2001). Weitere Ziele dieser Methoden basieren auf dem systemunterstützten Lernen oder dienen der Förderung von kollektiven Entscheidungsprozessen (Barreteau et al 2003).
4. Kritische Würdigung
Offensichtlich ist es zu komplex, dass alle Details von sozialwissenschaftlichen Theorien in einer einzigen Agenten-Architektur enthalten sind. Ein Problem ist, dass Phänomene Verzerrungen sind. Gäbe es eine Simulation, die alle realen Gegebenheiten beinhaltet, gäbe es eine extrem komplexe Architektur. Es ist jedoch bekannt, dass soziale Phänomene völlig abstrakt sind. Genauso wie physikalische Phänomene sind diese theoretischer Natur. Sie können kaum beobachtet werden. Über ihre Existenz und Bedeutung ist man sich jedoch bewusst. In der realen Welt können sich, verschiedene gesellschaftliche Prozesse gegenseitig beeinflussen. Die Dynamik der Wechselwirkungen ist aufgrund der Vielzahl, nur auf Laborforschungen begrenzt. In der Sozialwissenschaft und der sozialen Simulation bedarf es einer genaueren Beschreibung.
Es müssen neue einfache theoretische Grundlagen entstehen. Aus diesen Grundlagen, können wichtige experimentelle Ergebnisse abgeleitet und neu interpretiert werden. In einer Simu-lation können die Ergebnisse der Sozialpsychologie berücksichtigt werden.
Diese theoretischen Grundlagen für soziale Phänomene, dürfen nicht zu einfach sein. Zu einfache Regeln, würden die Erzeugten Effekte der Verhaltensdynamik auf der Makro-Ebene falsch darstellen. Mit empirischen Studien kann ein bestimmtes Merkmal beobachtet werden. Es ist schwierig, da bestimmte Verhaltensregeln in einem Rechenmodell nicht im Detail reproduziert werden können.
Die Komplexität der menschlichen Gesellschaft zeigt, dass das Spiel des Lebens kein perfektes Spiel ist. Kaum eine Spezies, außer dem Menschen beschäftigt sich mit sozialen Phänomenen. Es entstehen über die menschliche Gesellschaft zahlreiche Diskussionen. Die Entscheidungsprozesse von realen Gruppen, sagen mehr aus als Beobachtungen durch Fallstudien. Das Ergebnis einer Simulation bedeutet grundsätzlich nichts. Es zeigt ein mögliches Ergebnis des Modells (eines von Vielen). Primär, muss sich die Forschung auf die Entdeckung von Gesetzen sozialer Dynamik konzentrieren. Aus diesem Grund, müssen neuere Praktiken und Methoden für Simulationen entwickelt werden (Deffuant, Moss& Jager 2006).
5. Zusammenfassung
Ökosysteme sind in der Regel komplexe Systeme. Bei den Management-Fragen sind die Menschen in der Studie eingeschlossen. Aus diesen Gründen ist es schwer Experimente an realen Ökosystemen durchzuführen (Bareteau, Bosquet & Attonaty 2001). Komplexität wird in zwei Ebenen unterteilt. Die höhere Ebene basiert auf der globalen Dynamik. Diese darzustellen oder zu zeigen ist fast unmöglich. Die zweite Ebene ist die untere Ebene der Komplexität. Diese basiert auf einer individuellen Dynamik. Agenten-basierte Simulationen, sind dazu geeignet die Frage der Komplexität zu beantworten und bestimmte Probleme zu erklären. Sie ermöglichen den Forschern, die Wechselwirkungen zwischen der unteren und der höheren Ebenen zu beobachten (Deffuant, Moss & Jager 2006). Eine Vielzahl von Methoden und Hypothesen entstanden. Aufgrund der schnellen Verbreitung und der Vielzahl der unterschiedlichen Instrumente, hat sich das Companion Modelling als neue Form der Modellierung entwickelt. Es ist wichtig für das Ressourcen-Management. Hierfür stehen Agentenbasierte Modelle und Rollenspiele zur Verfügung (Barreteau et al 2003).
Computer-Simulationen geben Beispiele für komplexe Verbindungen zwischen einzelnen Interaktionen und kollektiver Dynamik (Deffuant, Moss & Jager 2006). Hierbei werden Experimente mit Hilfe von Szenarien simuliert (Barreteau, Bousquet & Attonaty 2001).
Der Hintergrund ist, dass Simulationsmodelle zunehmend als Entscheidungshilfen eingesetzt werden. Im Falle von natürlichen Ressourcen, ist eine Entscheidung selten das Ergebnis eines hypothetischen Entscheidungsträgers, es ist eher eine Frage der Wechselwirkungen zwischen verschiedenen Interessengruppen z.B. Manager (Barreteau, Bousquet & Attonaty 2001).
Simulationen können für Lehr- und Ausbildungszwecke verwendet werden (Barreteau, Bousquet & Attonaty 2001). Sie dem systemunterstützten Lernen, ebenso fördern sie kollektive Entscheidungsprozesse (Barreteau et al 2003). Die Ergebnisse werden zunehmend dynamischer und die Beobachtung wird immer schwieriger. Eine Möglichkeit ist, diese mit anderen simulierten Ergebnissen zu Vergleichen. Diese sollten einfachere Dynamiken besitzen (Barreteau, Bousquet & Attonaty 2001).
Die Anwendung von Rollenspielen dient dem Zweck der Wissenserhebung und der Modell-auswertung (Moss 2008). Rollenspiele sind geeignet für Gruppenentscheidungshilfen. Ziel ist der Informationsaustausch zwischen den Akteuren. Hierbei werden, die Akteure in einer virtuellen Welt, in einem Rollenspiel verwickelt (vgl. Daré, Barreteau 2003).
Um MAS-Modelle an reale Bedingungen anzupassen, sollen Multi-Agenten-Systeme und Rollenspiele nicht isoliert voneinander betrachtet werden. Diese Methoden eignen sich um die Black Box zu öffnen. Diese vertritt die zugrunde liegende Modellannahme von Interessen-gruppen so, dass diese Verstehen und gemeinsam die Annahmen diskutieren können. Die reproduzierbaren Ergebnisse dienen dem Zweck der Schulung (Barreteau, Bousquet & Attonaty 2001). Trotz vieler Vorteile ist man an Laborbedingungen beschränkt (Barreteau, Bousquet & Attonaty 2001).
Literaturverzeichnis
Barretau, O.; Bousquet, F. & Attonaty, J. M. (2001). Role-playing games for opening the black box of multi-agent systems: method and lessons of its application to Senegal River Valley irrigated systems. Journal of Artificial Societies and Social Simulation vol. 4, no. 2.
Barreteau, O.; et al (2003). Our Companion Modelling Approach. Journal of Artificial Societies and Social Simulation vol. 6, no. 1.
ComMod. ComMod: a Companion Modelling Approach. Verfügbar unter, http://cormas.cirad.fr/ComMod/en/ [Zugriff 30. Januar 2014].
Daré, W.; Barreteau, O. (2003). A role-playing game in irrigated system negotiation between play and reality. Journal of Artificial Scocieties and Scocial Simulation, vol. 6, no. 3.
Deffuant, G.; Moss, S. & Jager, W.(2006). Dialogues Concerning a (Possibly) New Science. Journal of Artificial Societies and Social Simulation vol. 9, no. 1.
Étienne , M. (2011). Companion Modelling. A partipatory approach to support sustainable development. Verseilles: Éditions Quae.
Moss, S. (2008). Policy Modelling: Problems and Prospects. Verfügbar unter, http://www.cfpm.org/papers/essa-moss.pdf [Zugriff 11.01.2014].
[...]
-
-
-
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen.