Diseño de modelo de simulación que representa el genoma de inteligencia colectiva de Malone, Laubacher y Dellarocas

Design of a simulation model that represents the collective intelligence genome of (malone et al., 2010)

Autores/as

  • Mónica Patricia Vargas Guarnizo Universidad Distrital Francisco José https://orcid.org/0000-0002-5310-0086
  • Luz Esperanza Bohórquez Arévalo Universidad Distrital Francisco José de Caldas

Palabras clave:

inteligencia colectiva, genoma de inteligencia colectiva, simulación basada en agentes (es).

Palabras clave:

collective intelligence, collective intelligence genome, agent based simulation (en).

Descargas

Resumen (es)

Contexto: Thomas Malone definió la inteligencia colectiva (IC) en la apertura del Centro de Inteligencia Colectiva del MIT en 2006 como "grupos de personas que hacen cosas colectivamente que parecen inteligentes" (Glenn, 2015). El centro indica que su misión es investigar cómo pueden conectarse las personas para que, colectivamente, actúen de manera más inteligente que los individuos de manera individual. Esta investigación diseñó un modelo de simulación multiagente, cuyo objetivo fue representar el genoma de IC propuesto por Malone et al. (2010), en un entorno con situaciones emergentes en el que coexista una organización jerárquica, a fin de explorar diferentes configuraciones de variables externas e internas a las organizaciones que permitan maximizar el aprovechamiento de recursos.

Metodología: Se planteó un modelo de simulación multiagente que incluye elementos estocásticos para modelar el comportamiento de los agentes y sus interacciones, que no se conocen con exactitud. La metodología propuesta planteó cinco etapas: 1) conceptualización, 2) definición de requerimientos, 3) análisis y diseño, 4) codificación, y 5) pruebas y validación. Para el proceso de verificación, sintonización y validación del modelo de simulación desarrollado, se representaron, en este, dos de los genomas documentados por Malone et al. (2010), para el caso Wikipedia. El primero corresponde a la edición de artículos individuales; este genoma fue usado para ajustar las variables que intervienen en el modelo con el fin de maximizar el aprovechamiento de los recursos en las organizaciones; el segundo corresponde a cómo se incluye un artículo en la colección general de Wikipedia, dicho caso fue usado para determinar el grado en el cual el modelo de simulación desarrollado corresponde a la representación del modelo metodológico propuesto por Malone et al. (2010).

Resultados: Considerando que los casos de Wikipedia documentados por Malone et al. (2010) son teóricos, se definió que la situación a analizar en la contrastación del modelo metodológico con el modelo de simulación desarrollado era el comportamiento colectivo inteligente en la organización que contenía el genoma de IC; esto con el propósito de aprovechar de mejor manera los recursos disponibles para aprovechar ideas/oportunidades o mitigar amenazas. De las pruebas realizadas para determinar el grado de correspondencias entre los modelos, se evidenció que en el 70 % de ellas el porcentaje de aprovechamiento y de mitigación estuvo por encima del 50 %, de allí se concluyó que el modelo de simulación desarrollado correspondía a la representación del modelo metodológico del genoma de IC propuesto por Malone et al. (2010), acorde con los casos empresariales de estudio.

Conclusiones: El modelo de simulación desarrollado contribuye a la comprensión del modelo metodológico y a la exploración de diferentes configuraciones del genoma de IC que permiten evaluar características que otorgue el comportamiento inteligente de una organización empresarial.

Metodología: Se plantea un modelo de simulación multiagente que incluye elementos estocásticos para modelar el comportamiento de los agentes y sus interacciones, que no se conocen con exactitud. La metodología propuesta plantea cinco etapas: 1) conceptualización, 2) definición de requerimientos, 3) análisis y diseño, 4) codificación, y 5) pruebas y validación. Para el proceso de verificación, sintonización y validación del modelo de simulación diseñado, se representaron en el, dos de los genomas documentados por (Malone et al. 2010), para el caso Wikipedia. El primero corresponde a la edición de artículos individuales, este genoma fue usado para ajustar los factores del modelo con el fin de lograr el comportamiento inteligente de las organizaciones, en términos del aprovechamiento de los recursos; el segundo genoma corresponde a cómo se incluye un artículo en la colección general de Wikipedia, dicho caso fue usado para validar el modelo de simulación desarrollado y verificar  que correspondiera adecuadamente a la representación del modelo metodológico propuesto por (Malone et al. 2010).

Resultados: De las 80 pruebas realizadas inicialmente para la verificación y sintonización del modelo de simulación diseñado, se evidencio que en el 48% de las configuraciones, la organización que contiene el genoma de IC tiene niveles más altos en términos de aprovechar de mejor manera los recursos disponibles. A partir de estos resultados y teniendo en cuenta que las ocho variables involucradas eran significativas para el modelo de simulación, se determinó realizar nuevas pruebas en las cuales a tres de las variables se les asigno diferentes valores o niveles con el fin de maximizar la variable de respuesta, mientras que el resto de variables se mantuvieron constantes. Para tal fin se decidió configurar un escenario optimista, otro de tendencias y uno pesimista; la configuración de cada uno de ellos se basó en el diagrama factorial de efectos principales obtenido a partir de un diseño experimental realizado inicialmente.

En las pruebas realizadas para cada uno de los escenarios se evidencio que en el 70% de las configuraciones del escenario optimista, la organización que contiene el genoma de IC tiene niveles más altos en la variable de respuesta, en el caso de los escenarios pesimista y de tendencia dicho comportamiento se presenta en el 77% y en el 81% de las configuraciones, respectivamente.

Dichos resultados confirman que la organización configurada con el genoma de IC representa de manera fidedigna un comportamiento que colectivamente parece inteligente en términos de aprovechar mejor los recursos disponibles frente al comportamiento de la organización jerárquica.

Conclusiones: De las pruebas realizadas en el escenario optimista, el valor más alto de aprovechamiento de recursos que alcanzaron las organizaciones fue 496 para la configurada con el genoma de IC y 270 para la jerárquica; de las realizadas en el escenario de tendencia fue 572 y 168, respectivamente; y de las del escenario pesimista fue 240 y 133. Dichos resultados permitieron determinar que el escenario de tendencia era el que proporcionaba los mejores resultados en cuanto a la maximización de la variable de respuesta; por tanto, la configuración allí planteada fue la que se tomó como punto de partida para la validación del modelo de simulación diseñado.

De la validación del modelo de simulación desarrollado, en la cual se tomó uno de los genomas documentados por (Malone et al. 2010) para el caso Wikipedia y se configuro con los valores definidos para cada variable en el escenario de tendencia; se evidencio que en el 100% de las pruebas la organización que contiene el genoma de IC tiene niveles más altos en términos de aprovechar de mejor manera los recursos disponibles para adaptarse a los cambios en el mercado y a entornos perturbadores comparados con los obtenidos por la organización jerárquica; además el máximo valor que alcanzo la variable de respuesta para la organización configurada con el genoma de IC fue de 887, mientras que para la jerárquica fue de 171.

Por lo anterior se afirma que el modelo de simulación multiagente desarrollado representa de manera fidedigna organizaciones que actúen bajo el modelo de genoma de inteligencia colectiva propuesto por (Malone et al. 2010).

Resumen (en)

Context: Thomas Malone defined collective intelligence at the opening of the MIT Center for Collective Intelligence in 2006 as "groups of people who collectively do things that appear intelligent" (Glenn 2015). The center indicates that its mission is to investigate How can people connect? so that, collectively, they act smarter than individuals individually. This research designed a multiagent simulation model whose objective was to represent the collective intelligence (CI) genome proposed by (Malone et al. 2010), in an environment with emergent situations in which a hierarchical organization coexists, in order to explore different configurations of external variables. and internal to organizations that allow maximizing the use of resources.

Methodology: A multiagent simulation model is proposed that includes stochastic elements to model the behavior of agents and their interactions, which are not known exactly. The proposed methodology presents five stages: 1) conceptualization, 2) definition of requirements, 3) analysis and design, 4) coding, and 5) testing and validation. For the verification, tuning and validation process of the simulation model designed, two of the genomes documented by (Malone et al. 2010) were represented in the Wikipedia case. The first corresponds to the edition of individual articles, this genome was used to adjust the variables that intervene in the model in order to maximize the use of resources in organizations; the second genome corresponds to how an article is included in the general collection of Wikipedia, this case was used to determine the degree to which the simulation model designed corresponds to the representation of the methodological model proposed by (Malone et al. 2010).

Results: Considering that the Wikipedia cases documented by (Malone et al. 2010) are theoretical cases, it was defined that the situation to be analyzed in the contrasting of the methodological model with the designed simulation model was the intelligent collective behavior in the organization that contained the genome of CI, this in terms of making better use of available resources to take advantage of ideas-opportunities or mitigate threats. From the tests carried out to determine the degree of correspondence between the models, it was evidenced that in 70% of them the percentage of use and mitigation was above 50%, hence it was concluded that the simulation model designed corresponded to the representation of the methodological model of the CI genome proposed by (Malone et al. 2010), in accordance with the business case studies.

Conclusions: The simulation model designed contributes to the understanding of the methodological model and to the exploration of different configurations of the CI genome that allow to evaluate characteristics that the intelligent behavior of a business organization grants.

Methodology: A multiagent simulation model is proposed that includes stochastic elements to model the behavior of agents and their interactions, which are not known exactly. The proposed methodology presents five stages: 1) conceptualization, 2) definition of requirements, 3) analysis and design, 4) coding, and 5) testing and validation. For the verification, tuning and validation process of the simulation model designed, two of the genomes documented by (Malone et al. 2010) were represented in the Wikipedia case. The first corresponds to the edition of individual articles, this genome was used to adjust the factors of the model in order to achieve the intelligent behavior of the organizations, in terms of the use of resources; the second genome corresponds to how an article is included in the general collection of Wikipedia, this case was used to validate the simulation model developed and verify that it properly corresponds to the representation of the methodological model proposed by (Malone et al. 2010).

Results: Of the 80 tests initially carried out to verify and tune the simulation model designed, it was evident that in 48% of the configurations, the organization that contains the CI genome has higher levels in terms of making better use of the available resources . From these results and taking into account that the eight variables involved were significant for the simulation model, it was determined to carry out new tests in which three of the variables were assigned different values or levels in order to maximize the variable of response, while the rest of the variables were kept constant. For this purpose, it was decided to configure an optimistic scenario, another with trends and a pessimistic one; the configuration of each of them was based on the factorial diagram of main effects obtained from an experimental design carried out initially.

The tests carried out for each of the scenarios showed that in 70% of the optimistic scenario configurations, the organization that contains the CI genome has higher levels in the response variable, in the case of the pessimistic and On trend, this behavior occurs in 77% and 81% of the configurations, respectively.

These results confirm that the organization configured with the CI genome faithfully represents a behavior that collectively seems intelligent in terms of making better use of available resources compared to the behavior of the hierarchical organization.

Conclusions: Of the tests carried out in the optimistic scenario, the highest value of resource use reached by the organizations was 496 for the one configured with the CI genome and 270 for the hierarchical one; of those made in the trend scenario it was 572 and 168, respectively; and of the pessimistic scenario it was 240 and 133. These results allowed determining that the trend scenario was the one that provided the best results in terms of maximizing the response variable; therefore, the configuration proposed there was the one taken as the starting point for the validation of the designed simulation model.

From the validation of the simulation model developed, in which one of the genomes documented by (Malone et al. 2010) was taken for the Wikipedia case and configured with the values defined for each variable in the trend scenario; It was shown that in 100% of the tests, the organization that contains the CI genome has higher levels in terms of making better use of the available resources to adapt to changes in the market and disturbing environments compared to those obtained by the organization. hierarchical; In addition, the maximum value reached by the response variable for the organization configured with the CI genome was 887, while for the hierarchical one it was 171.

Based on the foregoing, it is stated that the developed multiagent simulation model faithfully represents organizations that operate under the collective intelligence genome model proposed by (Malone et al. 2010).

Biografía del autor/a

Mónica Patricia Vargas Guarnizo, Universidad Distrital Francisco José

Ingeniera mecánica, magíster en Ingeniería Industrial.

Luz Esperanza Bohórquez Arévalo, Universidad Distrital Francisco José de Caldas

Doctor en Ciencias de la Dirección, magíster en Administración de Empresas, especialista en Ingeniería de la Calidad, ingeniera Industrial

Referencias

Alfarez, A. (2005). A framework for decentralised trust reasoning [Tesis doctoral]. University of London. https://discovery.ucl.ac.uk/id/eprint/1444477

Blomberg, A. y Kallio, T. (2017). Antecedents of organizational creativity: Drivers, barriers or both? Journal of Innovation Management Blomberg, 5, 78-104. https://doi.org/10.24840/2183-0606_005.001_0007

Chang, Y. y Shih, H. (2019). Work curiosity: A new lens for understanding employee creativity. Human Resource Management Review, 29(4), 100672. https://doi.org/10.1016/j.hrmr.2018.10.005

Dananjaya, I. y Kuswanto, A. (2015). Influence of external factors on the performance through the network of small and medium enterprises. European Journal of Business and Management, 7(27), 38-48.

De la Hoz, J., Carrillo, E. y Gómez, L. (2014). Memorias organizacionales en la era del almacenamiento en la nube. Tecnura, 18(40), 115-126. https://doi.org/10.14483/udistrital.jour.tecnura.2014.2.a09

Deutsch, M. (1958). Trust and suspicion. Journal of Conflict Resolution, 2(4), 265-279.

https://doi.org/10.1177/002200275800200401

Glenn, J. (2015). Collective intelligence systems and an application by the Millennium Project for the Egyptian Academy of Scientific Research and Technology. Technological Forecasting and Social Change, 97, 7-14. https://doi.org/10.1016/j.techfore.2013.10.010

Jain, R. y Jain, C. (2016). Employee creativity: A conceptual framework. Management and Labour Studies, 41(4), 294-313. https://doi.org/10.1177/0258042X16676664

Kim, K., Ryoo, S. y Lee, H. (2016). Environmental uncertainty and interorganizational information sharing: Accommodating manufacturer and supplier perspectives. Information Development, 32(5), 1485-1502. https://doi.org/10.1177/0266666915608425

Lomberg, C., Kollmann, T. y Stöckmann, C. (2017). Different styles for different needs. The effect of cognitive styles on idea generation. Creativity and Innovation Management, 26(1), 49-59. https://doi.org/10.1111/caim.12188

López, C. A., Medina, V. H. y Udden, L. (2014). Decision-making model for the development of productive capacity as a component of a knowledge management system. Tecnura, 18(edición especial doctorado), 16-29. 10.14483/Udistrital.Jour.Tecnura.2014.DSE1.A01.

Luhmann, N. (1979). Trust and power. Polity Press.

Malone, T. W., Laubacher, R. y Dellarocas, C. (2010). The collective intelligence genome. MIT Sloan Management Review, 51(3), 21-31 https://doi.org/10.1109/EMR.2010.5559142

Marsh, S. (1994). Formalising trust as a computational concept [Tesis doctoral]. University of Stirling].

Niño, Y. y Román, R. (2016). El rol de los trabajos de grado como motor de aprendizaje organizacional. El caso de los programas académicos de Tecnología Industrial e Ingeniería de Producción en la Universidad Distrital (Bogotá, D. C.). Tecnura, 20(edición especial), 132-146. 10.14483/Udistrital.Jour.Tecnura.2016.SE1.a10.

Posada, J. E. (2018). La autoorganización empresarial como alternativa para incrementar la agilidad organizacional: una comparación de escenarios de simulación multiagente [Tesis de maestría, Universidad Distrital Francisco José de Caldas]. Repositorio Institucional de la Universidad Distrital Francisco José de Caldas. https://repository.udistrital.edu.co/handle/11349/13507.

Smith, M., Busi, M., Ball, P. y Van der Meer, R. (2008). Factors influencing an organisation’s ability to manage innovation: A structured literature review and conceptual model. International Journal of Innovation Management, 12(4), 655-676. https://doi.org/10.1142/S1363919608002138

Walton, A. (2003). The impact of interpersonal factors on creativity. International Journal of Entrepreneurial Behaviour & Research, 9(4), 146-162. https://doi.org/10.1108/13552550310485120

Yeh, S. y Huan, T. (2017). Assessing the impact of work environment factors on employee creative performance of fine-dining restaurants. Tourism Management, 58, 119-131. https://doi.org/10.1016/j.tourman.2016.10.006

Cómo citar

APA

Vargas Guarnizo, M. P., & Bohórquez Arévalo, L. E. (2022). Diseño de modelo de simulación que representa el genoma de inteligencia colectiva de Malone, Laubacher y Dellarocas. Tecnura, 26(72). https://doi.org/10.14483/22487638.16631

ACM

[1]
Vargas Guarnizo, M.P. y Bohórquez Arévalo, L.E. 2022. Diseño de modelo de simulación que representa el genoma de inteligencia colectiva de Malone, Laubacher y Dellarocas. Tecnura. 26, 72 (may 2022). DOI:https://doi.org/10.14483/22487638.16631.

ACS

(1)
Vargas Guarnizo, M. P.; Bohórquez Arévalo, L. E. Diseño de modelo de simulación que representa el genoma de inteligencia colectiva de Malone, Laubacher y Dellarocas. Tecnura 2022, 26.

ABNT

VARGAS GUARNIZO, M. P.; BOHÓRQUEZ ARÉVALO, L. E. Diseño de modelo de simulación que representa el genoma de inteligencia colectiva de Malone, Laubacher y Dellarocas. Tecnura, [S. l.], v. 26, n. 72, 2022. DOI: 10.14483/22487638.16631. Disponível em: https://revistas.udistrital.edu.co/index.php/Tecnura/article/view/16631. Acesso em: 19 may. 2022.

Chicago

Vargas Guarnizo, Mónica Patricia, y Luz Esperanza Bohórquez Arévalo. 2022. «Diseño de modelo de simulación que representa el genoma de inteligencia colectiva de Malone, Laubacher y Dellarocas». Tecnura 26 (72). https://doi.org/10.14483/22487638.16631.

Harvard

Vargas Guarnizo, M. P. y Bohórquez Arévalo, L. E. (2022) «Diseño de modelo de simulación que representa el genoma de inteligencia colectiva de Malone, Laubacher y Dellarocas», Tecnura, 26(72). doi: 10.14483/22487638.16631.

IEEE

[1]
M. P. Vargas Guarnizo y L. E. Bohórquez Arévalo, «Diseño de modelo de simulación que representa el genoma de inteligencia colectiva de Malone, Laubacher y Dellarocas», Tecnura, vol. 26, n.º 72, may 2022.

MLA

Vargas Guarnizo, M. P., y L. E. Bohórquez Arévalo. «Diseño de modelo de simulación que representa el genoma de inteligencia colectiva de Malone, Laubacher y Dellarocas». Tecnura, vol. 26, n.º 72, mayo de 2022, doi:10.14483/22487638.16631.

Turabian

Vargas Guarnizo, Mónica Patricia, y Luz Esperanza Bohórquez Arévalo. «Diseño de modelo de simulación que representa el genoma de inteligencia colectiva de Malone, Laubacher y Dellarocas». Tecnura 26, no. 72 (mayo 12, 2022). Accedido mayo 19, 2022. https://revistas.udistrital.edu.co/index.php/Tecnura/article/view/16631.

Vancouver

1.
Vargas Guarnizo MP, Bohórquez Arévalo LE. Diseño de modelo de simulación que representa el genoma de inteligencia colectiva de Malone, Laubacher y Dellarocas. Tecnura [Internet]. 12 de mayo de 2022 [citado 19 de mayo de 2022];26(72). Disponible en: https://revistas.udistrital.edu.co/index.php/Tecnura/article/view/16631

Descargar cita

Visitas

5

Dimensions


PlumX


Descargas

Los datos de descargas todavía no están disponibles.

Artículos más leídos del mismo autor/a