Компьютерное моделирование и организационные исследования

Компьютерное моделирование — популярный метод в организационных исследованиях и стратегическом управлении. Хотя существует множество применений компьютерного моделирования (включая разработку инженерных систем внутри высокотехнологичных фирм), большинство ученых в области стратегического менеджмента и организационных исследований использовали компьютерное моделирование, чтобы понять, как работают организации или фирмы. Однако совсем недавно исследователи начали применять компьютерное моделирование для понимания организационного поведения на более микроуровне, уделяя особое внимание индивидуальному и межличностному познанию и поведению. например, работа в команде .

В то время как исследователи стратегий, как правило, сосредотачиваются на проверке теорий эффективности деятельности фирм, многие теоретики организаций сосредоточены на более описательных теориях. единственной объединяющей темой было использование вычислительных моделей для проверки или расширения теорий. Возможно, не случайно, что исследователи, использующие компьютерное моделирование, были вдохновлены идеями биологического моделирования , экологии , теоретической физики и термодинамики , теории хаоса , теории сложности и исследований организации , поскольку эти методы также плодотворно использовались в этих областях.

Основные различия/определения

Исследователи, изучающие организации и фирмы с помощью компьютерного моделирования, используют множество основных различий и определений, которые распространены в вычислительной науке.

• Основанные на агентах и ​​основанные на уравнениях: модели, основанные на агентах, разворачиваются в соответствии с взаимодействием относительно простых действий, в то время как модели, основанные на уравнениях, разворачиваются численно на основе различных динамических или стационарных уравнений (Примечание: некоторые утверждают, что это что-то вроде ложное различие, поскольку некоторые агентные модели используют уравнения для управления поведением своих агентов)
• Модель: упрощенные версии реального мира, содержащие только существенные элементы, представляющие теоретический интерес.
• Сложность модели: количество концептуальных частей в модели и связи между этими частями.
• Детерминистические и стохастические: детерминистические модели разворачиваются точно так, как указано некоторой заранее заданной логикой, в то время как стохастические модели зависят от множества выводов из вероятностных распределений.
• Оптимизация против описательной: модели, в которых действующие лица либо ищут оптимумы (например, пики в фитнес-ландшафтах), либо нет.

Методологические подходы

В области компьютерного моделирования существует множество различных методологических подходов. Они включают, помимо прочего, следующее. (Примечание: этот список не является ни взаимоисключающим, ни коллективно исчерпывающим, но пытается быть справедливым по отношению к доминирующим тенденциям. О трех различных таксономиях см. Carley 2001; Davis et al. 2007; Dooley 2002).

• Агентные модели: вычислительные модели, исследующие взаимодействие нескольких агентов (многие из следующих подходов также могут быть «агентными»).
• Клеточные автоматы: модели, исследующие множество субъектов в физическом пространстве, поведение которых основано на правилах.
• Динамические сетевые модели: любая модель, представляющая действующих и неактерских объектов (задачи, ресурсы, местоположения, убеждения и т. д.), связанных реляционными связями, как в динамическом сетевом анализе.
• Генетические алгоритмы: модели агентов, чья генетическая информация может меняться с течением времени.
• Моделирование на основе уравнений (или нелинейное моделирование): модели, использующие (обычно нелинейные ) уравнения, которые определяют будущее состояние систем.
• Модели социальных сетей: любая модель, представляющая актеров, связанных стереотипными «связями», как в анализе социальных сетей.
• Стохастическое моделирование: модели, в которых используются случайные величины или источник стохастичности.
• Системная динамика : подход, основанный на уравнениях, с использованием случайных циклов, запасов и потоков ресурсов.
• NK-моделирование: субъекты, смоделированные как N узлов, связанных K-связями, которые (обычно) пытаются достичь пика фитнес-ландшафта.

Ранние исследования

Ранние исследования стратегии и организаций с использованием компьютерного моделирования касались либо макроповедения систем, либо конкретных организационных механизмов. Основные моменты ранних исследований включали:

• Коэн, Марч и Олсен (1972) «Модель организационного выбора «Мусорный бак» моделируют организации как набор решений, направленных на поиск проблем в довольно анархической организации, напоминающей «мусорный бак».
• В исследовании March (1991) «Исследование и использование в организационном обучении» использовалось различие Джона Холланда (1975) «исследование/использование», чтобы показать ценность медленно обучающихся в организациях.
• Нельсона и Уинтера (1982) Эволюционная теория экономических изменений использовала моделирование, чтобы показать, что эволюционная модель может дать такие же показатели ВВП/производительности, как и неоклассическая теория рационального выбора.

Более поздние исследования

Более поздние исследования с использованием компьютерного моделирования процветали в 1990-х годах и позже. Основные моменты включают в себя:

• Модель организационной демографии и культуры Кэрролла и Харрисона (1998).
• Модель организационной структуры Дэвиса, Эйзенхардта и Бингхэма (2009) в непредсказуемой среде.
• Модель когнитивного и эмпирического поиска Гаветти и Левинталя (2000).
• Модель адаптации НК Левинталя (1997) на суровых фитнес-ландшафтах.
• Исследование стратегической имитации Ривкина (2000).
• Модель катастрофических переломных моментов Рудольфа и Репеннинга (2002).
• Модель точечных организационных изменений Састри (1997).
• Модель стратегической эволюции и динамических возможностей Зотта (2003).

Дальнейшее чтение

• Аднер, Р.; Левинталь, Д. (2001). «Неоднородность спроса и эволюция технологий: последствия для инноваций в продуктах и ​​процессах» . Наука управления . 47 (5): 611–628. дои : 10.1287/mnsc.47.5.611.10482 . Архивировано из оригинала 25 сентября 2009 г. Проверено 14 июля 2006 г.
• Брюдерер, Э.; Сингх, Дж.С. (1996). «Организационная эволюция, обучение и отбор: модель, основанная на генетических алгоритмах». Журнал Академии менеджмента . 39 (5): 1322–1349. дои : 10.2307/257001 . JSTOR   257001 .
• Карли, К.М. 2001. Вычислительные подходы к социологическому теоретизированию. В Дж. Тернере (ред.), Справочник по социологической теории: 69–84. Нью-Йорк, штат Нью-Йорк: Kluwer Academic/Plenum Publishers [1] .
• Кэрролл, Г.; Харрисон, младший (1998). «Организационная демография и культура: идеи формальной модели и моделирования» . Ежеквартальный журнал административной науки . 43 (3): 637–667. дои : 10.2307/2393678 . JSTOR   2393678 . Архивировано из оригинала 10 сентября 2006 г. Проверено 14 июля 2006 г.
• Коэн, доктор медицины; Марч, Дж.; Олсен, JP (1972). «Модель организационного выбора в виде мусорного бака». Ежеквартальный журнал административной науки . 17 (1): 1–25. дои : 10.2307/2392088 . JSTOR   2392088 .
• Краудер, Р.М.; Робинсон, Массачусетс; Хьюз, HPN; Сим, Ю.В. (2012). «Разработка среды агентного моделирования для моделирования работы инженерной группы». Транзакции IEEE о системах, человеке и кибернетике. Часть A: Системы и люди . 42 (6): 1425–1439. дои : 10.1109/TSMCA.2012.2199304 . S2CID   7985332 .
• Дэвис, JP; Эйзенхардт, К.М.; Бингхэм, CB (2007). «Развитие теории с помощью методов моделирования» . Обзор Академии менеджмента . 32 (2): 480–499. CiteSeerX   10.1.1.562.5016 . дои : 10.5465/AMR.2007.24351453 . S2CID   18394514 .
• Дэвис, JP; Эйзенхардт, К.М.; Бингхэм, CB (2009). «Оптимальная структура, рыночный динамизм и стратегия простых правил» . Ежеквартальный журнал административной науки . 54 (3): 413–452. дои : 10.2189/asqu.2009.54.3.413 . hdl : 1721.1/52690 . S2CID   17029244 .
• Форрестер, Дж. 1961. Промышленная динамика. Кембридж, Массачусетс: MIT Press.
• Гаветти, Г.; Левинталь, Д. (2000). «Взгляд вперед и взгляд назад: когнитивный и экспериментальный поиск» . Ежеквартальный журнал административной науки . 45 (1): 113–137. дои : 10.2307/2666981 . JSTOR   2666981 . S2CID   6282715 . Архивировано из оригинала 25 сентября 2009 г. Проверено 14 июля 2006 г.
• Харрисон-младший; Лин, З.; Кэрролл, Греция; Карли, К.М. (2007). «Имитационное моделирование в организационных и управленческих исследованиях». Обзор Академии менеджмента . 32 (4): 1229–1245. дои : 10.5465/amr.2007.26586485 .
• Холланд, Дж. Х. 1975. Адаптация в естественных и искусственных системах. Анн-Арбор, Мичиган: Издательство Мичиганского университета.
• Хьюз, HPN; Клегг, CW; Робинсон, Массачусетс; Краудер, Р.М. (2012). «Агентное моделирование и симуляция: потенциальный вклад в организационную психологию». Журнал профессиональной и организационной психологии . 85 (3): 487–502. дои : 10.1111/j.2044-8325.2012.02053.x .
• Кауфман, С. 1989. Адаптация к суровым фитнес-ландшафтам. В Э. Штейне (ред.), Лекции по науке о сложности. Ридинг, Массачусетс: Аддисон – Уэсли.
• Кауфман, С. 1993. Истоки порядка. Нью-Йорк, штат Нью-Йорк: Издательство Оксфордского университета.
• Лэнгтон, К.Г. 1984. Самовоспроизведение в клеточных автоматах. Физика, 10Д: 134–144.
• Лант, Т.; Мезиас, С. (1990). «Управление прерывистыми изменениями: моделирование организационного обучения и предпринимательства». Журнал стратегического менеджмента . 11 : 147–179. JSTOR   2486675 .
• Лаве, К., и Марч, Дж. Г. 1975. Введение в модели в социальных науках. Нью-Йорк, штат Нью-Йорк: Харпер и Роу.
• Лоу А.М. и Келтон Д.В. 1991. Имитационное моделирование и анализ (2-е изд.). Нью-Йорк, штат Нью-Йорк: МакГроу – Хилл.
• Левинталь, Д. (1997). «Адаптация к суровым ландшафтам». Наука управления . 43 (7): 934–950. дои : 10.1287/mnsc.43.7.934 .
• Ломи, А.; Ларсен, Э. (1996). «Взаимодействие на местном уровне и глобальное развитие: вычислительный подход к динамике организационной совокупности». Журнал Академии менеджмента . 39 (5): 1287–1321. дои : 10.2307/257000 . JSTOR   257000 .
• Марш, Дж. Г. (1991). «Исследование и использование в организационном обучении». Организационная наука . 2 (1): 71–87. дои : 10.1287/orsc.2.1.71 .
• Нельсон, Р.Р. и Винтер, С.Г. 1982. Эволюционная теория экономических изменений. Кембридж, Массачусетс: Белкнап – Издательство Гарвардского университета.
• Репеннинг, Н. (2002). «Имитационный подход к пониманию динамики внедрения инноваций». Организационная наука . 13 (2): 109–127. дои : 10.1287/orsc.13.2.109.535 . hdl : 1721.1/3803 .
• Ривкин, Дж. (2000). «Имитация сложных стратегий». Наука управления . 46 (6): 824–844. дои : 10.1287/mnsc.46.6.824.11940 .
• Ривкин, Дж. (2001). «Воспроизведение знаний: тиражирование без имитации при средней сложности». Организационная наука . 12 (3): 274–293. дои : 10.1287/orsc.12.3.274.10106 .
• Рудольф Дж.; Репеннинг, Н. (2002). «Динамика катастроф: понимание роли количества в организационном коллапсе» . Ежеквартальный журнал административной науки . 47 (1): 1–30. дои : 10.2307/3094889 . JSTOR   3094889 . S2CID   745136 .
• Састри, Массачусетс (1997). «Проблемы и парадоксы в модели точечных организационных изменений». Ежеквартальный журнал административной науки . 42 (2): 237–275. дои : 10.2307/2393920 . JSTOR   2393920 .
• Шеллинг, Т (1971). «Динамические модели сегрегации». Журнал математической социологии . 1 (2): 143–186. дои : 10.1080/0022250x.1971.9989794 .
• Саймон, Х. 1996 (1969; 1981) Науки об искусственном (3-е издание) MIT Press [2] .
• Стерман, Дж. 2000. Динамика бизнеса: системное мышление и моделирование для сложного мира. Нью-Йорк, штат Нью-Йорк: Ирвин МакГроу-Хилл.
• Стерман, Дж.; Репеннинг, Н.; Кофман, Ф. (1997). «Непредвиденные побочные эффекты успешных программ качества: исследование парадокса организационного совершенствования». Наука управления . 43 (4): 503–521. дои : 10.1287/mnsc.43.4.503 . hdl : 1721.1/2506 .
• Вольфрам, С. 2002. Новый вид науки. Шампейн, Иллинойс: Wolfram Media.
• Зотт, К. (2003). «Динамические возможности и возникновение внутриотраслевой дифференцированной эффективности деятельности компаний: результаты моделирования» . Журнал стратегического менеджмента . 24 (2): 97–125. дои : 10.1002/smj.288 . S2CID   15415778 .