Networks of commitments: from social ties to normative expectations

Sintesi Tecnica: Reti di Impegni: Dai Legami Sociali alle Aspettative Normative

Problematica
Il documento affronta la sfida di scalare l'azione collettiva, in particolare nel contesto di problemi globali come il cambiamento climatico, che rappresentano problemi di azione collettiva caratterizzati da conflitti tra interesse personale e beni pubblici. Mentre la ricerca esistente evidenzia la natura multi-livello di questi problemi, vi è una scarsa esplorazione dei meccanismi comportamentali specifici attraverso i quali gli individui aggiornano le proprie credenze riguardo all'azione collettiva. Nello specifico, gli autori rilevano una lacuna nella comprensione di come avviene una scalabilità di successo, o perché spesso fallisce, nel passaggio dall'esperimento locale all'adozione sociale più ampia. Il problema centrale consiste nello spiegare come gli impegni congiunti locali interagiscano con le aspettative normative a livello di rete per determinare se il cambiamento delle credenze si propaghi su larga scala o rimanga confinato ai sottogruppi.

Metodologia
Gli autori sviluppano un modello ad agenti co-evolutivo (ABM) integrato con l'analisi delle reti sociali (SNA) per simulare l'interazione tra l'impegno congiunto e le aspettative normative. Il modello opera su una popolazione di $n=1000$ agenti all'interno di una rete dinamica, binaria e non pesata, dove i collegamenti rappresentano legami sociali formati attraverso l'impegno congiunto.

Il meccanismo è strutturato come un ciclo di feedback a due fasi:

1. Fase 1: Impegno Congiunto e Formazione di Legami. Gli agenti possiedono una "prontezza individuale" iniziale ($p_j$) di impegnarsi nell'azione collettiva, estratta da varie distribuzioni (Uniforme, Gaussiana o Gamma). In ogni passo temporale, gli agenti interagiscono. Un impegno congiunto (e il conseguente legame sociale) si forma tra due agenti se il prodotto della loro prontezza individuale ($p_j \cdot p_k$) supera una soglia ($s$). Questa soglia $s$ rappresenta l'accessibilità e la salienza delle informazioni riguardanti l'obiettivo collettivo. Un valore di $s$ più basso implica una maggiore salienza, rendendo più facile la formazione di legami.
2. Fase 2: Aspettative Normative e Aggiornamento delle Credenze. Gli agenti aggiornano la propria prontezza sulla base delle "aspettative normative", definite come credenze di secondo ordine su ciò che gli altri ritengono appropriato. Gli agenti confrontano il loro coefficiente di clustering locale ($c_j$), che rappresenta la densità dei legami all'interno del loro gruppo immediato, rispetto al coefficiente di clustering globale ($c$), che rappresenta la densità dei legami nell'intera rete.
   • La differenza $d_j = c - c_j$ funge da gradiente.
   • Gli agenti aggiornano la loro prontezza ($p_j$) secondo la regola: $p_j(t+1) = p_j(t) \cdot e^{\omega_j \cdot d_j(t)}$.
   • Il parametro $\omega_j$ rappresenta la sensibilità di un agente alle aspettative normative. Se $\omega_j > 0$, l'agente segue la tendenza globale; se $\omega_j < 0$, segue la tendenza locale; se $\omega_j = 0$, l'agente non ne è influenzato.

La simulazione viene eseguita fino alla convergenza, testando 12 scenari formati dall'incrocio tra tre distribuzioni di prontezza iniziale (ipc) e quattro distribuzioni di sensibilità alle aspettative normative (sne), attraverso diversi livelli di salienza dell'informazione ($s$).

Contributi Chiave

• Integrazione Teorica: Il documento integra la teoria dell'impegno congiunto di Margaret Gilbert (focalizzata sugli obblighi reciproci derivanti dall'interazione diretta) con la teoria delle aspettative sociali di Cristina Bicchieri (focalizzata sulle credenze di secondo ordine su ciò che gli altri ritengono debba essere fatto). Ciò crea un quadro unificato in cui la formazione dell'impegno e l'inferenza basata sulle norme co-evolvono.
• Dinamiche di Rete Endogene: A differenza dei modelli con topologie fisse, questo framework tratta la struttura della rete come endogena. I legami vengono creati o distrutti in base alla prontezza evolutiva degli agenti e alla salienza dell'informazione.
• Meccanismo di Scalabilità: Il modello formalizza come la discrepanza tra l'impegno locale e la diffusione globale guidi l'aggiornamento delle credenze. Esso postula che la scalabilità dipenda dall'allineamento tra gli impegni congiunti locali e l'ambiente normativo percepito più ampio.

Risultati della Simulazione
Le simulazioni rivelano dinamiche non lineari e path-dependent (dipendenti dal percorso) che portano a tre risultati aggregati primari: polarizzazione, convergenza e frammentazione.

• Impatto della Salienza dell'Informazione ($s$): Un'alta salienza (basso $s$) facilita la formazione di legami e consente un significativo aggiornamento delle credenze. Una bassa salienza (alto $s$) ostacola la formazione di legami, causando il mantenimento del sistema vicino al suo stato iniziale.
• Condizioni Iniziali e Sensibilità:
  • Polarizzazione: Emerge fortemente quando la salienza dell'informazione è alta e gli agenti sono eterogenei nella sensibilità ai segnali locali rispetto a quelli globali (ad esempio, il caso sne-ΓR dove gli agenti sono ancorati localmente). Ciò può portare a una distribuzione bimodale in cui gli agenti si impegnano totalmente o si disimpegano totalmente.
  • Convergenza: Si verifica quando gli agenti sono sensibili ai segnali globali (sne-ΓL) o quando la prontezza iniziale è bassa ma la salienza dell'informazione è alta, guidandoli verso un livello comune di impegno.
  • Frammentazione: Osservata in scenari con salienza moderata e specifiche distribuzioni di sensibilità, dove la rete non riesce a coalescere in cluster stabili.
• Contributo Sociale Aggregato (ASC): Il contributo totale all'azione collettiva non sempre aumenta con l'interazione. In alcuni scenari (particolarmente con alta salienza e ancoraggio locale), la polarizzazione può portare a un ASC inferiore allo stato iniziale. Al contrario, l'alta salienza può compensare la polarizzazione per mantenere il contributo, mentre la bassa salienza rende più efficace il comportamento convergente per la performance sociale.
• Traiettorie Individuali: A livello micro, gli agenti mostrano percorsi volatili e idiosincratici, inclusi oscillazioni attorno alla soglia, cambiamenti improvvisi e divergenze dalle condizioni iniziali, evidenziando la natura caotica del sistema.

Significatività e Rivendicazioni
Il documento sostiene di offrire un "resoconto stilizzato e guidato dalla teoria" di come gli impegni congiunti e le aspettative normative co-evolvano all'interno di strutture di rete. Non pretende di fornire un resoconto generale di tutte le azioni collettive o di modellare payoff strategici e l'applicazione istituzionale.

La significatività primaria risiede nel dimostrare che l'impegno congiunto è una condizione necessaria ma non sufficiente per la coordinazione su larga scala. Il modello mostra che il successo della scalabilità dipende criticamente da:

1. L'allineamento tra l'impegno locale e il supporto globale percepito.
2. La salienza dell'informazione riguardante gli obiettivi collettivi.
3. L'eterogeneità della sensibilità degli agenti alle aspettative normative.

Gli autori concludono che le risposte efficaci ai problemi di azione collettiva richiedono la promozione di impegni congiunti locali, assicurando contemporaneamente che tali impegni siano percepiti come normativamente appropriati a livello di rete più ampio. Suggeriscono che campagne mirate che amplifichino i primi impegni potrebbero rafforzare il ciclo di feedback tra impegno e aspettativa, potenzialmente risolvendo i problemi di azione collettiva. Lo studio riconosce i propri limiti, notando che il modello non è calibrato empiricamente e che il lavoro futuro dovrebbe concentrarsi sulla validazione empirica attraverso esperimenti di survey e interventi basati sulla rete.