Resumen de Introducción a la teoría de conjuntos difusos y sus aplicaciones en investigación social e IA
Antonio Francisco Alaminos Fernández
En la investigación social cada vez se hace más frecuente enfrentarse a situaciones de elevada incertidumbre. Un fenómeno social que siempre ha estado presente pero que en la actualidad es cada vez más visible debido a varios factores. Entre ellos el incremento de la información que procede de las grandes bases de datos, la implementación de procedimientos analíticos (como simulaciones, minería de datos, etc.) con la intención de comprender los comportamientos o los estados de opinión que dan forma a las decisiones que adoptan los individuos, así como la existencia de situaciones sociales en las que los individuos experimentan una indecisión e incertezas cada vez mayores. Existen múltiples teorías sociales al respecto que incidiendo en la ambigüedad de las situaciones, la incerteza de las decisiones y la flexibilidad de posicionamientos sociales, como es el caso del concepto de “sociedad liquida” (Bauman, 2003). Lo evidente es que la incertidumbre y la necesidad de integrarla en los análisis sociológicos se hace cada vez más perentoria. Una estrategia para tratar empíricamente la incertidumbre en el análisis sociológico se apoya sobre la noción de conjunto. El estudio de los conjuntos difusos surge precisamente como una respuesta a la necesidad de modelar la incertidumbre en situaciones en las que los objetos, los comportamientos, las opiniones o fenómenos no pueden ser claramente clasificados en categorías precisas. El concepto de conjunto difuso es una extensión del concepto clásico de conjunto en matemáticas que permite modelar situaciones en las que no es posible establecer de manera precisa si un elemento pertenece o no a un conjunto. En lugar de asignar valores binarios [0,1] a los elementos de un conjunto, como en el enfoque clásico, los conjuntos difusos asignan un grado de pertenencia difuso, que puede variar continuamente entre 0 y 1.
