Simulation informatique et études organisationnelles - Computer simulation and organizational studies

La simulation informatique est une méthode de premier plan dans les études organisationnelles et la gestion stratégique. Bien qu'il existe de nombreuses utilisations de la simulation informatique (y compris le développement de systèmes d'ingénierie au sein d'entreprises de haute technologie), la plupart des universitaires dans les domaines de la gestion stratégique et des études organisationnelles ont utilisé la simulation informatique pour comprendre le fonctionnement des organisations ou des entreprises. Plus récemment, cependant, les chercheurs ont également commencé à appliquer la simulation informatique pour comprendre le comportement organisationnel à un niveau plus micro, en se concentrant sur la cognition et le comportement individuels et interpersonnels tels que le travail en équipe .

Alors que les chercheurs en stratégie ont eu tendance à se concentrer sur le test des théories de la performance des entreprises, de nombreux théoriciens de l'organisation se concentrent sur des théories plus descriptives, le seul thème unissant a été l'utilisation de modèles informatiques pour vérifier ou étendre les théories. Ce n'est peut-être pas un hasard si les chercheurs utilisant la simulation computationnelle se sont inspirés des idées de la modélisation biologique , de l' écologie , de la physique théorique et de la thermodynamique , de la théorie du chaos , de la théorie de la complexité et des études d'organisation puisque ces méthodes ont également été utilisées avec succès dans ces domaines.

Distinctions / définitions de base

Les chercheurs qui étudient les organisations et les entreprises à l'aide de simulations informatiques utilisent une variété de distinctions et de définitions de base qui sont courantes en science informatique.

  • Basés sur des agents ou basés sur des équations: les modèles basés sur des agents se déroulent en fonction des interactions d'actions relativement simples, tandis que les modèles basés sur des équations se déroulent numériquement sur la base d'une variété d'équations dynamiques ou à l'état d'équilibre (Remarque: certains soutiennent qu'il s'agit là d'un fausse distinction puisque certains modèles basés sur des agents utilisent des équations pour diriger le comportement de leurs agents)
  • Modèle: versions simplifiées du monde réel qui ne contiennent que des éléments essentiels d'intérêt théorique
  • Complexité du modèle: le nombre de pièces conceptuelles dans le modèle et les connexions entre ces pièces
  • Déterministe vs stochastique: les modèles déterministes se déroulent exactement comme spécifié par une logique pré-spécifiée, tandis que les modèles stochastiques dépendent d'une variété de tirages à partir de distributions de probabilité
  • Optimisation vs descriptive: modèles avec des acteurs qui recherchent les optimums (comme les pics dans les paysages de fitness) ou qui ne le font pas

Approches méthodologiques

Il existe une variété d'approches méthodologiques différentes dans le domaine de la simulation informatique. Ceux-ci incluent, mais ne sont pas limités à ce qui suit. (Remarque: cette liste n'est ni mutuellement exclusive ni collectivement exhaustive, mais tente d'être juste par rapport aux tendances dominantes. Pour trois taxonomies différentes, voir Carley 2001; Davis et al. 2007; Dooley 2002)

  • Modèles basés sur des agents: modèles de calcul examinant l'interaction de plusieurs agents (la plupart des approches suivantes peuvent également être basées sur des agents)
  • Automates cellulaires: modèles explorant plusieurs acteurs de l'espace physique dont le comportement est basé sur des règles
  • Modèles de réseaux dynamiques: tout modèle représentant des acteurs et des entités non-acteurs (tâches, ressources, lieux, croyances, etc.) connectés via des liens relationnels comme dans l'analyse de réseau dynamique
  • Algorithmes génétiques: modèles d'agents dont l'information génétique peut évoluer dans le temps
  • Modélisation basée sur des équations (ou modélisation non linéaire): modèles utilisant des équations (généralement non linéaires ) qui déterminent l'état futur de ses systèmes
  • Modèles de réseaux sociaux: tout modèle représentant les acteurs connectés via des `` liens '' stéréotypés comme dans l'analyse des réseaux sociaux
  • Simulation stochastique: modèles qui impliquent des variables aléatoires ou source de stochasticité
  • Dynamique du système : approche basée sur des équations utilisant des boucles occasionnelles et des stocks et des flux de ressources
  • Modélisation NK: acteurs modélisés sous la forme de N nœuds liés via K connexions qui tentent (généralement) d'atteindre le sommet d'un paysage de fitness

Recherche précoce

Les premières recherches en stratégie et en organisations utilisant la simulation computationnelle se sont intéressées soit au macro-comportement des systèmes, soit à des mécanismes organisationnels spécifiques. Les points saillants des premières recherches comprenaient:

  • Cohen, March, & Olsen (1972) Garbage Can Model of Organizational Choice modélisait les organisations comme un ensemble de solutions cherchant des problèmes dans une organisation plutôt anarchique de type «poubelle».
  • L'étude de March (1991) sur l' exploration et l'exploitation dans l'apprentissage organisationnel a utilisé la distinction fondamentale explorer / exploiter de John Holland (1975) pour montrer la valeur des apprenants lents dans les organisations.
  • La théorie évolutionniste du changement économique de Nelson et Winter (1982) a utilisé une simulation pour montrer qu'un modèle évolutif pouvait produire le même type de chiffres PIB / productivité que la théorie néoclassique du choix rationnel.

Recherches ultérieures

Des recherches ultérieures utilisant la simulation informatique ont fleuri dans les années 1990 et au-delà. Les points forts incluent:

  • Modèle de démographie et de culture organisationnelle de Carroll & Harrison (1998)
  • Modèle de structure organisationnelle de Davis, Eisenhardt & Bingham (2009) dans des environnements imprévisibles
  • Modèle de recherche cognitive et expérientielle de Gavetti et Levinthal (2000)
  • Modèle d'adaptation NK de Levinthal (1997) sur des paysages de fitness accidentés
  • L'étude de Rivkin (2000) sur l'imitation stratégique
  • Le modèle des points de basculement désastreux de Rudolph & Repenning (2002)
  • Le modèle de changement organisationnel ponctué de Sastry (1997)
  • Modèle d'évolution stratégique et de capacités dynamiques de Zott (2003)

Les références

Lectures complémentaires