Resumen

La modelización computacional se utiliza ampliamente para estudiar cómo los humanos y las organizaciones buscan y resuelven problemas en campos como la economía, la gestión, la evolución cultural y la informática. Sostenemos que la investigación actual en modelización computacional sobre la resolución de problemas humanos necesita abordar varios problemas fundamentales para generar contribuciones más significativas y falsificables. Basándonos en simulaciones comparativas y un nuevo tipo de visualización para evaluar la naturaleza del paisaje de aptitud, abordamos dos suposiciones clave en las que se basan enfoques como el marco NK: que el NK captura el continuo de la complejidad de los paisajes de aptitud empíricos y que el comportamiento de búsqueda es un componente distinto, independiente de la topología del paisaje de aptitud. Mostramos las limitaciones del enfoque más común para conceptualizar cuán complejo o accidentado es un paisaje, así como cómo la naturaleza del paisaje de aptitud está fundamentalmente entrelazada con el comportamiento de búsqueda. Por último, esbozamos implicaciones más amplias

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Modelado computacional; Resolución de problemas humanos; Paisaje de aptitud; Comportamiento de búsqueda; Paisajes de aptitud empíricos; Simulaciones
• Keywords:Computational modeling; Human problem-solving; Fitness landscape; Search behavior; Empirical fitness landscapes; Simulations