Le simulazioni sociali e il comportamento prosociale

La presente proposta di ricerca si propone di studiare le simulazioni sociali, queste sono “un tipo di simulazione al computer che viene utilizzata per studiare come i processi a livello micro influenzano i risultati a livello macro” (Hughes et al., 2012). Attraverso queste simulazioni al computer è possibile studiare processi sociali nonché fenomeni emergenti, in un modo che  sarebbe quasi impossibile (o addirittura non etico) da indagare nella realtà, ricreando in un mondo virtuale comportamenti individuali e sociali attraverso linguaggi di programmazione dedicati e computer software (come ad esempio NetLogo, SeSam e Repast).

In un mondo dove i dati e le informazioni diventano ogni giorno più accessibili, le scienze aziendali e sociali come l’economia, la sociologia e la psicologia faticano a identificare e comprendere meglio come i comportamenti umani, le interazioni quotidiane e i processi decisionali siano correlati tra loro: infatti, l’attore principale dei sistemi sociali – l’essere umano – rimane oggi il fattore più importante e imprevedibile.

Anche se si potesse conoscere alla perfezione le regole dei processi decisionali individuali, questo non garantirebbe la possibilità di prevedere gli stessi a livello macroscopico (Epstein, 2007) e nemmeno le diverse caratteristiche che contraddistinguono un sistema complesso come la nostra realtà.

Per colmare questo gap, grazie anche ai recenti sviluppi dei moderni computer e sistemi di calcolo nell’ultimo decennio sono nati nuovi metodi di ricerca: le cosiddette scienze sociali computazionali. Si tratta di un ambizioso campo interdisciplinare che oggi è in grado di fornire tecniche di calcolo avanzate che possono simulare fenomeni in piccolo fino ad arrivare al grande (per esempio dai comportamenti individuali alla formazione di gruppi). Questi metodi sono basati sul paradigma della Scienza Generativa (Epstein, 2007) e nel corso del tempo hanno dimostrato di portare a intuizioni controintuitive e inaspettate sui fenomeni sociali e organizzativi.

APRESO incoraggia lo sviluppo di modelli computazionali come le Simulazioni Sociali che mirano specificamente ad affrontare questioni sociali o a ricreare e investigare processi sociali organizzativi. APRESO sostiene e promuove la conoscenza e successiva divulgazione scientifica attraverso metodologie innovative su temi di interesse per la ricerca e la consulenza sociale e organizzativa.

Per esempio i principali temi indagati finora utilizzando le Simulazioni sociali includono:

  • Lavoro di squadra e prestazioni di squadra
  • Conflitto e negoziazione
  • Modellazione ambientale ed ecologico-economica
  • Diffusione dell’innovazione
  • Comportamento prosociale ed egoista
  • Cambiamento culturale nella società e nelle organizzazioni
  • Formazione di gruppo
  • Dinamiche di opinione
  • Modelli di fiducia e reputazione
  • Dinamica delle popolazioni organizzative
  • Modellazione delle politiche
  • Modelli computazionali dei processi economici
  • Modelli di segregazione e inclusione sociale
  • Dinamiche dei social network
  • L’emergere di norme sociali,
  • Sviluppo di modelli cognitivi

La presente proposta di ricerca propone quindi nuovi approcci per gli studi delle organizzazioni una sorta di ibrido tra il classico modello statistico e quello dinamico. Questo si sta evolvendo da tempo e sta acquisendo gradualmente più consenso in campi come la gestione strategica e gli studi organizzativi. Questo modello è caratterizzato dal concetto di organizzazione come un sistema adattivo complesso. In un primo contributo al campo, Herbert Simon ha definito un sistema complesso come costituito da un gran numero di parti interagenti che producono strutture gerarchiche che non sono prontamente scomposte nelle sue parti. Seguendo questa definizione, diventa possibile applicare il sistema di etichettatura complessa alla maggior parte delle organizzazioni che conosciamo con gli aspetti umani che le caratterizzano. Vale a dire, il già citato Agent-Based Modeling (ABM) può funzionare con agenti eterogenei nelle loro caratteristiche e capacità. I modelli agent-based (ABM) usano un sistema dinamico di interazione tra agenti che permette di far emergere comportamenti macroscopici da regole micro. I modelli specificano le regole che determinano come si comporteranno gli agenti sulla base di input di varia natura. Ogni agente valuta in modo individuale la sua situazione e prende decisioni sulla base delle sue regole. L’approccio ABM consente inoltre di sperimentare parametri come la razionalità di un individuo, qualcosa che è difficile da affrontare con un approccio puramente statistico.

Una perfetta area di applicazione promettente degli ABM è il comportamento organizzativo, dove è possibile modellare comportamenti sociali per indagare i risultati organizzativi. Conoscere, ad esempio, i potenziali antecedenti connessi ad alcuni comportamenti sociali controproducenti oppure comportamenti positivi per l’organizzazione (come lavoro di squadra  ecc.), è possibile ricreare gli stessi fenomeni utilizzando la simulazione al computer a scopo predittivo. ABM offre nuove opportunità uniche per la ricerca in psicologia organizzativa.

Come suggerito da Cioffi-Revilla, in conclusione, possiamo paragonare le simulazioni sociali attraverso il modello Agent-Based al microscopio che ha concesso l’accesso agli scienziati ad un incredibile microuniverso composto da elementi, leggi e processi precedenti inosservati. Il principio resta lo stesso, studiare in piccolo (micro) per comprendere in grande (macro).

Referenze

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.