Para empezar. ¿Qué es sistema?

Definición de modelo.

Un modelo es una representación simplificada de la realidad, que se elabora para facilitar su comprensión y estudio, que permiten ver de forma clara y sencilla las distintas variables y las relaciones que se establecen entre ellas
Se utilizan con frecuencia en la ciencia.
Los modelos resultan muy útiles en investigación y su elaboración implica varios aspectos opuestos:
• Deben presentar la realidad lo más fielmente posible
• Deben ser más sencillos y manejables que las situaciones reales.
Para elaborar un modelo, primero hemos de establecer qué uso vamos a darle y, según ello, que aspectos de la realidad o variables vamos a utilizar y qué relaciones existen entre las mismas, los modelos permiten observar evolución de los sistemas y predecir su comportamiento dan una mejor comprensión de la realidad Los científicos revisan continuamente sus modelos tratando de lograr una mayor aproximación entre la teoría y la realidad, y así aumentar la precisión de las predicciones. Es importante no olvidar que un modelo no es la realidad, sino una representación que nunca coincide exactamente con ella.
Un sistema puede tener varios modelos según lo que nos interese del mismo. Estas representaciones se hacen mediante dibujos, esquemas o expresiones matemáticas. Los modelos de análisis están muy desarrollados en el funcionalismo-estructuralismo y en la dialéctica-conflicto, con dos enfoques diferentes. Tentativamente pudiera decirse para ambos enfoques que el sistema social es la misma Estructura social interactuando con todos los componentes diversos, ya sea aplicándolo a la sociedad global o a formaciones más localizadas y eventualmente con menos componentes. Los análisis serán sobre los componentes
.

Requerimientos funcionales de un modelo.

Un requisito funcional define el comportamiento interno del software: cálculos, detalles técnicos, manipulación de datos y otras funcionalidades específicas que muestran cómo los casos de uso serán llevados a la práctica. Son complementados por los requisitos no funcionales, que se enfocan en cambio en el diseño o la implementación. Como se define en la ingeniería de requisitos, los requisitos funcionales establecen los comportamientos del sistema. Típicamente, un analista de requisitos genera requisitos funcionales luego de diagramar los casos de uso. Sin embargo, esto puede tener excepciones, ya que el desarrollo de software es un proceso iterativo y algunos requisitos son previos al diseño de los casos de uso. Ambos elementos (casos de uso y requisitos) se complementan en un proceso bidireccional. Un requisito funcional típico contiene un nombre y un número de serie único y un resumen. Esta información se utiliza para ayudar al lector a entender por qué el requisito es necesario, y para seguir al mismo durante el desarrollo del producto. El núcleo del requisito es la descripción del comportamiento requerido, que debe ser clara y concisa. Este comportamiento puede provenir de reglas organizacionales o del negocio, o ser descubiertas por interacción con usuarios, inversores y otros expertos en la organización
Requerimiento #1- El sistema debe verificar que la instalación del sistema ha sido correcta y que los dispositivos funcionan correctamente.
Requerimiento #2- El sistema debe permitirle al presidente iniciar la elección lo cual permitirá que se puedan registrar los votos de los electores.
Requerimiento #3- El sistema deberá almacenar el voto una vez que éste fue confirmado.
Requerimiento #4- El sistema permitirá que el presidente de una unidad de reporte (o mesa) realice un cierre de elección, la cual solo podrá realizarse si se produce en un horario posterior al establecido (en la configuración del sistema) y si la elección se encuentra iniciada.

Variables de estado.

Estado, es un conjunto de variables, tales que el conocimiento de esas variables en t= to, conjuntamente con el conocimiento de la entrada para t> to, determinan completamente el comportamiento de sistema para cualquier tiempo t>to.
Un variables de estado, es el conjunto de variables que determinan el estado de un sistema dinámico. Se requiere “n” variables X1 X2,…, Xn para describir el comportamiento dinámico de un sistema:
Vector de estado: Las “n” variables de estado son componentes de un vector “X”.
Espacio de estado:
Contiene tres tipos de variables:
• Variables de entrada
• Variables de estado
• Variables de salida

Representación de sistemas en el espacio de estado:
Un sistema dinámico tiene una ecuación diferencial de “n” orden. Se puede presentar en forma vectorial – matricial como una ecuación de “n” variables de estado.

Si un sistema tiene la ecuación diferencial de “n” orden:
(n)Y+ a1(n-1)Y + …+ an-1Y+ anY =U
El conjunto de variables de estado se determina:
X1=Y;
X2=Y;
X3=Y;

Xn=(n-1)Y;
Donde:
X1, X2, …, Xn Son variables de estado.
La ecuación diferencial de primer orden a partir de las variables de estado se forma:
X1 =X2 = YX2 =X3 = Yº =º = º
º º =ºXn-1=Xn=(n-1)Y
Xn= nY= -anX1 -… -a1Xn+ u

La representación matricial.
A = 00.010.001.0....0010 B = 00.1

La ecuación de estado es:
X=AX+BU

La ecuación de salida es:
Y=CX= 1 0 0 … 0 X1X2.Xn
Donde:
* A = matriz de estado.
* B = matriz de entrada.
* C = matriz de salida.
* X = vector de variables de estado.
* X = vector de primer orden.

• Variables de estado de fase

Se define a las variables de fase como el conjunto particular de variables de estado que se compone de una variable y sus “n-1” derivadas. No todas las variables físicas son variables de estado.

•  Variables de estado Físico

Un estado físico, es cada una de las situaciones o formas físicamente distinguibles mediante la medición de algunas propiedades que puede adoptar un sistema físico en su evolución temporal. Es decir, en un sistema físico que está sufriendo cambios, un estado físico es cualquiera de las situaciones posibles como resultado de dichos cambios.

Tipos de modelos de sistemas

Tipos de modelos

Existen numerosas clasificaciones de los modelos, ninguna de las cuales permite establecer realmente unas categorías estrictamente excluyentes.

Primer ejemplo

Modelos icónicos, análogos y simbólicos

Turner (1970:364) se distingue tres tipos básicos de modelos: icónicos, análogos y simbólicos.

En los modelos icónicos, la relación de correspondencia se establece a través de las propiedades morfológicas, habitualmente un cambio de escala con conservación del resto de las propiedades topológicas.






modelo icónico

Ejemplo: una maqueta, donde se ha establecido una reducción de tamaño conservando las relaciones dimensionales básicas.

En un modelo icónico se conservan las proporciones del objeto real mediante una reducción de escala y una selección de las propiedades representadas.

Los modelos análogos se construyen mediante un conjunto de convenciones que sintetizan y codifican propiedades del objeto real para facilitar la "lectura" o interpretación de las mismas.

Ejemplo: un mapa impreso, construido mediante un conjunto de convenciones cartográficas que hacen legibles propiedades tales como las altitudes, distancias, localización física de objetos geográficos, etc.


modelo análogo





Arriba: modelo análogo utilizado para resolver el problema del camino más corto entre dos vértices de un grafo. Los lugares se representan mediante pequeñas anillas y los caminos entre ellos se modelizan mediante hilos de la misma longitud que el camino real. Para localizar la ruta más corta entre dos puntos, A y D, se cogen las anillas correspondientes y se tensa la red. Los hilos tensos definen la ruta mínima: A>F>H>D
Los modelos simbólicos se construyen representando el objeto real mediante una codificación matemática (geométrica, estadística, etc.)

Ejemplo: la representación de un edificio mediante la identificación y codificación en una estructura geométrica de sus elementos básicos.



modelo simbólico





Reconstrucción virtual de un edificio prerrománico, un ejemplo de modelo simbólico Parte del edificio ha sido representado a partir de un levantamiento simulado basado en restos de cimientos y muros.


Segundo ejemplo



Modelos analógicos vs modelos digitales

Los modelos digitales están codificados en cifras; son, por tanto, modelos simbólicos.

Los modelos analógicos son modelos físicos, como los ya mencionados de una maqueta como modelo icónico, o un mapa convencional como modelo análogo.

Los modelos digitales presentan algunas propiedades de interés:
no ambigüedad: cada elemento del modelo tiene unas propiedades y valores específicos y explícitos
verificabilidad: los resultados se construyen mediante pasos explícitos y concretos que pueden ser analizados uno a uno y comprobados en todas las fases del proceso
repetibilidad: los resultados no están sometidos, a menos que de diseñe expresamente, a factores aleatorios o incontrolados y pueden ser comprobados y replicados las veces que se desee.



MDT


Un MDT, o modelo digital del terreno es una estructura numérica de datos que representa la distribución espacial de una variable cuantitativa y continua. Por tanto,


los MDT son modelos simbólicos
las relaciones de correspondencia con la realidad se establecen mediante algoritmos
los MDT son conjuntos de datos con una estructura interna
esta estructura se refleja en la forma lógica -en el sentido informático- de almacenar y vincular las unidades de información datos entre sí, que debe representar de alguna forma lasrelaciones espaciales entre los datos
los MDT representan la distribución espacial de una variable cuantitativa y de distribución continua

Por tanto, los mapas temáticos (variables nominales) no son MDT ni éstos están formados tampoco por entidades lineales o puntuales como, por ejemplo, una red hidrológica.


MDT y mapas

Los mapas son la versión analógica de los MDT y pueden se denominados, por tanto, modelos analógicos del terreno, MAT. Ambos tipos de modelos se complementan y no es previsible la total sustitución de unos por los otros.Algunas ventajas importantes de los MDT sobre los MAT son

la posibilidad de tratamiento numérico de los datos
la posibilidad de realizar simulación de procesos, emulando el funcionamiento de un sistema dinámico real

Su mayor problema es que el manejo de los MDT es complejo:

necesita equipos informáticos que obligan a un entrenamiento especializado
la interpretación de la información es indirecta
la elaboración de modelos derivados requiere el dominio de lenguajes de programación o la intervención de especialistas

Asimismo, un uso eficaz de los MDT no se concibe fácilmente sin un equipo de trabajo relativamente amplio, un equipo informático sofisticado y un conjunto de circunstancias que permita unas condiciones de trabajo con una razonable estabilidad. En la práctica, las posibilidades de trabajo e investigación que los SIG/MDT permiten se ven limitadas por las también exigencias económicas y estratégicas que plantean.

Evaluación de los sistemas

Los progresos realizados en un sistema deben ser medidos o evaluados para conocer las deficiencias y problemas que éste presenta. Aunque una evaluación cualitativa puede resultar útil en las etapas iniciales del desarrollo del sistema, medidas cuantitativas bajo unas mismas condiciones resultan de vital importancia para ver el progreso real del sistema y compararlo consigo mismo o con otros. Los números no aportan información si se desconoce de dónde proceden, es decir, qué representan. La evaluación de cualquier tecnología debe ir acompañada de un conjunto de medidas estándar propuestas para tal fin. La disponibilidad de bases de datos y de protocolos o procedimientos para la evaluación de estos sistemas ha sido un componente muy importante, casi fundamental, en el progreso alcanzado en este campo y ha permitido compartir nuevas ideas, e incluso compararlas con otras ya consolidadas. Los progresos en la evaluación de sistemas de comprensión del lenguaje hablado están comenzando. Así vamos a mencionar a continuación diferentes acuerdos alcanzados [PRI90] en la evaluación de sistemas:

• Conjuntos de Datos de Entrenamiento y de Prueba Independientes. La importancia de disponer de conjuntos de datos independientes para el entrenamiento/desarrollo y para la evaluación de sistemas de reconocimiento de habla viene siendo aceptada desde hace bastante tiempo por la comunidad científica. Sigue siendo igual de importante para el desarrollo y evaluación de los sistemas de comprensión de habla, aunque para estos últimos nos interesará tener datos de prueba dónde aparezcan el mayor número de fenómenos del habla posibles (son importantes las construcciones gramaticales, los efectos propios del habla espontánea, etc.), para colocar al sistema en el mayor número de situaciones (léxicas, sintácticas y semánticas) posible. Sin embargo, es conveniente resaltar que el proceso de evaluación no deja de ser parte del proceso de entrenamiento, pues en muchos casos los resultados de la misma sirven para depurar o mejorar el comportamiento final del sistema. Por tanto, es importante que exista un conjunto de datos independiente y realista, tan grande como sea posible, con el que se evalúe definitivamente un sistema y con cuyos resultados no se intente seguir desarrollando (mejorando) el sistema.
• Evaluación del Sistema como Caja Negra. La evaluación de los componentes de un sistema es una tarea importante durante el desarrollo del mismo, aunque no es especialmente útil para comparar sistemas entre sí, al menos que los sistemas a comparar sean muy similares, lo que no suele ser el caso. La motivación para evaluar los componentes de un sistema es puramente interna, por tanto, no es absolutamente necesario llegar a acuerdos en la comunidad internacional sobre la metodología de evaluación de los mismos. Las medidas de evaluación de los componentes internos de un sistema pueden utilizarse para evaluar las tecnologías empleadas en cada componente como una función de sus parámetros de diseño; por ejemplo, el funcionamiento de un módulo de reconocimiento acústico puede ser evaluado como una función de la perplejidad alofónica y sintáctica, el funcionamiento de un analizador sintáctico (parser) como una función de la calidad (errores) de la secuencia de palabras (frase) de entrada. Además, estas medidas son útiles para evaluar el progreso conseguido, y cómo los cambios en varios componentes afectan al resto de los mismos.
• Evaluación Cuantitativa vs. Cualitativa. Una evaluación cualitativa de un sistema (p. ej. lo que parece gustar a los usuarios del sistema) puede ser animador, pero mucho más convincente para aquellos que no pueden observar el sistema son las medidas cuantitativas llevadas a cabo de forma automática. Las medidas deberían ser estandarizadas en la medida de lo posible, y ser reproducibles, para considerarlas significativas. El proceso automatizado evita errores humanos debido a fatiga, falta de atención, malas intenciones, etc. y además, permite capturar muchos más datos que en un caso manual, y sacar conclusiones sobre el funcionamiento de ciertos procesos o hechos que ocurren, con una mayor fiabilidad.
• Captura de Datos para Evaluación. Para capturar los datos que necesitamos para evaluar los sistemas de lenguaje hablado, se han desarrollado técnicas y sistemas especiales conocidos como PNAMBIC (“Pay NoAttention to the Man Behind the Curtain”) o Mago de Oz (Wizard of Oz), que implica la existencia de un experto cooperando con un sistema más o menos automático y completo, pero del que no es consciente el usuario, quién piensa que interacciona sólo con un sistema completamente automático. Realmente, el “mago” introduce las peticiones del usuario transcribiendo la frase hablada a texto y enviándosela a la pantalla del usuario, así como interaccionando con un sistema de información (p.e. de gestión de bases de datos), para conseguir las respuesta a la pregunta o petición del usuario y poder mandársela. No se permite que el “mago” realice tareas complejas, sólo puede enviar los datos obtenidos de la base de datos, o frases que indiquen ciertos problemas, indicaciones al usuario, como “su pregunta requiere un proceso que sobrepasa las posibilidades del sistema”. En general, la actuación del “mago” viene condicionada por el hecho de que comprenda o no la pregunta del usuario y sobre su conocimiento sobre las posibilidades de la base de datos. Los datos deben ser analizados a posteriori para determinar si la actuación del “mago” fue o no correcta.
• Convenios sobre las Transcripciones. La transcripción de las sesiones, es decir, las frases que se muestran al usuario, representan el habla natural de ese locutor. Para llevar a cabo evaluaciones automáticas, debemos llegar a un cierto acuerdo sobre los convenios a utilizar para representar lo que el usuario ha dicho, y se deben implementar procedimientos que aseguren que estos convenios son realmente utilizados.
• Respuestas Canónicas y Obtención de Medidas. Las respuestas canónicas son, en general, las respuestas enviadas al usuario bajo el control del “mago”. Estas respuestas deberán ser modificadas si el “mago” comete un error, o si la respuesta depende del contexto en que fue generada debido a la posible cooperación (diálogo) entre el “mago” y el usuario. La obtención de medidas se lleva a cabo con programas estándar y convenios para las entradas y salidas.
  
  CLASIFICACIÓN DE LOS MODELOS Existen múltiples tipos de modelos para representar la realidad. Algunos de ellos son:
  • Dinámicos: Utilizados para representar sistemas cuyo estado varía con el tiempo. • Estáticos: Utilizados para representar sistemas cuyo estado es invariable a través del tiempo.
  
  • Matemáticos: Representan la realidad en forma abstracta de muy diversas maneras.
  • Físicos: Son aquellos en que la realidad es representada por algo tangible, construido en escala o que por lo menos se comporta en forma análoga a esa realidad (maquetas, prototipos, modelos analógicos, etc.).
   • Analíticos: La realidad se representa por fórmulas matemáticas. Estudiar el sistema consiste en operar con esas fórmulas matemáticas (resolución de ecuaciones).
  • Numéricos: Se tiene el comportamiento numérico de las variables intervinientes. No se obtiene ninguna solución analítica.
  • Continuos: Representan sistemas cuyos cambios de estado son graduales. Las variables intervinientes son continuas.
  • Discretos: Representan sistemas cuyos cambios de estado son de a saltos. Las variables varían en forma discontinua.
  • Determinísticos: Son modelos cuya solución para determinadas condiciones es única y siempre la misma.
  • Estocásticos: Representan sistemas donde los hechos suceden al azar, lo cual no es repetitivo. No se puede asegurar cuáles acciones ocurren en un determinado instante. Se conoce la probabilidad de ocurrencia y su distribución probabilística. (Por ejemplo, llega una persona cada 20 ± 10 segundos, con una distribución equiprobable dentro del intervalo).
  
  Simulación
  Construido el modelo, se ensaya una alternativa en él con el fin de aplicar las conclusiones al sistema. Los resultados obtenidos no tienen valor si no son aplicables al sistema.
  La simulación tiene como principal objetivo la predicción, es decir, puede mostrar lo que sucederá en un sistema real cuando se realicen determinados cambios bajo determinadas condiciones. La simulación se emplea sólo cuando no existe otra técnica que permita encarar la resolución de un problema. Siempre es preferible emplear una alternativa analítica antes que simular. Lo anterior no implica que una opción sea superior a otra, sino que los campos de acción no son los mismos. Mediante la simulación se han podido estudiar problemas y alcanzar soluciones que de otra manera hubieran resultado inaccesibles.
  La simulación involucra dos facetas:
  1) Construir el modelo
  2) Ensayar diversas alternativas con el fin de elegir y adoptar la mejor en el sistema real, procurando que sea la óptima o que por lo menos sea lo suficientemente aproximada. 

Biografía de Betty Neuman

Betty Neuman nació en 1924 en Lowell, Ohio. Su padre era granjero y su madre, ama de casa. Dado que creció en el Ohio rural, le gustaba mucho el campo y, gracias a esto, desarrolló un sentimiento de compasión por las personas necesitadas.

Es pionera en la Enfermería en Salud Mental. Durante toda su carrera profesional se ha mantenido en constante perfeccionamiento. Algunos de sus logros:

* 1947: Finalizó sus estudios básicos de enfermería con honores en la escuela de Enfermería Peoples Hospital, Akron, Ohio, donde se dedicó a la docencia clínica.

* 1957: Obtiene la Licenciatura de Enfermería. Ayudó a su marido a establecer una consulta médica y a gestionarla.

* 1966: Finalizó una maestría en Salud Mental y Salud Pública en la Universidadde California de los Ángeles (UCLA).

* 1970: Creó un modelo conceptual para la Enfermería.

* 1971: Desarrolló su primer Modelo explícito de enseñanza y práctica para la consulta de Salud mental, antes de crear el Modelo de Sistemas. Éste fue citado en su primer libro, Consultation and Community Organization in Community Mental Health Nursing.

* 1972: Primera publicación de su modelo.

* 1985: Se doctoró en Psicología Clínica en la Universidad del Pacífico Oeste.

* 1992: Obtiene un doctorado en Honoris Causis de Letras, en el High School Neuman, en Aston, Pensylvania.

* 1998: Obtiene doctorado Honoris Causa de la Ciencia, en la Universidad de Valley State, Michigan.

Neuman ha integrado diversas actividades profesionales internacionales desde que desarrolló el Modelo de Sistemas, como a la vez numerosas publicaciones, presentaciones, consultas y conferencias. Posee una extensa experiencia en la enseñanza, y ha dado clases de formación continuada para Enfermeras en la UCLA y en organizaciones de la comunidad durante catorce años.

Durante los últimos años la doctora Betty Neuman ha trabajado intensamente en promover su “Modelo de sistemas” a través de su trabajo como educadora, autora, consultora de salud, presentadora; y a través de la escritura de libros, esto a nivel de su país y en foros internacionales.

Hoy en día sigue trabajando como terapeuta matrimonial y familiar con asesoramiento cristiano. Continua viviendo en Ohio y dirige la Neuman SystemsModel Trustees Group que compagina con su trabajo de Consejera Internacional para las escuelas de enfermería y para organizaciones de práctica enfermera donde hace uso de su modelo teórico junto con sus compañeros.

Filosofía, Metateoría o Teoría 

Los modelos y teorías de enfermería son el resultado del examen cuidadoso y crítico que hacen las enfermeras de los fenómenos y hechos que conforman la práctica enfermera, utilizando el método científico y aplicando los distintos tipos de razonamiento influenciados por supuestos y paradigmas. 

Si bien el estudio de las teorías y los modelos de enfermería son etiquetas utilizadas para señalar “aquello” que nos muestra una parte de la realidad enfermera, corresponde aclarar que no son sinónimas en su significado. 

Modelo: Es el esquema teórico, generalmente en forma matemática, de un sistema o de una realidad compleja, que se elabora para facilitar su comprensión y el estudio de su comportamiento. Para Riehl-Sisca el modelo: “es un diseño estructural compuesto de conceptos organizados y relacionados”. 

Teoría: Es el conocimiento especulativo considerado con independencia de toda aplicación. Serie de leyes que sirven para relacionar determinado orden de fenómenos. Una teoría es una declaración que propone explicar o caracterizar algún fenómeno, realza las partes salientes de dicho fenómeno para que podamos separar los factores críticos y necesarios de los accidentales y no esenciales (o relaciones). El propósito de la teoría es proporcionar un manejo del fenómeno para que permanezca en una posición de auxilio. 

Riehl-Sisca señala que con frecuencia el concepto “teoría” se considera como intercambiable con los conceptos “modelo conceptual”, “marco conceptual” y “paradigma”. 

Para esta autora basta con estudiar cuidadosamente una teoría para darnos cuenta de que no se trata de un “marco conceptual” ni de un “paradigma”. “Una teoría consiste en una serie de conceptos organizados de forma sistemática y conectada lógicamente para explicar su relación”. 

Chinn y Jacobs (citadas por Riehl-Sisca) definen una teoría como: “Un grupo de conceptos, definiciones y proposiciones que proyectan una visión sistemática de un fenómeno, designando interrelaciones específicas entre conceptos, con el objetivo de describir, explicar, predecir y/o controlar los fenómenos”. 

Si analizamos las definiciones, podemos afirmar que ambos conceptos no son sinónimos, sin embargo es cierto que existe una fuerte relación entre ambos. Para Riehl-Sisca la relación está en que los modelos: “sirven como eslabón en el desarrollo de una teoría siendo prototipos de la misma”. Esta relación puede quedar claramente definida si decimos que una teoría siempre será un modelo, pero un modelo no siempre tendrá la categoría de teoría. 

La teoría siempre es un modelo porque estos son los prototipos de las teorías, es decir, su representación. Ahora bien, un modelo puede limitarse a describir los elementos implicados en un fenómeno, que el investigador ha observado de la realidad, sin llegar a explicarlo, predecirlo y/o controlarlo. Las enfermeras, a partir de la observación, el análisis y la representación del hecho enfermero, han llegado a construir tanto modelos como teorías. Los modelos de enfermería pueden tratarse como una manifestación de las distintas miradas enfermeras al proceso de cuidar. 

Como ya se dijo, los modelos son representaciones de una realidad que nosotros denominamos proceso de cuidar. Como afirma McFarlanen: “Son una imagen mental o privada de la práctica de la enfermería, y cada uno de nosotros tiene el suyo propio”. Esta realidad a la que nos referimos puede quedar limitada por una serie de coordenadas que conforman un marco referencial o lo que J. Fawcet denomina metaparadigma y que son la persona, el entorno, la salud y las propias acciones de enfermería. Estas coordenadas no son más que conceptos que pueden quedar definidos de manera distinta al sufrir las influencias de los valores y creencias desde los que se definan dichos conceptos. 

Filosofía: Aquellos modelos basados en el “análisis, razonamiento y argumentos lógicos para identificar los fenómenos y los conceptos teóricos” 

Metateoría: Teoría que se dedica al estudio de otra teoría o conjunto de teorías. Puede referirse a un punto de vista específico de una teoría y las meta-propiedades de sus materias, pero no a la aplicación de dicha teoría.

Sistema de Betty Neuman