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

Sintesi Tecnica: L'Agent-based Modeling incontra l'Approccio delle Capacità per lo Sviluppo Umano

Problema
Il documento affronta l'urgente necessità di soluzioni politiche alternative per la crescente scala globale dell'homelessness (senza dimora). I modelli di sviluppo tradizionali si concentrano spesso sulla distribuzione delle risorse (ad esempio, quadri utilitaristici), mentre gli autori sostengono che l'homelessness e la povertà debbano essere intese come forme gravi di deprivazione di capacità. Questa prospettiva, radicata nell'Approccio delle Capacità (CA - Capability Approach), postula che gli individui non siano in grado di accedere alle "capacità centrali" (diritti umani essenziali per una vita dignitosa, come la salute, l'integrità corporea e il controllo sul proprio ambiente) a causa della mancanza di risorse e di fattori di conversione avversi (personali, sociali e ambientali).

L'attuale processo decisionale politico manca di strumenti per valutare in modo non invasivo come specifiche interazioni (norme legali, allocazione di risorse) impattino su queste capacità. La letteratura esistente sull'agent-based modeling (ABM) raramente utilizza il CA come quadro concettuale, e quelli che lo fanno spesso semplificano eccessivamente la motivazione umana basandosi esclusivamente sui bisogni gerarchici (ad esempio, Maslow) piuttosto che sulla complessa interazione di valori e bisogni inerente al CA.

Metodologia
Gli autori propongono un nuovo framework che operazionalizza l'Approccio delle Capacità utilizzando l'Agent-Based Modeling (ABM) e il Reinforcement Learning (specificamente i Processi Decisionali di Markov - MDP). La metodologia prevede tre fasi tecniche fondamentali:

1. Formalizzazione del CA come MDP: Gli autori mappano i concetti del CA sugli elementi degli MDP per consentire la simulazione computazionale:

   • Stati ($s$): Rappresentano la situazione attuale dell'agente, inclusi le caratteristiche personali, le risorse disponibili e le preferenze individuali di bisogno/valore.
   • Azioni ($a$): Distinte in azioni possibili (capacità specifiche), azioni impossibili (capacità deprivate) e azioni realizzate (funzionamenti).
   • Probabilità di Transizione ($P(s'|s, a)$): Rappendono i Fattori di Conversione. Questi determinano la probabilità che un agente passi da uno stato di risorse a uno stato di capacità. I fattori di conversione sociali sono modellati come norme legali e sociali che possono rendere impossibili certe azioni (ad esempio, un cittadino non registrato non può accedere all'assistenza sanitaria primaria).
   • Ricompense (Rewards): Rappresentano i Fattori di Scelta. Il framework distingue tra:
     • Ricompense a breve termine: Guidate dalle urgenze dei bisogni (ad esempio, sollievo immediato dal dolore).
     • Ricompense a lungo termine: Guidate dalle preferenze di valore (ad esempio, salute o sicurezza a lungo termine).
   • Policy ($\pi$): La regola decisionale dell'agente aggrega le ricompense attese a breve e lungo termine ($Q_s$ e $Q_l$) per selezionare le azioni, permettendo la modellazione di comportamenti complessi in cui i valori possono prevalere sui bisogni immediati.

2. Modello di Decision-Making Potenziato: A differenza dei lavori precedenti che si affidano a rigide gerarchie di bisogni, questo modello integra i valori umani (basati sul framework dei valori di Schwartz) e i bisogni come motivatori distinti. Il sistema consente aggiornamenti dinamici in cui le azioni realizzate possono alterare lo stato di un agente (risorse/fattori di conversione) e i suoi fattori di scelta interni (ad esempio, un incidente che rende un agente più avverso al rischio).

3. Framework di Simulazione: L'MDP funge da motore comportamentale per agenti che rappresentano diversi stakeholder (Persone che vivono l'esperienza della condizione di senzatetto - PEH, assistenti sociali, organizzazioni non-profit). La simulazione include un ambiente fisico (risorse) e un ambiente regolatorio (norme legali). È progettata per essere popolata con dati sintetici derivati da dati reali anonimizzati e interviste agli stakeholder.

Contributi Chiave

• Operazionalizzazione Computazionale del CA: Il documento fornisce una mappatura concreta dell'astratto Approccio delle Capacità (Risorse, Fattori di Conversione, Capacità, Fattori di Scelta, Funzionamenti) nel linguaggio tecnico degli MDP e dell'ABM.
• Integrazione di Valori e Bisogni: Introduce un modello decisionale in cui "valori" (importanza/obiettivi a lungo termine) e "bisogni" (urgenza/obiettivi a breve termine) agiscono come fattori di scelta distinti, permettendo una rappresentazione più sfumata del comportamento umano rispetto alle precedenti simulazioni basate sul CA.
• Strumento di Valutazione Politica: Il framework è progettato per valutare l'impatto delle politiche non solo sulla distribuzione delle risorse, ma sull'espansione o il ripristino delle capacità centrali. Valuta l'equità analizzando l'insieme di azioni possibili rispetto a quelle impossibili disponibili per gli agenti sotto diversi scenari regolatori.
• Design di un Caso Studio Interdisciplinare: Gli autori delineano un'applicazione specifica nel quartiere Raval di Barcellona, focalizzandosi sulla disuguaglianza sanitaria. Dettagliano come costruire profili di agenti utilizzando dati reali da organizzazioni non-profit (ad esempio, Arrels Fundació) ed esperti del settore per simulare gli effetti delle leggi proposte sull'accesso all'assistenza sanitaria primaria per i cittadini registrati rispetto a quelli non registrati.

Risultati e Stato Attuale
Trattandosi di una proposta e di un documento metodologico, esso non presenta risultati di simulazione finali o dati di validazione empirica. Presenta invece:

• Un Prototipo Concettuale: Un esempio semplificato di MDP (Figura 2) che dimostra come una norma legale (stato di registrazione) agisca come fattore di conversione, rendendo l'azione "ricevere assistenza medica" impossibile per i cittadini non registrati, privandoli così della capacità centrale di "salute corporea".
• Roadmap di Implementazione: Un piano per scalare da questo semplice esempio a una simulazione complessa che coinvolga molteplici capacità centrali, utilizzando dati di popolazione sintetica e feedback iterativo dagli stakeholder.
• Metriche di Valutazione: Un set definito di indicatori per valutazioni future, inclusi stati abitativi (terminologia ETHOS), stati di salute, stato di registrazione, spese economiche e discriminazione istituzionale.

Significatività
Il documento rivendica la sua significatività nel fornire un framework di simulazione non invasivo e replicabile radicato nell'Approccio delle Capacità. Il suo obiettivo primario è sostenere la valutazione di politiche volte all'espansione delle capacità umane, allineandosi con gli Obiettivi di Sviluppo Sostenibile (SDGs) delle Nazioni Unite. Spostando il focus dall'allocazione delle risorse all' opportunità di raggiungere una vita dignitosa, il framework mira a identificare politiche che possano effettivamente ripristinare le capacità centrali per i gruppi marginalizzati. Gli autori sottolineano che questo approccio richiede una stretta collaborazione interdisciplinare per definire elementi contestualizzati (fattori di conversione, valori) e mira ad affrontare sfide etiche come l'aporofobia (reiezione dei poveri) e la discriminazione istituzionale. Il lavoro si posiziona come un passo verso uno strumento robusto e computazionalmente fondato per il decision-making politico orientato alla giustizia sociale e allo sviluppo umano.