Relembrando a estrutura de modelagem citada na seção 3.2, optou-se pela abordagem de modelagem baseada em fenômenos, utilizando como referência as descrições encontradas na literatura consultada e as observações realizadas empiricamente pelo autor ao longo de sua carreira.
O grau de especificidade da pergunta que norteia a criação do modelo é elevado, posto que o modelo foi especificamente criado para responder às perguntas de pesquisa desta tese.
O procedimento metodológico de modelagem utilizado foi predominantemente top-
down, dado o fato de que o modelo conceitual surgiu e amadureceu antes da implementação,
fruto das pesquisas realizadas no corpo de conhecimento das várias disciplinas abordadas nesta tese, ainda que o aprendizado obtido durante o processo de implementação tenha levado a alguns refinamentos no conceito, e a implementação de mecanismos adicionais ao modelo, fato típico do método bottom-up.
No que tange à granularidade, os agentes modelados representam organizações inteiras, e não seus funcionários e dirigentes. Suas ações, portanto, são o agregado das ações, decisões e aprendizado tomadas por todos os seus integrantes. Os agentes são caracterizados por parâmetros e variáveis que determinam seu estado interno e seu comportamento, que pode variar de acordo com seu papel no ecossistema.
Quanto aos seus parâmetros e variáveis, os agentes são caracterizados por:
- motivação em aprender (exceto integradores), disposição em compartilhar (exceto integradores), recursos acumulados, aptidão geral (exceto integradores), desempenho criativo (geradores), desempenho no desenvolvimento (todos os agentes que possuem conhecimento científico e conhecimento tecnológico), capacidade de integração (integradores), conhecimento tecnológico e sua aptidão (consumidores e difusores), conhecimento científico e sua aptidão (geradores e difusores).
Seu comportamento também é dependente dos papéis assumidos. São estes:
- Interagir: trata-se da atividade em que um emissor compartilha seu conhecimento com um receptor. Quando executada entre entidades com conhecimento científico pode levar a mutações no conhecimento (novo conhecimento). Todos a executam, exceto os integradores;
- Criar conhecimento: atividade onde novo conhecimento científico é gerado, sendo executada apenas pelos geradores;
- Desenvolver conhecimento: atividade em que conhecimento científico é convertido em conhecimento tecnológico. Apenas aqueles que possuem ambos os tipos de conhecimento,
como os geradores-consumidores, geradores-difusores, e os difusores que possuem ambos os tipos de conhecimento;
- Integrar: atividade em que uma entidade seleciona duas entidades para interagir com parâmetros de motivação em aprender e disposição em compartilhar realçados. Executada apenas pelos integradores;
- Regras de aprendizado: podem ser implementadas para todos os que executam ações do conhecimento. Neste modelo são implementadas regras de aprendizado para a motivação em aprender, que podem avaliar o aprendizado ou o ganho de aptidão obtido pelo receptor após a interação com um emissor.
Os parâmetros do ambiente são:
- Representação da demanda, recursos disponíveis (tamanho do mercado), o mínimo de recursos despendidos pelos agentes a cada iteração para permanecer vivos (custo de vida), o crescimento deste dispêndio com o tamanho da organização, custo de atividades do conhecimento (interação, desenvolvimento e geração), além de mecanismos para a criação de novas organizações, seleção das pouco aptas, introdução de organizações perfeitamente aptas, exclusão de certos tipos de entidades da seleção natural, mutação da demanda do mercado, número de agentes de cada tipo.
As saídas do modelo serão dadas na forma de uma animação gráfica que dá uma noção da quantidade de recursos acumulados pelas entidades, de sua aptidão em relação à demanda do mercado, das relações entre elas, do tipo e intensidade do fluxo de conhecimento que está ocorrendo. Há também gráficos dos vários parâmetros do modelo e seus agentes, que serão explicitados nas seções seguintes.
A ordem em que as ações ocorrem no modelo está explicitada na função “Go” do mesmo, que será apresentada nos Apêndices, seção 8.1.
Na seção 3.2 sugeriu-se oito dimensões a considerar quando se modela sistemas sociais. Estas são apresentadas aqui, para clarificar as premissas utilizadas no modelo computacional:
1) Visão: os agentes são capazes de perceber a participação no mercado (através da aptidão) e a quantidade de recursos acumulados pelos outros agentes, assim como sua própria participação (através de sua aptidão). São capazes de perceber se o resultado de suas interações com outros agentes foi bom ou ruim através da variação de sua própria aptidão, mas não são capazes de saber exatamente qual é a demanda do mercado;
2) Intenção: os agentes visam prosperar e sobreviver no ecossistema. Para tanto eles podem se engajar em atividades do conhecimento ou não, dependendo de sua visão de que atitude melhoraria sua aptidão no ambiente;
3) Fala: os agentes do tipo entidade podem convidar outros agentes a interagir, podem recursar convites e podem transmitir e receber conhecimento de seus parceiros;
4) Ação: um agente do tipo entidade pode escolher executar uma ação ou não de acordo com seus parâmetros comportamentais, que darão a probabilidade de um agente se engajar ou não em uma ação do conhecimento. As ações possíveis para as entidades são: convidar para interagir (para a troca conhecimento), recusar convite, trocar conhecimento, gerar conhecimento, desenvolver conhecimento, integrar agentes, morrer. O ambiente, implementado como um agente do tipo mercado, pode mudar sua demanda;
5) Sobrevivência: os agentes do tipo entidade precisam obter recursos do ambiente para cobrir seus gastos de recursos a cada iteração. Estes recursos devem ser distribuídos de acordo com a aptidão relativa do agente, ainda que alguns agentes possam receber recursos independentemente de sua aptidão (agentes não expostos ao mercado). Os mecanismos e condições pelos quais isto ocorre dependerão do ecossistema em estudo;
6) Esforço: os agentes do tipo entidade podem decidir não interagir com parceiros de menor aptidão do conhecimento, e podem utilizar sua percepção dos resultados de uma ação para atualizar sua inclinação a realizá-la novamente. Com isto podem evitar desperdiçar recursos com aprendizado que não lhes trará maior aptidão ou aprendizado, ou se distanciar de uma resposta ótima à demanda do ambiente pela adoção de inovações antes que o mercado as deseje. Estas heurísticas dependerão do ecossistema a ser estudado e do tipo de agente em questão, e não necessariamente levam a um comportamento ótimo;
7) Consciência: neste modelo são utilizados níveis elementares de cognição, basicamente o atendimento de condições e o “rolar de dados” utilizando os parâmetros individuais como referência;
8) Concentração: o foco do modelo são as ações do conhecimento e o impacto que estas possuem sobre a aptidão dos agentes e sobre seus parâmetros de comportamento. Observou-se também o “princípio de projeto da MBA”, partindo-se de um modelo simples para um mais complexo evitando-se inserir mais elementos do que o necessário.
Durante o processo de modelagem surgiram questões interessantes que não foram abordadas nos experimentos aqui apresentados, no entanto a capacidade de alterar parâmetros e mecanismos que permitam a exploração destas questões foram implementadas por curiosidade do autor, para a avaliação da coerência do modelo e para a sugestão de trabalhos futuros.