Can Poverty Be Reduced by Acting on Discrimination? An Agent-based Model for Policy Making
Dieses Paper stellt das Aporophobie-Agentenbasierte Modell (AABM) vor, welches unter Verwendung von Realdaten aus Barcelona computergestützt demonstriert, dass die Diskriminierung der Armen (Aporophobie) die Vermögensungleichheit verschärft, und damit für politische Kurswechsel plädiert, die Armut als ein gesellschaftliches Problem behandeln, das in Diskriminierung verwurzelt ist, anstatt sie ausschließlich durch traditionelle umverteilende Maßnahmen zu adressieren.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich eine riesige, digitale Stadt vor, in der Tausende von winzigen, computergenerierten Menschen ihr Leben leben. Dies ist kein Videospiel über das Bauen von Städten; es ist eine „Kristallkugel“, die Forscher nutzen, um zu testen, wie Gesetze die Geldbörsen echter Menschen beeinflussen, noch bevor diese Gesetze in der realen Welt verabschiedet werden.
Hier ist die Geschichte dieser Forschungsarbeit, auf einfache Konzepte heruntergebrochen.
Das große Problem: Die „Armutsfalle“
Schon seit langem versucht die Welt, Armut zu bekämpfen, indem man den Menschen einfach Geld gibt oder Wohlstand verteilt (wie ein Elternteil, der einen Kuchen aufteilt). Aber in letzter Zeit funktioniert das nicht mehr so schnell wie früher. Die Forscher bemerkten, dass etwas anderes den Weg blockieren könnte: Aporophobie.
Stellen Sie sich Aporophobie als „Armutsphobie“ vor. Es ist die Angst, die Abneigung oder die Ablehnung gegenüber armen Menschen. Es ist, als würde eine Nachbarschaft entscheiden, dass jeder mit leeren Taschen „schlecht“ oder „faul“ sei, und die Regeln der Stadt so geschrieben, dass sie die Armen bestrafen, anstatt ihnen zu helfen. Die Forschungsarbeit stellt eine einfache Frage: Wenn wir die Regeln ändern, um aufzuhören, die Armen zu bestrafen, wird die Armut dann sinken?
Das Werkzeug: Ein Simulator für eine digitale Stadt
Um dies zu beantworten, baute das Team ein Agenten-basiertes Modell (ABM).
- Die Agenten: Dies sind die digitalen Menschen. Sie sind nicht zufällig; sie wurden mit echten Daten aus Barcelona, Spanien, erstellt. Sie haben Jobs, sie sind obdachlos, sie haben Familien, und sie haben Rechnungen.
- Das Gehirn: Diese digitalen Menschen besitzen ein „Gehirn“, das auf Maslows Bedürfnishierarchie basiert. Stellen Sie sich eine Pyramide vor. Ganz unten brauchen Sie Essen und ein Bett. Wenn Sie das nicht haben, können Sie sich nicht um die Spitze der Pyramide kümmern (wie Kunst zu erschaffen oder Respekt zu fühlen). Die Computer-Menschen handeln, um zuerst ihren dringendsten „leeren Becher“ zu füllen. Wenn sie hungrig sind, gehen sie zum Supermarkt. Wenn sie kein Zuhause haben, suchen sie nach einer Unterkunft.
- Die Regeln (Die Gesetze): Die Forscher programmierten die Stadt mit echten Gesetzen aus Barcelona. Einige Gesetze sind gütig (nicht-aporophob), wie etwa die Gewährung von Arbeitslosengeld oder kostenfreiem Wohnraum. Andere sind gemein (aporophob), wie etwa das Belegen von Menschen mit Bußgeldern, weil sie auf der Straße schlafen, oder sie ins Gefängnis zu stecken, wenn sie nicht bezahlen können.
Das Experiment: Das Durchlaufen der Simulation
Die Forscher ließen die Simulation 64 verschiedene Male laufen. In einigen Durchläufen aktivierten sie die „gütigen“ Gesetze. In anderen aktivierten sie die „gemeinen“ Gesetze. In einigen Fällen schalteten sie beide gleichzeitig an.
Sie maßen das Ergebnis mithilfe eines Gini-Koeffizienten.
- Denken Sie an dies als einen „Fairness-Score“.
- Ein Wert von 0 bedeutet, dass alle genau die gleiche Menge Geld haben (perfekte Fairness).
- Ein Wert von 1 bedeutet, dass eine Person alles Geld besitzt und alle anderen nichts haben (totale Ungerechtigkeit).
Was sie fanden
Die Ergebnisse waren wie ein Moment der Erleuchtung für die Politikgestaltung:
- Die „gemeinen“ Gesetze machen die Dinge schlimmer: Wenn die Simulation Gesetze enthielt, die Arme bestraften (wie das Belegen von Obdachlosen mit Bußgeldern, weil sie auf der Straße schlafen), wurde der „Fairness-Score“ viel schlechter. Die Kluft zwischen Reich und Arm vergrößerte sich. Es war, als würde man versuchen, ein Feuer zu löschen, indem man Benzin hineinschüttet.
- Die „gütigen“ Gesetze helfen: Wenn sie Gesetze verwendeten, die Unterstützung boten (wie Arbeitslosengeld oder kostenfreien Wohnraum), verbesserte sich der „Fairness-Score“. Die Kluft zwischen Reich und Arm schrumpfte.
- Der spezifische Einfluss: Ein spezifisches „gutes“ Gesetz (die Gewährung von Arbeitslosengeld) war am effektivsten darin, Menschen davor zu bewahren, den absoluten Tiefpunkt zu erreichen. Umgekehrt machte ein Gesetz, das unbezahlte Bußgelder in Gefängnisstrafen umwandelte, die Situation für die Ärmsten signifikant schlechter und trieb mehr von ihnen in den Bankrott.
Das Fazit
Die Forschungsarbeit argumentt, dass Armut nicht nur ein Problem des „Nicht-Genug-Geldes-Habens“ ist. Es ist auch ein Problem der Frage, wie die Gesellschaft die Menschen behandelt, die kein Geld haben.
Wenn die Gesetze einer Stadt mit Angst oder Hass gegenüber den Armen geschrieben sind (Aporophobie), machen diese Gesetze die Armut tatsächlich schwerer zu lösen. Aber wenn die Gesetze darauf ausgelegt sind, die Schwachen zu unterstützen und zu schützen, wird die gesamte Gesellschaft gerechter.
Kurz gesagt: Man kann ein leckendes Boot nicht reparieren, indem man nur Wasser ausschöpft (Umverteilung von Wohlstand); man muss auch aufhören, Löcher in den Boden des Bootes zu schlagen (diskriminierende Gesetze). Dieses Computermodell beweist, dass das Aufhören mit dem „Schlagen" hilft, das Boot schwimmend zu halten.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.