Networks of commitments: from social ties to normative expectations

기술 요약: 약속의 네트워크: 사회적 유대에서 규범적 기대까지

문제 제기
본 논문은 기후 변화와 같이 공공재와 개인의 이익 사이의 갈등을 수반하는 집단 행동 문제의 맥락에서, 규모를 확장(scaling)하는 과제를 다룬다. 기존 연구는 이러한 문제들의 다층적 성격을 강조하고 있으나, 개인이 집단 행동에 관한 신념을 업데이트하는 구체적인 행동 메커즘에 대한 탐구는 부족하다. 특히 저자들은 국지적 실험이 어떻게 더 넓은 사회적 채택으로 성공적으로 확장되는지, 혹은 왜 확장에 실패하는지에 대한 이해의 공백을 지적한다. 핵심 문제는 국지적 공동 약속(joint commitment)이 어떻게 네트워크 수준의 규범적 기대(normative expectations)와 상호작용하여, 신념의 변화가 규모를 키울 것인지 아니면 하위 그룹 내에 머물 것인지를 결정하는가 하는 점이다.

방법론
저자들은 공동 약속과 규범적 기대의 상호작용을 시뮬레이션하기 위해 사회 연결망 분석(SNA)과 통합된 공진화적 에이전트 기반 모델(ABM)을 개발하였다. 이 모델은 공동 약속을 통해 형성된 사회적 유대를 나타내는 동적이고 이진적이며 가중치가 없는 네트워크 내의 $n=1000$명의 에이전트 집단에서 작동한다.

메커니즘은 다음과 같은 2단계 피드백 루프로 구성된다:

1. 1단계: 공동 약속 및 유대 형성. 에이전트들은 다양한 분포(균등, 가우시안 또는 감마)에서 추출된 초기 "개별 준비도"($p_j$)를 가진다. 각 타임 스텝에서 에이전트들은 상호작용한다. 두 에이전트 사이의 공동 약속(및 그 결과로서의 사회적 유대)은 두 에이전트의 개별 준비도의 곱($p_j \cdot p_k$)이 임계값($s$)을 초과할 때 형성된다. 이 임계값 $s$는 집단적 목표에 관한 정보의 접근성 및 현저성(salience)을 나타낸다. 낮은 $s$는 높은 현저성을 의미하며, 이는 유대 형성을 용이하게 만든다.
2. 2단계: 규범적 기대 및 신념 업데이트. 에이전트들은 "규범적 기대", 즉 타인이 무엇을 적절하다고 간주하는지에 대한 2차적 믿음에 기초하여 준비도를 업데이트한다. 에이전트들은 자신의 국지적 클러스터링 계수($c_j$, 즉 즉각적인 그룹 내 유대의 밀도)를 전체 네트워크의 밀도를 나타내는 전역 클러스터링 계수($c$)와 비교한다.
   • 차이 $d_j = c - c_j$는 기울기 역할을 한다.
   • 에이전트는 다음과 같은 규칙에 따라 준비도($p_j$)를 업데이트한다: $p_j(t+1) = p_j(t) \cdot e^{\omega_j \cdot d_j(t)}$.
   • 매개변수 $\omega_j$는 규범적 기대에 대한 에이전트의 민감도를 나타낸다. 만약 $\omega_j > 0$이면 에이전트는 전역적 경향을 따르고, $\omega_j < 0$이면 국지적 경향을 따르며, $\omega_j = 0$이면 영향을 받지 않는다.

시뮬레이션은 세 가지 초기 준비도 분포(ipc)와 네 가지 규범적 기대 민감도 분포(sne)를 결례한 12개의 시나리오를 정보 현저성($s$)의 변화에 따라 테스트하며 수렴할 때까지 실행된다.

주요 기여

• 이론적 통합: 본 논문은 마거릿 길버트(Margaret Gilbert)의 공동 약속 이론(직접적인 상호작용에서 발생하는 상호 의무에 초점)과 크리스티나 비키에레(Cristina Bicchieri)의 사회적 기대 이론(타인이 무엇을 해야 한다고 생각하는지에 대한 2차적 믿음에 초점)을 통합한다. 이를 통해 약속 형성과 규범 기반 추론이 함께 진화하는 통일된 프레임워크를 구축한다.
• 내생적 네트워크 역학: 고정된 토폴로지를 사용하는 모델과 달리, 이 프레임워크는 네트워크 구조를 내생적인 것으로 취급한다. 링크는 에이전트의 진화하는 준비도와 정보의 현저성에 기초하여 생성되거나 파괴된다.
• 확장(Scaling)을 위한 메커니즘: 모델은 국지적 참여와 전역적 확산 사이의 불일치가 어떻게 신념 업데이트를 구동하는지를 정형화한다. 모델은 확장이 국지적 공동 약속과 인지된 광범위한 규범적 환경 사이의 정렬에 달려 있다고 가정한다.

시뮬레이션 결과
시뮬레이션은 양극화, 수렴, 분절이라는 세 가지 주요 집합적 결과를 초래하는 비선형적이고 경로 의존적인 역학을 보여준다.

• 정보 현저성($s$)의 영향: 높은 현저성(낮은 $s$)은 유대 형성을 촉진하고 유의미한 신념 업데이트를 가능하게 한다. 낮은 현서성(높은 $s$)은 유대 형성을 방해하여 시스템을 초기 상태에 가깝게 유지시킨다.
• 초기 조건 및 민감도:
  • 양극화(Polarization): 정보 현저성이 높고 에이전트들이 국지적 대 전역적 신호에 대한 민감도에서 이질적일 때(예: 에이전트들이 국지적으로 고착된 sne-ΓR 케이스) 강력하게 나타난다. 이는 에이전트들이 완전히 몰입하거나 완전히 이탈하는 이봉 분포(bimodal distribution)로 이어질 수 있다.
  • 수렴(Convergence): 에이전트들이 전역적 신호에 민감하거나(sne-ΓL), 초기 준비도가 낮지만 정보 현저성이 높을 때 발생하며, 이는 에이전트들을 공유된 수준의 참여로 이끈다.
  • 분절(Fragmentation): 중간 정도의 현저성과 특정 민감도 분포가 결합될 때 관찰되며, 이 경우 네트워크가 안정적인 클러스터로 결집하는 데 실패한다.
• 집합적 사회 기여(ASC): 집단적 행동에 대한 총 기여도는 항상 상호작용과 함께 증가하는 것은 아니다. 일부 시나리오(특히 국지적 고착이 있는 높은 현저성 상황)에서는 양극화로 인해 ASC가 초기 상태보다 낮아질 수 있다. 반대로, 높은 현저성은 양극화를 상쇄하여 기여를 유지할 수 있으며, 낮은 현저성은 사회적 성과를 위해 수렴하는 행동을 더 효과적으로 만든다.
• 개별 궤적: 미시적 수준에서 에이전트들은 임계점 주변의 진동, 급격한 변화, 초기 조건으로부터의 발산 등을 포함한 휘발적이고 특이적인 경로를 보이며, 이는 시스템의 혼돈스러운 특성을 강조한다.

의의 및 주장
본 논문은 공동 약속과 규범적 기대가 네트워크 구조 내에서 어떻게 공진화하는지에 대한 "정형화된 이론 중심의 설명"을 제공한다고 주장한다. 모든 집단 행동에 대한 일반적인 설명을 제공하거나 전략적 보상 및 제도적 강제를 모델링하려는 것이 목적이 아니다.

주된 의의는 공동 약속이 대규모 조율을 위한 필요조건이지만 충분조건은 아님을 입증하는 데 있다. 모델은 확장의 성공이 다음 사항들에 결정적으로 달려 있음을 보여준다:

1. 국지적 참여와 인지된 전역적 지지 사이의 정렬.
2. 집단적 목표에 관한 정보의 현저성.
3. 규범적 기대에 대한 에이전트들의 민감도의 이질성.

저자들은 효과적인 집단 행동 문제 대응을 위해서는 국지적 공동 약속을 육성하는 동시에, 이러한 약속이 더 넓은 네트워크 수준에서 규범적으로 적절하다고 인식되도록 보장해야 한다고 결론짓는다. 이들은 초기 약속을 증폭시키는 표적 캠페인이 약속과 기대 사이의 피드백 루프를 강화하여 집단 행동 문제를 해결할 잠재력이 있다고 제안한다. 본 연구는 모델이 경험적으로 보정되지 않았음을 언급하며, 향후 연구가 설문 실험 및 네트워크 기반 개입을 통한 경험적 검증에 집중해야 함을 밝히며 한계를 인정한다.