Connection-based framework for assessing natural complexity in nonlinear adaptive systems
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study introduces a quantitative framework for assessing natural complexity in adaptive systems, based on connection measures weighted by sensitivity indices. The methodology integrates system modeling, sensitivity analysis, and complexity assessment, enabling continuous monitoring and decision support in dynamic environments. Natural complexity is defined as an optimal level at which the system behaves in accordance with its nature, sustaining coherence between structure and function. By employing sensitivity-weighted connections, the framework captures both internal organization and adaptive dynamics, overcoming limitations of traditional metrics such as Shannon entropy and fractal dimension, which often neglect interaction intensity and temporal variability. The framework is validated through two case studies: a computational model of an Intensive Care Unit and a real-world startup acceleration ecosystem. In the Intensive Care Unit, periods of overload were identified through peaks in complexity, associated with an increased number of highly sensitive parameter connections. In contrast, in the startup ecosystem, systemic idleness was reflected by lower complexity levels, driven by weakly influential interactions among actors. These findings highlight the responsiveness and interpretability of the proposed metric compared to conventional approaches, particularly in tracking adaptive states over time. This connection-based framework supports the management of adaptive information systems, offering a dynamic and scalable complexity assessment tool. Its applicability spans medical informatics, business management, and distributed systems optimization, providing real-time insights that improve resilience and efficiency. In addition, the approach aligns with industry 4.0 paradigms, facilitating preventive analyses and adaptive decision-making in advanced technological environments. By offering a unified methodology for complexity evaluation, this research advances understanding and control of complex adaptive systems. • Natural complexity quantifies adaptive system behavior via connection modeling. • Sensitivity-weighted connections enable dynamic system complexity assessment. • The metric ψ ( c , γ c ) identifies idleness, regularity, and overload states. • Validation performed in ICU and startup acceleration real-world case studies. • Framework improves decision-making, resource allocation, and resilience planning.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle