Agent-based Modeling meets the Capability Approach for Human Development: Simulating Homelessness Policy-making

Resumen Técnico: El Modelado Basado en Agentes se encuentra con el Enfoque de las Capacidades para el Desarrollo Humano

Planteamiento del Problema
El artículo aborda la urgente necesidad de soluciones de política alternativas ante la creciente escala global del sinhogarismo. Los modelos de desarrollo tradicionales suelen centrarse en la distribución de recursos (por ejemplo, marcos utilitaristas), mientras que los autores argumentan que el sinhogarismo y la pobreza deben entenderse como formas severas de privación de capacidades. Esta perspectiva, basada en el Enfoque de las Capacidades (EC), postula que los individuos son incapaces de acceder a "capacidades centrales" (derechos humanos esenciales para una vida digna, como la salud, la integridad corporal y el control sobre el propio entorno) debido a la falta de recursos y a factores de conversión adversos (personales, sociales y ambientales).

La formulación de políticas actual carece de herramientas para evaluar de manera no invasiva cómo intervenciones específicas (normas legales, asignación de recursos) impactan en estas capacidades. La literatura existente sobre el modelado basado en agentes (ABM, por sus siglas en inglés) rara vez utiliza el EC como marco conceptual, y aquellos que lo hacen a menudo simplifican excesivamente la motivación humana al depender únicamente de necesidades jerárquicas (por ejemplo, Maslow) en lugar del complejo juego de valores y necesidades inherente al EC.

Metodología
Los autores proponen un marco novedoso que operacionaliza el Enfoque de las Capacidades utilizando el Modelado Basado en Agentes (ABM) y el Aprendizaje por Refuerzo (específicamente, Procesos de Decisión de Markov - MDP). La metodología consta de tres pasos técnicos centrales:

1. Formalización del EC como un MDP: Los autores mapean los conceptos del EC a los elementos de un MDP para permitir la simulación computacional:

   • Estados ($s$): Representan la situación actual del agente, incluyendo características personales, recursos disponibles y preferencias individuales de necesidades/valores.
   • Acciones ($a$): Diferenciadas en acciones posibles (capacidades específicas), acciones imposibles (capacidades privadas) y acciones realizadas (funcionamientos).
   • Probabilidades de Transición ($P(s'|s, a)$): Representan los Factores de Conversión. Estos determinan la probabilidad de que un agente pase de un estado de recursos a un estado de capacidad. Los factores de conversión sociales se modelan como normas legales y sociales que pueden hacer que ciertas acciones sean imposibles (por ejemplo, un ciudadano no registrado no puede acceder a la atención primaria de salud).
   • Recompensas: Representan los Factores de Elección. El marco distingue entre:
     • Recompensas a corto plazo: Impulsadas por urgencias de necesidad (por ejemplo, alivio inmediato del dolor).
     • Recompensas a largo plazo: Impulsadas por preferencias de valores (por ejemplo, salud o seguridad a largo plazo).
   • Política ($\pi$): La regla de decisión del agente agrega recompensas esperadas a corto y largo plazo ($Q_s$ y $Q_l$) para seleccionar acciones, permitiendo el modelado de comportamientos complejos donde los valores pueden prevalecer sobre las necesidades inmediatas.

2. Modelo de Toma de Decisiones Mejorado: A diferencia de trabajos previos que dependen de jerarquías de necesidades rígidas, este modelo integra valores humanos (basados en el marco de valores de Schwartz) y necesidades como motivadores distintos. El sistema permite actualizaciones dinámicas donde las acciones realizadas pueden alterar el estado de un agente (recursos/factores de conversión) y sus factores de elección internos (por ejemplo, un accidente que hace que un agente sea más adverso al riesgo).

3. Marco de Simulación: El MDP sirve como el motor de comportamiento para agentes que representan diversos grupos de interés (Personas que Experimentan Situación de Sin Hogar - PEH, trabajadores sociales, organizaciones sin fines de lucro). La simulación incluye un entorno físico (recursos) y un entorno regulatorio (normas legales). Está diseñado para ser poblado con datos sintéticos derivados de datos reales anonimizados y entrevistas con partes interesadas.

Contribuciones Clave

• Operacionalización Computacional del EC: El artículo proporciona un mapeo concreto del Enfoque de las Capacidades (Recursos, Factores de Conversión, Capacidades, Factores de Elección, Funcionamientos) al lenguaje técnico de los MDP y el ABM.
• Integración de Valores y Necesidades: Introduce un modelo de toma de decisiones donde los "valores" (importancia/objetivos a largo plazo) y las "necesidades" (urgencia/objetivos a corto plazo) actúan como factores de elección distintos, permitiendo una representación más matizada del comportamiento humano que las simulaciones basadas en el EC anteriores.
• Herramienta de Evaluación de Políticas: El marco está diseñado para evaluar el impacto de las políticas no solo en la distribución de recursos, sino en la expansión o restauración de las capacidades centrales. Evalúa la equidad analizando el conjunto de acciones posibles frente a las acciones imposibles disponibles para los agentes bajo diferentes escenarios regulatorios.
• Diseño de Caso de Estudio Interdisciplinario: Los autores detallan una aplicación específica en el barrio del Raval de Barcelona, centrándose en la inequidad en salud. Detallan cómo construir perfiles de agentes utilizando datos reales de organizaciones sin fines de lucro (por ejemplo, Arrels Fundació) y expertos en la materia para simular los efectos de las leyes propuestas sobre el acceso a la atención primaria de salud para ciudadanos registrados frente a no registrados.

Resultos y Estado Actual
Dado que se trata de un artículo de propuesta y metodología, no presenta resultados de simulación finales ni datos de validación empírica. En su lugar, presenta:

• Un Prototipo Conceptual: Un ejemplo simplificado de MDP (Figura 2) que demuestra cómo una norma legal (estatus de registro) actúa como un factor de conversión, haciendo que la acción "recibir atención médica" sea imposible para los ciudadanos no registrados, privándolos así de la capacidad central de "salud corporal".
• Hoja de Ruta de Implementación: Un plan para escalar desde este ejemplo simple hacia una simulación compleja que involucre múltiples capacidades centrales, utilizando datos de población sintética y retroalimentación iterativa de las partes interesadas.
• Métricas de Evaluación: Un conjunto definido de indicadores para evaluaciones futuras, que incluyen estados de vivienda (terminología ETHOS), estados de salud, estatus de registro, gastos económicos y discriminación institucional.

Significancia
El artículo afirma su importancia al proporcionar un marco de simulación replicable y no invasivo basado en el Enfoque de las Capacidades. Su objetivo principal es apoyar la evaluación de políticas destinadas a expandir las capacidades humanas, alineándose con los Objetivos de Desarrollo Sostenible (ODS) de la ONU. Al cambiar el enfoque de la asignación de recursos hacia la oportunidad de lograr una vida digna, el marco busca identificar políticas que efectivamente restauren las capacidades centrales para los grupos marginados. Los autores enfatizan que este enfoque requiere una estrecha colaboración interdisciplinaria para definir elementos específicos del contexto (factores de conversión, valores) y pretenden abordar desafíos éticos como la "aporofobia" (rechazo al pobre) y la discriminación institucional. El trabajo se posiciona como un paso hacia una herramienta robusta y computacionalmente fundamentada para la toma de decisiones en políticas de justicia social y desarrollo humano.