Моделювання епідемії COVID-19 та її соціальних наслідків

Автор(и)

  • Olena Pugachova Національний університет "Києво-Могилянська академія", Ukraine

DOI:

https://doi.org/10.18523/2617-9067.2021.4.18-27

Ключові слова:

COVID-19, моделювання, агентно-орієнтовані моделі, політика втручання

Анотація

У статті розглянуто різні моделі, що симулюють процес поширення епідемії. Наголошено, що пандемія породжує соціально­економічні проблеми, дослідження яких виходить за межі епідеміо­ логічних моделей. У статті розкрито особливості агентного моделювання, яке дає змогу дослі­ джувати різні сценарії розвитку подій, а також експериментувати з параметрами моделі, що дає можливість аналізувати різні політики втручання та оцінювати їх доцільність.

Біографія автора

Olena Pugachova, Національний університет "Києво-Могилянська академія"

Кандидат економічних наук, доцент кафедри соціології НаУКМА

Посилання

Currie, C. M., Fowler, J. W., Kotiadis, K., Monks, T., Onggo, B. S., Robertson, D. A., & Tako, A. A. (2020). How simulation modelling can help reduce the impact of COVID-19. Journal of Simulation, 14(2), 83–97. https://doi.org/10.1080/17477778.2020.1751570

Edmonds, B. (2020, April 13). Good Modelling Takes a Lot of Time and Many Eyes. Review of Artificial Societies and Social Simulation. https://rofasss.org/2020/04/13/a-lot-of-time-and-many-eyes/

Edmonds, B., Le Page, C., Bithell, M., Chattoe-Brown, E., Grimm, V. , Meyer, R., Montañola-Sales, C., Ormerod, P., Root, H., & Squazzoni, F. (2019). Different Modelling Purposes. Journal of Artificial Societies and Social Simulation, 22(3), 6. http://jasss.soc.surrey.ac.uk/22/3/6.html

Epstein, J. M. (2009). Modelling to contain pandemics. Nature, 460(7256), 687. https://doi.org/10.1038/460687a

Ferguson, N., Laydon, D., Nedjati Gilani, G., et al. (2020). Report 9: Impact of non-pharmaceutical interventions (NPIs) to reduce COVID-19 mortality and healthcare demand. https://www.imperial.ac.uk/media/imperial-college/medicine/sph/ide/gidafellowships/Imperial-College-COVID19-NPImodelling-16-03-2020.pdf

Gaudou, B., Huynh, N. D., Philippon, D., Brugière, A., Chapuis, K., Taillandier, P., Larmande, P., & Drogoul, A. (2020). COMOKIT: a modeling kit to understand, analyze and compare the impacts of mitigation policies against the COVID-19 epidemic at the scale of a city. Front. Public Health. https://doi.org/10.3389/fpubh.2020.563247

Hofstede, G., Hofstede, G. J., & Minkov, M. (2010). Cultures and organizations: Software of the mind. McGraw-Hill.

Manzo, G. (2020). Complex Social Networks are Missing in the Dominant COVID-19 Epidemic Models. Sociologica, 14(1), 31–49. https://doi.org/10.6092/issn.1971-8853/10839

Page, S. E. (2018). The Model Thinker: What You Need to Know to Make Data Work For You. Basic Books.

Page, S. E. (2020, May 7). Which pandemic model should you trust? Here’s how to evaluate them. The Washington Post. https://www.washingtonpost.com/politics/2020/05/07/whichpandemic-model-should-you-trust-heres-how-evaluate-them/

Squazzoni, F., Polhill, J. G., Edmonds, B., Ahrweiler, P., Antosz, P., Scholz, G., Chappin, É., Borit, M., Verhagen, H., Giardini, F., & Gilbert, N. (2020). Computational Models That Matter During a Global Pandemic Outbreak: A Call to Action. Journal of Artificial Societies and Social Simulation, 23(2), 10.

Steinmann, P., Wang, J. R., van Voorn, G. A. K., & Kwakkel, J. H. (2020, April 17). Don’t try to predict COVID-19. If you must, use Deep Uncertainty methods. Review of Artificial Societies and Social Simulation. https://rofasss.org/2020/04/17/deepuncertainty

##submission.downloads##

Опубліковано

2021-10-08