Computational Science

*Versie 25/26 - Blok 3.

Jouw docent: Pieter van Engelen-san (P punt vanEngelen apenstaartje quadraam punt nl)*

Computational Science#

Welkom bij de module Computational Science! In deze module ontdek je hoe je complexe fenomenen uit de echte wereld kunt begrijpen door ze na te bouwen met computers. Je gaat werken met Agent-Based Modeling (ABM). Dit is een krachtige techniek waarbij je simpele regels voor individuen (agents) programmeert en dan kijkt welk groepsgedrag daaruit ontstaat. Denk aan vogels die samen vliegen, mensen die evacueren uit een gebouw, of auto’s in een file – allemaal systemen waar emergent gedrag optreedt. Je leert hoe je zo’n model ontwerpt, bouwt in NetLogo, experimenteert met parameters, en je bevindingen wetenschappelijk rapporteert. Aan het eind heb je een compleet werkend model gemaakt én weet je hoe computational science in de praktijk wordt toegepast.

Waarom is dit belangrijk? Computational science wordt steeds vaker ingezet in wetenschap, bedrijfsleven en beleid. Met ABM kun je scenario’s doorrekenen die te gevaarlijk, te duur of onmogelijk zijn om in het echt te testen. En het mooie: je leert zelf een model te bouwen van iets wat jou interesseert.

De deadlines voor deze module zijn:

  • Inleveren van de eindopdracht: donderdag 19 maart, 16:00

  • Aanvragen van uitstel: maandag 5 april, 16:00

    • Uitgestelde deadline: donderdag 9 april, 16:00 (LET OP: Niet mogelijk voor examenleerlingen)

Wat ga je kunnen?#

Na deze module kun je:

  • Uitleggen wat emergent gedrag is en herkennen in voorbeelden uit de natuur, samenleving en verkeer.

  • Een fenomeen vertalen naar een conceptueel agent-based model (wie zijn de agents, wat zijn de regels).

  • Een werkend ABM implementeren in NetLogo (wereld, patches, turtles, procedures).

  • Systematisch experimenteren met parameters en data verzamelen voor analyse.

  • Je model verifiëren (werkt het zoals bedoeld?) en valideren (komt het overeen met de werkelijkheid?).

  • Een wetenschappelijk verslag schrijven waarin je opzet, resultaten en conclusies rapporteert.

Planning in 7 weken#

Deze module bestaat uit 7 weken met een mix van online zelfstudie en fysieke bijeenkomsten. Per week staat hieronder wat je voorbereidt, wat je tijdens de les doet en wat je oplevert.

Week 1: Modellen en emergent gedrag#

  • Setting: Online + fysieke bijeenkomst

  • Vooraf: Lees hoofdstuk 1 (modellen, emergent gedrag, voorbeelden); bekijk demovideo’s van ABM

  • Tijdens les: Bespreking emergent gedrag, demos van bestaande NetLogo-modellen, eerste kennismaking met NetLogo interface

  • Oplevert: Korte reflectie (250 woorden): welk fenomeen met emergent gedrag vind jij interessant en waarom?

Week 2: Van fenomeen naar conceptueel model#

  • Setting: Online + fysieke bijeenkomst

  • Vooraf: Lees hoofdstuk 2 (stappenplan conceptueel model); maak oefeningen 2.1–2.3

  • Tijdens les: Groepsopdracht: analyseer een fenomeen en ontwerp samen een conceptueel model; peer feedback

  • Oplevert: Conceptueel model van jouw gekozen casus (agents, eigenschappen, regels, omgeving)

Week 3: NetLogo basis – wereld, patches, turtles#

  • Setting: Online + fysieke bijeenkomst

  • Vooraf: Lees hoofdstuk 3 (NetLogo syntax, procedures, agents); volg tutorial in NetLogo

  • Tijdens les: Hands-on: bouw een eenvoudig model (bijv. random walkers); debuggen met docent

  • Oplevert: Werkend basismodel met minimaal 2 soorten agents en 3 procedures

Week 4: Emergent gedrag implementeren#

  • Setting: Online + fysieke bijeenkomst

  • Vooraf: Lees hoofdstuk 4 (mieren/Mexican wave case); bestudeer voorbeeldcode

  • Tijdens les: Werken aan jouw eigen model: implementeer de kernregels, test eerste versie

  • Oplevert: Alpha-versie van je model met basisfunctionaliteit (50% van je eindmodel)

Week 5: Experimenteren en data verzamelen#

  • Setting: Online + fysieke bijeenkomst

  • Vooraf: Lees hoofdstuk 5 (BehaviorSpace, grafieken, spreadsheetsanalyse); maak oefeningen 5.1–5.2

  • Tijdens les: Opzetten experimenten met BehaviorSpace; eerste analyses bespreken

  • Oplevert: Dataset met resultaten van minimaal 3 experimenten + eerste grafieken

Week 6: Verificatie en validatie#

  • Setting: Online + fysieke bijeenkomst

  • Vooraf: Lees hoofdstuk 6 (verificatie vs. validatie, verslagstructuur); bekijk voorbeeldverslag

  • Tijdens les: Peer review van modellen; checklist doorlopen; feedback op verslagopzet

  • Oplevert: Geverifieerd en gevalideerd model + conceptversie inleiding en methode voor verslag

Week 7: Afronden en presenteren#

  • Setting: Fysieke bijeenkomst

  • Vooraf: Verslag afronden; model finaliseren; presentatie voorbereiden (5 min per groep/persoon)

  • Tijdens les: Korte presentaties; vragen beantwoorden; laatste feedback verwerken

  • Oplevert: Volledige eindopdracht (zie hieronder)

Benodigdheden#

Om deze module te volgen heb je nodig:

  • NetLogo (gratis downloaden via ccl.northwestern.edu/netlogo) óf NetLogo Web (online versie, geen installatie nodig)

  • Spreadsheetprogramma (Excel, Google Sheets of LibreOffice Calc) voor data-analyse

  • Tekstverwerker voor het verslag (Word, Google Docs of LaTeX)

Tip

NetLogo Web is ideaal om snel te beginnen zonder installatie. Voor grotere modellen met veel agents of complexe berekeningen is de desktop-versie sneller en stabieler.

Eindopdracht (PO)#

De eindopdracht bestaat uit twee onderdelen die samen je Praktische Opdracht (PO) vormen:

  1. Een werkend agent-based model in NetLogo (.nlogo bestand) waarin je een fenomeen met emergent gedrag simuleert. Het model moet parameters hebben waarmee je kunt experimenteren, visualisaties/grafieken tonen, en gedocumenteerd zijn (comments in de code + Info-tab).

  2. Een wetenschappelijk verslag (1500–2000 woorden, PDF) met de volgende secties: inleiding (probleemstelling, onderzoeksvraag), methode (conceptueel model, implementatie), resultaten (experimenten, grafieken), discussie (interpretatie, beperkingen) en conclusie (beantwoording onderzoeksvraag).

Beoordeling: Je wordt beoordeeld op (a) de kwaliteit en creativiteit van je model, (b) de zorgvuldigheid van je experimenten, © verificatie en validatie, en (d) de helderheid en wetenschappelijke kwaliteit van je verslag. Let extra op: goede keuzes maken bij het vertalen van fenomeen naar model, systematisch experimenteren, en kritisch reflecteren op beperkingen.

Deadline: donderdag 19 maart, 16:00 (uitstel aanvragen vóór maandag 5 april, 16:00, dan tot donderdag 9 april, 16:00 (LET OP: Niet mogelijk voor examenleerlingen))

Hoe je dit lesmateriaal gebruikt#

Dit materiaal is ontworpen voor zelfstandig werken. Volg deze stappen per hoofdstuk:

  1. Lees de introductie – begrijp waarom dit onderwerp belangrijk is voor je eindopdracht.

  2. Werk de secties door – lees uitleg, bestudeer voorbeelden, probeer zelf code uit in NetLogo.

  3. Maak de oefenopgaven – spring niet over! Deze bereiden je voor op de volgende stap.

  4. Check de PO-mijlpaal – zie wat je aan het eind van het hoofdstuk zou moeten hebben voor je eindopdracht.

  5. Optioneel: verdieping – wil je meer? Kijk naar de verdiepende opgaven.

  6. Gebruik hulp – kom je vast? Vraag op Slack, bij je docent of bekijk de verdiepingspagina’s.

Let op

Begin op tijd met je model! Ervaring leert dat studenten de complexiteit onderschatten. Plan elke week minimaal 2 uur om aan je eigen model te werken, naast het doorwerken van de hoofdstukken.

Inhoudsopgave#

Hieronder vind je alle hoofdstukken en materialen van deze module:

Lesmateriaal

Verdiepingsmateriaal

De eindopdracht

Succes met de module! Computational science is een avontuur – je gaat dingen zien ontstaan die je niet hebt geprogrammeerd. Dat is de magie van emergent gedrag. Veel plezier!

Inhoud