Ontology-driven agent-based modeling approach

Abstract

Social phenomena represent a complex subject for scientific study due to the inherent complexities of human behavior, societal structures, and community dynamics. This interplay can be multifaceted and exhibit stochastic properties, rendering their manual reproduction or replication through specific models costly, intricate, and sometimes impracticable. Agent-based simulation is a way to explore global patterns, such as community dynamics, particularly in scenarios where interactions between individuals are reasonably well-defined. However, a significant drawback of contemporary agent-based models is how adjustments are made in light of new information on the phenomenon under investigation. Implementing adjustments in complex models can prove to be resource-intensive or even infeasible, posing significant challenges to their continued applicability. As such, there is a necessity for extensible and adaptive modeling approaches that can accommodate new information and maintain relevance in the face of evolving understanding of complex systems. While toolkits have emerged to simplify the implementation of agent-based models with numerous benefits, they present the same limitations as current implementations and particular challenges associated with simulating complex models. In this thesis, we introduce a new methodology for employing systems that cater to the simulation of highly complex and changing social phenomena, where the representation of domain-specific concepts is achieved through the use of ontologies input into a generalized agent-based model framework to run a simulation. To test the utility and generality of the method, we employ the use-case of substance use in adolescents and young children, a study with longitudinal data collected in Iceland, by producing scenarios necessary to simulate the subject but sufficiently general and applicable to other social systems. Our proposed approach, which emphasizes modularity and flexibility, reveals a promising capability to encapsulate the discussed scenarios and exhibits a requisite level of generality, enabling the simulation of primary mechanisms intrinsic to a wide array of social models.

Félagsleg fyrirbrigði eru flókin viðfangsefni fyrir vísindalegar rannsóknir vegna flækju mannlega hegðunar, samfélagslegra uppbyggingu, og gangverki samfélagsins. Þetta samspil getur verið fjölbreytt og stókastísk eiginleika, sem gerir endurtekningu þeirra líkana dýra, flókna, og í tilfellum ópraktíska. Einingalíkön (Agent-based models) er leið til að kanna almenn mynstur, eins og samfélagsdýnamík, sérstaklega í aðstæðum þar sem samskipti milli einstaklinga ágætlega skilgreind. Hins vegar er stórt vandamál við núverandi þátta tengdar líkanir hvernig breytingar eru gerðar í ljósi nýrrar upplýsingar um fyrirbrigðið sem rannsakað er. Að innleiða breytingar í flókin líkön getur reynst veraauðlindafrekt eða jafnvel ómögulegt, sem stendur í leið fyrir frekari nothæfni þeirra. Því er nauðsynlegt að hafa aðferðir sem eru sveigjanlegar og geta aðlagast, sem geta mætt nýjum upplýsingum og haldið áfram að vera gagnlegar þegar skilningur okkar á flókinkerfi breytist. Þrátt fyrir að það eru tól sem gera innleiðingu á einingalíkön einfaldari, eru þau þó með sömu takmarkanir og núverandi útgáfur, og þær standa frammi fyrir sömu áskorunum sem tengjast eftirhermu flókinna líkana. Í þessari ritgerð kynnum við nýja aðferð til að beita kerfum sem eru hæfilega fjölþætt til að eftirherma mjög flókin og breytileg félagsleg fyrirbrigði. Við notum fræðikerfi til að framsetja sérhæfð hugtök, sem eru svo notuð sem inntak í almennan þátta tengdan líkanaramma til að keyra eftirhermu. Til að prófa hagnýta og almenna nýtingu aðferðarinnar, notum við rannsókn um eiturlyfjanotkun meðal unglinga og yngri barna. Þetta eru gögn sem er safnað á Íslandi yfir lengri tíma. Við myndum nauðsynlegar aðstæður til að geta keyrt eftirhermu, en reynum að gera þær sem almennastar svo að þær eiga líka við önnur félagslega kerfi.