Towards a spatiotemporal characterization of interacting populations

Abstract

In this thesis work, the study of spatiotemporal component of social interacting systems is analyzed. The spatial component is studied through an exhaustive computational simulation work, where individuals of two different groups are interacting in a two dimensional grid. Two different models were explored to study the basic formations of a bunch of social systems: the Schelling model of social segregation and the Sakoda model of social interactions. Both models explain the global formation of social structures through local interactions of individuals. Variations of different parameters of interaction ranges and movements produce many different structures. Despite of this, commonalities appear allowing to understand different aspects of these dynamics. The events timing in systems composed by two populations in conflict is studied. This study is based on the escalation and de-escalation patterns of those events

En este trabajo de tesis, se analiza el estudio del componente espaciotemporal de varios sistemas sociales. La componente espacial es estudiada a través de un exhaustivo trabajo de simulación computacional, donde los individuos de dos poblaciones están interactuando en una cuadrícula de dos dimensiones. Dos modelos diferentes fueron explorados para estudiar la formación de estos sistemas: el modelo de Schelling de segregación social y el modelo Sakoda de interacciones sociales. Ambos modelos explican la formación global de las estructuras sociales a través de las interacciones locales de los individuos. Las variaciones de diferentes parámetros de rangos de interacción y movimientos producen muchas estructuras diferentes. A pesar de esto, aparecen características comunes que permite entender los diferentes aspectos de las dinámicas estudiadas. También se estudian la sincronización de los eventos de sistemas compuestos por dos poblaciones en conflicto. Este estudio se basa en los patrones de escalamiento y descalamiento de esos eventos. Esto permite la caracterización y posible predicción de eventos en estos sistemas a través de su componente temporal