Modelli computazionali di fenomeni sociali: apprendimento e cooperazione

1
Modelli computazionali di fenomeni sociali
apprendimento e cooperazione

• Rosaria Conte
• LABSS-ISTC/CNR
• Roma, V. San Martino della Battaglia, 44

2
Overview

• Scienze sociali e simulazione
• Perché usare le simulazioni nelle scienze
  sociali.
• Simulazioni e scienza.
• Case studies
• Cooperazione.
• Apprendimento sociale.

3
Scienze sociali classiche (cosa non ci piace)

• NO LABORATORIO / NO DATI EMPIRCI per avere dati
  empirici serve il metodo sperimentale,
• ma i fenomeni studiati dalle scienze sociali
• hanno un contesto,
• spesso non sono ripetibili,
• non possono essere "portati" in laboratorio
• TUTTAVIA questo permetterebbe controllo delle
  varibili, riproducibilità, ecc..

4
Scienze sociali classiche (cosa non ci piace)

• TEORIE ESPRESSE IN MODO QUALITATIVO
• sono vaghe, ambigue, poco dettagliate
• non è chiaro quali sono le predizioni empiriche
  che si possono ricavare -
• alcune scienze sociali (p.e. l'antropologia)
  rifiutano l'idea stessa di formulare teorie.
• TUTTAVIA la quantificazione permette
• migliore riproducibilità,
• migliore controllo,
• elaborazioni  condivisibili

5
Scienze sociali classiche (cosa non ci piace)

• DIVISIONE DISCIPLINARE non solo per motivi
  pratici (accademica), risponde ad oggettive
  difficoltà i sistemi sociali sono
• COMPLESSI (interazioni tra più livelli e
  processi)
• EVOLUTIVI/DINAMICI (il loro andamento nel tempo è
  importante per poter valutare le regole che li
  governano ad un dato momento)
• TUTTAVIA proprio per questo la divisione
  disciplinare fa ancora più danni che nelle
  scienze hard

6
Le metodologie delle scienze sociali

• Metodo sperimentale condotto in ambiente
  controllato, volto a stabilire l'esistenza di un
  rapporto di causa-effetto tra due fenomeni.
• Ipotesi operazionalizzata scomposizione del
  fenomeno in caratteristiche osservabili,
  testabili (condizione sperimentale vs condizione
  di controllo (es.la razionalità degli individui
  in PD one-shot -gt mutual defection).
• vantaggi replicabilità
• svantaggi esperimenti poco realistici
• esperimenti in condizioni naturali nuovi
  problemi, significatività statistica del
  campione, quantificazione degli effetti.

7
Le metodologie delle scienze sociali

• Metodo osservativo rilevare dati di contesto
  naturale senza che lo sperimentatore si
  intrometta nellambiente in cui opera.
• protocollo operazionalizzazione comportamentale
  dell'ipotesi.
• vantaggi scarsa intrusività, replicabilità.
• svantaggi arbitrarietà dei protocolli, mancato
  controllo delle variabili indipendenti, carattere
  esclusivamente comportamentale.

8
Le metodologie delle scienze sociali

• Interviste e questionari basati su self-report
• vantaggi facilità della somministrazione, costi
  bassi, buona rappresentatività (campioni ampi),
  alta replicabilità.
• svantaggi inattendibilità della fonte
  (introspezione cambia gli stati mentali),
  direttività.

9
Le metodologie delle scienze sociali

• Metodo correlazionale indaga la misura in cui
  due o più fenomeni che si vogliono analizzare
  sono in relazione tra di loro.
• vantaggi non intrusività, oggettività (dati
  quantitativi), replicabilità.
• svantaggi non manipolabilità delle variabili,
  difficoltà interpretativa della direzione causale.

10
Le metodologie delle scienze sociali

• Metodo simulativo consiste nel costruire modelli
  di società di agenti artificiali, nel trasferire
  questi modelli su calcolatore, nell' osservare "i
  comportamenti" di queste società e possibilmente
  nel tradurre queste osservazioni in valori, ossia
  in dati quantitativi elaborati statisticamente.
• vantaggi non intrusività, consente lo studio di
  fenomeni storici, l'esplorazione (scenari sociali
  possibili).
• svantaggi i risultati sono difficilmente
  estrapolabili.
• analisi cross-metodologica messa in relazione di
  dati simulativi con dati raccolti da esp. in
  condizioni naturali.

11
Cosa offre la metodologia simulativa

• TEORIE ESPLICITE E QUANTIFICABILI
• Molte discipline scientifiche sono
  prevalentemente empiriche e poco teoriche (esempi
  sono la biologia, la medicina, molta psicologia,
  lantropologia culturale, la storia).
• Le simulazioni obbligano a formulare delle
  teorie, le quali devono essere esplicite ed
  univoche (pena l'impossibilità della loro
  implementazione)
• I risultati della simulazione saranno quindi
  diretta conseguenza della teoria incorporata nel
  modello. Saranno inoltre generati in modo
  meccanico, al pari dei dati delle teorie
  matematiche.

12
Cosa offre la metodologia simulativa

• LABORATORIO SPERIMENTALE
• Le simulazioni sono laboratori sperimentali
  virtuali, con il vantaggio che in una simulazione
  si possono simulare sia i comportamenti che il
  loro contesto.
• In una simulazione gli agenti possono essere
  programmati per comportarsi in modo autonomo,
  cioé secondo processi di decisione indipendenti.
• I dati simulativi sono quindi dati empirici
  (anche se di tipo particolare, come vedremo più
  avanti)

13
Cosa offre la metodologia simulativa

• Possibilità di integrazione tra le discipline
• SISTEMI COMPLESSI, es. Schelling
• (http//ccl.northwestern.edu/netlogo/models/Segre
  gation)
• Wilensky, U. (1998). NetLogo Segregation model
• SISTEMI EVOLUTIVO DINAMICI Evolutionary
  game-theory

14
La simulazione è una metodologia scientifica?

• Posizioni deboli
• Simulazioni
• esperimenti di PENSIERO (De Paolo et al., 2000)
  per organizzare e provare la consistenza di una
  teoria.
• OPACHI I risultati, spesso non predicibili a
  priori dallo sperimentatore, costringono a
  riformulare la teoria.
• Simulazione ha valore scientifico solo se il
  mapping fra il modello e ciò che è modellizzato è
  preciso nei dettagli
• Dati empirici -gt teoria -gt sim -gt teoria -gt

15
La simulazione è una metodologia scientifica?

• Posizioni estreme
• Non ha valore scientifico i risultati sono già
  nelle premesse
• È necessaria per spiegare (Epstein, 2007)
• ?x (Explain x ? Grow x)
• Cioè
• ?x(?Grow x ? ?Explain x)

16
La simulazione è una metodologia scientifica?

• Posizioni intermedie
• strong A-Life non è un modello di un fenomeno
  ma una istanza del fenomeno (I risultati di una
  simulazione vanno ad aggiungersi ai dati empirci)
• Simulazione come unico strumento per analizzare
  una certa classe di fenomeni (auto-organizzazione,
  emergenza, effetti non lineari, ecc)

17
Equation-Based VS Agent-Based

• Soluzione analitica, se esiste un set di
  equazioni che
• descrive completamente il fenomeno sociale
• risolvibili
• I pregi dei modelli Equation-Based
• sono quantitativi
• possono essere usati per decrivere i cambiamenti
  di stato che il sistema attraversa nel tempo.
• Problema di rappresentazione i medelli EB fanno
  uso di variabili al livello del sistema, che
  astraggono dalle caretteristiche delle singole
  entità interagenti, preservando solo le proprietà
  del sistema che intendiamo studiare.

18
EBSS VS ABSS

• Descrizione matamatica del modello, equazioni non
  risolvibili
• il sistema è composto da entità eterogenee
• gli agenti sono dotati di capacità di
  apprendimento.
• Grazie alla facilità con cui è possibile
  rappresentare i processi di interazione tra le
  parti, i modelli AB sono divenuti una valida
  alternativa.
• Anailisi del comportamento del sistema
  out-of-equilibrium.

19
EBSS VS ABSS

• spazialità l'introduzione di una struttura
  topologica nel modello è in grado di alterare
  radicalmente i risultati.
• Games On Grid (Sigmund Nowak, 2000)

20
Pluralità di approcci e di livelli

• non esiste un unico approccio metodologico.
• i gruppi che compongono la comunità sono guidati
  da interessi e finalità differenti.
• questo è in relazione con un'analisi condotta a
  livelli differenti di astrazione.

21
Pluralità di approcci e di livelli

• Simbolico vs sub-simbolico (come vengono
  modellizzati I processi cognitivi)
• Agenti individuali vs sociali / istituzionali
  (esempio simulazioni economiche in cui le entità
  di più basso livello sono le imprese)

22
Apprendimento e cooperazione

• ABSS viene solitamente adottato nello studio dei
  seguenti fenomeni e processi
• evoluzione della reciprocità, dell'altruismo e
  della cooperazione
• emergenza di fenomeni di auto organizzazione
• evoluzione e involuzione di forme culturali e di
  interi gruppi sociali
• emergenza di mercati e di istituti economici
• differenziazione sociale, formazione di
  coalizioni e di gerarchie
• propagazione di opinioni
• segregazione sociale ecc.

23
Apprendimento e cooperazione

• perché apprendimento e cooperazione sono fenomeni
  adatti ad essere studiati tramite simulazioni?
• Contesto
• trattati da discipline differenti
• Complessità e dinamicità
• Difficoltà di trattamento tramite modelli
  analitici