Há um problema que todo cientista de dados acaba encontrando, e ele é o oposto daquele para o qual foi treinado. Não há dados demais — não há dados. O conjunto de dados que responderia à pergunta não existe, não pode ser coletado a tempo ou fica atrás de paredes que não cairão. Este artigo é sobre o que um modelador sério faz a seguir, o curso DSTI construído em torno dessa questão e o pesquisador que o ensina.

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 permanece fragmentada demais para suportar a IA em grande escala, relatando números de 2025 nos quais a grande maioria das organizações pretende implantar IA avançada dentro de um ano, mas a maioria admite que não tem uma base de dados bem definida (IBM, O que é fragmentação de dados?). As análises da IDC explicam claramente o gargalo: menos da metade dos projetos-piloto de IA chegam à produção, e a restrição vinculativa é a acessibilidade e a operacionalização dos dados em ambientes heterogêneos, em vez da arquitetura de computação ou modelo. A Forrester estimou que os profissionais do conhecimento perdem na ordem de um dia de trabalho por semana simplesmente localizando dados em sistemas desconectados; pesquisa após pesquisa mostra que cientistas de dados gastam quase metade do tempo procurando, limpando e preparando dados antes do início de qualquer modelagem; e a pesquisa de gerenciamento de 2024 da DATAVERSITY descobriu que os silos de dados são citados como a principal preocupação por cerca de dois terços das organizações.

Vale a pena ser preciso sobre por que os dados não estão disponíveis, porque dois mecanismos diferentes geralmente são confundidos. Algumas barreiras são acidentais — silos, formatos incompatíveis, linhagem perdida. Outras são deliberadas e totalmente legítimos: o controle de acesso baseado em funções, a política corporativa de TI, a confidencialidade médica e a lei de proteção de dados existem exatamente para restringir quem pode ver o quê. Um modelo que precisa de comportamento de nível individual para responder a uma pergunta pública frequentemente se depara com o segundo tipo de parede, e nenhuma engenharia o remove. Como diz Bobashev para seus alunos, os dados das redes sociais sobre como as pessoas realmente influenciam umas às outras — exatamente o que você precisaria para modelar, digamos, como o uso de drogas começa — quase nunca podem ser coletados.

A resposta do setor tem um nome. A Gartner previu que a maioria dos dados usados em projetos de IA seriam gerados sinteticamente em alguns anos e que, até 2030, os dados sintéticos superarão em volume os dados reais em uma ampla variedade de modelos de IA — uma afirmação impressionante de uma empresa que raramente recorre à hipérbole (Gartner, Principais previsões de dados e análises; MIT Sloan, O que são dados sintéticos?). O mesmo trabalho da Gartner adverte, ao mesmo tempo, que a maioria das organizações o administrará mal. As duas metades dessa frase são importantes, e a segunda metade é a maior parte do assunto deste curso.

Dados sintéticos não são uma coisa só. Em uma extremidade, está um modelo generativo ajustado a um conjunto de dados real, produzindo registros estatisticamente semelhantes que não contêm nenhum dos originais — a abordagem por trás do Synthetic Data Vault do MIT, em que cientistas de dados independentes construindo modelos preditivos em versões sintéticas de cinco conjuntos de dados públicos não mostrou nenhuma diferença significativa em relação àqueles criados com base nos dados reais (MIT Sloan). Na outra ponta — o tipo que este curso ensina — está algo mais antigo e mais exigente: você constrói um mecanismo, uma população de atores interagindo seguindo regras extraídas do que é realmente conhecido e permite que ela gere os dados que o mundo teria produzido se você pudesse observá-los.

Uma confissão na origem

O interesse da DSTI nesse tema não é abstrato. Quando a escola foi lançada em 2015 com um único programa — o que agora é o MSc in Data Science & AI — seu cofundador, Sébastien Corniglion, queria que os alunos fossem expostos precocemente à modelagem multiagente e à arte mais ampla de simular populações sintéticas. A motivação foi pessoal. Seu próprio trabalho de doutorado, com Nadine Tournois, havia se deparado diretamente com a parede acima: Rumo a uma análise numérica do comportamento baseada em agentes: o caso do turismo (Corniglion e Tournois, 2012).

O problema lá era estrutural. Nenhuma parte tem uma visão global de como os turistas realmente gastam em um destino — os dados estão espalhados entre lojas independentes, hotéis, órgãos públicos e joint ventures, e montá-los exigiria parcerias e um emaranhado 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 mestre, mas a partir de regularidades observáveis e insights de especialistas — gastos plausíveis por perfil de visitante, proporções realistas de hotéis, bares e restaurantes observados em toda a região. A contribuição foi deliberadamente modesta e exploratória, e sua descoberta mais interessante contrastou com a prática comum: a nacionalidade, a variável que os segmentos da indústria do turismo definem por reflexo, revelou-se um mau discriminador de comportamento, enquanto os padrões de gastos revelaram grupos coerentes e um efeito recorrente de “líder de grupo” concentrado nos primeiros três a cinco dias de estadia.

Corniglion é sincero ao dizer que nunca se sentiu com autoridade suficiente para ensinar o assunto. O que mudou foi uma reunião do Conselho Consultivo Científico. Dr. Gregory Piatetsky-Shapiro — fundador da KD Nuggets, pioneiro na descoberta de conhecimento e mineração de dados, e membro honorário do conselho da DSTI — estava ciente da intenção e apresentou a escola a um pesquisador que passou uma carreira fazendo exatamente isso, rigorosamente, onde os riscos eram humanos. Esse pesquisador, Dr. Georgiy Bobashev, ensinou modelagem baseada em agentes na DSTI desde então.

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

Um modelo baseado em agente (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, coloque-os em um ambiente e talvez em uma rede e deixe-os interagir. Estruturas que ninguém programou diretamente — aglomerados, ondas, pontos de inflexão, segregação, contágio — emergem das interações locais. A linhagem intelectual percorre a de Epstein e Axtell Sociedades artificiais em crescimento, que argumentou que classes inteiras de fenômenos sociais são melhor compreendidas cultivando-as de baixo para cima, em vez de assumi-las no topo.

As demonstrações clássicas são deliberadamente pequenas. O modelo de segregação de Schelling, no qual apenas uma leve preferência individual por não ser uma minoria local produz bairros nitidamente divididos; um modelo de distribuição de riqueza cujas regras comerciais quase triviais se estabelecem em uma curva de Pareto; o problema da barra de El Farol, a predação entre ovelhas e lobos, um bando de pássaros — cada um deles um caso de macroestrutura que nenhum agente pretendia ou poderia ver. Bobashev traça o contraste de forma memorável: um modelo de dinâmica de sistema é uma orquestra clássica, cada músico seguindo uma partitura global; um modelo baseado em agentes é uma banda de jazz, onde a música é o que surge da reação de músicos uns aos outros, localmente e no momento.

No entanto, o curso não começa com agentes. Tudo começa com uma pergunta mais disciplinada: por que modelar, afinal, e que tipo de modelo? Bobashev enquadra a modelagem por meio da ciência de sistemas e insiste que a escolha da ferramenta siga o objetivo. Há, no enquadramento do curso, quatro razões para construir um modelo — para prever um número, para tomar uma decisão, para entender um relacionamento, ou para estimar um risco — e um espectro de famílias de modelos para escolher, ordenadas pela quantidade de estrutura que admitem: modelos estatísticos, modelos de Markov, modelos de dinâmica de sistemas, microssimulações e — no final, onde os agentes deixam de ser passivos e começam a interagir — modelos baseados em agentes. Um ABM é o instrumento certo apenas para alguns objetivos, e uma parte substancial do ensino é aprender a dizer quais. O texto padrão para isso é Railsback e Grimm Modelagem baseada em agentes e indivíduos: uma introdução prática, e a ferramenta de laboratório é NetLogo.

Conexão do curso. Bobashev ensina → Modelagem baseada em agentes (MSc in Data Science & AI e — desde 2025 — o MSc in Data Analytics with AI), que se baseia em → Fundamentos da análise estatística, partes 1 e 2 — a fundação “FSML” da escola, ministrada pelo Dr. Christophe Bécavin e pela Dra. Christine Malot. A modelagem se baseia no raciocínio estatístico; o pré-requisito não é decoração.

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 da Corniglion nunca existiram, mas as regras que eles seguiram não eram fictícias: movimento de pedestres, probabilidade limitada de entrar em uma loja, despesas extraídas de distribuições baseadas em estimativas de especialistas, restrições estruturais ao mix de negócios retiradas da observação direta. Os dados artificiais foram uma consequência dessas regras baseadas em evidências, e é exatamente por isso que suas conclusões foram interessantes em vez de circulares — o resultado surpreendente sobre nacionalidade não foi assumido, ele saiu da simulação.

O trabalho epidemiológico de Bobashev faz o mesmo com um nível de rigor muito mais alto. Para modelar como uma infecção se move por uma cidade, você precisa de uma população que não esteja em um único arquivo: pessoas agrupadas em famílias, escolas, locais de trabalho e grupos sociais, misturando-se em taxas diferentes. Essa população estruturada é sintética — e na RTI é um artefato concreto, não uma metáfora: um conjunto de dados de pessoas e famílias sintéticas anônimas, colocado geograficamente e comparado às distribuições do censo dos Estados Unidos e da Pesquisa Comunitária Americana até o nível do quarteirão, completo com alojamentos para grupos (dormitórios, casas de repouso, prisões, bases militares) e com tarefas escolares e de trabalho que codificam a própria rede de contatos (Synthetic Population Viewer RTI). Nenhuma pessoa real está nela; a estrutura que impulsiona a doença está. A dinâmica da doença é, então, simplesmente uma consequência de quem encontra plausivelmente quem — a miríade de pesquisas de referência que nenhum banco de dados unifica se tornando, em conjunto, suficiente para restringir um modelo confiável. Esse é o mesmo instinto que impulsiona os dados sintéticos que preservam a privacidade em ambientes regulamentados: reproduzir a população, não os indivíduos, de modo que nenhuma pessoa real seja 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 por Bobashev mostra como é a maturidade nesse campo. Com Joshua Epstein e colegas, ele abordou uma tensão genuína na modelagem de epidemias: modelos baseados em agentes capturam a interação local e a variação individual que são extremamente importantes no início de um surto, quando alguns casos fracassam ou se iniciam, mas são computacionalmente pesados. Os modelos baseados em equações (compartimentais) são tratáveis e até mesmo analiticamente transparentes, mas assumem médias bem misturadas que deturpam exatamente aquela fase inicial e estruturada (Um modelo epidêmico híbrido: combinando as vantagens das abordagens baseadas em agentes e baseadas em equações, 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 do sistema 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 é em camadas, e a maioria das camadas não é a óbvia. O curso os separa cuidadosamente: verificação (o código está realmente fazendo o que você escreveu, sem bugs?) ; validação interna, que é o que a calibração compra para você (as entradas e saídas são consistentes com os dados a partir dos quais você construiu o modelo?) ; validação externa (corresponde a dados que não foram usados no ajuste?) ; validação cruzada com outros modelos; validade preditiva; e validade facial simples. Ajustar um modelo até que ele reproduza dados conhecidos elimina apenas o segundo deles — e é rotineiramente confundido com o terceiro.
Equifinalidade. Muitas configurações de parâmetros diferentes — e até mesmo mecanismos diferentes — podem produzir a mesma saída. Um bom ajuste não destaca uma explicação verdadeira, e tratá-la como se existisse é um erro padrão.
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 sobre o sistema em si. Seu valor está na exploração disciplinada e falsificável, não na autoridade de uma produção que pareça confiável.

O curso é igualmente preciso sobre as três coisas que as pessoas tendem a confundir: sensibilidade (quantos resultados se movem quando parâmetros ou condições iniciais são alterados), incerteza (como a incerteza dos parâmetros se propaga na confiabilidade da saída) e robustez (se a conclusão sobrevive a uma mudança na estrutura do modelo, não apenas em seus números). O principal instrumento de campo para tornar tudo isso inspecionável é o Protocolo ODD (Visão geral, conceitos de design, detalhes), uma estrutura padrão para descrever um modelo baseado em agente na íntegra para que outro pesquisador possa examiná-lo e reproduzi-lo (Grimm et al., JASSS, atualização de 2020). O curso da DSTI ensina construção de modelos por meio do protocolo ODD, juntamente com análise, interpretação, documentação e apresentação de incertezas — as partes nada glamorosas que separam um resultado de uma captura de tela. O próprio trabalho publicado de Bobashev modela essa restrição: o artigo híbrido tem o cuidado de declarar onde permanece a validação para trabalhos futuros, em vez de exagerar.

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 honestamente, os ABMs também exigem execução. Explorar um modelo significa varrer seus parâmetros e repetir execuções estocásticas várias vezes, o que rapidamente supera o tamanho de um laptop. Isso é engenharia e também ciência, e é reconhecidamente um domínio reconhecível da DSTI.

O trabalho recente de Bobashev com Michael Duprey é um guia prático para executar modelos NetLogo em grande escala na infraestrutura de nuvem (Aprimorando a eficiência computacional no NetLogo: melhores práticas para executar modelos baseados em agentes de grande escala em AWS e infraestruturas de nuvem, 2026). É exatamente o tipo de detalhe operacional que os estudantes precisam: ajuste de memória e JVM, varreduras de parâmetros do BehaviorSpace e correspondência da família de instâncias AWS com o fato de um modelo estar vinculado à computação ou à memória — uma comparação que, em um benchmark padrão, encontrou uma instância otimizada para computação aproximadamente um terço mais barata do que uma otimizada para memória para o mesmo trabalho. Dois de seus temas merecem ênfase além da economia de custos. O primeiro é reprodutibilidade: semear cada corrida de forma determinística para que os resultados possam ser regenerados com exatidão — uma virtude científica, não apenas uma conveniência de engenharia. O segundo é sustentabilidade computacional: uma simulação mais eficiente é menos energia, menos custo e menos desperdício, que é o mesmo princípio que a DSTI ensina em 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).

Essas são exatamente as configurações em que você não pode simplesmente coletar o conjunto de dados — por razões de privacidade, ética, estigma e lei — e onde errar a modelagem tem um custo humano. O subtítulo deste artigo — mundos capazes de tomar decisões — não é retórico em seu trabalho: a mesma família de modelos entrou em serviço durante a pandemia da COVID-19 para prever a demanda de hospitais regionais e leitos de terapia intensiva de forma contínua, o tipo de produção contra a qual uma autoridade de saúde pública realmente planeja. É aqui que o curso enquadra um modelo baseado em agentes como, na verdade, um sistema de inteligência artificial para toda uma sociedade — uma população de agentes de tomada de decisão cujo comportamento coletivo você pode interrogar — deixa de ser um slogan. Eles são um argumento silencioso de que a modelagem a partir de evidências não é uma solução alternativa para dados perdidos, mas, tratada com responsabilidade, uma forma de raciocinar sobre intervenções que importam. O cuidado aparece na escolha das perguntas.

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

07 O curso na DSTI

A modelagem baseada em agentes é ensinada no MSc in Data Science & AI e no MSc in Data Analytics with AI, pelo Dr. Georgiy Bobashev. A rota de análise de dados com IA foi adicionada em 2025, por recomendação do Scientific Advisory Board da DSTI — o mesmo órgão que primeiro trouxe Bobashev para a escola — que julgou que a disciplina de modelagem a partir de evidências é tão importante para analistas de dados quanto para especialistas em IA. O curso pressupõe a base estatística da escola — o pré-requisito “FSML”, ou seja, Fundamentos da análise estatística, parte 1 (Dr. Christophe Bécavin) e Parte 2 (Dra. Christine Malot); na DSTI, esses conhecimentos são pré-requisitos esperados, e não conteúdos opcionais. A referência principal 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 dias de aula e laboratório em pares. O arco vai de por que modelar? por meio das famílias de ciência de sistemas e da combinação do método com o objetivo, no protocolo ODD e nos componentes de um ABM — agentes, regras, ambientes, redes — e depois na construção, execução e análise de modelos em laboratório, individualmente e em equipes, antes de encerrar a calibração, validação e a relação entre ABM e IA. A avaliação é um projeto, e o resumo em si ensina as duas metades do ofício: cada aluno ou constrói um modelo de trabalho no NetLogo ou documenta integralmente um modelo complexo na íntegra por meio do protocolo ODD. Os conjuntos padrão de Bobashev são os mesmos que este artigo tentou honrar: produzir algo que alguém tenha motivos 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, DM, Yu, F. e Epstein, JM (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.
De 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. O que é fragmentação de dados?
MIT Sloan. O que são dados sintéticos e como eles podem ajudar você a competir?
Gartner. Principais previsões de dados e análises para 2025 e além.
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