복합 사회 시스템 다층 연구를 위한 에이전트 기반 모델 프레임워크

논문은 복합 사회·경제 시스템을 연구할 때 흔히 마주치는 ‘다층 현상’과 그 비선형·비평형 특성을 다루기 위해 에이전트 기반 모델(ABM)의 이론적 기반을 재정립한다. 서론에서는 복합 시스템 연구가 통계역학적 접근과 생물학적 접근 두 갈래로 나뉘어 왔으며, 사회 과학에서는 두 접근을 동시에 활용해야 함을 강조한다. 특히 미시 수준의 규칙이 거시 수준의 집합적 행동을 어떻게 생성하는지, 그리고 그 과정이 역으로 미시 수준에 피드백을 제공하는지를 설명한다. 기존 ABM 연구는 주로 모델 중심으로 진행돼 실증 데이터와의 연결 고리가 약했으며, 이는 모델이 현실 적용에서 소외되는 원인이었다. 따라서 저자는 ‘모델‑데이터 간 격차’를 메우기 위한 형식적 프레임워크를 제안한다. 첫 번째 핵심 원리는 시뮬레이션을 다중 수준의 공식적 기술로 표현한다는 것이다. 미시 수준에서는 각 에이전트의 상태 변수와 상태 전이 규칙(STR)을 정의하고, 거시 수준에서는 전역 변수와 이벤트 구조를 집합적으로 기술한다. 이러한 다층 기술은 각각의 수준을 독립적으로 관찰·측정할 수 있는 실증 데이터와 직접 매핑할 수 있게 한다. 두 번째 원리는 ABM이 생성하는 ‘폐쇄 시스템 집합’을 강조한다. 모델 자체가 가능한 모든 시스템(시뮬레이션 결과)의 집합을 정의하고, 실제 시뮬레이션 실행은 그 집합에서 표본을 추출하는 과정으로 본다. 여기서 실행 순서, 동기·비동기 업데이트, 실수값의 정밀도 등 구현적 제약이 표본 공간을 제한한다는 점을 이론적으로 설명한다. 세 번째 원리는 수준 간 속성 및 통계적 관계를 이용해 시뮬레이션을 분류하고 제약을 강화한다는 것이다. 구조 방정식 모델(SEM), 다층 모델, 베이지안 네트워크 등 기존 통계적 방법을 활용해 수준 간 인과관계와 상호작용을 정량화하고, 이러한 관계가 시뮬레이션 결과에 얼마나 일관되게 나타나는지를 검증한다. 이를 통해 ‘제약이 더 강한’ 시뮬레이션 집합을 정의하고, 경험적 데이터와의 일치도를 보다 엄격히 평가한다. 논문은 검증 가설을 네 가지 유형으로 구분한다. 첫 번째는 미시 메커니즘이 거시 현상을 생성한다는 가설이며, 이는 정성적 데이터로 약하게 검증한다. 두 번째는 특정 초기 조건이나 파라미터 범위 하에서 메커니즘이 현상을 생성한다는 조건부 가설로, 초기·최종 상태 데이터를 필요로 한다. 세 번째는 서로 다른 수준의 현상 간 관계를 규명하는 가설이며, 다층 네트워크 형태로 표현한다. 네 번째는 이러한 관계가 특정 상황에서만 유지되는지를 검증하는 가설로, 관계가 성립·불성립하는 사례를 모두 수집해야 한다. 각각의 가설에 맞는 데이터 요구사항과 분석 절차를 상세히 제시한다. ABM의 일반적 정의는 에이전트 유형 집합, 전역 변수, 그리고 상호작용 제약으로 구성된다. 각 에이전트는 변수와 값 범위를 가지고, 상태 전이 규칙은 조건에 따라 소스 상태를 타깃 상태로 변환한다. 이 정의는 특정 프로그래밍 언어나 시뮬레이션 플랫폼에 종속되지 않으며, 다양한 ABM 도구에 적용 가능하도록 설계되었다. 마지막으로, 시뮬레이션 실행 시 고려해야 할 기술적 요소(실행 순서, 업데이트 규칙, 수치 정밀도 등)가 시스템 집합에 미치는 영향을 논의하고, 이러한 요소들을 모델 자체의 확장으로 보아야 함을 강조한다. 전체적으로 이 프레임워크는 ABM을 ‘생성‑분류‑검증’의 순환 구조로 재구성함으로써, 복합 사회 시스템 연구에서 경험적 타당성을 확보하고 정책 적용 가능성을 높이는 방법론적 기반을 제공한다.