Modeling the Effect of Social Contagion in Solar Adoption through Commuter and Socioeconomic Networks
تستخدم هذه الدراسة علم الشبكات ومحاكاة الانتشار لتوضيح أنه في حين أن التشابه الاجتماعي والاقتصادي يحدد القابلية المحلية لتبني الطاقة الشمسية، فإن تدفق المعلومات القائم على التنقل يعمل كمحرك أساسي للعدوى الاجتماعية، مما يشير إلى أن السياسات الفعالة يجب أن تجمع بين حملات المعلومات الواسعة والمشاركة المجتمعية المستهدفة.
غالباً ما يبدو انتشار التقنيات الجديدة مثل تموج ينتقل عبر حشد من الناس، لكن فهم كيفية انتقال ذلك التموج بدقة يمثل لغزاً معقداً للعلماء. فعندما يقرر الناس تركيب الألوا لوح الشمسية على أسطح منازلهم، فإنهم نادراً ما يتخذون هذا القرار في فراغ؛ إذ يتأثرون بما يفعله جيرانهم، وما يسمعونه من أصدقائهم، وما يشاهدونه في حياتهم اليومية. هذه الظاهرة، المعروفة باسم "العدوى الاجتماعية"، تشير إلى أن السلوكيات يمكن أن تنتشر من شخص إلى آخر تماماً مثل الشائعة أو الصيحة الرائجة. ومع ذلك، فقد ظل الباحثون لفترة طويلة يتجادلون حول ما الذي يحمل ذلك التأثير فعلياً. هل هو مجرد تدفق للمعلومات، حيث يتعلم الناس عن الطاقة الشمسية لأنهم يمرون بجانب شخص يمتلكها؟ أم أنه شيء أعمق، متجذر في فكرة أن الناس أكثر عرضة لتقليد أولئك الذين يشبهونهم في الدخل أو التعليم أو نمط الحياة؟ وبينما يسعى العالم للتحول بعيداً عن الوقود الأحفوري، فإن معرفة أي من هذه القوى هي الأقوى أمر بالغ الأهمية. فإذا كانت الإجابة تتعلق ببساطة بالظهور والوضوح، فقد يكون الإعلان الواسع هو الأفضل. أما إذا كانت الإجابة تتعلق بالتشابه، فإن استهداف مجموعات محددة من الناس الذين يثقون ببعضهم البعض سيكون أكثر فعالية بكثير.
لقد شرع باحث في مدرسة برينستون الثانوية في حل هذا اللغز تحديداً من خلال النظر إلى الولايات المتحدة كخريطة ضخمة ومترابطة. وبدلاً من سؤال الناس عن سبب اختيارهم للطاقة الشمسية، استخدم الباحث منهجاً يسمى "علم الشبكات" لبناء ثلاث خرائط رقمية مختلفة لكيفية ترابط المقاطعات الأمريكية. بُنيت الخريطة الأولى على فكرة التشابه، حيث ربطت بين المقاطعات التي تتشارك في خصائص ديموغرافية متشابهة، مثل متوسط الدخل، ومستويات التعليم، وأنماط التصويت. وبُنيت الخريطة الثانية على حركة الناس، حيث ربطت بين المقاطعات بناءً على عدد العمال الذين يتنقلون بينها يومياً. أما الخريطة الثالثة، فكانت مجرد خط أساس بسيط يعامل كل مقاطعة داخل ولاية واحدة على أنها متصلة ببعضها البعض. وكان الهدف هو معرفة أي من هذه الخرائط يتوافق بشكل أفضل مع النمط الواقعي لظهور الألواح الشمسية بين عامي 2017 و2022.
ولاختبار هذه الخرائط، استخدم الباحث محاكاة حاسوبية تحاكي كيفية انتشار فكرة ما عبر مجموعة سكانية. تخيل حملة للترويج للطاقة الشمسية تبدأ في مقاطعة واحدة؛ تتبعت المحاكاة كيف ستنتقل هذه "العدوى" عبر الشبكة، منتقلة من مقاطعة إلى أخرى بناءً على قوة الروابط في كل خريطة. أجرى الباحث آلاف عمليات المحاكاة هذه، بدءاً من كل مقاطعة ممكنة، ليرى أي خريطة ستنتج نمطاً من الاعتماد يشبه البيانات الواقعية. وكشفت النتائج عن انقسام مفاجئ بين كيفية تكتل الناس وبين كيفية انتقال المعلومات فعلياً.
كانت الخريطة القائمة على التشابه الاجتماعي والاقتصادي ممتازة في تحديد مجموعات المقاطعات التي لديها بالفعل معدلات اعتماد متشابهة للطاقة الشمسية. فقد أظهرت أن الناس في المقاطعات ذات الدخل والتعليم المتشابهين يميلون إلى اعتماد الألواح الشمسية بمعدلات متشابهة، مما يخلق تجمعات مترابطة بشدة. وهذا يشير إلى أن الناس، عندما يقررون تركيب الألواح، يتأثرون بالفعل بأولئك الذين يشبهونهم. ومع ذلك، عندما اختبر الباحث كيفية انتشار فكرة الطاقة الشمسية من مكان إلى آخر، فشلت خريطة التشابه هذه؛ إذ لم تستطع التنبؤ بالتدفق الواقعي لاعتماد الطاقة عبر البلاد. أما الخريطة القائمة على التنقل اليومي، فقد روت قصة مختلفة؛ فهذه الشبكة، التي تمثل الرحلات اليومية للعمال بين المقاطعات، كانت النموذج الوحيد الذي نجح في التنبؤ بكيفية انتشار اعتماد الطاقة الشمسية. وأظهرت المحاكاة أن تدفق المتنقلين خلق المسارات الصحيحة لانتقال المعلومات من مجتمع إلى آخر، مما طابق البيانات الفعلية بارتباط ذي دلالة إحصائية.
تشير الدراسة إلى أن كلا القوتين تعملان، لكنهما تلعبان أدواراً مختلفة في العملية. يعمل التشابه الاجتماعي والاقتصادي كـ "مرشح" (فلتر)؛ فهو يحدد من هو المستعد لتقبل الفكرة بمجرد سماعها. فالناس أكثر عرضة للثقة في الألواح الشمسية واعتمادها إذا رأوا أشخاصاً يشبهونهم يفعلون ذلك. ومع ذلك، فإن الآلية الفعلية التي تنقل الخبر من مجموعة إلى أخرى هي تدفق المتنقلين يومياً. هؤلاء المتنقلون يعملون كجسور، حاملين المعلومات حول الطاقة الشمسية عبر حدود المجموعات الاجتماعية والاقتصادية المختلفة. وبدون مسارات السفر اليومية هذه، قد تظل الفكرة محاصرة داخل نوع واحد من المجتمعات. وتشير الأبحاث إلى أن الطريقة الأكثر فعالية لتعزيز الطاقة الشمسية هي استخدام استراتيجية مزدوجة؛ إذ ينبغي لصناع السياسات استخدام أنماط التنقل لتحديد أفضل المسارات لنشر الوعي في مناطق جديدة، مع صياغة رسائلهم في الوقت نفسه لتناسب الملفات الاقتصادية والاجتماعية المحددة للمجتمعات التي يحاولون الوصول إليها. ومن خلال فهم أن المعلومات تنتقل عبر الطرق التي يقود فيها الناس سياراتهم يومياً، ولكنها لا تترسخ إلا حيث يوجد شعور بالهوية المشتركة، يصبح المسار نحو انتقال أسرع للطاقة أكثر وضوحاً.
ملخص تقني: نمذجة تأثير العدوى الاجتماعية في تبني الطاقة الشمسية من خلال شبكات التنقل والشبكات الاجتماعية والاقتصادية
بيان المشكلة بينما يعتمد التحول العالمي في مجال الطاقة بشكل كبير على التبني الواسع لنطاق الألواح الشمسية السكنية، لا تزال الآليات الاجتماعية المحددة التي تقود هذا الانتشار غير مفهومة بشكل جيد. وعلى الرغم من أن "العدوى الاجتماعية" (تأثير الأقران) تُعد محركًا مهمًا لتبني الطاقة الشمسية، إلا أنه من غير الواضح ما إذا كان هذا التأثير يعمل بشكل أساسي من خلال تدفق المعلومات (على سبيل المثال: الرؤية، أو النقل الشفهي عبر المجموعات المختلفة) أو من خلال التشابه الاجتماعي والاقتصادي (التجانس، حيث يتبنى الأفراد بناءً على الهوية والمكانة المشتركة مع الأقران). إن التمييز بين هذه النظريات المتنافسة أمر بالغ الأهمية لتصميم سياسات فعالة؛ فإذا كان تدفق المعلومات هو المهيمن، فإن التسويق الواسع يكون هو الأمثل، أما إذا كان التجانس هو المهيمن، فإن المشاركة المجتمعية المستهدفة هي المطلوبة.
المنهجية تستخدم الدراسة نهج علم الشبكات للتمييز بين هذه الآليات باستخدام بيانات مجمعة على مستوى المقاطعات في الولايات المتحدة. تتضمن المنهجية أربع مراحل رئيسية:
تجميع البيانات: تستخدم الدراسة مجموعة بيانات DeepSolar (2017–2022) لأعداد الألواح الشمسية والمتغيرات الديموغرافية، ومجموعة بيانات الاستبيان الأمريكي للمجتمع (ACS) لتدفقات التنقل (2016–2020) لحركة العمال بين المقاطعات. تم تجميع بيانات القطاع (Census tract) إلى مستوى المقاطعة، مع حساب معدل تبني الطاقة الشمسية كنسبة عدد الأنظمة الشمسية إلى عدد المنازل.
بناء الشبكة: تم إنشاء ثلاث شبكات مختلفة غير موجهة حيث تمثل العقد مقاطعات الولايات المتحدة:
شبكة التشابه الاجتماعي والاقتصادي: تنمذج التجانس. تربط الحواف المقاطعات ضمن عتبة درجة جغرافية قدرها 1.0 درجة (~69 ميلاً). وتُشتق أوزان الحواف من تباعد جينسن-شانون (JSD) عبر ست سمات: التعليم، العرق، المهنة، الفقر، ملكية المنازل، وأنماط التصويت لعام 2016.
شبكة المتنقلين (الكوميوتر): تنمذج تدفق المعلومات. تمثل الحواف تدفقات التنقل بين المقاطعات. تمت إزالة الروابط الضعيفة (أقل من المئوي الستين من التدفق)، وأوزان الحواف هي اللوغاريتم الطبيعي لعدد المتنقلين.
خط الأساس على مستوى الولاية: مكون متصل بالكامل للمقاطعات داخل كل ولاية بأوزان موحدة، ليكون بمثابة ضابط جغرافي.
تحليل المجتمع الساكن: تم تطبيق خوارزمية لوفين (Louvain algorithm) للكشف عن المجتمعات في كل شبكة. وكان المقياس الرئيسي للتقييم الساكن هو متوسط الانحراف المعياري المرجح داخل العنقود لمعدلات تبني الطاقة الشمسية؛ حيث تشير القيم المنخفضة إلى مجموعات أكثر تجانساً.
نمذجة الانتشار الديناميكي: تم تكييف نموذج المعرض للعدوى-المصاب-المقاوم (SIR) لمحاكاة انتشار تأثير تبني الطاقة الشمسية.
تمثل "العدوى" الضجيج الاجتماعي لحملة مستهدفة.
احتمالية الانتقال (P) بين العقد تتناسب طردياً مع وزن الحافة (P=βbase×max_weightweight).
تم بدء عمليات المحاكاة من كل مقاطعة، مع معايرة معدل الانتقال (β) بحيث يتطابق العدد النهائي للعقد "المصابة" مع أعلى 30% من المتبنين الفعليين.
تم ربط احتمال التبني المحاكى لكل مقاطعة بمعدلات التبني الفعلية في العالم الحقيقي.
النتائج الرئيسية أسفرت الدراسة عن نتائج متباينة بين التحليل الهيكلي الساكن والنمذجة التنبؤية الديناميكية:
التجانس الساكن: أنتجت شبكة التشابه الاجتماعي والاقتصادي أكثر المجموعات تجانساً، كما يتضح من أدنى متوسط للانحراف المعيائي المرجح داخل العنقود (0.00431) مقارنة بشبكة المتنقلين (0.00535). كما أظهرت هذه الشبكة معاملات تكتل أعلى (0.5451 مقابل 0.0908) وتجانساً أقوى في التبني، مما يشير إلى أن المتبنين الحاليين يتجمعون بالفعل ضمن مجموعات أقران متشابهة اجتماعياً واقتصادياً.
القدرة التنبؤية الديناميكية: كانت شبكة المتنقلين هي النموذج الوحيد الذي أظهر ارتباطاً موجباً ذا دلالة إحصائية بين احتمال التبني المحاكى ومعدلات التبني الفعلية (الارتباط غير المشروط = 0.1801).
في المقابل، أعطت الشبكة الاجتماعية الاقتصادية ارتباطاً سالباً (−0.2434)، مما يشير إلى أن هيكلها لا يتنبأ بفعالية الانتشار الديناميكي للتبني.
أظهرت شبكة مستوى الولاية ارتباطاً شرطياً عالياً (0.5494) لكنها فشلت في تفسير التأثير بين الولايات، مما حد من فائدتها التنبؤية العامة.
خصائص الشبكة: كانت الشبكة الاجتماعية الاقتصادية أكثر تشتتاً (الكثافة 0.0039) وأكثر تكتلاً، بينما كانت شبكة المتنقلين أكثر كثافة (الكثافة 0.0134)، مما يعكس "الروابط الضعيفة" التي تربط بين المجموعات الاجتماعية المختلفة.
المساهمات الرئيسية
التمييز بين الآليات: توفر الورقة إطاراً كمياً للفصل بين أدوار التجانس وتدفق المعلومات في تبني الطاقة الشمسية، متجاوزة مجرد الاعتراف العام بالعدوى الاجتماعية لتحديد قنوات تشغيلية محددة.
نموذج الآلية المزدوجة: تدعم النتائج نموذج العملية المزدوجة حيث تعمل مسارات التنقل (الروابط الضعيفة) كقنوات أساسية لـ انتشار التأثير عبر المناطق، بينما يحكم التشابه الاجتماعي والاقتصادي (الروابط القوية) الاستعداد والتحقق من صحة ذلك التأثير داخل المجموعات المحلية.
التطبيق المنهجي: توضح الدراسة فعالية الجمع بين الكشف عن المجتمعات الساكنة ومحاكاة انتشار SIR المعايرة للتحقق من صحة نماذج الشبكة مقابل بيانات التبني في العالم الحقيقي.
الأهمية والادعاءات تزعم الورقة أن سياسات تبني الطاقة الشمسية الفعالة يجب أن تكون هجينة بطبيعتها. فالاعتماد على آلية واحدة فقط غير كافٍ.
الآثار السياساتية: يجب أن تجمع الاستراتيجيات بين حملات المعلومات واسعة النطاق المستندة إلى حركة المتنقلين لتعظيم مدى وصول التأثير من خلال مسارات التفاعل اليومي (الروابط الضعيفة) مع المشاركة المجتمعية المستهدفة والمصممة اجتماعياً واقتصادياً لضمان الاستعداد داخل مجموعات أقران محددة (الروابط القوية).
تخصيص الموارد: يجب على صانعي السياسات توجيه الموارد نحو مجموعات اجتماعية اقتصادية محددة وواضحة المعالم للحوافز والتسويق، مع استخدام بيانات تدفق المتنقلين للتنبؤ بمكان حدوث الانتشار الجديد والتخطيط للبنية التحتية وفقاً لذلك.
المواءمة النظرية: تتماشى النتائج مع نظرية "قوة الروابط الضعيفة"، حيث تعمل طرق التنقل كجسور لنقل معلومات جديدة، بينما يعمل التجانس كمرشح (فلتر) للقبول.
يشير المؤلف إلى وجود قيود تتعلق باستخدام النماذج البديلة (تدفقات التنقل لا تغطي جميع التفاعلات الاجتماعية) والطبيعة الساكنة للنموذج الاجتماعي الاقتصادي، مما يقترح إمكانية إجراء عمل مستقبلي يمكن أن يدمج بيانات وسائل التواصل الاجتماعي والتطور الزمني لأنماط التبني.