Modelli computazionali e simulazioni sociali

In un mondo dove sempre un maggior numero di informazioni diviene facilmente accessibile, industrie e scienze sociali (come, management, economia, sociologia e psicologia) stanno lottando per meglio identificare e comprendere come i comportamenti umani, le interazioni quotidiane e i processi decisionali sono tra loro interrelati: certamente, l’attore principale dei sistemi sociali – l’essere umano – permane ad ogni modo ancora oggi il fattore più importante e imprevedibile.

Tuttavia, i metodi standard di investigazione comunemente applicati dalle scienze sociali, anche considerando una perfetta conoscenza delle singole regole decisionali e dei comportamenti individuali, non possono garantire la possibilità di predire la struttura macroscopica (Epstein, 2007) e le proprietà emergenti dei sistemi che osserviamo nella realtà (ad esempio, i mercati economici, le folle, le community on-line).

Per colmare questa lacuna, nuovi metodi di ricerca, grazie alle nuove risorse computazionali, sono sorti negli ultimi dieci anni: infatti, la Computational Social Science, un campo interdisciplinare ed ambizioso, è in grado oggi di fornire tecniche di elaborazione avanzate in grado di “far crescere” i fenomeni sociali secondo un approccio bottom-up (dai comportamenti dei singoli individui alla formazione di gruppi, da imprese isolate alla diffusione dell’innovazione). Questi metodi, fondati sul paradigma della Generative Science (Epstein, 2007), hanno recentemente dimostrato di portare a controintuitive scoperte e conoscenze in merito ai fenomeni sociali e organizzativi.

Tra questi metodi, le Simulazioni Sociali (note anche come Agent-Based Models o ABM) rappresentato “un tipo di simulazione computerizzata impiegata per studiare come i processi di livello microscopico possono influenzare i risultati visibili a livello macroscopico” ” (t.d.r, Hughes et al., 2012). Il loro più grande valore risiede nella capacità di indagare i processi sociali ed i fenomeni emergenti ricreando i comportamenti individuali e sociali in un mondo virtuale attraverso specifici linguaggi di programmazione software informatici (ad esempio, NetLogo, Sesam. Repast).

Su questa line, APRESO incoraggia lo sviluppo di modelli computazionali, come le simulazioni sociali, che aspirino specificamente ad affrontare questioni sociali o mirino a ricreare e studiare i processi sociali organizzativi. APRESO intende sostenere e promuovere le conoscenze scientifiche attraverso metodologie innovative sui principali temi di interesse della ricerca e consulenza in ambito sociale e organizzativo.

I principali temi esaminati fino ad oggi mediante simulazioni sociali al computer comprendono:

  • Lavoro di squadra e performance
  • Conflitto e negoziazione
  • Modelli per la promozione della sostenibilità ecologica
  • Modelli di diffusione dell’innovazione
  • Comportamento prosociale ed egoista
  • Cambiamenti culturali nella società e nelle organizzazioni
  • Formazione di gruppi
  • Opinion dynamics
  • Modelli per lo studio della diffusione della fiducia e reputazione
  • Dinamica delle popolazioni organizzative
  • Modellazione di policy
  • Modelli computazionali di processi economici
  • Modelli di segregazione sociale e di inclusione
  • Social network dynamics
  • Emergenza di norme sociali
  • Sviluppo di modelli cognitivi per la costruzione di agenti virtuali

Per coloro che vorrebbero iniziare a lavorare in questo ambito possiamo suggerire di partire dalla guida redatta da Axelrod e Tesfatsion (2005), “A Guide for Newcomers to Agent-Based Modeling in the Social Science“. Inoltre, le seguenti risorse costituiscono un punto di partenza per scoprire la proposta scientifica della Generative Science ed il contributo portato sino ad oggi dai metodi della Computational Social Science

  • Buchanan, M. (2009). Economics: Meltdown modelling. Nature, 460(7256), 680–682.
  • Cioffi-Revilla, C. (2014). Introduction to Computational Social Science. Principles and Applications. London, UK: Springer-Verlag.
  • Epstein, J. M. (2007). Generative Social Science: Studies in Agent-Based Computational Modeling. Princeton: Princeton University Press
  • Epstein, J. M. (2008). Why Model?. Journal of Artificial Societies and Social Simulation, 11(4).
  • Gilbert, N. (2008). Agent-Based Models. SAGE Publications, 153(153), 98.
  • Gilbert, N., & Troitzsch, K. G. (2005). Simulation for the social scientist (2nd ed.). Maidenhead, United Kingdom: Open University Press.