el pensamiento complejo sirve para economía

Posted on by

 

Maestría en Investigación Integrativa

 

Asignatura 6: Bosquejo de investigación

 

 

Profesor: Dr. Paolo Pagliali

 

        Trabajo: El pensamiento complejo sirve para una mejor comprensión de los sistemas sociales, especialmente del sistema económico.

 

Maestrante: Xavi Mir Pascual

Diciembre 2015.

 

pensamiento ocmplejo y economia

 

 

 

ii

Abstract

El objetivo principal de este documento es justificar y dibujar un bosquejo de investigación bajo el paradigma del anti-método de Morin para contrastar la siguiente hipótesis:

El pensamiento complejo sirve para una mejor comprensión de los sistemas sociales, en especial del sistema económico.

Primero analizo los sistemas sociales como sistemas relacionados con la complejidad en comparación con la perspectiva de la ciencia clásica reduccionista, en especial en economía. De ese análisis concluyo la pertinencia de establecer la hipótesis.

Después analizo los retos que enfrentan las ciencias sociales, en especial la economía compleja. Lo que me lleva a proponer un proyecto de investigación tendente a materializar paquetes de herramientas complejas asequibles a investigadores sociales no expertos en matemáticas y filosofía complejas.

En la tercera parte expongo una visión detallada de las herramientas a tratar durante mi proyecto de investigación utilizando un ejemplo concreto, el de crear material didáctico para hacer accesible a cualquier investigador social el paquete de tratamiento de datos para contrastación de colas largas y leyes de potencia en lenguaje python siguiendo la receta de Clauset.

La complejidad nos permitirá evolucionar socialmente y ser resilentes como especie integrada en el mundo, transformará nuestros sistemas sociales y nos permitirá integrar el pensamiento complejo, la investigación científica y la actividad humana guiándonos hacia “la comprensión del conocimiento del mundo como una necesidad a la vez intelectual y vital”.

Mi proyecto de investigación contribuirá al proceso disruptivo que va a sacudir la ciencia durante este siglo.

.

 

iii

Tabla de Contenidos

 

La sociedad como sistema y su relación con la complejidad……………………………………. 1

Retos del estudio de la complejidad para las ciencias sociales desde la dinámica de los sistemas sociales           2

Bosquejo de investigación……………………………………………………………   3

Conclusiones……………………………………………………………………………4

Lista de referencias……………………………………………………………………………………………. 5

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1.- La concepción de la sociedad como sistema y su relación con la complejidad.

 

  1. Desde la perspectiva de la epistemología hermenéutica de segundo orden de Sotolongo y Delgado (2006). La investigación social clásica, de la que la investigación económica  es ejemplo paradigmático, se “sustenta en el objetivismo, cuyo centro de investigación es el objeto y en el que el sujeto debe ser objetivo en la producción de conocimiento”.  Pero el sujeto inventor de ideas está “en proceso permanente de autoconstrucción y de construcción de sus condiciones de existencia a través de la práctica”, por ello es imprescindible integrar al sujeto “en el proceso de investigación; el sistema observador forma parte de la investigación como sujeto en proceso y que es reflexivo”.
  2. En Miramontes (1999) se nos muestra como las ciencias de la complejidad son una transformación metodológica y conceptual que se interesa por el estudio de los fenómenos no-lineales, propiedades que surgen (emergen) espontáneamente a partir de interacciones de elementos dentro de sistemas llamados complejos y donde la “emergencia de esas propiedades se da en escalas de tiempo y longitud considerablemente mayores que las escalas donde ocurren esas interacciones”. Una característica preeminente de los sistemas complejos es que “las fluctuaciones y escalabilidad de la emergencia de las nuevas propiedades surgen de la auto-organización de los procesos en el sistema”, donde las interacciones entre los subsistemas generan comportamientos colectivos no predecibles cuando se reduce el análisis a los elementos tomados aisladamente.
  3. Los sistemas complejos poseen conductas “dinámicas generalizables, modelizables y computarizables, independientemente de los detalles específicos de cada sistema o de su base material.” La naturaleza posee una fuerte tendencia a estructurarse en forma de “entes discretos excitables organizados en jerarquía de creciente complejidad”. Los procesos sociales y culturales pueden leerse desde la misma perspectiva compleja que las reacciones químicas autocatalíticas, “la ontogenia de un árbol o el comportamiento de un tumor” West (2013).
  4. Las familias, el Estado, las empresas, los bancos, el medio ambiente… los elementos del sistema económico, todos ellos pueden entenderse como subsistemas dentro de un sistema complejo que interactúan generando, resultados inciertos fruto de esas interacciones. Las dinámicas del sistema económico tienen muchas similitudes con otros ejemplos de sistemas físicos, como el caso de la tectónica de placas (y los terremotos) o el compotamiento espacial de las colonias de insectos, Fredman (2015). Los neoclásicos utilizaron el concepto de equilibrio termodinámico para definir su equilibrio económico. Cuando lo cierto es que la mayoría de procesos espontáneos en la naturaleza operan fuera del equilibrio, tal y como parece que sucede en economía. En el universo se intercambia materia y energía continuamente, lejos del equilibrio. “Una teoria económica más acorde con la realidad debería reconocer que el mundo económico es profundamente no lineal” Miramontes (1999) y está lejos del equilibrio.
  5. Tenemos muchos ejemplos de estudios bajo este nuevo enfoque, entre ellos  West (2013) donde la escalabilidad explica la vida y muerte de las empresas. En Clauset (2009) sobre leyes de potencia vemos confirmados los trabajos de Mandelbrot. En Arthur (2013) donde pone las bases sobre su visión de lo que deberá ser la  Economía compleja como paradigma nuevo. O en Botta, con su análisis de las series de precios en índices bursátiles.
  6. Luhmann construye los hechos sociales desde todos los sistemas funcionales. Cada sistema se torna ambiente de n sistemas. Su propuesta metodológica es incorporada por Amozurrutia (2012, pg 180) y subyace en su propuesta de modelo adaptativo para la investigación interdisciplinaria desde una perspectiva sistémica.
  7. Gutierrez (2000) “Los sistemas sociales son abiertos e intercambian materia, energía, dinero e información con su entorno, por consiguiente operan todo el tiempo lejos del equilibrio termodinámico, es decir, en una zona crítica. En ellos nada está quieto pero los cambios no son azarosos porque su tendencia al desorden está acotada; hay una multitud de elementos individuales que influyen de manera no lineal en el estado general del sistema. Merced solamente a la dinámica interna, se produce un comportamiento coherente, llamado autoorganización.”
  8. Una economía compleja integrada bajo el paraguas Moriniano del anti-método deberá vincular la actividad humana, la investigación científica y el pensamiento complejo. Deberá observar los problemas desde un nivel multi-inter-transdisciplinario. Le podría ser útil guiar sus modelos bajo un esquema tipo SiAS (sistema adaptativo para el análisis social) como el propuesto por Amozurrutia. Podrá usar la nueva familia de herramientas que nos brinda la complejidad a partir de conceptos originados en la interacción interdisciplinaria de varios campos de la ciencia, desde la física, biología, química,  sociología, psicología… Podrá construirse bajo los principios dialógico, holográmico y de recursión organizativa que se sustentan en la auto-organización y que a su vez tienen sus cimientos en las teorías de la organización: la de la información, la cibernética y la de sistemas, que conforman el edificio del pensamiento complejo Moriniano.
  9. Deberá usar las matemáticas no lineales, lo que Morin llama complejidad restringida, pero no descuidará la epistemología y la filosofía de la complejidad general. Con ello podrá superar buena parte de las limitaciones a las que está condenada por utilizar herramientas lineales.  El pensamiento complejo sirve para una mejor comprensión de los sistemas sociales, en especial del sistema económico, esta es mi hipótesis.

 

 

2.- Retos de las ciencias sociales, en especial de la económica.

  1. La economía estudia sistemas complejos. Ello se corrobora tanto en contextos epistémicos como los creados por Morin, Luhmann, Glaser y Strauss o Amozurrutia. Como en contextos de tratamiento de datos económicos donde comprobamos empíricamente propiedades como las de la fractalidad, leyes de potencias, colas largas, leyes exponenciales, leyes log-normales, sistemas dinámicos, estructuras disipativas, autonomía sensomotora, ruido blanco, ruido gris y ruido rosa y otras propiedades caracterizadoras de los sistemas complejos. En ambos contextos se confirma la necesidad de aplicar una perspectiva compleja para atacar los problemas prácticos a estudiar en economía.
  2. El principal reto que enfrenta la economía es establecer una teoría cuantificable, que dependa de principios generales subyacentes y que lleve a hacer predicciones útiles. Las baterías de argumentos y pruebas de hipótesis de las escuelas económicas, fallan sistemáticamente por la razón de que aplicar técnicas de análisis lineal a problemas no lineales lleva a error, Weaver (1948). Liz Bradley (2015) “Estudiar sistemas no lineales es como estudiar animales que no son elefantes”. La inmensa mayoría de los sistemas en la naturaleza son no lineales y están fuera del equilibrio. Los sistemas sociales y económicos no son una excepción, así que para conseguir predicciones útiles deberemos aplicar técnicas transdisciplinarias de la complejidad.
  3. Amozurrutia (2012) “el primer reto que enfrentamos es el de saber plantear un problema práctico desde un nivel de observación interdisciplinario y posteriormente abordar el problema de conocimiento que ello implica… Consideramos que hoy en día, debe ser necesariamente desde la mirada conjugada de varios niveles de observación que reconocen diferentes componentes que intervienen en el entramado que deriva en el problema.”
  4. El economista complejo deberá familiarizarse con esas miradas conjugadas de varios niveles de observación. Morin (2007) “tomemos por ejemplo la economía, la ciencia social más avanzada desde el punto de vista matemático, pero que está aislada de contextos humanos, sociales, históricos y sociológicos: su poder de predicción es extremadamente débil porque la economía no funciona de manera aislada: sus previsiones deben ser revisadas sin cesar, lo que nos indica la imperfección de una ciencia muy avanzada pero demasiado cerrada.”
  5. El economista complejo deberá conjugar filosofía y ciencia, linealidad, complejidad restringida y complejidad generalizada. Construirá sus modelos atendiendo a la necesidad de “situar todo en el contexto planetario”, a la “urgencia de una reforma del pensamiento y la enseñanza que tenga en su centro la complementación del pensamiento “que aísla” todavía dominante, con el pensamiento que une”, a la “urgencia del aprendizaje sobre cómo tratar la incertidumbre”. (Glosario de la complejidad).
  6. La ciencia económica, sigue los principios de la ciencia clásica: determinismo universal (ilustrado por el demonio de Laplace), reduccionismo (conocer un compuesto a partir de conocer las partes que lo constituyen) y el principio de disyunción, (aislar las dificultades cognoscitivas). La corriente neocláscia, dominante desde los años 70 del SXX, lleva al extremo estos supuestos y muchos de sus defensores la consideran una ciencia cuasi-dura matematizable  por completo.
  7. En aras de generalizar el uso del pensamiento complejo en la economía  deberemos crear un proceso disruptivo en las corrientes económicas. Primero deberemos hacer asequibles las herramientas complejas a los investigadores, que no solo deberán aprender sino, lo que es más difícil, desaprender. En ambos casos deberán estar convencidos de que las herramientas les ofrecen oportunidades de mejora sustancial en el tratamiento de sus campos de estudio.  Por ello son cruciales dos condiciones. Primero, mostrar, de manera relativamente sencilla de entender, hallazgos útiles en la comprensión y predicción de procesos complejos, en especial en los sociales y económicos. Segundo, construir “dendritas” con información y procedimientos para facilitar el uso y acceso a paquetes de análisis adaptativos. Además, esos paquetes deberán ser asequibles a no iniciados en las densas matemáticas que envuelven la complejidad restringida.
  8. Esas dendritas son asimilables a las terminaciones neuronales, sensores en las Redes Neuronales Asistidas (RNA) y las Auto-organizadas (SOM) que utiliza Amozurrutia. Complementariamente (y antagónicamente), son las partículas de información que se adhieren a una superestructura ordenada a partir del desorden en las figuras fractales dendríticas como en el caso de los corales o los copos de nieve, desde la perspectiva fractal desarrollada por Feldman (2015).
  9. Entonces, las dendritas que voy a crear serán una caja de herramientas  complejas, o en palabras de Amozurrutia “un conjunto de elementos/relaciones, organizados en códigos/funciones, estructuras/procesos y módulos/subsistemas que interaccionan como una totalidad relativa orientado a la solución de problemas sociales” aplicables directamente por economistas. Constarán de material didáctico (escrito, gráfico y audiovisual), así como de paquetes de computación y programas de técnicas para desvelar patrones complejos en los datos tratados. Incluirán todos los procesos necesarios para reproducir algunos de los casos de comprobación empírica, con datos reales, más utilizados en la literatura para explicar las distintas baterías de pruebas o análisis, de tal forma que cualquier investigador pueda reproducirlos sin necesidad de ser un experto filósofo ni matemático.

 

3.- Bosquejo de investigación para contrastar si el pensamiento complejo sirve para una mejor comprensión de los sistemas sociales, en especial del sistema económico

  1. En la tercera parte de este documento voy a desgranar la configuración de las dendritas usando un ejemplo práctico. Mi intuición es que podré construir mi tesina y tesis construyendo varios artículos que deberán cumplir con los requisitos para ser publicables en revistas de divulgación científica.
  2. El primer artículo que quiero construir consiste en poner a prueba la tesis de Eugene Fama, Nobel en 2013, sobre la eficiencia de los mercados. Para ello utilizaré  series de datos de índices bursátiles y tipos de cambio, como los que analiza Fama, pero siguiendo la receta de Clauset, Shalizi y Newman (2009).  La tesis de Fama se basa en el reconocimiento de ruido blanco en las series de precios de activos financieros. Utilizaré un paquete de contraste preparado para utilizarse en python por Alstott, Bullmore y Plenz (2014) con el que examinaré la existencia de colas gruesas en esos datos, lo que invalidaría la tesis de ruido blanco de Fama.
  3. Realizaré varios vídeos tutoriales. El primero mostrará las fuentes a las que deberán referirse  aquellos que quieran profundizar en cualquiera de los aspectos epistemológicos o técnicos del proceso. El segundo mostrará los pasos para la correcta instalación del programa python y los paquetes de análisis necesarios. El tercero mostrará las diferencias entre trabajar variables discretas y variables continuas. En el cuarto haremos un recorrido al artículo de Botta et al (2015). Este artículo será el que computemos en primera instancia. Sigue la receta de Clauset para datos de series de precios bursátiles, lo que es perfecto para el desarrollo de mi primer artículo. Utilizaremos la máxima verosimilitud para estimar el parámetro alfa, el exponente de escalabilidad fractal. Alfa es el exponente en la ley de potencia. Para ello calcularemos el “x mínimo”, la observación a partir de la cual podemos decir que empieza a cumplirse la ley de potencia. Usaremos el método de Kolgomorov-Smirnov (K-S) para medir las distancias de las distribuciones de probabilidad. Una vez obtenidos Xmin y el estimador de alfa, contrastaremos la consistencia de la hipótesis de que el comportamiento de los datos empíricos sigue una la ley de potencia. Construiremos las colas empíricas con 100 datos en cada cola. Compararemos el estadístico de K-S observados en los datos empíricos con los de 1000 muestras con datos creados aleatoriamente. Obtendremos el p-valor contando el número de veces que el estadístico K-S sintético es mayor que el K-S empírico. No rechazaremos nuestra hipótesis de consistencia con la ley de potencia si el p-valor es mayor que el conservador valor del 10% de significación estadística. Para determinar si la distribución es consistente a un decaimiento exponencial, realizamos un análisis paralelo ajustando los datos a una distribución exponencial en lugar de  a una distribución de ley de potencia, comparando los datos con datos sintéticos del mismo modo que se ha explicado antes. Repetiré el proceso con los datos que utilizó Fama para fundamentar su tesis. Finalmente, pondré en contexto la importancia de contrastar la existencia de patrones fractales en las series de precios de los mercados de valores.
  4. Los procesos previstos para este primer artículo pueden parecer fuera del alcance de investigadores no expertos en estadística y programación computacional, pero lo cierto es que el paquete python es muy sencillo de usar cuando se conocen los pasos. Siguiendo los tutoriales descritos en el punto 3.21 cualquier investigador de cualquier disciplina podrá aplicar la receta de Clauset para determinar si sus datos cumplen una ley de potencia o al menos tienen cola larga en lugar de seguir distribuciones normales. Tener cola larga significa aceptar que existen “cisnes grises”: la probabilidad de que sucedan resultados extraordinarios de alta intensidad es mucho mayor que la prevista por las distribuciones gaussianas donde esos resultados se dan por casi imposibles.
  5. La incorporación de los llamados cisnes grises en el imaginario científico  tendrá un impacto importantísimo en la forma de enfrentarse a los contrastes de hipótesis en los próximos años. También afectará de manera significativa a los procesos de tratamiento de series de datos que tan de uso están entre económetras, psicómetras, sociómetras, biómetras, etc…Es uno de los cambios por disrupción de los que estoy seguro que seremos testigos.
  6. En la tabla 1 listo la relación de herramientas que tengo previsto analizar en el desarrollo de mi tesis. Como puede observarse, no todos los procesos son específicos para economía, también estudiaré la fractalidad y los ruidos rosas, blancos y marrones de las sinergias sociales analizadas mediante datos de interacción en redes sociales durante los dos primeros años de existencia del movimiento de protesta ciudadana 15M español, o la escalabilidad urbana en medidas no directamente asociadas con datos económicos. También espero encontrar una ley de potencias, o cuando menos una cola larga en la distribución de la riqueza según la definición dada por el equipo de Rosling (2015) en su Dollar Street, por poner los ejemplos que más me llaman la atención.

 

 

 

 

 

 

 

 

 

 

 

Morin Antimétodo
Principio de Recusión organizativa
Principio dialógico
Principio holográmico
Teorías de la organización:
Tª Sistemas
Tª Información
Tª Cibernética
LabComplex SiAs Sistemas adaptativos para el análisis social
Modelo de redes neuronales RNA y SOM
Lógica borrosa
Lenguaje sistémico en la formulación de SiAs
Aguilera Sensorimotores en redes neuronales
Autonomía social en el 15M
Santa Fe Fractales
Colas largas: leyes de potencia, exponenciales y log-normales
Gráficos log-log
Dimensiones fractales y sistemas caóticos
Leyes de potencia y autosimilitud
Media y varianza en fractalidad
La optimización desde la fractalidad
Escalabilidad urbana
Comportamiento del agente
Sistemas dinámicos no lineales
Topología fractal y caótica: atractores

 

 

 

 

  1. Conclusiones
  1. La investigación que quiero llevar a cabo compilará procesos de disciplinas dispares para que puedan ser utilizables generalizadamente en investigaciones de disciplinas más dispares todavía, lo que asegura un vector de transdisciplinariedad al proyecto.
  2. Durante el transcurso de la investigación cubriré la necesidad de compartir distintos niveles de observación con distintos investigadores para enfocar  preguntas de investigación y modificaciones adaptativas tanto en las propias preguntas como en los procesos elegidos para atacarlas.
  3. Necesitamos una “reforma del pensamiento y la enseñanza que tenga en su centro la complementación del pensamiento “que aísla” todavía dominante, con el pensamiento que une, el pensamiento complejo que reconstruye en la mente lo “que está tejido junto”.” (Glosario de la complejidad). Uno de los principales objetivos del proyecto será la de contagiar esa creencia a investigadores que hoy por hoy se sienten satisfechos con una aproximación reduccionista clásica en sus campos de estudio, especialmente a investigadores sociales y entre ellos a economistas. Otro de los objetivos será crear material didáctico que facilite la puesta en práctica de estrategias complejas para atacar problemas sociales.
  4. El coste de crear la disrupción científica compleja es muy grande. En primer lugar, como sucede en cualquier proceso disruptivo, tenemos una inmensa mayoría de agentes, en este caso investigadores científicos, que no están dispuestos a aceptar a la ligera  que sus fundamentos epistemológicos clásicos probablemente son insuficientes para aplicarlos en los campos en los que han estado trabajando durante sus carreras. Por otro lado, creo firmemente, y espero poder demostrarlo en mi tesis, que las estructuras de poder,  persiguen una homeostasis de sus sistemas, son resilentes al cambio, buscan mantener el status quo. Intuyo que las ciencias de la complejidad cambiarán nuestras interacciones sociales de tal manera que veremos una transformación en las estructuras sistémicas emergentes que hemos vivido desde el humanismo del S.XVIII, desde la forma de gobernarnos, relacionarnos económicamente, culturalmente, ecológicamente… Me parece poco probable que los que ostentan el poder en cualquiera de estos ámbitos vayan a poner facilidades para que se produzcan.
  5. El coste de retrasar la disrupción científica compleja es inmenso. Cada problema complejo atacado con herramientas lineales es una oportunidad de mejora. Los sistemas sociales dinámicos necesitan de una lente compleja para proponer soluciones relativamente óptimas y estables, pero sobre todo para generar métodos que permitan reaccionar y anticipar los cambios y la incertidumbre inherente a todo sistema auto-eco-organizado. Todos tenemos en nuestras mentes una imagen propia de los problemas en el Mundo que no se están solucionando con la racionalidad que se le supone a nuestra especie. La complejidad nos asegura que no podremos darnos nunca por satisfechos completamente con las propiedades que emerjan de nuestros subsistemas y tendremos que vivir con ello, pero podremos hacerlo con unas herramientas mucho más potentes que las que nos ha brindado la ciencia clásica. Esa misma complejidad caótica, nos permitirá evolucionar socialmente y ser resilentes como especie integrada en el mundo, transformará nuestros sistemas sociales y nos permitirá integrar el pensamiento complejo, la investigación científica y la actividad humana guiándonos hacia “la comprensión del conocimiento del mundo como una necesidad a la vez intelectual y vital” (Glosario de la complejidad).
  6. El proyecto de investigar la hipótesis sobre si el pensamiento complejo sirve para una mejor comprensión de los sistemas sociales, en especial del sistema económico  será una contribución al proceso disruptivo que tarde o temprano transformará la ciencia, espero que suceda en el siglo XXI, como predijo Stephen Hawking. Haré todo lo que esté en mi mano para que así sea.

 

Lista de referencias

Alstott, Jeff, Ed Bullmore, and Dietmar Plenz (2014). Powerlaw: a Python package for analysis of heavy-tailed distributions.

Código: https://github.com/jeffalstott/powerlaw

Documentación: https://pypi.python.org/pypi/powerlaw

 

Arthur Brian (2013). Complexity economics a different framework for economic thought. SFI Working paper: 2013-04-012. To appear in the book Complexity Economics,

W.B. Arthur, Oxford Univ. Press, 2013.

 

Botta F, Moat HS, Stanley HE, Preis T (2015) Quantifying Stock Return Distributions in Financial Markets. PLoS ONE 10(9): e0135600. doi:10.1371/journal.pone.0135600

Bradley Liz (2015) Nonlinear Dynamics: Mathematical and Computational Approaches (Fall 2015). Curso sobre matemáticas no lineales y caos. Fechas: 1 Sep.  2015 PDT – 8 Dec 2015 PS. Web: http://www.complexityexplorer.org/online-courses/29-nonlinear-dynamics-mathematical-and-computational-approaches-fall-2015

Clauset Aaron, Shalizi C. R., Newman M. E. J. (2009) Power-Law Distributions in

Empirical Data. SIAM REVIEW 2009 Society for Industrial and Applied  Mathematics Vol. 51, No. 4, pp. 661–703

David Feldman (2015) Fractals and Scaling (Fall 2015). Curso sobre matemáticas fractales y leyes de potencia. Fechas: 1 Sep 2015 PDT – 13 Nov 2015 PST. Web: http://www.complexityexplorer.org/online-courses/26-fractals-and-scaling

Gutiérrez Sánchez José Luis (2000). Sociedad, polític, cultura y sistemas complejos Ciencias, julio-septiembre, número 059. Universidad Nacional Autónoma de México Distrito Federal, México. pp. 46-54

Miramontes Oscar (1999) “Los sistemas complejos como instrumentos de conocimiento y transformación del mundo”. Perspectivas sobre la teoría de sistemas. Centro de Investigaciones Interdisciplinarias en Ciencias y Humanidades,
UNAM-Siglo XXI, México (1999)

 

Morin Edgar (2007) Complejidad restringida, complejidad general. Sostenible?    núm. 9 URIhttp://hdl.handle.net/2099/3883

Morin Edgar ( ) Del objeto al sistema.

 

Morin Edgar ( ) La epistemología de la complejidad. La construcción de vías distintas. CNRS, París

 

Morin Edgar (2007) Complejidad restringida, complejidad general. http://www.pensamientocomplejo.com.ar/docs/files/Morin,%20Edgar%20-%20Complidad%20restringida%20-%20complejidad%20general.pdf

 

Ramos Calderón José Antonio Revista (2012) de Ciencias Sociales de la Universidad Iberoamericana. Año VII, No. 14. Julio-Diciembre de 2012.. pp. 72-99. ISSN: 2007-0675. Universidad Iberoamericana A.C., Ciudad de México. www.uia/iberoforum

 

Rosling Hans (2015). Dollar Street. http://www.gapminder.org/downloads/dollar-street/

Sotolongo Codina, Pedro Luis; Delgado Díaz, Carlos Jesús (2006). Capítulo III. La epistemología hermenéutica de segundo orden. En publicación: La revolución contemporánea del saber y la complejidad social. Hacia unas ciencias sociales de nuevo tipo.

Varios autores. (En construcción) Glosario básico de la Complejidad.  Multiversidad Mundo Real Edgar Morin.

 

Weaver Warren. (1948). Science and complexity. American Scientist, reproducido por Classical Papers.

 

West Geoffrey (2013). A Unifying Framework for the Dynamics and Structure of Complex System. The Stanford Complexity Group. Video de youtube: https://youtu.be/ke5I7vdkRag

 

Leave a Reply

Your email address will not be published. Required fields are marked *