COMPLEJIDAD RD

Add a Comment

13 Comments

Comment by Dr. JULIO CUEVAS on August 9, 2009 at 6:46pm

El valor de la vida está en su complejidad: De ahí el alto sentido de tenerla y asumirla en su totalidad.

Comment by Francisco Acosta on February 15, 2009 at 4:57pm

Edgar Morin: Filósofo y político francés de origen judeo-español (sefardí), nacido en París el 8 de julio de 1921, su nombre anterior era Edgar Nahum.

Comenzó su labor filosófica con la lectura de los diversos representantes de la Ilustración del Siglo XVIII. Se vinculó al socialismo y se inicia en el campo de la antropología social en el terreno de la cinematografía, aproximándose al surrealismo, aunque todavía no abandonando el socialismo, del cual comparte ideas con Franco Fortini y Roberto Guiducci, así como de Herbert Marcuse y otros filósofos. Funda y dirige la revista Argumentos (1956-1962) al tiempo que vive una crisis interior y se manifiesta contra la guerra argelina (1954-1962).

Al iniciar la década de 1960, Morin inicia trabajos y expediciones por latinoamérica y queda impresionado por su cultura. Posteriormente empieza a elaborar un pensamiento que haga complementar el desarrollo del sujeto. Ya en Poulhan, y en compañía de sus colaboradores, desarrolla una investigación de carácter experimental que culmina con la tesis de la transdisciplinariedad, que le genera mayores contradicciones con otros académicos.

Con el surgimiento de la revolución bio-genética, estudia el pensamiento de las tres teorías que llevan a la organización de sus nuevas ideas (la cibernética, la teoría de sistemas y la teoría de la información). También se complementa en la teoría de la autorganización de Heinz von Förster. Para 1977, elabora el concepto del conocimiento enciclopedante, del cual liga los conocimientos dispersos, proponiendo la epistemología de la complejidad.

El pensamiento de Morin, basado en la idea de las tres teorías, en la cual, argumenta que todavía estamos en un nivel prehistórico con respecto al espíritu humano y solo la Complejidad puede civilizar el conocimiento.

En ella se puede adentrar en el desarrollo de la naturaleza humana multidimensional, la lógica generativa, dialéctica y arborescente, del cual cuando el universo es una mezcla de caos y orden; a partir del concepto y práctica de la Auto-eco-organización, el sujeto y el objeto son partes inseparables de la relación autorganizador-ecosistema.

El pensamiento de Morin conduce a un modo de construcción que aborda el conocimiento como un proceso que es a la vez, biológico, cerebral, espiritual, lógico, lingüístico, cultural, social e histórico. La epistemología tradicional asume el conocimiento sólo desde el punto de vista cognitivo.

Obras literarias
El hombre y la muerte (1951)
El Cine o el hombre imaginario (1956)
Las estrellas: mito y seducción del cine (1957)
Autocrítica (1959)
El espíritu del tiempo (1962)
La vida del sujeto
Introducción a una política del hombre (1965)
La Comuna de Francia:La metamorfosis de Plōdement (1967)
Diario de California
El Rumor de Orleans
El paradigma perdido: la naturaleza del hombre (1971)
El Método (1977)
Diario de un libro
Para Salir del Siglo XX (1981)
Naturaleza de la URSS: Complejo Totalitario y nuevo Imperio (1983)
Introducción al pensamiento complejo (1990)
Mis demonios (1995)
Los Fratricidas: Yugoslavia-Bosnia 1991-1995 (1996)
Amor, Poesía, Sabiduría (1997)
La cabeza bien puesta (1998)
La Inteligencia de la Complejidad (1999)
Los Siete Saberes Para una Educación del Futuro (coautoria con la UNESCO, 2000)
L'ethique (2004)
Civilization et Barbarie (2005)

Comment by Francisco Acosta on February 10, 2009 at 11:28pm

La complejidad en la Republica Dominicana
Un fenómeno de trascendencia para la Educación Dominicana

Por: Rafael Bienvenido Mercedes P.



En el siguiente documento expongo algunas interrogantes luego de estudiar detenidamente varias documentos, teorías y experiencias sobre la complejidad ( Edgar Morin, Mario Vargas Rodríguez, Ovidio D´ Ángelo, Dr. Sotolongo, etc.) y su planteamiento de convertirlo como el nuevo paradigma de la educación del Siglo 21.
Para poder operativizar una teoría o enfoque educativo debemos pensar- crear – construir la propuesta pedagógica – metodológica – Curricular que la sustenta.
La teoría de la complejidad está sustentada en un pensamiento viable a los fines de preparar al sujeto – individuo- ser del futuro, sin embargo los retos y desafíos se sitúa en el diseño curricular, con las sugerencias metodológicas, el sistema de evaluación y las características de los formadores/as responsables de la aplicación del nuevo enfoque educativo.
A continuación algunas interrogantes que nos pudieran colocar en el camino de pensar en el diseño curricular complejo para la Republica Dominicana.


1- ¿Cuál seria el disparador – motivante – orientador generadora de la malla curricular compleja en la discusión – análisis- reflexión – construcción del diseño curricular basado en la complejidad que se ajuste a las necesidades de transformación – cambios – recomposición de la educación en la Republica Dominicana?

2- ¿Cuál será la línea de fundamentación teórica- epistemológica, hologramática Recursiva que fundamentaran el Currículo Complejo en la República Dominicana?

3- ¿Cuáles son las dimensiones que sustentarán una propuesta curricular compleja que genere los Diseños de Perfiles, Plan de Estudio, Plan de Clases, estrategias metodológicas multidimensionales e interdisciplinarias en la República Dominicana?

4- ¿Cuál es el modelo pedagógico – didáctico – hologramático – recursivo que sustenta un currículo por la complejidad en la República Dominicana?

5- ¿En qué nivel de escolaridad iniciar con la implementación de un currículo basado en el modelo de la complejidad?

Comment by Rina Familia on December 18, 2008 at 7:10pm

TEORÍA DE COMPLEJIDAD COMPUTACIONAL

En la historia de las matemáticas, el año 1900 es recordado porque en él se celebró un congreso internacional de esta disciplina en París, a partir del cual las matemáticas iban a adquirir la rigurosidad que hoy le es característica. En este congreso, David Hilbert presentó un conjunto de 10 problemas no resueltos en esta ciencia. Entre éstos, el segundo problema trataba sobre la demostración de que los axiomas de la aritmética ordinaria eran consistentes entre sí. Así, las reflexiones de Hilbert sobre esta cuestión le llevaron a proponer un problema más general: el Entscheidungs Problem (Problema de Decisión), el cual proponía descubrir un método general para determinar si una fórmula de la lógica formal podía o no satisfacerse, esto es, si podía declararse verdadera.

Treinta y seis años después, Alan Turing quien conoció el problema en clases impartidas por M. Newman, reflexionó sobre el mismo y encontró la respuesta: El problema de Hilbert era imposible de resolver. Su resultado lo publicó en el mencionado artículo “On computable numbers ...” y en éste define de manera precisa el concepto de método. Turing plantea que un método es un algoritmo, esto es, un procedimiento que puede ser ejecutado mecánicamente, sin intervención creativa alguna; así, establece que esta idea puede refinarse y convertirse en un modelo detallado de computación: la Máquina de Cálculo Abstracta. La Máquina de Turing, como luego fue bautizada, es una construcción lógica e hipotética. Esta consiste de un elemento de control finito, una cabeza de lectura y escritura y una cinta bidireccional e infinita compuesta de una secuencia de cuadros etiquetados, que puede contener símbolos de un alfabeto específico.

En las ciencias computacionales, la importancia de la Máquina de Turing es fundamental, pues si a este dispositivo se le da tiempo suficiente y finito (por muy grande que sea), podrá llevar a cabo cualquier cómputo que pueda realizar un moderno computador electrónico, por muy potente que sea. Por consiguiente, en su fundamento lógico todo computador digital incorpora en sí este dispositivo conceptual ideado por Turing, pues el computador necesita de algoritmos que le indiquen paso a paso la secuencia entera de sus operaciones.

Ahora bien, existen dos dificultades relacionadas con el concepto mismo de algoritmo, las cuales son:
1) Para algunos tipos de problemas no se puede construir un algoritmo capaz de resolver cada caso en particular de los mismos.
2) Aunque exista un algoritmo que pueda resolver cada caso en particular de un problema tipo, éste sólo puede ser práctico para casos pequeños y ser ineficiente realmente para los casos más grandes.

Por ejemplo, si analizamos los algoritmos que empleamos desde niños para sumar y multiplicar, nos encontraremos con que los tamaños de los problemas de adición y multiplicación pueden ser medidos por el número de dígitos que contienen los valores a ser sumados o multiplicados; si llamamos n al tamaño del problema, en el caso de la suma, el número de dígitos a ser sumados, concluiremos en que el tiempo que se requeriría para ejecutar el algoritmo de la adición será proporcional a n. En el caso de la multiplicación, como se multiplica cada dígito del multiplicando por cada dígito del multiplicador, se requerirá n veces el tamaño n; por lo que el tiempo requerido para ejecutar el algoritmo de la multiplicación será proporcional a n2.

Entonces, si se aumenta el número de dígitos de los valores s ser sumados o multiplicados, el tiempo requerido para realizar la multiplicación se incrementará más rápidamente que el necesario para realizar la adición. En sentido general, la manera en la cual el tiempo es requerido para ejecutar un algoritmo varía con el tamaño del problema, y el mismo es diferente para diferentes algoritmos. El área de estudio dentro de las Ciencias Computacionales que tiene ver con la manera cómo se comporta ese tiempo es la TEORÍA DE COMPLEJIDAD COMPUTACIONAL.

Dicha teoría es de un interés fundamental para el Análisis de Algoritmos, pues permite determinar los criterios para evaluar a los mismos, atendiendo a su correctitud, la cantidad de operaciones a realizarse, la cantidad de espacio usado en el computador, su simplicidad (claridad) y lo óptimo de su desempeño.

Comment by Rina Familia on October 18, 2008 at 11:26am

Los invito a compartir conmigo durante la ponencia que presentaré en Congreso Internacional "Derecho, Filosofía, Economía, Sociología, Psicología y Educación en un Mundo Global" , el día 30 de octubre a las 12:30 m.

Comment by Rina Familia on October 18, 2008 at 11:24am

CIENCIAS DE LO ARTIFICIAL Y LA COMPLEJIDAD

Cuando en el año 1969 el economista y matemático Herbert A. Simon publica el libro “Ciencias de lo Artificial”, acontece un gran hito en la historia de las ciencias, pues con dicho trabajo da inicio al estudio de las Ciencias de lo Artificial.

Las Ciencias de lo Artificial se caracterizan por trabajar con objetos abstractos como son los modelos matemáticos, el software, las lógicas, entre otros, los cuales no entrañan generalmente, o no lo hacen como objeto primario, la transformación del conocimiento, sino la transformación de la información. Además, estas ciencias desarrollan instrumentos que tienen aplicación por igual en ciencia y en tecnología.

Del mismo modo que las ciencias tradicionales producen teorías basadas en leyes naturales, dirigidas a dar explicaciones causales, estas nuevas ciencias construyen ciertos objetos abstractos llamados modelos.

Entre las principales Ciencias de lo Artificial se encuentran las teorías matemáticas de la planificación económica y social, como la teoría de juegos, la investigación operativa, la programación lineal, la teoría de la elección colectiva; ciencias de la computación, Inteligencia Artificial y ciencias cognitivas, teoría de sistemas y de la simulación, teorías de la «arquitectura de la complejidad» y teorías del diseño. Todos los cuales son instrumentos que se emplean habitualmente en la ingeniería, desarrollados en contextos de investigación ingenieril y que se estudian en las escuelas técnicas, pero que no pueden ser considerados estrictamente como tecnología.

Las ciencias de lo artificial se basan en la hipótesis metodológica de que ciertas regularidades funcionales pueden ser descritas y capturadas en un nivel abstracto aunque no se conozcan cuáles son los mecanismos causales que subyacen. Por ejemplo, el matemático del MIT David Marr, muerto a destiempo a los 35 años, desarrolló en 1979 un trabajo de investigación sobre el sistema visual humano, ejemplo paradigmático desde entonces de lo que son las ciencias de lo artificial. A David Marr le interesaba simular y construir un sistema de visión equivalente al sistema humano, no importándole que estuviese implantando en un robot o en un cerebro humano; lo que si debería dar mostrar dicho sistema, eran las mismas capacidades en uno y en otro caso, incluidas las ilusiones perceptivas. Para lograr tal fin, Marr desarrolló una serie de cálculos y modelos que intentaban aproximarse al sistema tridimensional de la visión humana.

Las ciencias de lo artificial emplean distintos niveles de representación en sus trabajos. En el primer nivel emplean una teoría del cálculo, analizando su objetivo, su pertinencia, la lógica de la estrategia mediante la cual se le puede llevar a cabo. En el segundo nivel se trabaja con la representación y sus posibles algoritmos. En el tercer nivel se sitúa la implementación en el soporte físico, como pueden materializarse los elementos del nivel 2.

En el segundo nivel se trata propiamente del modelo, y es donde encontramos el núcleo de estas ciencias; las cuales no son consideradas como ciencias genuinas porque sus explicaciones no son causales. Las ciencias de lo artificial no producen proyectos tecnológicos porque sus investigaciones están dirigidas a conocer las interacciones abstractas que se dan entre diversos roles funcionales de un sistema; y al mismo tiempo nos descubren algo de la realidad, de la arquitectura funcional, al tiempo que también nos descubren una estructura que cualquier proyecto tecnológico deberá realizar en el diseño de un artefacto concreto.

Se debe diferenciar entre la tecnología y las ciencias de lo artificial, aunque sea de una forma conceptual, pero también se las debe diferenciar de las ciencias clásicas. No podemos tampoco confundirlas con ciencias aplicadas, puesto que su investigación puede ser en ciertos momentos básica y abstracta. Para ello, pensemos en los lógicos que investigan lógicas no monotónicas (objeto de este trabajo) o en las especulaciones de los matemáticos que se dedican a la teoría de la decisión: a pesar de formar parte de estas nuevas ciencias, su nivel es probablemente uno de los más básicos de la actualidad.

Lo interesante de las técnicas de modelado es que no solamente nos ayudan a transformar la realidad, también nos ayudan a entenderla. Las teorías científicas contienen también modelos, de hecho las teorías científicas son conjuntos de modelos, tal como postula la concepción estructuralista de la ciencia. Pero existe una diferencia entre los modelos de la simulación y los modelos de las teorías científicas. Aunque ambas son estructuras matemáticas, los modelos que incluyen la teoría estándar tienen una pretensión de verdad literal que no tienen estos nuevos instrumentos.

Así, un modelo de un sistema mecánico no solamente pretende predecir la conducta del sistema sino, en la medida de lo posible, capturar y representar la estructura del sistema. Los modelos de simulación están orientados directamente a la predicción y sólo de esta manera derivada nos proporcionan un conocimiento de la estructura. El origen de una simulación suele ser una estructura de datos compleja, en la que no cabe descubrir a primera vista una regularidad simple: la predicción meteorológica, la previsión de perturbaciones en sistemas complejos como redes eléctricas o redes de comunicaciones, las interacciones de un sistema económico en su conjunto, el desarrollo urbano, un sistema ecológico, etc.

Por otra parte, los artefactos que conforman los mundos artificiales y los organismos que constituyen los mundos naturales, son sistemas funcionales, en los cuales el comportamiento de las partes es interdependiente y sólo mediante esta interdependencia podemos caracterizar su complejidad.

Así, complejidad que se encuentra en la naturaleza de los organismos y artefactos técnicos tiene un doble componente: la heterogeneidad de las partes, y la composicionalidad. La heterogeneidad se refiere a la variedad de tipos y categorías que encontramos en los elementos constitutivos de un sistema complejo. En algún nivel de la estructura de un sistema debemos encontrar la heterogeneidad, puede ser en el nivel de los materiales, puede ser en el nivel de las formas, pero con elementos homogéneos no encontramos un sistema complejo.

La composicionalidad se relaciona con el hecho de que tanto los organismos como los artefactos son sistemas que muestran una ilimitada variedad de formas construida con elementos finitos. La razón de esto radica en que combinaciones diferentes de elementos, siguiendo pautas y constricciones apropiadas nos permiten construir elementos completamente diferentes. La complejidad se produce en tres niveles diferentes a saber: la materia, la forma y la conducta de las partes.

Comment by Elisaury Suarez on September 17, 2008 at 2:47pm

Cuando hablamos acerca de la realidad, o acerca de los sistemas,de que en realidad hablamos.Llevo tiempo estudiando a un grupo de filosofos del Existencialismo, y aunque no este de acuerdo con todos, debo decir, que ellos llegaron a decir ciertas realidades acerca del hombre, que aplican en complejidad.

Comment by Elisaury Suarez on September 17, 2008 at 2:40pm

Unas de mis preguntas acerca de la ciencia de la complejidad es, si en realidad le hace algún aporte a la realidad existencial del hombre.O es solo una manera mas de complicar las cosas.

Comment by Francisco Acosta on September 1, 2008 at 10:17pm

Bienvenida Doctora Rina Familia al grupo COMPLEJIDAD RD. Nos vermos mañana martes 2 de septiembre a las 6:30 de la tarde en el auditorio Manuel del Cabral de la Biblioteca Pedro Mir (UASD).
Francisco Acosta

Comment by Rina Familia on September 1, 2008 at 3:29pm

Estoy sumamente interesada en estudiar el tema de la Complejidad y su vinculación con la creación de Mundos Simbólicos Artificiales. En la actualidad estoy investigando en Lógica Intuicionista y la posibilidad de usar la misma como fundamento para la creación de mundos simbólicos artificiales

• 1
• 2