سفارش ترجمه تخصصی علوم پایه + نمونه ترجمه
چکیده. این مقاله دیدگاه چندرشته ای در زمینه بررسی رویکرد جدید سازماندهی غیرمحلی مبتنی بر زمینه و نمایندگی سیستم های اجتماعی دیجیتالی دارد. اساس نظری اصلی رویکرد مدلسازی جدید (OSIMAS- سیستم چندعاملی مبتنی بر نوسان)، فرضیات عاملی بعنوان سیستم منسجم نوسانات می باشد. در روش ما، فرضیات نظری مدل عامل نوسانی با استفاه از مطالعات تصویربرداری تجربی از مغز و با الهام گرفتن از علوم عصبی شناختی پشتیبانی می شوند (الکترانسفالوگرافی –EEG) که وضعیت ذهن مردم را برحسب توزیع ویژه امواج مغزی منسجم نشان می دهد. براساس فرضیات OSIMAS و یافته های تجربی ما، در این فصل به بررسی دو رویکرد متفاوت درباره ساخت مدلهای عامل نوسانی می پردازیم: 1. فونونها بعنوان کوانتوم نوسانی و 2. تابع موج مکانیکی کوانتومی. هردو روش برای شبیه سازی مدل عامل نوسانی و تعاملات اجتماعی غیرمحلی شبه میدانی طراحی شده اند. برخی نتایج شبیه سازی انتشار برانگیزش غیرمحلی و محلی در محیط های اجتماعی نیز در بخش نهایی ارائه شده اند.
کلمات کلیدی- تعاملات اجتماعی غیرمحلی؛ مدل عامل نوسانی؛ سیستم چندعاملی؛ نوسانات منسجم؛ علوم عصبی شناخت؛ انتشار برانگیزشی
مقدمه
بررسی مدلسازی عامل بنیان اصلی (ABM)، از تعاملات جفت به جفت نیوتنی (مکانیکی) بین عوامل استفاده می کند. با این حال، در جوامع دیجیتالی مدرن، ارتباط و پخش یک به چند، چند به یک و چند به چند را مشاهده می کنیم که در فضای مجازی و شبکه های اطلاعات اقتصادی روی می دهد (جکسون 2010، رایدز، پلیکناز و رایدز 2014).
فناوریهای مدرن ارتباطات و اطلاعات نوع جدیدی از عامل را ارائه می دهد، یعنی نماینده غیرمحلی که از نظر مشارکت در اطلاعات و شبکه های جهانی، غیر محلی است، جاییکه اطلاعات فراخوانده شده در شبکه های اجتماعی و به روش انتشار شبه میدانی توزیع می شود. یعنی، عوامل سیستم اجتماعی مرتب (سازمان) همچون ذخیره اطلاعات منسجم دوسویه، فرایندهای تبدیل و انتقال عمل می کنند. از نظر ما، همگامی بین عوامل یک سازمان پیچیده نه به خاطر تعاملات جفت به جفت محلی بلکه به خاطر وجود اطلاعات غیرمحلی روی می دهد که دائما توسط عوامل محلی تفسیر و اجرا می شوند.
در نسخه ساده شده ما، عوامل را می توان بصورت تشدیدکننده هایی تفسیر کرد که قادر به تشدید بسامد ویژه اطلاعات زمینه ای بوده و با بسامدهای تشدید سازگاری مجدد دارند. بدین ترتیب، فرض می کنیم که سیستم هماهنگ زمینه ای از عوامل نوسانی، به رفتار اجتماعی سازمان یافته منجر می شوند. با این حال، مدلسازی عملی چنین دیدگاهی با فقدان مفهوم پارادایم ارتباط دهنده چندرشته ای مواجه می شود که تحقیقات تقسیم بندی شده در زمینه هوش مصنوعی (AI)، سیستم چندعاملی (MAS)، شبکه های اجتماعی و علوم عصبی را بهم مرتبط می سازد.
بررسی چندرشته ای ماهیت نوسانی عوامل و محیط های اجتماعی برای درک عمیق پدیده های اجتماعی پیچیده ضروری است. نگاه دقیق به جستجوی شبکه های اجتماعی برخی روشهای مرتبط را نشان می دهد، که به شبیه سای توزیع اطلاعات شبه میدانی در شبکه های اجتماعی می پردازد. برای مثال، گسترش رفتار در شبکه های اجتماعی پویا (زانگ و وو 2011)، گسترش رفتار در شبکه های اجتماعی آنلاین (سنتولا 2010)، کنترل ترافیک شهری با هماهنگ سازی میدانی (کاموری، مامی و زامبونلی)، کاوش شبکه های اجتماعی با استفاده از انتشار موجی (وانگ، تائم، زی و یی 2012)، مدلهای شبکه برای انتشار نوآوریها (والنت1996، یانگ 2006) و شبیه سازی میدانی مجازی از سیستم های اجتماعی پیچیده (پلیکنیاس 2010، پلیکنیاس، باسینسکاس، کومار و همکارانش 2014، رایدز و همکارانش، 2014). تعدادی از دیگر روشهای انتشار اطلاعات موج مانند دیگر معرفی شده اند همانند: مسیریابی گرادیان (GRAD)، انتشار مستقیم، زمینه های همکاری در مدل برنامه ریزی TOT (مامی و زامبونلی 2006) و CONOR (شن، سالمی و ویل 2002).
در واقع، تمامی این روشها برای کاربردهای روباتیک و تکنولوژیکی و تعداد کمی از آنها نیز همانند MMASS، دموگرافی محاسباتی مبتنی بر عامل (ABCD) یا اقتصاد محاسباتی مبتنی بر عامل (تسفاتسیون و جود 2006) برای شبیه سازی قابل برنامه ریزی پدیده های اجتماعی با تغییر سرعت، مناسب می باشند. برای مثال، سیستم چندعاملی چندلایه قرار گرفته (MMASS) به شبیه سازی جوامع مصنوعی و پدیده های اجتماعی مربوط است (باندینی، منظوری و ویزاری 2004). MMASS، مکانیسم انتشار-پراکنده سازی- دریافت میدانی را مشخص می کند، یعنی تعامل ناهمگام و با فاصله میان عوامل. میدانها توسط عوامل و براساس نوع و حالت خود انتشار می یابند، و در کل ساختار فضایی محیط و براساس تابع انتشار منتشر شده، رسیده و در نهایت توسط دیگر عوامل دور از نظر فضایی دریافت می شوند (باندینی، مانزونی و ویزاری 2006). سفارش ترجمه تخصصی
تمام این روشها با مشکلات مشابه مواجه شده اند یعنی محدودیت روشهای ارتباط محلی و جفت به جفت مستقیم که قادر به مشارکت مقادیر عظیم اطلاعات غیرمستقیم نیستند و در شبکه های اجتماعی وجود دارند. این مسئله به خاطر پیچیدگی مربوطه و ناملموسی اطلاعات غیررسمی و همچنین فقدان نظریه بنیادی است که چارچوب مفهومی را برای مشارکت اطلاعات زمینه ای ضمنی به روش طبیعی ایجاد می کند. بنابراین، نیاز به توسعه چارچوب های مفهومی مبتنی بر عامل به روشی است که به مشارکت تعامل غیرمحلی و تبادل اطلاعات اجازه دهد.
بنابراین، مجبوریم محدوده تحقیقات خود را بطور قابل توجهی بسط دهیم و بدنبال پاسخ در دیگر زمینه های تحقیقی بنیادی باشیم. در نتیجه، اثبات تجربی قوی برای ماهیت نوسانی عامل را در مزایای اخیر علوم عصبی یعنی زمینه های تحقیقی ترسیم فعالیت مغز (هان و گونار 2011) یافتیم. فرضیات نظری مدل عامل نوسانی در روش ما توسط مطالعات تصویربرداری تجربی از مغز (الکتروانسفالوگرافی- EEG) و با الهام از علوم عصبی شناختی تایید می شوند که حالات ذهنی افراد را برحسب توزیع ویژه امواج مغزی منسجم نشان می دهند. روشهای علوم عصبی به مشاهده دینامیک فردی و گروهی حالات ذهنی اجازه می دهند. برای علوم اجتماعی که یک عامل می تواند هرچیزی همچون حالات، سازمانهای اجتماعی- فرهنگی و محیط باشد، این مسئله بسیار مهم است. از نظر متدلوژیکی، به مسئله نظری واحد پایه تجزیه و تحلیل سیستم های اجتماعی میان فرهنگ، سازمان، تعاملات و بدن می پردازد.
با پیشرفت در روشهای علوم عصبی، برخی پاسخها بدست می آید. با افزایش قدرت محاسبه، روشهای علوم عصبی فراتر از محدودیت های تحقیق در مغز فردی و حالات ذهنی می روند. نرم افزار و سخت افزار استفاده شده برای ترسیم و تجزیه و تحلیل فعالیت های مغزی الکترومغناطیسی باعث اندازه گیری حالات مغزی فردی و گروهی فوری شده است (لیندنبرگر، لی، گروبر و مولر 2009، نومنما و همکارانش 2012، استیونس و همکارانش 2012). این جبهه تحقیقی برای زمینه های تحقیقی چندرشته ای نوظهور همچون مدلسازی میدانی- نظری از آگاهی (مک فادن 2002، پسا و ویتیلو 2004، تاهلد 2005، تراویس و اراندر 2006، ویتیلو 2001)، علوم عصبی اجتماعی، اقتصاد عصبی و دینامیک عصبی گروهی جا باز کرده است (کاسیوپو و دکتی 2011). سفارش ترجمه تخصصی
بطور کلی، در زمینه علوم عصبی اجتماعی، دینامیک عصبی تیمی و اقتصاد عصبی، فعالیت مغز معمولا با دیگر روشهای مشاهده ساختارهای اجتماعی اندازه گیری می شود- همچون مشاهده ارزیابیهای فیزیولوژیکی فوری (همچون تپش قلی، تنفس و غیره)، رفتارها، عملکرد شناختی یا حالات خودگزارشی فردی و گروهی ذهن (لیندنبرگر و همکارانش 2009، لوتز، گریشار، راولینگز، ریچارد و دیویدسون 2004، نیواند و ریسمن 1996، نیومانا و همکارانش 2012). بدین ترتیب، مصنوعات اجتماعی با حالات مناسب مغزی مقایسه می شوند. ادغام این روشها چشم اندازهای دیگری ارائه می دهد، برای مثال رهبران گروه، نقشها، الگوهای فعالیت، خواب آلودگی، مدیریت تنش، همگام سازی فعالیت، انسجام اجتماعی و غیره. اخیرا، ارزیابیهای کمّی جدیدی با استفاده از تکنیک های تصویربرداری از مغز گروهی توسعه یافته اند (کاسیپو، برنستون و دکتی 2010، هان و گونار 2011). روشهای جستجوی اجتماعی کیفی معمولی با این ارزیابیهای کمّی دقیق غنی سازی شده اند که بُعد جدید و قدرت بیشتری به تحقیق می دهد. بعلاوه، مشاهده فعالیت مغز با استفاده از روشهای علوم عصبی بازخورد معناداری برای مشاهده ساختارهای اجتماعی (رفتارها، عملکرد شناختی یا حالات خودگزارشی ذهن افراد و گروه) فراهم می آورد. خلاصه اینکه، روشهای تحقیق کمّی مبتنی بر علوم عصبی، زمینه های جدیدی برای روشهای تحقیقی- اجتماعی سودمند ارائه می دهد. سفارش ترجمه تخصصی
از طرف دیگر، برخی روشهای شبیه سازی بیولوژیکی در زمینه های هوش محاسباتی (مصنوعی)، سیستم های تحقیق چند عاملی و مبتنی بر عامل ظهور یافته اند. این پیشرفتها اساس روشهای شبیه سازی با جهت گیری هوشمند، همه جا، فراگیر، آمورف و محاسبات آلی (پوسلند 2009، سروت و دروگول 2002) و تحقیقات هماهنگ سازی میدانی (باندینی و همکارانش 2004، 2006، مامی و زامبونلی 2006) می باشند. سفارش ترجمه تخصصی
بنابراین، روندهای تحقیقی متداول در زمینه علوم عصبی، AI/ MAS و شبکه های اجتماعی به نمایش میدانی پدیده های رفتاری و ذهنی فردی و جمعی می پردازند (هاون و کرینیکوف 2013). ازنظر تاریخی، تعدادی از محققین معروف همچون ویلیام جیمز (پِری 1996)، امیل دورخیم (مارتین و مک اینتیر 1994) سفارش ترجمه تخصصی و کارل جونگ اظهار داشته اند که سطح ناآگاهانه فراتر از آگاهی فردی بوده و توسط همه ما به اشتراک گذاشته می شود. نزدیک ترین تاییدات از تجربیات غیرمحلی علوم بنیادی همچون کوانتوم (اوپنهیم و وهنر 2010، پوپسکو و روهلیچ 1994) و علوم بیولوژیکی (جوزفسون و پالیکاری- ویراس 1991، تاهلد 2005) می باشند.
تمام این نظرات و آزمایشات با اشاره به پیچیدگی بیولوژیکی و اثرات غیرمحلی که بین مغز انسان روی می دهد، به جهت غیرعادی اشاره می کنند (اورم- جانسون و اوتز 2009، تراویس و اورم- جانسون 1989). سفارش ترجمه تخصصی
برای مثال، از دیدگاه اقتصاد شبکه، شبکه های اجتماعی دارای چندین لینک و ارتباط پیچیده ناهمگون می باشند. تعاملات غیرمستقیم درمیان عوامل نیازمند، توانایی تاثیر و دریافت زمینه های اطلاعاتی گسترده می باشند. بنابراین، نیاز به جستجوی روشهایی برای مدلسازی شبکه اطلاعاتی بعنوان زمینه اطلاعات مجازی وجود دارد که در آن هر گره شبکه مقادیر میدان اطلاعات فراگیر را دریافت می کند. چنین رویکردی با هدف تقویت تعاملات غیرمستقیم و زمینه ای میان عوامل جهت نشان دادن اطلاعات پخش شده به شکل قابل قبول محلی و قابل استفاده توسط عوامل شبکه می باشد. از این جهت، نیاز شفافی به توسعه پارادایم میدانی- ذهنی جمعی وجود دارد که قادر به شبیه سازی برخی پدیده های رفتاری و شناختی اجتماعی پیچیده همچون اثرات گله ای، نوسان در فعالیت اقتصادی و جمعیت شناسی، خوشه بندی اجتماعی، همگرایی اقتصادی و غیره باشد. سفارش ترجمه تخصصی
این یافته ها ما را به ایده جدید مفهومی هدایت کرد که اطلاعات ضمنی زمینه ای در میدانهای مجازی توزیع می شود و این میدانها- اگرچه اطلاعات جهانی را بیان می دارند- بطور محلی توسط عوامل (ناآگاهانه) دریافت می شوند. بنابراین، چارچوب مفهومی را برای مشارکت اطلاعات غیرمحلی (ضمنی) در پلتفرم های شبیه سازی عاملی (ABS) پیشنهاد کردیم. بعبارتی، ما دو لایه عمده از خودسازمانی را پیشنهاد کردیم: سطوح ABMLE آشکار محلی و ABMGI ضمنی جهانی. سفارش ترجمه تخصصی
خلاصه اینکه، دیدگاه های اصلی این فصل از پارادایم شبیه سازی اجتماعی OSIMAS (سیستم چندعاملی مبتنی بر نوسان) جدید استخراج شده اند. پیامدهای مفهومی اصلی پارادایم OSIMAS که در مطالب قبلی ما ارائه شدند (کزنیس و پلیکیانس 2014، پلیکیانس 2010 پلیکیانس، باسینسکاس، کومار و همکارانش، 2014، پلیکیانس، باسینسکاس و لوکایتیس 2014)، همسو با روشهای نظری- میدانی مدلسازی و شبیه سازی حالات ذهنی جمعی و فردی می باشند، درحالیکه کاربردهای عملی دیدگاه اصلی OSIMAS با هدف شبیه سازی پدیده های اجتماعی واقعی می باشند. ابزار متدلوژیکی اصلی مناسب با شبیه سازیهای مناسب در زمینه سیستم های تحقیق چند عاملی و مبتنی بر عامل (ABS و MAS) می باشند. سفارش ترجمه تخصصی
در این قسمت از فصل، خلاصه مفهومی از پارادایم چندرشته ای جدید را با مراجعه به مطالب قبلی خود ارائه کرده ایم. باید توجه داشت که OSIMAS ریشه در استدلال قیاسی دارد نه استدلال استقرایی تجربی که اخیرا در علوم طبیعی شایع است. با این حال، در زمینه یافتن پایه های بنیادین مبتنی بر مشاهدات تجربی پیشرفت داشته ایم. سفارش ترجمه تخصصی
پارادایم OSIMAS در مرحله اول توسعه خود می باشد که در طول آن ایده های مفهومی جهت یافتن روشهای بیان آنها در مدلسازی بررسی می شوند. با این حال، چندین کاربرد عملی در زمینه اجتماعی اخیرا ظهور یافته اند، همانند رویکرد علم عصبی گروهی برای بررسی کارهای تیمی، تحقیق در زمینه انتشار موجی اطلاعات در رسانه اجتماعی، بررسی سیستم های چندعاملی نوسانی برای مدیریت پورتفولیوی سازگار. درسالهایی که کاربردهای اجتماعی وسیعی وجود خواهد داشت، موارد سازمانی با استفاده از پارادایم OSIMA بررسی خواهند شد. سفارش ترجمه تخصصی
این فصل به شرح زیر می باشد. 2.12 به اختصار به ارائه پاردایم مبتنی بر نوسان و چارچوب تایید تجربی می پردازد. بخش 3.12 به بررسی ساخت مدل عامل نوسانی با استفاده از فونونها و مکانیک کوانتوم می پردازد. بخش 4.12 نتایج شبیه سازی عامل محلی و غیرمحلی پارادایم برانگیختگی در محیطهای اجتماعی را ارائه می دهد. بخش 5.12 به نتیجه گیری می پردازد. سفارش ترجمه تخصصی
2.12 پارادایم مبتنی بر نوسان و چارچوب تایید تجربی
مروری بر آثار نوشته شده نشان داد که اتخاذ نوسانات پشتیبان مدلهای برانگیختگی شبه میدانی در زمینه مدلسازی عاملی سیستم های اجتماعی کُند است. هنوزهم مسائل حل نشده ای به خاطر 1. پیچیدگی مدلسازی میدانی سیستم های اجتماعی خودسازمانی (غیرمحلی) ضمنی و 2. فقدان نظریه بنیادی وجود دارند که چارچوب تحقیق چندرشته ای مفهومی برای مدلسازی و تایید تجربی فراهم می آورد.
