Há um problema que todo cientista de dados acaba encontrando, e ele é o oposto daquele para o qual foi treinado. Não são dados demais — não há dado algum. O conjunto de dados que responderia à pergunta não existe, não pode ser coletado a tempo ou está trancado atrás de muros que não vão cair. Este artigo trata do que um modelador sério faz em seguida, do curso que a DSTI construiu em torno dessa questão e do pesquisador que o ministra.

Por que esse curso existe: os dados que não existem

A ciência de dados moderna é ensinada como se os dados fossem a parte fácil e o método a parte difícil. Na prática, a ordem é frequentemente invertida. Os dados úteis são fragmentados em sistemas que nunca foram projetados para se comunicarem, bloqueados por políticas legítimas de segurança e privacidade, caros de montar ou simplesmente nunca registrados.

As evidências são consistentes em todo o setor. A IBM observa que a maioria dos ambientes de dados corporativos continua fragmentada demais para sustentar a IA em grande escala e relata números de 2025 nos quais a ampla maioria das organizações pretende implantar IA avançada dentro de um ano, embora a maioria reconheça não dispor de uma base de dados bem definida (IBM, What is data fragmentation?). As análises da IDC deixam o gargalo evidente: menos da metade dos projetos-piloto de IA chega à produção, e a restrição decisiva é a acessibilidade e a operacionalização dos dados em ambientes heterogêneos, não a arquitetura de computação ou de modelos. A Forrester estimou que os trabalhadores do conhecimento perdem cerca de um dia de trabalho por semana apenas localizando dados em sistemas desconectados; pesquisa após pesquisa constata que cientistas de dados gastam quase metade do tempo encontrando, limpando e preparando dados antes que qualquer modelagem comece; e a pesquisa de gestão de dados de 2024 da DATAVERSITY apontou os silos de dados como a principal preocupação de cerca de dois terços das organizações.

Vale a pena ser preciso sobre por que os dados estão indisponíveis, porque dois mecanismos distintos costumam ser confundidos. Algumas barreiras são acidentais — silos, formatos incompatíveis, rastreabilidade perdida. Outras são deliberadas e inteiramente legítimas: o controle de acesso baseado em papéis, a política corporativa de TI, o sigilo médico e a legislação de proteção de dados existem justamente para restringir quem pode ver o quê. Um modelo que precisa de comportamento em nível individual para responder a uma pergunta pública frequentemente esbarra no segundo tipo de muro, e nenhuma dose de engenharia o remove. Como Bobashev diz aos seus alunos, os dados de rede social sobre como as pessoas de fato influenciam umas às outras — exatamente o que seria preciso para modelar, digamos, como o uso de drogas se inicia — quase nunca podem ser coletados.

A resposta do setor tem um nome. A Gartner previu que a maior parte dos dados usados em projetos de IA seria gerada sinteticamente em poucos anos e que, até 2030, os dados sintéticos superarão em volume os dados reais em uma ampla gama de modelos de IA — uma afirmação notável, vinda de uma empresa que não costuma recorrer à hipérbole (Gartner, Top Data & Analytics Predictions; MIT Sloan, What is synthetic data?). O mesmo trabalho da Gartner adverte, na mesma frase, que a maioria das organizações fará uma gestão ruim desses dados. As duas metades dessa frase importam, e a segunda metade é a maior parte do que este curso aborda.

Dados sintéticos não são uma coisa só. Em uma das pontas está um modelo generativo ajustado a um conjunto de dados real, que produz registros estatisticamente semelhantes sem conter nenhum dos originais — a abordagem por trás do Synthetic Data Vault do MIT, em que cientistas de dados autônomos construíram modelos preditivos sobre versões sintéticas de cinco conjuntos de dados públicos e não apresentaram diferença significativa em relação aos modelos treinados nos dados reais (MIT Sloan). Na outra ponta — a que este curso ensina — está algo mais antigo e mais exigente: você constrói um mecanismo, uma população de atores que interagem seguindo regras extraídas do que é de fato conhecido, e o deixa gerar os dados que o mundo teria produzido se você pudesse tê-lo observado.

Uma confissão na origem

O interesse da DSTI nesse tema não é abstrato. Quando a escola foi fundada em 2015 com um único programa — o que hoje é o MSc in Data Science & AI —, seu cofundador, Sébastien Corniglion, queria que os alunos tivessem contato desde cedo com a modelagem multiagente e com o ofício mais amplo de simular populações sintéticas. A motivação era pessoal. Seu próprio doutorado, com Nadine Tournois, havia esbarrado exatamente no muro descrito acima: Towards a Numerical, Agent-Based, Behaviour Analysis: The Case of Tourism (Corniglion e Tournois, 2012).

Ali o problema era estrutural. Nenhum ator isolado tem uma visão global de como os turistas de fato gastam em um destino — os dados estão dispersos entre lojas independentes, hotéis, órgãos públicos e joint ventures, e reuni-los exigiria parcerias e um emaranhado de questões de privacidade e trabalho jurídico. Então, em vez de esperar por um conjunto de dados que nunca chegaria, o trabalho gerou dados artificiais de vendas com uma simulação baseada em agentes no NetLogo, combinando regras de autômato celular com processos estocásticos, e calibrados não a partir de um banco de dados central, mas de regularidades observáveis e do conhecimento de especialistas — gastos plausíveis por perfil de visitante, proporções realistas de hotéis, bares e restaurantes observadas em toda a região. A contribuição foi deliberadamente modesta e exploratória, e sua descoberta mais interessante contrariou a prática consagrada: a nacionalidade, a variável que a indústria do turismo usa por reflexo para segmentar, revelou-se um mau discriminador de comportamento, ao passo que os padrões de gasto revelaram grupos coerentes e um efeito recorrente de “líder de grupo” concentrado nos primeiros três a cinco dias de estadia.

Corniglion é franco ao admitir que nunca se sentiu com autoridade suficiente para ensinar o assunto. O que mudou foi uma reunião do Conselho Consultivo Científico. O Dr. Gregory Piatetsky-Shapiro — fundador da KDnuggets, pioneiro da descoberta de conhecimento e da mineração de dados e membro honorário do conselho da DSTI — estava a par dessa intenção e apresentou à escola um pesquisador que dedicara toda uma carreira a fazer exatamente isso, com rigor, onde o que estava em jogo era humano. Esse pesquisador, o Dr. Georgiy Bobashev, ministra Agent-Based Modelling na DSTI desde então.

01 O que é um modelo baseado em agentes e a pergunta que ele responde

Um modelo baseado em agentes (ABM) é uma descrição de baixo para cima de um sistema. Em vez de escrever equações para a população como um todo, você especifica os indivíduos — os agentes —, atribui a cada um um pequeno conjunto de atributos e regras, coloca-os em um ambiente e talvez em uma rede e os deixa interagir. Estruturas que ninguém programou diretamente — aglomerados, ondas, pontos de inflexão, segregação, contágio — emergem das interações locais. A linhagem intelectual remonta a Growing Artificial Societies, de Epstein e Axtell, que defendeu que classes inteiras de fenômenos sociais são mais bem compreendidas quando cultivadas de baixo para cima, em vez de pressupostas no topo.

As demonstrações clássicas são deliberadamente pequenas. O modelo de segregação de Schelling, no qual apenas uma leve preferência individual por não ser minoria local produz bairros nitidamente divididos; um modelo de distribuição de riqueza cujas regras de troca quase triviais se acomodam em uma curva de Pareto; o problema do bar El Farol, a predação lobo–ovelha, um bando de pássaros — cada um deles um caso de macroestrutura que nenhum agente isolado pretendeu ou seria capaz de enxergar. Bobashev traça o contraste de forma memorável: um modelo de dinâmica de sistemas é uma orquestra clássica, com cada músico seguindo uma única partitura global; um modelo baseado em agentes é uma banda de jazz, em que a música é aquilo que emerge de músicos reagindo uns aos outros, localmente e no instante.

No entanto, o curso não começa pelos agentes. Ele começa por uma pergunta mais disciplinada: por que modelar, afinal, e que tipo de modelo? Bobashev enquadra a modelagem pela ciência de sistemas e insiste em que a escolha da ferramenta siga o objetivo. Há, no enquadramento do curso, quatro razões para construir um modelo — prever um número, tomar uma decisão, entender uma relação ou estimar um risco — e todo um espectro de famílias de modelos entre as quais escolher, ordenadas pela quantidade de estrutura que admitem: modelos estatísticos, modelos de Markov, modelos de dinâmica de sistemas, microssimulações e — no extremo, onde os agentes deixam de ser passivos e passam a interagir — modelos baseados em agentes. Um ABM é o instrumento certo apenas para alguns objetivos, e boa parte do ensino consiste em aprender a distinguir quais. O texto de referência para isso é o de Railsback e Grimm, Agent-Based and Individual-Based Modeling: A Practical Introduction, e a ferramenta de laboratório é o NetLogo.

Conexão com o currículo. Bobashev ensina → Agent-Based Modelling (MSc in Data Science & AI e — desde 2025 — o MSc in Data Analytics with AI), que se apoia em → Foundations of Statistical Analysis, Parts 1 & 2 — a base “FSML” da escola, ministrada pelo Dr. Christophe Bécavin e pela Dra. Christine Malot. A modelagem se assenta no raciocínio estatístico; o pré-requisito não é enfeite.

02 Construindo um mundo a partir de evidências, não do nada

A disciplina crucial — e a resposta para quem suspeita que dados sintéticos estão apenas “inventando coisas” — é que você não inventa dados arbitrariamente. Você codifica o que é genuinamente conhecido no mecanismo e permite que o mecanismo, e não seus desejos, produza a saída.

Os turistas de Corniglion nunca existiram, mas as regras que eles seguiam não eram ficção: deslocamento de pedestres, uma probabilidade limitada de entrar em uma loja, gastos extraídos de distribuições ancoradas em estimativas de especialistas, restrições estruturais à composição dos negócios retiradas de observação direta. Os dados artificiais foram consequência dessas regras baseadas em evidências, e é justamente por isso que suas conclusões foram interessantes em vez de circulares — o resultado surpreendente sobre a nacionalidade não foi pressuposto, ele emergiu da simulação.

O trabalho epidemiológico de Bobashev faz o mesmo movimento em um nível de rigor muito mais alto. Para modelar como uma infecção se propaga por uma cidade, você precisa de uma população que não venha como um bloco indiferenciado: pessoas agrupadas em domicílios, escolas, locais de trabalho e grupos sociais, que se misturam a taxas diferentes. Essa população estruturada é sintética — e, na RTI, é um artefato concreto, não uma metáfora: um conjunto de dados de pessoas e domicílios sintéticos anônimos, posicionados geograficamente e ajustados às distribuições do censo dos Estados Unidos e da American Community Survey até o nível do quarteirão, com direito a domicílios coletivos (dormitórios, casas de repouso, prisões, bases militares) e a designações de escola e de trabalho que codificam a própria rede de contatos (RTI Synthetic Population viewer). Nenhuma pessoa real está nele; a estrutura que impulsiona a doença, sim. A dinâmica da doença é, então, simplesmente uma consequência de quem plausivelmente encontra quem — a miríade de levantamentos de referência que nenhum banco de dados isolado unifica torna-se, em conjunto, suficiente para restringir um modelo verossímil. É o mesmo instinto que orienta os dados sintéticos preservadores de privacidade em contextos regulados: reproduzir a população, não os indivíduos, para que nenhuma pessoa real fique exposta enquanto a estrutura que importa é preservada.

O enquadramento honesto é o seguinte: um conjunto de dados sintético é tão bom quanto a evidência e o mecanismo por trás dele. Construído de forma descuidada, transforma suposições em conclusões. Bem construído, é uma forma de raciocinar rigorosamente sobre um sistema que você não pode observar completamente.

03 Qual modelo e em que escala: a visão híbrida

Uma das contribuições metodológicas mais citadas de Bobashev mostra como é a maturidade nesse campo. Com Joshua Epstein e colegas, ele enfrentou uma tensão genuína na modelagem de epidemias: os modelos baseados em agentes capturam a interação local e a variação individual que importam enormemente no início de um surto, quando um punhado de casos ou se apaga ou se inflama — mas são computacionalmente pesados. Os modelos baseados em equações (compartimentais) são tratáveis e até analiticamente transparentes, mas pressupõem médias de mistura homogênea que distorcem exatamente aquela fase inicial e estruturada (A Hybrid Epidemic Model: Combining the Advantages of Agent-Based and Equation-Based Approaches, Bobashev, Goedecke, Yu e Epstein, Proceedings of the 2007 Winter Simulation Conference, pp. 1532–1537).

A resposta deles não foi escolher um lado, mas mudar: execute o modelo agente por agente enquanto o número de infectados é pequeno e a variação individual domina, então, quando a contagem for grande o suficiente para que a lei dos grandes números seja aplicada, passe para uma descrição baseada em equações muito mais barata — e volte se os números caírem novamente. O híbrido economiza computação e, mais fundamentalmente, permite que a estrutura emergente produzida pelos agentes seja analisada matematicamente. Eles tratam o ABM completo como o “padrão ouro” com o máximo de microdetalhes e perguntam com precisão quando uma descrição mais grosseira é segura.

Há uma razão matemática precisa para isso ser importante, e Bobashev ensina isso diretamente. Quando a resposta de um sistema não é linear, a média dos resultados não é o resultado da média — um fato conhecido como desigualdade de Jensen. Um modelo estatístico ou de dinâmica de sistemas implicitamente calcula a média primeiro e depois aplica a regra; um modelo baseado em agentes aplica a regra a cada indivíduo e calcula a média depois. Para uma resposta curva (convexa ou côncava), elas fornecem respostas sistematicamente diferentes, e a lacuna é maior exatamente onde a variação individual é maior e a regra se curva mais acentuadamente — ou seja, na fase inicial e estruturada de um surto. Esse é o viés que os agentes preservam e o agregado apaga. Visto dessa forma, o modelo híbrido é uma declaração disciplinada de quando essa distinção deixou de importar e uma média mais barata tornou-se segura.

Essa é a lição transferível, que se generaliza muito além das epidemias: rigor não é lealdade a um método favorito. É combinar o formalismo com a pergunta e com a escala, e saber quando a agregação é justificada e quando ela apagaria exatamente o que você está tentando ver.

04 Por que confiar em um modelo?

Essa é, literalmente, uma das questões do programa, e é aí que o curso ganha sua seriedade. Bobashev abre com o provérbio mais antigo do modelador — todos os modelos estão errados, mas alguns são úteis (George Box) — e depois dedica tempo real ao significado de “útil”. Uma simulação que executa e produz imagens de aparência plausível é o artefato mais perigoso da ciência computacional, porque plausibilidade não é validade.

As dificuldades honestas são bem conhecidas e ensinadas da seguinte forma:

A validação tem camadas, e a maioria delas não é a mais óbvia. O curso as separa com cuidado: verificação (o código está realmente fazendo o que você escreveu, sem bugs?); validação interna, que é o que a calibração garante (as entradas e as saídas são consistentes com os dados a partir dos quais o modelo foi construído?); validação externa (ele corresponde a dados aos quais não foi ajustado?); validação cruzada contra outros modelos; validade preditiva; e a simples validade aparente. Ajustar um modelo até que ele reproduza dados conhecidos supera apenas a segunda dessas etapas — e é rotineiramente confundido com a terceira.
Equifinalidade. Muitas configurações de parâmetros diferentes — e até mecanismos diferentes — podem produzir a mesma saída. Um bom ajuste não isola uma explicação verdadeira, e tratá-lo como se isolasse é um erro clássico.
Descoberta ou artefato. Quando as regras vêm do julgamento de especialistas, é fácil incorporar a conclusão desejada nas suposições e depois “descobri-la”. Mas a falha oposta é igualmente real: se um modelo teórico só confirma o senso comum, ele não lhe ensinou nada, e quando produz algo surpreendente, a primeira pergunta é sempre se isso é uma descoberta genuína ou um artefato do modelo. A defesa é a mesma em ambas as direções: obtenha resultados que não foram assumidos e teste a sensibilidade a cada escolha incerta.
O mapa e o território. Um modelo é um argumento sobre um sistema, não o próprio sistema. Seu valor está na exploração disciplinada e falsificável, não na autoridade de um resultado de aparência convincente.

O curso é igualmente preciso sobre as três coisas que as pessoas tendem a misturar: sensibilidade (o quanto os resultados mudam quando parâmetros ou condições iniciais são ajustados), incerteza (como a incerteza dos parâmetros se propaga até a confiabilidade da saída) e robustez (se a conclusão sobrevive a uma mudança na estrutura do modelo, e não apenas em seus números). O principal instrumento da área para tornar tudo isso inspecionável é o protocolo ODD (Overview, Design concepts, Details), uma estrutura padrão para descrever integralmente um modelo baseado em agentes, de modo que outro pesquisador possa examiná-lo e reproduzi-lo (Grimm et al., JASSS, atualização de 2020). O curso da DSTI ensina a construção de modelos por meio do ODD, juntamente com análise de incertezas, interpretação, documentação e apresentação — as partes pouco glamorosas que separam um resultado de uma captura de tela. O próprio trabalho publicado de Bobashev encarna essa contenção: o artigo do modelo híbrido tem o cuidado de indicar onde a validação ainda é tarefa para o futuro, em vez de reivindicar demais.

Posição da DSTI. Um modelo não substitui a evidência; é uma forma de raciocinar quando a evidência está incompleta. A habilidade que ensinamos não é “executar simulações” — é saber o que uma simulação pode ou não dizer de forma confiável e ser capaz de defender a resposta.

05 Fazendo com que funcione: agentes, computação e reprodutibilidade

Construídos com honestidade, os ABMs também são exigentes de executar. Explorar um modelo significa varrer seus parâmetros e repetir execuções estocásticas muitas vezes, o que rapidamente extrapola a capacidade de um laptop. Isso é tanto engenharia quanto ciência, e é reconhecidamente o território da DSTI.

O trabalho recente de Bobashev com Michael Duprey é um guia prático para executar modelos NetLogo de grande escala em infraestrutura de nuvem (Enhancing Computational Efficiency in NetLogo: Best Practices for Running Large-Scale Agent-Based Models on AWS and Cloud Infrastructures, 2026). É exatamente o tipo de detalhe operacional de que os estudantes precisam: ajuste de memória e da JVM, varreduras de parâmetros no BehaviorSpace e a escolha da família de instâncias da AWS conforme o modelo seja limitado por computação ou por memória — uma comparação que, em um benchmark padrão, encontrou uma instância otimizada para computação cerca de um terço mais barata do que uma otimizada para memória para o mesmo trabalho. Dois de seus temas merecem destaque para além da economia de custos. O primeiro é a reprodutibilidade: semear cada execução de forma determinística para que os resultados possam ser regenerados com exatidão — uma virtude científica, não apenas uma conveniência de engenharia. O segundo é a sustentabilidade computacional: uma simulação mais eficiente significa menos energia, menos custo e menos desperdício — o mesmo princípio que a DSTI ensina em todo o seu currículo de engenharia.

06 Onde as implicações são humanas

Seria possível ensinar tudo isso sobre problemas simplificados. Bobashev não, e a escolha dos problemas é, por si só, parte do que os estudantes absorvem. Sua pesquisa se situa, por design deliberado, onde os dados são mais escassos, mais sensíveis e mais importantes: saúde pública e uso de substâncias.

Seu grupo usou modelagem estatística e baseada em agentes para estudar o efeito combinado de medicamentos para transtorno por uso de opioides e naloxona nas mortes por overdose em condados de Nova York (Cerdá et al., Epidemiology, 2024); a transmissão do HIV entre pessoas que injetam drogas, inclusive durante o período da COVID-19 (Des Jarlais, Bobashev et al., Drug and Alcohol Dependence, 2022); e o desvio da buprenorfina examinado por uma perspectiva de redução de danos, em vez de uma puramente punitiva (Adams et al., Harm Reduction Journal, 2023). Seu trabalho com métodos estatísticos está no mesmo serviço: o mobForest, pacote R para particionamento recursivo baseado em modelos florestais aleatórios foi demonstrado em dados de tratamento de dependência de álcool (Garge, Bobashev & Eggleston, BMC Bioinformatics, 2013).

Esses são exatamente os contextos em que não se pode simplesmente coletar o conjunto de dados — por razões de privacidade, ética, estigma e lei — e em que errar na modelagem tem um custo humano. O subtítulo deste artigo — mundos decisórios — não é retórico em seu trabalho: a mesma família de modelos foi posta a serviço durante a pandemia de COVID-19 para prever, de forma contínua, a demanda regional por leitos hospitalares e de terapia intensiva, o tipo de resultado com base no qual uma autoridade de saúde pública de fato planeja. É aqui que o enquadramento do curso, que trata um modelo baseado em agentes como, na prática, um sistema de inteligência artificial para toda uma sociedade — uma população de agentes que tomam decisões e cujo comportamento coletivo se pode interrogar —, deixa de ser um slogan. Eles são um argumento silencioso de que modelar a partir de evidências não é um paliativo para dados ausentes, mas, quando conduzido com responsabilidade, uma forma de raciocinar sobre intervenções que importam. O cuidado transparece na escolha das perguntas.

MSc in Data Science & AI MSc in Data Analytics with AI

07 O curso na DSTI

Agent-Based Modelling é ministrada no MSc in Data Science & AI e no MSc in Data Analytics with AI, pelo Dr. Georgiy Bobashev. A trilha do MSc in Data Analytics with AI foi acrescentada em 2025, por recomendação do Conselho Consultivo Científico da DSTI — o mesmo órgão que trouxe Bobashev à escola pela primeira vez —, que considerou que a disciplina de modelar a partir de evidências importa tanto para analistas de dados quanto para especialistas em IA. O curso pressupõe a base estatística da escola — o pré-requisito “FSML”, isto é, Foundations of Statistical Analysis, Part 1 (Dr. Christophe Bécavin) e Part 2 (Dra. Christine Malot); na DSTI, esses conhecimentos são pressupostos a revisar, e não extras opcionais. A referência central é Railsback e Grimm; o ambiente de trabalho é o NetLogo, que os alunos instalam e usam desde o primeiro laboratório.

Funciona como uma sequência intensiva de jornadas que combinam aula e laboratório em pares. O arco vai de por que modelar?, passa pelas famílias da ciência de sistemas e pelo ajuste do método ao objetivo, chega ao protocolo ODD e aos componentes de um ABM — agentes, regras, ambientes, redes — e então à construção, execução e análise de modelos em laboratório, individualmente e em equipes, antes de encerrar com calibração, validação e a relação entre ABM e IA. A avaliação é um projeto, e o próprio enunciado ensina as duas metades do ofício: cada aluno ou constrói um modelo funcional no NetLogo ou documenta por completo um modelo complexo por meio do protocolo ODD. O padrão que Bobashev estabelece é o mesmo que este artigo procurou honrar: produzir algo em que alguém tenha razões para confiar.

Conclusão: um tipo honesto de dados

A ciência de dados dedica a maior parte de sua atenção à abundância. Este curso é um contrapeso deliberado: um tratamento sério sobre o que fazer quando os dados estão ausentes, fragmentados ou legitimamente inacessíveis — o que, para muitas questões reais, é a condição normal e não a exceção. A resposta não é inventar dados e esperar. É construir um mecanismo a partir de evidências genuínas, ser implacável com a validação e deixar claro que um modelo é um argumento, não um oráculo.

É apropriado que o curso exista por causa de uma admissão e não de uma credencial — um fundador que conhecia os limites de sua própria autoridade sobre o assunto, um membro do conselho que conhecia a pessoa certa e um pesquisador que passou uma carreira fazendo isso onde é importante. Essa é a versão da expertise que a DSTI tenta ensinar: não a confiança para simular, mas o julgamento para saber quanto vale uma simulação.

Referências e fontes

Corpo docente da DSTI e trabalho original

Corniglion, S. e Tournois, N. (2012). Towards a Numerical, Agent-Based, Behaviour Analysis: The Case of Tourism. Em Agents and Data Mining Interaction (ADMI 2011), LNAI 7103, pp. 58—85. Springer.
Bobashev, G. V., Goedecke, D. M., Yu, F. e Epstein, J. M. (2007). A Hybrid Epidemic Model: Combining the Advantages of Agent-Based and Equation-Based Approaches. Proceedings of the 2007 Winter Simulation Conference, pp. 1532—1537.
Duprey, M.A. e Bobashev, G.V. (2026). Enhancing Computational Efficiency in NetLogo: Best Practices for Running Large-Scale Agent-Based Models on AWS and Cloud Infrastructures. preprint no arXiv.
Garge, N. R., Bobashev, G. e Eggleston, B. (2013). Random forest methodology for model-based recursive partitioning: the mobForest package for R. BMC Bioinformatics 14:125.
Cerdá, M., Bobashev, G., Epstein, J.M. et al. (2024). Simulating the simultaneous impact of medication for opioid use disorder and naloxone on opioid overdose death in eight New York counties. Epidemiology 35(3):418–429.
Des Jarlais, D., Bobashev, G., Feelemyer, J. e McKnight, C. (2022). Modeling HIV transmission among persons who inject drugs (PWID)… Drug and Alcohol Dependence 238:109573.
Adams, J. W., Duprey, M., Bobashev, G. et al. (2023). Examining buprenorphine diversion through a harm reduction lens: an agent-based modeling study. Harm Reduction Journal 20:150.

Método e fundamentos

Epstein, J. M. e Axtell, R. (1996). Growing Artificial Societies: Social Science from the Bottom Up. MIT Press.
Railsback, S.F. & Grimm, V. Agent-Based and Individual-Based Modeling: A Practical Introduction. Princeton University Press.
Grimm, V. et al. (2020). The ODD Protocol for Describing Agent-Based and Other Simulation Models: A Second Update. JASSS 23(2):7.
Wilensky, U. (1999). NetLogo. Center for Connected Learning, Northwestern University.
RTI International. Synthetic Population Viewer.

Sobre escassez de dados, fragmentação e dados sintéticos

IBM. What is data fragmentation?
MIT Sloan. What is synthetic data — and how can it help you competitively?
Gartner. Top Data & Analytics Predictions for 2025 and beyond.
Números atribuídos em texto à pesquisa Trends in Data Management de 2024 da IDC, Forrester e DATAVERSITY (tempo de preparação dos cientistas de dados e “silos de dados como principal preocupação”).

Pessoas

Dr. Gregory Piatetsky-Shapiro — Perfil no KDnuggets · Wikipédia
Dr. Georgiy Bobashev — Perfil RTI