El documento describe las 4 etapas teóricas del análisis de sistemas: 1) desarrollo de un modelo conceptual cualitativo, 2) desarrollo de un modelo cuantitativo a través de ecuaciones matemáticas, 3) evaluación del modelo para determinar su utilidad, y 4) uso del modelo para responder preguntas iniciales a través de simulaciones y análisis de resultados.
Estas son las escuelas y colegios que tendrán modalidad no presencial este lu...
ETAPAS TEÓRICAS EN EL ANÁLISIS DE SISTEMAS
1. ETAPAS TEÓRICAS EN EL
ANÁLISIS DE SISTEMAS
Tomado de:
http://docencia.izt.uam.mx/hcg/231236/material_adicional/
cap2_sistemas.pdf
2. Varios autores han sugerido diversos esquemas para aplicar el
análisis de sistemas en biología y ecología (Gold 1977, Jeffers
1978, Innis 1979, Kitclúng 1983). Estos esquemas se
diferencian en los detalles (número de pasos, nombre de los
pasos), pero todos se basan en la teoría general de sistemas.
Luego de aplicar el análisis de sistemas y simulación a una
variedad de problemas relacionados con ecología y manejo de
los recursos naturales, hemos identificado cuatro etapas
fundamentales en el proceso del desarrollo y uso de un
modelo: (1) desarrollo del modelo conceptual, (2) desarrollo
del modelo cuantitativo, (3) evaluación del modelo y (4) uso del
modelo (Figura 2.2). En el resto de este capítulo se presenta
una revisión general de estás cuatro etapas teóricas.
3.
4. Etapa 1: Desarrollo del modelo conceptual
El objetivo de la primera etapa del análisis de sistemas es desarrollar
un modelo conceptual, o cualitativo, del sistema de interés. Con base
en los objetivos del proyecto, debemos decidir cuáles son, y cómo se
relacionan entre ellos, los componentes del mundo real que
incluiremos en nuestro sistema de interés.
Estos componentes y sus relaciones forman lo que denominamos
modelo conceptual, al que representamos gráficamente usando
símbolos que indican la naturaleza específica de cada relación.
También debemos bosquejar los patrones esperados del
comportamiento del modelo, lo cual frecuentemente se hace en
términos de la dinámica temporal de los componentes más
importantes del sistema. Estos patrones sirven como punto de
referencia durante la evaluación del modelo para aseguramos que el
modelo provee el tipo de predicciones que nos permita abordar
nuestras preguntas.
5. Etapa II: Desarrollo del modelo cuantitativo
El objetivo de la segunda etapa del análisis de sistemas es desarrollar
un modelo cuantitativo del sistema de interés. Durante este proceso
tratamos de traducir nuestro modelo conceptual (representado
diagramática y verbalmente) a una serie de ecuaciones matemáticas
que, en conjunto, forman el modelo cuantitativo. Esta traducción, o
especificación cuantitativa, hace uso de diversos tipos de información
sobre el sistema real. Posteriormente resolvemos todas las
ecuaciones del modelo para cada intervalo de tiempo durante el
período completo de la simulación. Esta simulación recibe el nombre
de simulación de referencia
6. Etapa III: Evaluación del modelo
El objetivo de la tercera etapa del análisis de sistemas consiste en
determinar si el modelo es apropiado o no para cumplir con
nuestros objetivos. En la literatura comúnmente se usa el término
"validación" del modelo, pero a menudo incorrectamente se tiende a
destacar de sobremanera las comparaciones entre las predicciones
del modelo y las observaciones del sistema real como el único
criterio de validación. Nosotros preferimos referimos a este proceso
como "evaluación" del modelo con base en todos los aspectos de la
estructura y comportamiento que hacen que el modelo sea
potencialmente útil. Dependiendo de los objetivos del modelo,
podemos profundizar en la interpretación de las relaciones entre los
componentes del modelo o en su capacidad predictiva.
Frecuentemente nos interesará evaluar cuán sensibles son las
predicciones del modelo a aquellos aspectos que representamos con
cierta incertidumbre.
7. Etapa IV: Uso del modelo
El objetivo de la etapa final del análisis de sistemas es responder las
preguntas que fueron identificadas al comienzo del proyecto. Esto
implica diseñar y simular con el modelo los mismos experimentos que
realizaríamos en el mundo real para responder nuestras preguntas.
También analizamos, interpretamos y comunicamos los resultados de
las simulaciones usando los mismos procedimientos generales que
usaríamos para analizar, interpretar y comunicar los resultados de un
experimento realizado en el mundo real.