07 - Modelado y Simulacion Con Dinamicas de Sistemas

PARTE 3 MODELADO Y SIMULACIÓN EN LA EDUCACIÓN
Tecnologías informáticas en la escuela 159
INTRODUCCIÓN
Esta parte promueve una propuesta de integración interdisciplinaria, donde la informática

constituye un recurso que aporta software especializado, con el cual es posible promover
procesos de aprendizaje caracterizados por la construcción (modelamiento), la
experimentación (simulación) y el uso con sentido de la información; es decir, procesos de
construcción y reconstrucción de conocimiento.
Se trata de responder a la pregunta por: ¿qué podemos hacer con la informática, que no
posible hacerlo sin ésta? Se trata de reflexionar sobre nuestro hacer escolar y no sólo
mejorarlo sino transformarlo con la ayuda de las TI. Debemos continuar en un proceso de
mejoramiento y de transformación; las innovaciones de hoy, mañana serán una labor
cotidiana y habrá que mejorarlas. Las innovaciones siempre serán necesarias; así viviremos
el cambio y viviremos cambiando.
Para asumir esta parte del libro, es apropiado recordar lo que creemos ya es un principio
compartido en este acompañamiento: Siempre nuestro punto de partida para pensar en la
informática en la escuela, es una postura frente a la Educación y un referente pedagógico
que guía la reflexión, el hacer y el decidir en el proceso de construcción y ejecución de un
proyecto escolar que asume las TI. En este orden de ideas, sin negar la variedad de
opciones, CPE-UIS ha asumido para orientar la formación, el aprendizaje significativo,
autónomo e integrado y se ha apoyado en la estrategia de aprendizaje basado en
situaciones problémicas y en el diseño de actividades integradas, que reconocen la
informática como disciplina a aprender formalmente y a ser usada como medio dinamizador
y transformador de los procesos de aprendizaje, en todas las áreas del conocimiento y en
todos los aspectos de la formación escolar.
Este parte nos presenta el modelado y la simulación mediante una teoría tecnológica, la
Dinámica de Sistemas (D.S), teoría pensada para apoyar nuestros procesos de aprendizaje,
es decir, de reconstrucción y construcción de conocimiento con la ayuda del computador. La
construcción de explicaciones y la experimentación simulada, sobre los fenómenos
complejos se facilitará si asumimos y operamos con la D.S. En este contexto, se motiva
reflexiones sobre la educación, en particular sobre el aprendizaje y se dan a conocer útiles
informáticos que facilitan el llevar a la práctica la propuesta pedagógica que así surge, en el
espacio de una propuesta de Micromundos para el aprendizaje en las diferentes áreas y en
especial en el área de Ciencias de la Naturaleza.
Para entender con mayor claridad las anteriores ideas, en esta parte, veremos la D.S en la
práctica, al modelar un fenómeno poblacional; luego se presentará formalmente el proceso
de modelamiento con D.S y un sencillo ejemplo asociado al juego de la epidemia. A
continuación, se dará a conocer la propuesta de Micromundos de simulación para el
aprendizaje de las Ciencias (MAC), se proponen actividades integradas con el enfoque MAC
y se cierra dando a conocer las experiencias internacionales que se desarrollan en este
campo y proponiendo tareas y compromisos que proyecten estas ideas en la vida escolar.
CAPÍTULO 7 MODELADO Y SIMULACIÓN CON DINÁMICA DE SISTEMAS
Tecnologías Informáticas en la Escuela 163
7 MODELADO Y SIMULACIÓN CON DINÁMICA DE SISTEMAS

7.1 INTRODUCCIÓN
La D.S es un lenguaje que nos facilita explicar y recrear los fenómenos de interés en
términos de modelos de simulación. Con estos modelos y el computador podemos observar
cómo se puede comportar el fenómeno bajo diferentes condiciones (experimentación
simulada). Es decir, podemos responder a la pregunta por: ¿Qué pasaría en …. (un
fenómeno) si ….. (se presentan determinadas condiciones, hacemos … )? Según esto, un
modelo es una explicación que nos es útil para contestarnos preguntas sobre el fenómeno
que explica. Además, la D.S asume, para pensar los fenómenos a modelar, lo que
llamamos el Paradigma de Pensamiento Dinámico Sistémico, esto es una manera de pensar
sobre lo que nos interesa asumiendo los fenómenos como Sistemas Dinámicos. Es decir,
como cosas que están en permanente cambio y que para comprenderlas debemos explicar
cómo cambian, como son sistemas dinámicos, es decir, como constituidas por un conjunto
de partes interrelacionadas generando una estructura realimentada.
Este capítulo presenta la D.S en un proceso de modelamiento de una dinámica poblacional

(por ejemplo de conejos). El modelado del fenómeno se desarrolla mediante prototipos de
complejidad y cobertura crecientes, de tal forma que estos modelos permitan ir
representando lo que se estudia en términos de los elementos fundamentales, hasta llegar a
un modelo útil para el diseño y experimentación de políticas de intervención sobre el
fenómeno mismo o a un modelo que satisface el propósito u objetivo plateado.
El modelado por prototipos implica un desarrollo a partir de un núcleo central, que se va

constituyendo en el modelo final, a medida que gana en detalle y en cobertura, es decir,
como producto de la inclusión y desagregación de elementos del sistema y la clarificación
de las relaciones entre ellos. A su vez este proceso de incremento de complejidad se utiliza
aquí como recurso que posibilita la presentación progresiva de la D.S en términos de todos
sus útiles.
Es recomendable señalar al lector que lo modelos aquí presentados se implementaron con

el software Evolución; software creado por el grupo SIMON, para modelar y simular con D.S.
Así mismo es importante recalcar que, aunque la D.S. tiene sus fundamentos, lenguaje y
metodología, su aprendizaje requiere un ejerció práctico con el recurso computacional. El
modelar es como el pintar, no basta con conocer todos los fundamentos, historia y técnicas,
es necesario pintar, es decir, es necesario modelar para hacerse modelador y para
comprender profundamente un modelo. Por esto, este capítulo se debe estudiarse usando el
computador, usando Evolución, modelando y simulando.
164 Modelado y simulación con dinámica de Sistemas
7.2 UN PRIMER ACERCAMIENTO A LA DINÁMICA DE SISTEMAS

COMPRENDIENDO LA EPIDEMIA DE LA TI
Este primer acercamiento con una actividad lúdica, el juego de la epidemia, nos permite: un
primero acercamiento al modelado y la simulación con D.S, comprendiendo los conceptos
de modelo, modelado y de simulación que aquí se utilizan. Además se propondrá una
analogía para entender la dinámica de uso de las TI, en una organización, como una
epidemia.
7.2.1 Juego de la epidemia, simulación en vivo
Este juego se propone recrear (simular) en vivo, la epidemia de una enfermedad que se
propaga por el contacto directo entre personas sanas y personas enfermas (contagiadas).
Las personas que se contagian, permanecen contagiadas indefinidamente; Aunque el
contagio se da cuando hay contacto entre sanos y contagiados, no siempre, que hay un
contacto de estos se genera contagio. Se juega de la siguiente manera:
Un árbitro y N jugadores. Antes de iniciar el juego el árbitro selecciona, en secreto,

uno de los jugadores como el primer contagiado, él es el que inicia la epidemia.
Los jugadores se sitúan en una sala en la cual se puedan mover libremente.
El juego se desarrolla jugada a jugada y en cada una cada jugador saluda a otro.
Los sanos que saluden a un contagiado podrán quedar contagiados
El juego inicia cuando el árbitro le oriente a los jugadores registrar en una planilla:
el número de la jugada (de 1 en adelante), apostarle al número 1 o al 2 y luego
saludar a un compañero.
Después que todos saludaron, el árbitro lanza un moneda y si cae cara dirá 1 , si
cae sello indicará 2
Los jugadores sanos que habiendo saludado a un contagiado y que además el
número registrado, antes de saludar, coincida con el indicado por el árbitro
después de lanzar la moneda, pasaran a contagiados. En todos los demás casos el
jugador seguirá en el estado que tenia antes de saludar (sano o contagiado), como
se observa en la Tabla 6 Después de que los jugadores que cambie de estado y lo
registren, el árbitro orientará iniciar la siguiente jugada, indicando a los jugadores
que traten de saludar a un compañero que no hayan saludado antes.
El juego se dará por terminado cuando el árbitro lo decida. Al terminar, cada
jugador debe saber en cual jugada se contagió.
Tabla 6: registro de Datos durante el juego

Jugada Apuesta al 1/2 Saludo a C/S Moneda 1/2 Estado S/C
#
1 2 S 2 S
2 1 S 2 S
3 2 C 1 S
3 1 C 1 C
4 2 C 2 C ******
5 1 S 1 C
Resultados del Juego:
Antes de graficar los resultados del comportamiento del juego, el Árbitro hará las siguientes
preguntas a los jugadores:
¿Cómo creen que se desarrollo el juego?, es decir, ¿cómo es la gráfica de personas sanas
y personas contagiadas durante el juego?, ¿Cómo espera que sea la gráfica de contagio?
Después de diluir las propuestas de gráficas plateadas por los jugadores, haciendo claridad
de porque proponen una u otra gráfica, el árbitro pregunta a cada jugador en que jugada se
contagio y hace la siguiente tabla, en este ejemplo se asume que hay 20 jugadores y desde
el inicio del juego uno de ellos está contagiado:
Jugada # Contagiados en la Acumulado de contagiados Cantidad de

jugada (contagiados) Sanos
(contagio)
1 1 2 18
2 2 4 16
3 3 7 13
Con los datos de la tabla anterior cada jugador debe realizar las gráficas de Contagiados,
Sanos y Contagio.
Un debate entre los jugadores debe permitir aclarar el porqué de los errores en las graficas
propuestas y cual es la forma general de la gráfica que resultó de los datos del juego. Hay
que tener presente que entre más se cumplan las reglas del juego (modelo) las gráficas
tendrán una forma más definida (simulación). La comprensión del comportamiento del juego
y el porqué del mismo, se ampliará al desarrollar su modelado y simulación con D.S, la
cual se presenta en el siguiente apartado de este capítulo.
7.3 MODELADO Y SIMULACIÓN DEL JUEGO DE LA EPIDEMIA Y LA

EPIDEMIA DE LAS TI EN UNA ORGANIZACIÓN.
Este modelo se desarrolla y simula describiendo la dinámica de propagación del uso de las
TI en una organización, el lector fácilmente apreciará que se esta haciendo una analogía
con la epidemia generada por una enfermedad contagiosa que tiene, al menos en el primer
prototipo, características similares al juego de la epidemia descrito en el anterior apartado.
De esta manera se habla de cuatro cosas simultáneamente: de D.S., de una epidemia real,
del juego de la epidemia y de la difusión de las TI en una Organización.
7.3.1 Primer prototipo

MODELO EN EL LENGUAJE EN PROSA
Asumamos que existe una población constante (PT), que lentamente se irá contagiando de
la TI, además, la epidemia la inicia alguien de esta población que se ha contagiado (está
con la TI) externamente (efecto del medio). Los demás, se van contagiando resultado de los
encuentros entre los contagiados y los sanos (sano: que no están con la TI). En una
enfermedad, sabemos que no siempre en el contacto entre contagiado y sano, el sano se
contagia; esto lo podemos representar con la tasa de contagio (T_C) la cual nos indica
cuántos contagios se dan, por ejemplo, por cada 100 contactos. Es decir, entre más
convincentes seamos con nuestras ideas y ejemplo de uso de la TI, más efectivos seremos
para contagiar a otros.
MODELO EN EL LENGUAJE DE FLUJOS Y NIVELES
Figura 27: Diagrama de Flujo Nivel. Primer Prototipo
Apreciamos que los vinculados a la TI, se van acumulando en un nivel que llamamos
Contagiados, el comportamiento de este nivel nos dirá cuántos están con la TI en cada
momento y cómo va cambiando esta cantidad resultado del contagio diario. El flujo de
contagio nos indica cuántos se contagian en cada periodo de tiempo, resultado del
encuentro entre sanos y contagiados y según la tasa de contagio. Los sanos, en cada
momento, es una información que la podemos obtener de restar a la población total el
número de contagiados. (Figura 27)
MODELO EN EL LENGUAJE DEL COMPORTAMIENTO
Figura 28: Dinámica de Contagio. Primer Prototipo
Figura 29: Flujo de Contagio. Primer Prototipo

Si definimos unas condiciones en las cuales se da la epidemia, en este caso el número de

contagiados iniciales, y el valor de la tasa de contagio y la población total, con la ayuda del
Software Evolución 3.5, podemos apreciar el comportamiento que van teniendo las
diferentes variables. Principalmente nos interesa observar, cómo van incrementando los
contagiados y disminuyendo los sanos y cómo se presenta el contagio, al principio lento
porque hay pocos que contagian y luego rápido porque hay bastantes contagiados y
bastantes sanos; cuando van disminuyendo los sanos el contagio va disminuyendo hasta
que se hace cero porque ya todos están contagiados. (Figura 28 y Figura 29)
7.3.2 Segundo prototipo
MODELO EN LENGUAJE EN PROSA
Asumimos todas las consideraciones del primer prototipo pero ahora contemplamos el
hecho que las personas se pueden curar de la enfermedad, para nuestro caso pueden
abandonar su vínculo con la TI, esto puede suceder pasado un tiempo de haberse
contagiado, es decir, que hay un retardo o demora para que una persona abandone la TI.
Además, la persona que abandona se convierte en un sano que más tarde se puede volver
a contagiar de la TI, en el juego esta posibilidad de recuperación no se presentó.
MODELO EN EL LENGUAJE DE FLUJOS Y NIVELES
Figura 30: Diagrama de Flujo Nivel. Segundo Prototipo
En este caso la cantidad de Sanos se representan por otro nivel, del cual salen los que se
van contagiando (flujo de contagio) y llegan los que abandonan (flujo Recuperación). El
parámetro P_contagio, define la Probabilidad de contagio (cuando se da el contacto entre
un sano y un contagiado). La variable auxiliar P_Encuantro_S_C define la probabilidad de
que se dé el encuentro entre un sano y un contagiado y la variable auxiliar T_recupera

determina el tiempo promedio que dura un contagiado en ese estado (Figura 30).
MODELO EN EL LENGUAJE DEL COMPORTAMIENTO
Figura 31: Dinámica de Contagio. Segundo Prototipo
En este caso, a diferencia del primer prototipo, los sanos no tienden a cero debido a que
algunos pueden abandonar el estado de contagiado, regresando a sanos para luego tener la
probabilidad de contagiarse nuevamente. De esta manera, parece evolucionar la dinámica
de vinculación de los miembros de una comunidad educativa al uso de la TI, se presentan
vinculaciones y abandonos y dependiendo de las diferentes acciones de la comunidad
misma, es posible consolidar un proyecto sostenible y con la participación de un buen
número de sus miembros.
7.4 APRENDIZAJE DE LA DINÁMICA DE SISTEMAS CON UNA POBLACIÓN

DE CONEJOS
Deseamos explicarnos la dinámica de desarrollo de una población de conejos que viven en

las mejores condiciones y sólo limita su crecimiento la disponibilidad de alimento. Este
modelo tiene el propósito de explicar la dinámica poblacional señalada y apreciar en ella
bajo que condiciones se presenta un comportamiento de crecimiento desaforado y caída
vertiginosa (overshoot and collapse, si usamos los términos en inglés). Además, se ha
implementado en un proceso de modelamiento por prototipos que permite ir dando a
conocer la D.S. y cada uno de sus útiles de modelado, simulación y análisis.
7.4.1 Primer prototipo

Al pensar sobre cómo se ha comportado una población de conejos, pensamos en cuánta
población ha existido en cada momento y si ha venido aumentando, disminuyendo o ha
permanecido estable. Además, si nos preguntamos qué la ha hecho cambiar, mínimo
pensaremos en los nacimientos y en las muertes naturales.
La anterior reflexión sobre el fenómeno identifica tres elementos fundamentales: Población

(número de conejos en cualquier instante, por ejemplo día), Nacimientos (conejos que
nacen por unidad de tiempo) y muertes (conejos que mueren por unidad de tiempo).
Dependiendo de cómo se asuman estos tres elementos, se establecen relaciones de
influencia entre los mismos, cuyo esquema representativo se denomina Diagrama Causal o
de Influencias Figura 32 Generalmente será utilizado el término Influencias, por la amplitud
del mismo, el cual contiene al de causalidad.
Figura 32: Diagrama de Influencias: Primer prototipo
En la Figura 32, se pueden apreciar dos secuencias cerradas de relaciones de influencias,

esto es, dos bucles o ciclos de realimentación que se leen de la siguiente manera: El ciclo 1,
a más población habrá más nacimientos y a más nacimientos habrá más población; esta
lectura muestra cómo el efecto de la modificación inicial de la población (más) recorre el
ciclo produciendo un resultado de retorno sobre la variable población, en el mismo sentido al
de la modificación inicial (más). Los ciclos que presentan este efecto de retorno, en el
mismo sentido al de la perturbación inicial, se denominan ciclos de refuerzo o de
realimentación positiva y generalmente explican el crecimiento del sistema. El ciclo 2, a
más población habrá más muertes y a más muertes habrá menos población. La anterior
lectura muestra cómo el efecto de la modificación inicial de la población (más) recorre el
ciclo produciendo un resultado de retorno sobre la variable población, en sentido contrario a
la modificación inicial (menos). Los ciclos que presentan este efecto de retorno, en sentido
contrario a la perturbación inicial, se denominan ciclos de control, compensadores o de
realimentación negativa y explican la tendencia a la estabilidad del sistema.
La lectura de los ciclos o bucles, se basó en las relaciones de influencia ya descritas entre
parejas de elementos, pero no en términos de los signos que acompañan los extremos de
las flechas, las cuales muestran el sentido de la influencia. Los signos usados son el menos
(-) y el más (+); el signo menos refleja que la relación entre los dos elementos se da en
sentido contrario, por ejemplo: a más muertes de conejos → menos conejos, el efecto
contrario a la modificación inicial le asigna a la relación el carácter de relación de influencia
negativa (-). Si leemos cualquiera de las otras parejas de relaciones observamos que se
influyen con efectos en el mismo sentido, relación de influencia positiva (+). Por ejemplo: a
más nacimiento de conejos → más conejos.
Continuando con la reflexión sobre el fenómeno que estamos modelando, para lograr un
primer prototipo muy fácil de entender y que reporte una idea general de la dinámica
poblacional, asumamos que los nacimientos y las muertes se dan a una tasa de natalidad y
una tasa de mortalidad constantes. Es decir, que por cada conejo (o por cada 100 si es %)
nace una cantidad fija cada día, determinada por la tasa de natalidad (TN: número de
conejos que nacen por cada conejo existente, cada día). Así mismo, por cada conejo (o por
cada 100 si es %) muere una cantidad fija cada día, la tasa de mortalidad (TM: número de
conejos que mueren por cada uno que exista, cada día). Obsérvese que lo que se está
asumiendo constante son las tasas y no los que nacen cada día (N: natalidad), ni los que
mueren cada día (M: mortalidad); cantidades que dependen de las tasas y de la Población
existente en el momento del cálculo.
DIAGRAMA DE FLUJO NIVEL

En el modelo conceptual planteado (Modelo en prosa y diagrama de influencias), se concibe
una población de conejos que se acumula, resultado de la dinámica de nacimientos
(entradas) y muertes (salidas). Es decir, en este modelo existe una variable medible en
cualquier instante de tiempo, que acumula el resultado de las dos acciones, nacimientos y
muertes de conejos. La variable que acumula se denomina en D.S nivel y la que genera el
cambio sobre el nivel se denomina flujo, cada una de ellas se dibuja y relaciona como se
aprecia en la Figura 33 En este caso existe un nivel, Población (P), y sus flujos nacimientos
(N) y muertes (M).
Figura 33: Diagrama de Flujo-Nivel. Primer Prototipo
Además de los flujos y el nivel, la Figura 33 incluye tres útiles más de la D.S para construir
los diagramas de flujo-nivel: los elementos constantes Tasa de Natalidad (TN) y Tasa de
Mortalidad (TM), se denominan parámetros. Son valores constantes durante toda la
simulación, sólo posibles de modificar de un escenario a otro. Las líneas gruesas, que unen
los flujos con los niveles se denominan canales de material, significando con el término
material todo aquello cuya medición de acumulación se registra en los niveles,
independientemente que se trate de algo físico (propiamente material) o de algo intangible.
Las líneas delgadas que llevan a una variable la información necesaria para su cálculo,
como en este caso a los flujos, se denominan canales de información. En términos
generales a los niveles les llega “material”, determinado por los flujos, y la información
“viaja” hacia los flujos para determinar sus valores. Para este primer modelo se asume que
pueden nacer indefinidamente y no interesa el destino de los que mueren, para representar
estas fuentes y sumideros anónimos con capacidad ilimitada se utilizan los símbolos en
forma de “nubes”.
ECUACIONES DEL MODELO.
Trabajando con un software para D.S, como EVOLUCION15, la formulación de las

ecuaciones inicia con la construcción del diagrama de Flujo-Nivel y continúa con la
definición de los elementos variables del modelo.
Para el prototipo que estamos construyendo, el diagrama de Flujo-Nivel (Figura 33), nos
expresa que: la población que tenderemos pasado un periodo de tiempo denominado delta t
(∆t), será igual a la población que se tiene inicialmente más los que nacen y menos los que
mueren en ese periodo; esto se puede representar con la siguiente ecuación:
P(t+∆t) = P(t) + (N(t) – M(t)) * ∆t (Ecuación 1)

La ecuación 1 el modelador no tiene que escribirla directamente; la escribe cuando dibuja el
diagrama de Flujo-Nivel y es la que el software usará para ir calculando los valores de la
población en cada ∆t, por ejemplo cada día. ∆t corresponde al intervalo de tiempo con el
cual se van registrando los eventos del fenómeno simulado. Este delta de tiempo debe ser
seleccionado de tal forma que se garantice la exactitud numérica en los cálculos y la
apreciación de los eventos del fenómeno. El ∆t corresponde a lo que se denomina paso de
simulación o de integración y debe dar cobertura, o permitir el registro, al evento significativo
de mayor velocidad considerado en el modelo.
Además, el diagrama de Flujo-Nivel nos indica que para calcular los nacimientos sólo se
requiere la información del valor de la tasa de natalidad y la población en ese momento.
Esto indica que nacimientos (N) es función de la tasa de natalidad (TN) y de la Población
(P), lo cual lo podemos escribir así: N(t)=ƒ (TN,P(t))
Igualmente podemos expresar que M(t)= ƒ (TM,P(t)). Además, por el diagrama de

influencias y por la definición que ya se planteó para la Natalidad (N) y para la Mortalidad
(M), se está asumiendo que las dos son directamente proporcionales a la población. Esto se
puede escribir como:
N(t) = TN * P(t) (Ecuación 2)

M(t) = TM * P(t) (Ecuación 3)
Las ecuaciones 1, 2 y 3 definen plenamente el primer prototipo, recordemos que la

ecuación 1 la escribe el software cuando dibujamos el diagrama de flujo nivel y las
ecuaciones 2 y 3 al definir con el software las variables nacimientos (N) y Muertes (M).
COMPORTAMIENTO DEL FENÓMENO, SIMULADO POR EL MODELO
Para este modelo elemental tenemos dos maneras de formular sus posibles
comportamientos, es decir, de simular los comportamientos del fenómeno apoyados en el
modelo: mediante simulación mental y con la ayuda del computador.
15
Software desarrollado por el Grupo SIMON de Investigación en Modelamiento y Simulación de la
Universidad Industrial de Santander (Grupo SIMON, 1997).
Teniendo en cuenta el fenómeno en estudio y el prototipo formulado podemos mentalmente

decir: si se dan unas condiciones tales que desde el principio nazcan más de los que
mueren, es decir TN > TM, la población crecerá y crecerá indefinidamente, haciéndolo cada
vez más rápido, como manifestación del dominio del ciclo positivo de realimentación (Figura
34), es decir, presenta un crecimiento exponencial positivo. Por el contrario, si la TN < TM,
es decir, que nacen menos de los que se mueren, domina el ciclo de realimentación
negativa (Figura 34) y la población se irá acabando lentamente. Además, si TN = TM , es
decir, si nace la misma cantidad que muere, la población permanecerá constante, no variará
en cantidad. Estos comportamientos describen lo que llamamos el modo de referencia y
nos serán útiles para evaluar los comportamientos que nos brinde el computador.
Lo anterior, nos permite afirmar que los tres posibles comportamientos cualitativamente
diferentes, son los que se aprecian en la Figura 34 Hablamos de comportamientos
cualitativamente diferentes porque de cada uno de éstos se puede presentar infinito número
cuantitativamente diferentes, es decir, hay muchos casos de crecimiento, muchos de
decrecimiento y muchos de estabilidad.
Figura 34: Modo de referencia Prototipo 1
Para simular con la ayuda del computador se usa el software EVOLUCION y el modelo,
definiendo un escenario, es decir, unas condiciones bajo las cuales se desarrollará la
simulación. Esas condiciones están dadas principalmente por el valor inicial de los niveles,
en este caso la Población y el valor de los parámetros (TN y TM).
Simulación de ejemplo:
Escenario:
Población inicial: P(0) = 2 conejos

Tasa de Natalidad: TN = 0.02 conejo/día
Tasa de Mortalidad: TM = 0.01 conejo/día
Otras condiciones de simulación:
∆t = 1 día; Tiempo inicial = 0; tiempo Final = 100 días

La Figura 35, se obtuvo al realizar la solución numérica o simulación correspondiente.
Figura 35: Crecimiento Poblacional - Prototipo 1
Con el software EVOLUCION se puede observar el comportamiento de cualquiera de los

elementos del modelo; por ejemplo, de los dos flujos del prototipo, donde se aprecia que los
nacimientos siempre son más que las muertes. Además el software facilita usar un recurso
que se denomina análisis de sensibilidad por parámetros, con éste, podemos ver cómo se
comporta el modelo frente a modificaciones de sus parámetros. La Figura 36, es el resultado
de un análisis de sensibilidad por parámetros que asume inicialmente el escenario de
crecimiento ya descrito y para las dos siguientes simulaciones incrementa la tasa de
mortalidad (TM) en un valor de 0.01. En la gráfica se aprecia un caso de cada uno de los
tres comportamientos cualitativamente diferentes que ya discutimos.
Figura 36: Análisis de sensibilidad - Prototipo 1
7.4.2 Segundo Prototipo

El primer prototipo es útil para concebir en general la dinámica poblacional y comprender los
conceptos básicos involucrados, así como para iniciar el modelamiento; pero no refleja el
comportamiento esperado para una población, ninguna población puede crecer
indefinidamente, siempre hay límites en un crecimiento y en términos del modelo las tasas
de natalidad y de mortalidad dependen de múltiples factores, es decir, no siempre son
constantes como lo asume el prototipo 1.
¿Qué puede limitar un crecimiento poblacional?, ¿cuál es el factor fundamental que puede
modificar las tasas de natalidad y de mortalidad? Pueden asumirse múltiples aspectos del
fenómeno, como temperatura, comportamiento climático, enfermedades, etc.; y todos estos
afectan el comportamiento poblacional. Pero hay un factor esencial: el alimento, su
disponibilidad es un limitante determinante en la vida de todo animal.
Para avanzar a un nuevo prototipo, en este segundo modelo se incluye el alimento

asumiéndolo como una cantidad constante la cual se distribuye homogéneamente en toda
la población, mediante una Ración Alimentaría (cantidad de alimento para cada animal) y
aunque la ración afecta tanto la natalidad como la mortalidad, en este prototipo sólo se
modela el efecto sobre natalidad.
En términos generales es aceptable intuitivamente que a más ración alimentaría (RA) habrá
más reproducción por animal, es decir, mayor será la tasa de Natalidad (TN); así mismo, al
disminuir la RA disminuirá la TN, es decir, se presenta una relación positiva de influencia
entre los dos elementos. Lo contrario se establece en la relación entre la Población y la
ración, es una relación negativa o en sentido contrario, una variación en la población genera
un cambio en la RA en sentido contrario a la variación poblacional (a más población
menos ración y a menos población más ración). Estas consideraciones se han agregado
al diagrama de influencias del primer prototipo generando una estructura con un nuevo ciclo
de realimentación negativa que incluye el efecto del alimento disponible por animal sobre la
TN y en general, sobre la dinámica poblacional (Figura 37).
Figura 37: Diagrama de influencias del Prototipo 2
El nuevo ciclo lo podemos leer de la siguiente manera: A más RA más TN más N

más P menos RA. El efecto del incremento de la RA se transmite a través de todo el
ciclo, retornando sobre la RA con un efecto en sentido contrario a la modificación inicial, es
decir, procurando compensar dicha modificación, por esto, este ciclo es un ciclo
compensador o de realimentación negativa el cual explica la tendencia del sistema a la
estabilidad.
DIAGRAMA DE FLUJO-NIVEL SEGUNDO PROTOTIPO

Lo plasmado en el diagrama de influencias se ha expresado de manera directa en el
diagrama de flujo nivel (Figura 38). En este diagrama, permanece, del primer prototipo, los
flujos, el nivel y un parámetro o constante, la TM; Lo nuevo es un elemento que se
representa con un círculo y se denomina variable auxiliar, en este caso RA y TN. Las
variables auxiliares relacionan información de diferentes elementos del modelo como
información intermedia en tránsito hacia los flujos. Además, este diagrama de flujo nivel
incluye un parámetro (P_inicial) para asignarle el valor inicial al nivel de población; la línea
punteada se usa para indicar que el nivel solo asumirá esta información en el instante inicial,
a diferencia de las líneas de información continuas que indican que la información se
trasmite en cada iteración.
Figura 38: Diagrama de flujo-nivel, segundo prototipo
ECUACIONES SEGUNDO PROTOTIPO

La ecuación de nivel así como las de cada flujo son iguales a las del primer prototipo, tan
sólo hay que definir las ecuaciones para las variables auxiliares así:
RA = Alimento/ P(t): la ración alimentaria es la cantidad de alimento que resulta de repartir

todo el alimento, en igual cantidad para cada elemento de la población.
La dificultad mayor surge al definir la ecuación que permita calcular la TN en función de la

RA. Una primera aproximación, guiada por la relación de influencia directa entre las dos
variables, es asumir TN igual a RA o directamente proporcional a ésta, es decir:
TN(t) = RA(t)
SIMULACIÓN SEGUNDO PROTOTIPO

Si pensamos en un escenario que permita que la población crezca, debemos asignar unos
valores a la población inicial (nivel), al alimento y a la tasa de mortalidad, tales que en un
primer momento, al calcular RA, tengamos una TN > TM. Al crecer la población disminuirá
la RA y la TN, la cual lentamente se irá acercando a la TM hasta igualarse; llegado ese
momento se suspende el crecimiento poblacional y la cantidad de población permanece
constante, aunque cambian los individuos (conejos), en cada periodo nace igual cantidad
que la que muere.
Los escenarios que permiten un comportamiento de crecimiento son infinitos, uno de éstos
puede ser:
P(0) = 100 ( o: P_inicial = 100 y P(0)= P_inicial)
TM = 0.01
Alimento = 3000
Condiciones de simulación: ∆t = 1 día; Tiempo inicial = 0 ; tiempo Final = 500 días
De esta manera el modelo reporta un comportamiento de la Población, Natalidad y

Mortalidad como lo describe la Figura 39:
Figura 39: Comportamiento Poblacional y flujos de Natalidad y Mortalidad
Mediante escenarios apropiados, es posible simular los tres comportamientos

cualitativamente diferentes que genera este modelo, el de crecimiento asintótico,
decrecimiento asintótico y el estable desde el inicio de la simulación (Figura 40).
Figura 40: Comportamientos Poblacionales Cualitativamente diferentes
7.4.3 Tercer prototipo

Seguramente, el lector tendrá varias objeciones al segundo prototipo; por ejemplo, el
asumir la TN = RA, sólo es coherente con el hecho de que a más RA más TN; pero son
posibles crítica como: los valores numéricos que asume la RA no coinciden con los que
debe asumir TN; no hay consistencia dimensional, las unidades de RA son, por ejemplo,
Kilos / conejo y las unidades de una tasa, ya lo explicamos, debe ser 1/ unidad de tiempo;
en este caso, como hemos asumido la unidad de tiempo el día, debe ser 1/ día. Según lo
anterior, con sólo cambiar la unidad de peso (Kilo, por ejemplo) cambiaría la TN. Además,
la TN no puede ser definida plenamente por sólo la RA, ésta depende de otros factores.
Conclusión, la expresión TN = RA sólo nos es útil para una aproximación a partir de la
relación causal, pero se debe modificar para ir construyendo un modelo consistente
dimensionalmente y más representativo, cualitativa y cuantitativamente, del fenómeno.
Primero que todo reconozcamos el hecho de que la RA no puede definir plenamente la TN;
pero, las variaciones de la RA si pueden, en algunos casos, modificar el valor de ésta tasa;
no lo hará siempre porque si nuestros conejitos, por ejemplo, se comen máximo un cuarto
de kilo diario de zanahorias, nada les afectará las variaciones de la RA cuando ésta esté
por encima del cuarto de kilo diario; siguiendo el ejemplo, sí habrá un efecto cuando la RA
cambie a valores menores al cuarto de kilo diario.
Si RA no define plenamente la TN, pero la afecta, para modelar dicho efecto podemos
asumir que se presenta una Tasa de Natalidad Normal (TNN) que la definen múltiples
factores y además, se cumple cuando los conejos pueden comer una ración que la
llamaremos Ración Ideal (RI), es decir, cuando RA = RI.
Nuestros conejos se comerán una ración máximo igual a RI y cualquier cantidad que
sobrepase RI simplemente se perderá. Si RA es menor de RI se comerán toda la RA y
sufrirán los efectos de haber quedado insatisfechos o de sufrir hambre; ese sufrimiento
tendrá un efecto sobre la TN, de tal manera que TN será menor que TNN.
¿Cómo mediremos que la ración disponible para comer, RA, es mayor igual o menor a RI?
Mediante la Cobertura de la Ración Ideal (CRI), es decir, con la expresión: CRI = ( RA/RI),
si este cociente es 1 o más de 1 ( >= 1 ) indicará que la RA es igual o mayor que RI
(RA>=RI), los conejos estarán plenamente satisfechos con su ración y procrearán a una TN
igual a TNN. Pero, si el cociente es menor de 1 ( CRI < 1 ), indicará que los conejos no
quedan satisfechos con su alimento, es decir, RA < RI y esto afectará la TN colocándola en
valores menores de la TNN.
Todas las variables mencionadas se encuentran en el siguiente diagrama de flujo nivel

(Figura 41).
Figura 41: Diagrama Flujo-Nivel del prototipo 3
Se observa en el diagrama, además de las variables ya mencionadas, la variable

E_CRAI_TN, Efecto de la Cobertura de la Ración Ideal sobre la Tasa de Natalidad. Este
efecto es un factor que multiplica TNN para obtener TN, es decir TN = TNN * E_CRAI_TN,
puede ser definido analíticamente (una fórmula) o mediante una tabla (una función
tabulada); en los dos casos, en D.S, se denomina Multiplicador y la forma más común de
definirlo es mediante una función tabular.
Un multiplicador constituye un recurso matemático mediante el cual se modela el efecto,

generalmente no lineal, de una variable sobre otra. Asumiendo la primera variable no como
causa propiamente, sino como catalizadora o mitigadora de las condiciones de desarrollo de
la segunda.
La forma de los multiplicadores y las parejas ordenadas de valores que los cuantifican,
varían notoriamente de un caso a otro; cada caso es una situación particular que requiere
un estudio cualitativo y cuantitativo específico. Es decir, ¿cuáles son los límites inferior y
superior para el multiplicador? y ¿cuál la forma detallada del mismo?, es algo a definir en
cada caso particular. El ejemplo de multiplicador incluido en este prototipo, representa las
consideraciones que ya se hicieron sobre el efecto de la RA sobre la TN. Hay que tener en
cuenta que la entrada al multiplicador corresponde a los valores en X de la tabla y la salida,
o sea el multiplicador, los valores en Y.
En este caso la entrada es CRAI y cuando su valor es 1 o más, significa que la RA cubre
plenamente, o más, la RI y bajo estas condiciones se cumple la TNN, por consiguiente el
valor del multiplicador (E_CRAI_TN) debe ser 1 para que la TN sea igual a la TNN. Por el
contrario, si la CRAI es menor de 1, significa que el alimento no es suficiente y por
consiguiente la TN será menor a la TNN, por esto el multiplicador será menor de 1, para que
la TN sea menor de la TNN (recordar que TN = TNN * E_CRAI_TN). Las anteriores
consideraciones se aprecian en la Figura 42.
Figura 42: Multiplicador de la TN debido a la CRAI
Teniendo en cuenta que la entrada al multiplicador, CRAI, es un valor adimensional (sin

unidades), la salida igualmente lo será. De esta manera, se garantiza la consistencia
dimensional en la expresión: TN = TNN * E_CRAI_TN. Además, la TN será siempre un
valor razonable menor o igual a TNN.
Observando nuevamente el diagrama de flujo nivel propuesto para este prototipo; además
del multiplicador se aprecia que el valor inicial del nivel Poblacional se asignó mediante un
parámetro. Se distingue por las líneas rojas punteadas, para representar que la
información llega al nivel sólo para definir el valor inicial. Esto facilita, mediante análisis de
sensibilidad por parámetros, evaluar cómo se comporta el fenómeno frente a variaciones del
estado inicial del nivel.
SIMULACIÓN TERCER PROTOTIPO
El comportamiento poblacional, así como el de nacimientos y muertes, descrito por este

prototipo, corresponde a la dinámica que se espera típicamente en una población (Figura
43)
Figura 43: Crecimiento poblacional y nacimientos – muertes

El comportamiento en S que describe la trayectoria poblacional, se explica a la luz de la

estructura del modelo, en la cual se conjugan dos ciclos de realimentación negativos y uno
de realimentación positiva, los cuales cambian en su efecto durante el tiempo. Mientras
domina el ciclo positivo se presenta una tendencia exponencial positiva, en el momento que
el efecto de este ciclo empieza a disminuir y el de los ciclos de realimentación negativa
crece, el sistema tiende a la estabilidad, en una trayectoria asintótica que marca el límite en
el crecimiento poblacional.
Si grafica el flujo neto que afecta el nivel (N – M), podrá observar en qué momento la
dinámica poblacional abandona el crecimiento exponencial e inicia un crecimiento asintótico.
Mientras el flujo neto vaya en incremento la población va creciendo a una velocidad cada
vez mayor. Cuando el flujo neto inicia su disminución, la población sigue creciendo porque
el flujo neto sigue positivo (mayor de cero), aunque lo hace cada vez más lentamente, hasta
suspender el crecimiento (flujo neto = 0) y la Población permanece constante.
7.4.4 Cuarto prototipo
Un estudiante atento del fenómeno poblacional que venimos modelando, a la vez que
conocemos la D.S, podrá señalar que efectivamente los cambios en la ración afectan la
dinámica de nacimientos, pero que dicho efecto no se presenta inmediatamente se modifica
la ración, requiere un tiempo para que se manifieste en términos de aumento o disminución
de la tasa de natalidad y por consiguiente de la natalidad (los nacimientos por unidad de
tiempo).
El elemento, Retardo del efecto de la cobertura de la ración alimentaria ideal sobre la tasa
de natalidad, Re_E_CRAI_TN; presenta el icono utilizado para representar los retardos de
material o de información en D.S. En este caso corresponde a un retardo de información.
Los retardos o retrasos constituyen elementos fundamentales en los diagramas de flujo-
nivel, permiten representaciones del fenómeno, en las cuales las variables se relacionan
considerando la demora de material o de información. Se usan para representar los casos
en los cuales la influencia de una variable sobre otra requiere un tiempo para que se
manifieste.
Cuando el retraso es en el paso del material de un nivel, a otro nivel para cambiar de
estado, como podría ser de conejos jóvenes a conejos adultos (si desagregáramos el nivel
de conejos), corresponde a lo que se denomina retardo de material. Cuando el retraso es
entre dos variables en las cuales al menos la segunda no corresponde a un nivel (como es
el caso del ejemplo), es decir, de un nivel a otro elemento diferente de nivel o entre dos
variables diferentes a niveles, corresponde a un retardo de información.
La única diferencia entre el prototipo tres y éste (el cuarto) es el retardo de información
(Re_E_CRAI_TN), es decir, no hay un cambio en la estructura de realimentación, sólo
cambia el diagrama de flujo nivel (Figura 44) y las ecuaciones al incluir la definición del
retardo, además, se presenta un significativo cambio en el comportamiento simulado.
Figura 44: Diagrama de Flujo Nivel Prototipo 4
La expresión que define un retardo tiene la siguiente forma:
RETARDO(fuente de datos, tiempo de ajuste, orden, valor inicial)
Los cuatro parámetros del retardo se definen mediante informaciones que le llegan de otros
elementos del modelo y/o con valores numéricos directos, cada uno de la siguiente manera:
Fuente de datos: corresponde a la información que se retarda y proviene de cualquier

variable del modelo.
Tiempo de ajuste: este valor puede digitarse directamente o corresponder a una información
que llega al retardo proveniente de un parámetro. Este valor define el tiempo promedio que
se demora la información de la fuente de datos en afectar plenamente la variable a la cual
llega el retardo. En nuestro ejemplo corresponde al tiempo promedio para que una variación
en la ración alimentaria (RA) se manifieste plenamente en la tasa de natalidad (TN).
Orden: se define de la misma manera que el tiempo de ajuste, mediante un valor igual o
mayor de 1. El orden es para mostrar cómo se manifiesta el retardo, este puede iniciar su
manifestación inmediatamente se modifica su fuente de datos y poco a poco puede ir
haciéndose más plena dicha manifestación o puede no manifestarse en nada el efecto
durante un tiempo y luego iniciar su manifestación.
Valor Inicial: corresponde al contenido del retardo antes de iniciar la simulación. Si no se

escribe, el software Evolución asume un valor de cero.
El siguiente modelo elemental (Figura 45) ilustra lo planteado con relación a cada uno de los
parámetros de un retardo. Representa cuatro casos relacionando una causa con un efecto,
uno sin retardo y los otros con retardo de orden 2,6,10; en todos los caso con un TA = 10 .
(Figura 45). Además se simula un efecto que es igual a la causa, es decir, el efecto es igual
en magnitud a lo que recibe del elemento causa, directamente (sin retardo) o a través del
retardo.
Figura 45: Diagrama de flujo del modelo elemental para ilustrar el concepto de retardo
Al simular con los datos señalados se aprecia (Figura 46), que cuando no existe retardo el
efecto es igual a la causa tanto temporalmente (en el mismo tiempo) como en su magnitud.
Cuando el orden es 2, el efecto se manifiesta a la tercera iteracción y lentamente se va
incrementando hasta el efecto pleno; en el caso de orden 6, se demora en manifestarse
inicialmente, para luego rápidamente llegar a su máximo y en el caso de orden 10, se
demora exactamente 10 unidades en manifestarse plenamente, es decir, es como el caso
de sin retardo pero desplazada 10 unidades y con un ∆t =1 este caso corresponde al orden
máximo.
Figura 46: Relación causa efecto, sin y con retardos de diferente orden
Existe una restricción que debe respetarse al definir un retardo así: O <= TA/∆t, es decir,
el orden debe ser menor o igual al tiempo de ajuste dividido por el delta de tiempo. Se
puede apreciar que cuando el ∆t = 1 , TA = 10 y O=10, es decir, el orden de 10
corresponde al máximo.
Recordemos que en el modelo poblacional que venimos construyendo, la única diferencia

entre el prototipo 3 (Figura 41) y el prototipo 4 (Figura 44) es el hecho que el prototipo 4
contempla el retardo de tiempo o la demora que se requiere para que una variación de la
ración alimentaria (RA) se manifieste modificando la tasa de natalidad TN. Por consiguiente,
si comparamos el comportamiento del prototipo 3 con el 4, estamos comparando la misma
situación, con o sin retardo.
Para este ejemplo el retardo del prototipo 4 se ha definido así:

RETARDO(E_CRAI_TN,30,10,0.1) con un ∆t=1
Fuente de datos: E_CRAI_TN

Tiempo de Ajuste: 30 días
Orden: 10
Condiciones iniciales: 0.1
El comportamiento poblacional sin retardo (prototipo 3) y con retardo (prototipo 4) se

observa en la Figura 47 y Figura 48. Con retardo se aprecian fluctuaciones y los
desplazamientos de las gráficas hacia la derecha
Figura 47: Dinámica Poblacional sin Retardo

Figura 48: Dinámica Poblacional con Retardo
Figura 49: Nacimientos y muertes sin retardo (prototipo 3)

Figura 50: Nacimientos y muertes con retardo (prototipo 4)
7.4.5 Quinto prototipo

En este prototipo acogemos la insistencia de un buen lector, para que se tenga en cuenta
que la ración alimentaria, no sólo afecta la tasa de natalidad (TN) sino también la de
mortalidad (TM). En este caso, no se ha incluido el retardo, Digamos que aquí se modelan
unos conejitos que son muy susceptibles a las variaciones de la ración, no soportan
aguantar hambre. Figura 51.
Figura 51: Diagrama de Flujo-Nivel prototipo 5
Obsérvese que la forma como se incluye el efecto de la ración sobre la TM es semejante a

como se incluyó efecto sobre la TN, con un multiplicador (Figura 51) Al incluir esta relación,
aparece un nuevo ciclo de realimentación que modela el control poblacional (límite en su
crecimiento), contemplando una TM variable, en la medida que crece la población, si se

presenta escasez de alimentos, no sólo van a disminuir los nacimientos, se incrementarán
las muertes limitando aún más el crecimiento poblacional.
Figura 52: Multiplicador del efecto de la cobertura de la ración sobre la tasa de mortalidad –
prototipo 5
La forma del multiplicador del efecto sobre la TM (Figura 52) es diferente al del efecto sobre
la TN, ya que cuando la cobertura de la ración aumenta, aumentan los nacimientos, pero
disminuyen las muertes. Así mismo, si disminuye la cobertura de la ración, disminuyen los
nacimientos y aumentan las muertes, esto se puede leer claramente en el diagrama de
influencias (Figura 52). Es de aclarar, que en el diagrama de Influencias, para mayor
claridad, no se han incluido todos los elementos del diagrama de Flujo-Nivel (Figura 51),
pero esto no afecta la estructura de realimentación, que es lo que se desea mostrar.
Figura 53: Diagrama de influencias del prototipo 5

El comportamiento que muestra el prototipo 5, (Figura 54) cualitativamente no es

significativamente diferente al que mostró el prototipo 4 (Figura 44), esto se debe a que
aunque introduce un nuevo ciclo de realimentación negativo, la mortalidad, aún con tasa
constante, ya estaba realizando un efecto de control.
Figura 54: Comportamiento poblacional del prototipo 5
7.4.6 Sexto prototipo

A estas alturas del proceso de modelado, los lectores juiciosos estarán señalando muchas
otras cosas para incluir en el modelo, con el afán de reflejar en mayor medida la complejidad
de un fenómeno como éste. Estarán diciendo, incluyamos las muertes por caza, las
catástrofes debido a enfermedades, la variación del alimento, las muertes por predación, el
efecto del clima, la diferencia entre conejos jóvenes y conejos adultos, la diferencia entre
hembras y machos y seguramente otras cosas, inspiradas en su conocimiento formal o de la
experiencia personal con un fenómeno que, aunque complejo, hace parte de nuestra
cotidianidad.
¿Qué incluir en un modelo? Es una pregunta no siempre fácil de contestar, siempre un

modelo de una situación compleja podría incluir muchas cosas más. Pero, a todo modelo
hay que plantearle un límite y ese límite lo determina en buena medida el propósito del
modelo, cuando el modelo satisface su propósito u objetivo, está terminado; si le cambiamos
el propósito le sobrarán o le faltarán elementos y relaciones. Para el sabio Isaac Newton
fue suficiente el modelo F=m*a (fuerza igual a masa por aceleración) para establecer las
relaciones fundamentales entre estos tres elementos (fuerza, masa y aceleración), aunque
él sabía muy bien que estaba dejando de incluir muchos factores que participan en la
realidad. Para evitar malas interpretaciones señaló que su modelo se cumplía en
condiciones ideales. De la misma manera, se construyeron y usamos múltiples modelos
derivados de la investigación científica. Todos los modelos que estudiamos y con los cuales
operamos muy a menudo y sobretodo los que procuramos que nuestros estudiantes
aprendan, son modelos que incluyen muy pocas cosas de la realidad y además, son muy
simples matemáticamente, han sido construidos para operarlos con lápiz y papel o con una
sencilla calculadora. Valga decir, que el modelo poblacional que el común de la gente
aprende y con el cual operamos en la vida y nos dan noticias todos los días, generalmente
es como el que hemos llamado aquí el primer prototipo.
El propósito de este modelo, es el dar a conocer la D.S y mostrar cómo se usa en el proceso
de modelado y simulación. La idea es dar a conocer una forma de modelar con D.S e ir
mostrándola. Hasta el presente de los elementos fundamentales de la D.S, sólo hacen falta
los que llamamos variables exógenas (efectos del medio sobre el sistema). Además,
queremos aprovechar este último prototipo para señalar un comportamiento que a menudo,
se presenta cuando el hombre interviene irresponsablemente en un ecosistema o cuando
pretendemos incrementar algo sin tener presente los límites en el crecimiento. Un
comportamiento de crecimiento desaforado y caída vertiginosa (overshoot and collapse, si
usamos los términos en inglés).
Para representar el overshoot and collapse contemplaremos la dinámica de producción de

alimentos, los cuales incrementan según una tasa de auto-reproducción y disminuyen
según el consumo de la población existente en cada periodo. Así mismo, se ilustra el papel
de las variables exógenas contemplando el efecto de la lluvia sobre la producción de
alimentos.
Si apreciamos el diagrama de influencias (Figura 55), se observa que, en relación con el

prototipo anterior, aparecen 3 ciclos de realimentación más. El ciclo 5 de realimentación
positiva representa la tendencia de crecimiento del alimento proporcional al alimento mismo
que exista en cada momento; se está asumiendo que el alimento es, por ejemplo, pasto. El
ciclo 6 de realimentación negativa describe el control en el alimento, en proporción a la
ración: un incremento en el Alimento Total (AT) incrementa la ración (RA) pero a su vez, el
incremento en la ración incrementa el consumo (CA) y éste genera disminución en el
alimento total (AT). Finalmente, el ciclo 7 de realimentación negativa muestra el efecto de la
población sobre el consumo de la misma manera como lo hace la RA. El ciclo 7, es el que
más elementos involucra y se puede leer, iniciando en cualquier elemento, de la siguiente
manera: A más alimento más ración, a más ración más nacimientos, a más nacimientos
más población, a más población más consumo de alimento y a más consumo de alimento
menos alimento: el efecto de retorno sobre el alimento es disminuyéndolo, es decir,
contraponiéndose al incremento inicial, así el efecto del ciclo es un efecto compensador o de
control y lo calificamos de realimentación negativa.
Figura 55: Diagrama de Influencias, prototipo 6
Lo señalado como nuevo para este prototipo y que se contempló en el diagrama de

influencias con 3 nuevos ciclos de realimentación, se aprecia en el diagrama de Flujo-Nivel
(Figura 56) de la siguiente manera: la constante AT del prototipo anterior cambia a un nivel
con el mismo nombre y por consiguiente, aparecen los flujos de Producción de Alimento
(PA) y de Consumo de Alimento (CA). Para definir el CA se requiere definir cuál es la
Ración a Consumir (RAC), la cual se especifica con una variable auxiliar y resulta de
contemplar, cuál es la ración que existe disponible para el consumo (RA) y cuál es la Ración
Ideal (RAI) o el máximo de alimento que cada uno de nuestros conejos consume, la RAC es
el mínimo entre estos dos valores, es decir, si la RA es mayor a la RAI, los conejos sólo
consumirán la RAI; si, por el contrario, la RA es menor que la RAI, tendrán que consumir la
RA (aunque queden faltos de alimento). Definida la RAC, ésta, en conjunto con la P, definen
el flujo CA.
Figura 56: Diagrama de Flujo-Nivel Prototipo 6
El flujo de producción de alimentos es proporcional al alimento que exista (se

autoreproduce) y el factor de proporcionalidad está dado por la Tasa de Producción de
Alimento (TPA). La TPA varía alrededor de una Tasa Promedio de Producción de Alimento
(TP_PA) según sea el comportamiento de las lluvias; es decir, cuando se presenta un nivel
de lluvias muy apropiado para estas plantas, se reproducirán a una tasa igual a la TP_PA,
cuando se presenten más o menos lluvias de las deseables, la TPA será menor que la
TP_PA.
El efecto de la lluvia sobre la producción de alimento se modeló de la siguiente manera: una

variable exógena (dos círculos concéntricos), definida por una tabla, especifica la lluvia para
cada uno de los 360 días del año (si se simulan más de 360 días la tabla se repite cada 360,
(extrapolación cíclica). Además, de la misma manera como se modeló el efecto de la RA
sobre la TN, aquí se modela el efecto de la Lluvia sobre la TPA, mediante el multiplicador
del efecto de la lluvia (M_E_LL). Este multiplicador afectará la TPA según se presenten las
lluvias con valores menores o mayores a la Lluvia Promedio (Lluvia_P). La forma de este
multiplicador y las ecuaciones para cada variable, el lector las puede conocer directamente
en el modelo presentado por EVOLUCION.
Otros detalles que se aprecian en el diagrama de Flujo–Nivel de este último prototipo, son
sólo de presentación. Se usaron variables clones (copias), las cuales se observan con
contornos punteados, éstas se usan para evitar que en el diagrama queden muchas líneas
entrecruzadas. Además, se aprecia el uso de sectores, mediante marcos se agrupan
conjuntos de variables y relaciones que tienen un significado en términos del fenómeno y del
modelo, que denominamos sectores. Estos dos recursos sólo son útiles para dar una buena
presentación al modelo y hacerlo más comprensible al lector. Con los sectores se puede
construir un diagrama de sectores (
Figura 57) el cual describe globalmente el modelo y es muy útil en modelos grandes.
Figura 57: Diagrama de sectores prototipo 6
En el diagrama de flujo-nivel de este prototipo, están presentes los elementos

fundamentales de un diagrama de este tipo, la siguiente tabla sintetiza la idea de cada uno.
Tabla 7: Elementos fundamentales del diagrama de flujo-nivel
Finalmente, apreciemos el comportamiento que nos genera este último prototipo, ya de un

alto nivel de complejidad tanto matemática, como en el abordaje explicativo del fenómeno
poblacional y la D.S. (Figura 58).
Figura 58: Comportamiento Alimentos-poblacional - overshoot and collapse prototipo 6

Figura 59: Comportamiento de overshoot and collapse, nacimientos - muertes prototipo 6
La Figura 58, muestra el comportamiento de overshoot and collapse; la población crece

vertiginosamente, mientras los alimentos sean suficientes, para luego caer aún más rápido
de lo que creció. ¿Por qué se presenta este comportamiento? Porque la población crece
por la disponibilidad de alimentos, pero crece tanto, que llega a una cantidad tal que
consume más alimento que el que se produce, de esta manera rápidamente termina con el
alimento y el hambre suspende los nacimientos e incrementa las muertes (Figura 59)
haciendo disminuir la población rápidamente.
Con este modelo se ha recreado un proceso de modelamiento y simulación y se han dado a

conocer los elementos fundamentales de la D.S, En el siguiente capítulo se presenta un
planteamiento que formaliza el proceso aquí vivido.
7.5 APRENDIZAJE DIRIGIDO CON DINÁMICA DE SISTEMAS

7.5.1 Modelos Mentales – Modelos de Dinámica de Sistemas y Aprendizaje
Introducción
Nuestro estado de entendimiento de un fenómeno está representado por la imagen o
modelo mental que de éste nos hacemos. Ese modelo mental está cambiando
continuamente, bien sea por las nuevas percepciones y experiencias que nos proporciona el
contacto con el fenómeno, o porque reinterpretamos experiencias y conceptualizaciones
pasadas bajo una nueva luz. El modelo mental no solamente representa al fenómeno desde
nuestra perspectiva, sino que también actúa como filtro en nuestra relación con el
fenómeno. Es decir, condiciona tanto nuestras percepciones como nuestras acciones sobre
el fenómeno. Esta interacción, mediada por el modelo mental, se puede representar
mediante el ciclo externo fenómeno-modelo mental (Andrade etal, 2001).Figura 60.
100
90
80
70
Compor t amient o
60
50
40
30
20
10
0
200 400 600
Pob(t+∆t)=
800
Ecuaciones
Pob(t)+
(Nacimientos(t)-
Muerte(t))∆t Fenómeno
Modelo Flujos-Niveles
Ment al
I nfluencias
Par adigma
La población
está afectada Pr osa
Modelos únicamente por
Dinám ico-Sist ém icos los nacimientos
y las muertes, en
este caso se
asume que....
Figura 60: Modelado y simulación con Dinámica de Sistemas
Las imágenes mentales cambian por el simple hecho de que estamos expuestos a la
interacción con el fenómeno. Pero junto a este proceso natural, puede también plantearse
un proceso dirigido de reformulación del modelo mental, un proceso dirigido de aprendizaje
acerca del fenómeno. Es este precisamente el propósito del modelado y la simulación con
D.S.
La reformulación dirigida, a diferencia de la transformación natural, se enfrenta con una

dificultad. En la mayoría de casos no tenemos conciencia de cuál es nuestro modelo mental;
comúnmente permanece implícito, oculto. La imagen mental participa, como un filtro, en
cualquier interacción nuestra con el fenómeno: cuando experimentamos, reflexionamos o
decidimos una acción sobre el fenómeno. Pero en su intervención permanece detrás de
nuestra interacción. En condiciones normales, no apreciamos el filtro a través del cual
estamos viendo.
Esta invisibilidad del modelo mental es problemática para el proceso dirigido mediante la
D.S, pues si queremos modificar intencionalmente un modelo mental, es necesario tenerlo
en alguna expresión visible, explícita. Es necesario tener una representación, un modelo, del
modelo mental. La D.S ofrece herramientas metodológicas para expresar el modelo mental
mediante un modelo visible, con lo cual es posible desarrollar el proceso dirigido de
reformulación del modelo mental hacia una mejor comprensión dinámico-sistémica del
fenómeno. En consecuencia, el paradigma dinámico-sistémico es un paradigma de
modelamiento, entendido el modelamiento como la actividad de hacer explícita en modelos
formales, nuestros modelos mentales de los fenómenos, como el re-representar del
fenómeno.
De esta manera, el paradigma expresado con los útiles dinámico-sistémicos se convierte en

un objeto mediador de nuestra interacción y nuestra compresión. El modelo dinámico-
sistémico, liga explícitamente el fenómeno con nuestro modelo mental del mismo. La forma
de este vínculo es la de un doble ciclo, Figura 60. El ciclo externo, entre el fenómeno y el
modelo mental, ya ha sido descrito. Mientras que el ciclo interno, muestra el proceso
mediante el cual podemos establecer una interacción con nuestro propio modelo mental,
visibilizado a través del modelo o modelos dinámico-sistémicos. Estos sirven como pantalla
sobre la cual se proyecta la imagen mental, con lo cual logramos tener ante nosotros, tanto
al fenómeno como a esa versión aproximada de nuestro modelo mental, lo que hace posible
su comparación y por lo tanto, abre posibilidades para mejorar nuestra comprensión del
fenómeno.
7.5.2 El aprendizaje en la interacción simulada mediante mundos virtuales
Los modelos dinámico-sistémicos, tienen la forma de hipótesis causales que explican un
comportamiento. Es decir, es posible preguntarle a un modelo dinámico-sistémico ¿por qué
sucede tal o cual comportamiento? o ¿cuál podría ser el comportamiento, si se dan estas
condiciones? En ambos casos, la respuesta explicativa del modelo vendrá dada en
términos de causalidades circulares (realimentación).
Esta forma particular que toman los modelos dinámico-sistémicos, permite hacer con éstos
una interacción simulada. De modo análogo a como sucede una interacción con el
fenómeno, es también posible interactuar con el modelo. Es decir, es posible provocar
acciones sobre el modelo y observar sus consecuencias dinámicas, bajo ciertas condiciones
supuestas (bajo determinado escenario), debido a la capacidad de respuesta explicativa del
modelo. A diferencia de lo que ocurre con nuestra interacción con el fenómeno, a través del
modelo se observan las consecuencias posibles de las decisiones, que se tomen en
diferentes escenarios (condiciones iniciales del sistema y restricciones exógenas o de
parámetros). Es decir, a diferencia de los modelos proyectivos, que asumen que el futuro
transcurrirá bajo las mismas condiciones que se dan en el presente, en el paradigma
dinámico-sistémico se pueden simular, posibles futuros bajo diferentes escenarios. Esta
mayor capacidad de exploración del horizonte futuro, redunda en un mayor aprendizaje y
una toma de decisiones más comprensiva.
Una nueva mirada de la Figura 60, revela, que el estudio de fenómenos en el paradigma
dinámico-sistémico, sucede en nuestra interacción con un mundo real, el fenómeno, y
además, con un mundo virtual, el modelo dinámico-sistémico; mediadas ambas por nuestro
modelo mental. En este orden de ideas, puede entenderse el papel del modelado y la
simulación con D.S, como el de un medio para la construcción de mundos virtuales con los
cuales podemos establecer una interacción simulada que nos ayude a comprender mejor el
mundo real, esto es, a modificar de manera dirigida nuestros modelos mentales acerca de la
realidad, aprender.

07 - Modelado y Simulacion Con Dinamicas de Sistemas

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

07 - Modelado y Simulacion Con Dinamicas de Sistemas

Uploaded by

Copyright:

Available Formats

PARTE 3 MODELADO Y SIMULACIÓN EN LA EDUCACIÓN

Tecnologías informáticas en la escuela 159

Esta parte promueve una propuesta de integración interdisciplinaria, donde la informática

7 MODELADO Y SIMULACIÓN CON DINÁMICA DE SISTEMAS

Este capítulo presenta la D.S en un proceso de modelamiento de una dinámica poblacional

El modelado por prototipos implica un desarrollo a partir de un núcleo central, que se va

Es recomendable señalar al lector que lo modelos aquí presentados se implementaron con

7.2 UN PRIMER ACERCAMIENTO A LA DINÁMICA DE SISTEMAS

Un árbitro y N jugadores. Antes de iniciar el juego el árbitro selecciona, en secreto,

Tabla 6: registro de Datos durante el juego

Resultados del Juego:

Jugada # Contagiados en la Acumulado de contagiados Cantidad de

7.3 MODELADO Y SIMULACIÓN DEL JUEGO DE LA EPIDEMIA Y LA

7.3.1 Primer prototipo

MODELO EN EL LENGUAJE DE FLUJOS Y NIVELES

Figura 27: Diagrama de Flujo Nivel. Primer Prototipo

MODELO EN EL LENGUAJE DEL COMPORTAMIENTO

Figura 28: Dinámica de Contagio. Primer Prototipo

Figura 29: Flujo de Contagio. Primer Prototipo

Si definimos unas condiciones en las cuales se da la epidemia, en este caso el número de

MODELO EN EL LENGUAJE DE FLUJOS Y NIVELES

Figura 30: Diagrama de Flujo Nivel. Segundo Prototipo

que se dé el encuentro entre un sano y un contagiado y la variable auxiliar T_recupera

MODELO EN EL LENGUAJE DEL COMPORTAMIENTO

Figura 31: Dinámica de Contagio. Segundo Prototipo

7.4 APRENDIZAJE DE LA DINÁMICA DE SISTEMAS CON UNA POBLACIÓN

Deseamos explicarnos la dinámica de desarrollo de una población de conejos que viven en

7.4.1 Primer prototipo

La anterior reflexión sobre el fenómeno identifica tres elementos fundamentales: Población

Figura 32: Diagrama de Influencias: Primer prototipo

En la Figura 32, se pueden apreciar dos secuencias cerradas de relaciones de influencias,

DIAGRAMA DE FLUJO NIVEL

Figura 33: Diagrama de Flujo-Nivel. Primer Prototipo

ECUACIONES DEL MODELO.

Trabajando con un software para D.S, como EVOLUCION15, la formulación de las

P(t+∆t) = P(t) + (N(t) – M(t)) * ∆t (Ecuación 1)

Igualmente podemos expresar que M(t)= ƒ (TM,P(t)). Además, por el diagrama de

N(t) = TN * P(t) (Ecuación 2)

Las ecuaciones 1, 2 y 3 definen plenamente el primer prototipo, recordemos que la

COMPORTAMIENTO DEL FENÓMENO, SIMULADO POR EL MODELO

Teniendo en cuenta el fenómeno en estudio y el prototipo formulado podemos mentalmente

Figura 34: Modo de referencia Prototipo 1

Población inicial: P(0) = 2 conejos

Otras condiciones de simulación:

∆t = 1 día; Tiempo inicial = 0; tiempo Final = 100 días

La Figura 35, se obtuvo al realizar la solución numérica o simulación correspondiente.

Figura 35: Crecimiento Poblacional - Prototipo 1

Con el software EVOLUCION se puede observar el comportamiento de cualquiera de los

Figura 36: Análisis de sensibilidad - Prototipo 1

7.4.2 Segundo Prototipo

Para avanzar a un nuevo prototipo, en este segundo modelo se incluye el alimento

Figura 37: Diagrama de influencias del Prototipo 2

El nuevo ciclo lo podemos leer de la siguiente manera: A más RA más TN más N

DIAGRAMA DE FLUJO-NIVEL SEGUNDO PROTOTIPO

Figura 38: Diagrama de flujo-nivel, segundo prototipo

ECUACIONES SEGUNDO PROTOTIPO

RA = Alimento/ P(t): la ración alimentaria es la cantidad de alimento que resulta de repartir

La dificultad mayor surge al definir la ecuación que permita calcular la TN en función de la

SIMULACIÓN SEGUNDO PROTOTIPO

De esta manera el modelo reporta un comportamiento de la Población, Natalidad y

Figura 39: Comportamiento Poblacional y flujos de Natalidad y Mortalidad

Mediante escenarios apropiados, es posible simular los tres comportamientos

Figura 40: Comportamientos Poblacionales Cualitativamente diferentes