Hoorcollege 1 Introduction to Complex Systems
Toets:
- Take-home exam.
- 24 april: 8.30-11.30.
- Open vragen: vooral inzicht.
Introduction to complex systems
Complexiteit
Een complex systeem is een systeem dat:
- Bestaat uit verschillende delen, verschillende elementen, verschillende componenten.
- Deze componenten zijn abstract: atomen, neuronen, kinderen, etc.
- Deze componenten staan met elkaar in ‘zelf-organiserende’ interactie.
Emergent behaviour: gedrag van het systeem dat ontstaat door de interactie van de
individuele componenten.
- Het geheel is meer dan de individuele componenten. Je kunt het niet terugbrengen naar de
individuele componenten door de onderlinge interacties.
Vaak starten we met het gehele systeem en dan reduceren we dit tot de losse elementen. Wanneer
we de losse elementen individueel onderzoeken, denken we te kunnen weten hoe het geheel werkt.
Bij een complex system is dit niet het geval, omdat hier juist de interactie belangrijk is.
Linear systems vs complex systems
- Components vs interactions.
- Linear change vs nonlinear change.
In de statistiek kijken we vooral naar de assumptie van lineariteit.
- One scale (één snapshot van gedrag) vs multiple scales (dynamisch, ontwikkelt over tijd).
• Micro/macro
• Spatial/temporal
- Static vs Dynamic.
- Single vs Multiple causality.
- Reductionism vs Self-organization and Emergence.
,Complicated Systems vs Complex Systems
In beide gevallen hebben we het over componenten. Het gaat bij beiden over systemen.
Links: complicated systems: iedere component in het systeem heeft een specifieke functie. Bij
complicated system is dit wel voorspelbaar, je weet dat B gaat draaien als A ook draait.
Rechts: complex systems: het zenuwstelsel. Het gaat niet van A, naar B, naar C, naar D. De
verschillende componenten staan met elkaar in interactie.
Componenten
Reductionisme:
- Reduceert gecompliceerde problemen in simpelere delen.
- System behaviour= sum of component behaviour.
Self-organization/zelf-organisatie:
- Lokale interacties tussen componenten.
- Global emergent system behaviour.
- Reduceert het gedrag niet tot componenten.
De interactie van het gehele systeem laat verrassende effecten zien.
Componenten
We vergelijken de hersenen vaak met een computer, of met een milkshake. De hersenen bestaan
vaak uit water, suiker en vet.
Linear science is vaak gebaseerd op wat de individuele componenten onafhankelijk van elkaar doen.
Bij kinderen met bijvoorbeeld gedragsproblemen: vaak wordt er gedacht dat één component in het
systeem niet goed werkt of afwezig is. Zo is er bij kinderen met dyslexie in de hersenen te zien dat er
bepaalde hersendelen niet actief zijn. Dit wordt dan als oorzaak gezien.
,Echter..
Ook bij individuele hersenen zie je veel verschillen. Het kan zijn dat iemand minder actieve
hersendelen heeft, zonder dat hij/zij dyslexie heeft. Bevindingen op groepsniveau maskeren
belangrijke bevindingen op individueel niveau.
Als we spreken over interacties gaat het niet over een specifiek tijdsmoment, maar over een
tijdsproces.
Wat hebben we geleerd van lineaire statistieken?
Standpunten over groepen:
Vaak categoriseren we participanten in groepen. Dit zijn brede standpunten.
- Vrouwen zijn meer emotioneel dan mannen.
- Mensen met ADHD hebben vaak zwakke executieve functies.
Deze standpunten zijn vaak lineair:
- Hoe ouder iemand wordt → Hoe minder impulsief het gedrag zal zijn.
- Hoe zwakker de executieve functies → Hoe meer aanwezig de ADHD.
We vergelijken gemiddelden.
We berekenen de correlaties.
We runnen ANOVA. Er komt een significant resultaat uit. Je moet overigens altijd in de gaten houden
dat er spreiding is in de groep en dat hiervan maar een klein deel van wordt verklaard.
Als je werkt met één individu, dan kun je op basis van de standpunten over de groepen hier geen
conclusies over doen.
Scope of traditional statistics/omvang van traditionele statistiek
- Alleen de groep, niet het individu.
- Lineaire relaties (correlatie, t-test, anova, regressie).
- Componenten verklaren gedrag: autisme + gedrag → ToM.
- Onafhankelijke comoponenten worden samengevoegd om gedrag te verklaren.
3% van de spreiding wordt verklaard door gender + 10% door de groep = 13% totaal.
- Geobserveerde score = ware score + error
,Scope of complexity theory
- Alleen de groep en het individu, gemeten over tijd.
- Niet-lineaire relaties.
- Interacties die gedrag verklaren.
- Afhankelijke componenten. Dus niet A → B, maar het hele systeem staat in interactie met
elkaar.
- Geobserveerde score = dynamisch veranderingsproces.
Lineair
Je hebt twee variabelen. Een verandering in X wordt geassocieerd met een
proportionele/vergelijkbare verandering in Y.
Niet-lineair (veel vaker voorkomend bij menselijk gedrag)
Een verandering in Y is niet proportioneel tot X. Alles wat afwijkt van één rechte lijn.
Voorbeelden: veranderingen van lopen naar rennen. Het is geen soepele overgang.
Statisch
Ieder datapunt representeert een gemeten waarde voor een persoon.
,Dynamisch
Ieder datapunt representeert een veranderingsproces (veel waarden gemeten over tijd) van een
individu.
Voorbeeld: ontwikkeling van woordenschat
Niet-lineair en dynamisch
Je ziet tijdseries van twee participanten. Het ontwikkelt over tijd en is niet-lineair. Dit is individuele
data.
Je ziet tijdseries van twintig participanten. Sommigen ontwikkelen het later, anderen eerder. Dit is
individuele data.
, Group level data
Wanneer je alle individuele trajecten die we hierboven hebben gezien gaat middelen, komt er dit uit.
Het is cruciaal om eerst de individuele dynamics te analyseren, voordat je de groep verder gaat
analyseren.
Causality in complex systems
Links: Je zoekt naar een voorspeller, of meerdere voorspellers, voor bepaald gedrag. Iedere
voorspeller word als onafhankelijk gezien (lineariteit).
Rechts: Een dynamische verklaring. Je hebt een circulaire verklaring. De componenten staan in
interactie met elkaar. Het is dus niet zo dat het ene component het andere component lineair
beïnvloedt.
