Networks of commitments: from social ties to normative expectations

Technische Samenvatting: Netwerken van Verbintenissen: Van Sociale Banden naar Normatieve Verwachtingen

Probleemstelling
Het artikel behandelt de uitdaging van het opschalen van collectieve actie, met name in de context van mondiale vraagstukken zoals klimaatverandering, die collectieve actieproblemen vormen waarbij conflicten ontstaan tussen eigenbelang en publieke goederen. Hoewel bestaand onderzoek de meerlagige aard van deze problemen benadert, is er onvoldoende onderzoek naar de specifieke gedragsmechanismen waardoor individuen hun overtuigingen met betrekking tot collectieve actie bijstellen. In het bijzonder merken de auteurs op dat er een gat bestaat in het begrip van hoe succesvolle opschaling plaatsvindt, of waarom dit vaak mislukt, wanneer men overgaat van lokale experimentatie naar bredere maatschappelijke adoptie. Het kernproblein is het verklaren van hoe lokale gezamenlijke verbintenissen interageren met netwerkbrede normatieve verwachtingen om te bepalen of veranderingen in overtuigingen opschalen of beperkt blijven tot subgroepen.

Methodologie
De auteurs ontwikkelen een co-evolutionair agent-gebaseerd model (ABM) geïntegreerd met sociale netwerkanalyse (SNA) om de interactie tussen gezamenlijke verbintenis en normatieve verwachtingen te simuleren. Het model werkt op een populatie van $n=1000$ agenten binnen een dynamisch, binair, ongewogen netwerk waarbij verbindingen sociale banden vertegenwoordigen die worden gevormd door gezamenlijke verbintenis.

Het mechanisme is gestructureerd als een tweefasige feedbackloop:

1. Fase 1: Gezamenlijke Verbintenis en Bandvorming. Agenten bezitten een initiële "individuele bereidheid" ($p_j$) om deel te nemen aan collectieve actie, getrokken uit diverse distributies (Uniform, Gaussisch of Gamma). In elke tijdstap interageren agenten. Een gezamenlijke verbintenis (en de resulterende sociale band) wordt gevormd tussen twee agenten als het product van hun individuele bereidheid ($p_j \cdot p_k$) een drempelwaarde ($s$) overschrijdt. Deze drempelwaarde $s$ vertegenwoordigt de toegankelijkheid en salientie van informatie met betrekking tot het collectieve doel. Een lagere $s$ impliceert hogere salientie, waardoor bandvorming gemakkelijker wordt.
2. Fase 2: Normatieve Verwachtingen en Bijstelling van Overtuigingen. Agenten passen hun bereidheid aan op basis van "normatieve verwachtingen", gedefinieerd als tweede-orde overtuigingen over wat anderen passend achten. Agenten vergelijken hun lokale clusteringcoëfficiënt ($c_j$), die de dichtheid van banden binnen hun directe groep vertegenwoordigt, met de globale clusteringcoëfficiënt ($c$), die de dichtheid van banden over het gehele netwerk vertegenwoordigt.
   • Het verschil $d_j = c - c_j$ dient als een gradiënt.
   • Agenten passen hun bereidheid ($p_j$) aan volgens de regel: $p_j(t+1) = p_j(t) \cdot e^{\omega_j \cdot d_j(t)}$.
   • De parameter $\omega_j$ vertegenwoordigt de gevoeligheid van een agent voor normatieve verwachtingen. Als $\omega_j > 0$, volgt de agent de globale tendens; als $\omega_j < 0$, volgt hij de lokale tendens; als $\omega_j = 0$, is de agent ongeïdentificeerd.

De simulatie loopt tot convergentie, waarbij 12 scenario's worden getest die zijn gevormd door drie initiële bereidheidsdistributies (ipc) te kruisen met vier distributies van sensitiviteit voor normatieve verwachtingen (sne), over variërende niveaus van informatie-salientie ($s$).

Belangrijkste Bijdragen

• Theoretische Integratie: Het artikel integreert Margaret Gilberts theorie van gezamenlijke verbintenis (gericht op wederzijdse verplichtingen voortvloeiend uit directe interactie) met Cristina Bicchieri's theorie van sociale verwachtingen (gericht op tweede-orde overtuigingen over wat anderen denken dat men zou moeten doen). Dit creëert een verenigd kader waarin de vorming van verbintenissen en normgebaseerde inferentie co-evolueren.
• Endogene Netwerkdynamiek: In tegenstelling tot modellen met vaste topologieën, behandelt dit kader de netwerkstructuur als endogeen. Koppelingen worden gecreëerd of vernietigd op basis van de evoluerende bereidheid van de agenten en de salientie van informatie.
• Mechanisme voor Opschaling: Het model formaliseert hoe de discrepantie tussen lokale betrokkenheid en globale diffusie de bijstelling van overtuigingen stuurt. Het stelt dat opschaling afhangt van de afstemming tussen lokale gezamenlijke verbintenissen en de waargenomen bredere normatieve omgeving.

Simulatie-resultaten
De simulaties onthullen niet-lineaire, padafhankelijke dynamieken die resulteren in drie primaire geaggregeerde uitkomsten: polarisatie, convergentie en fragmentatie.

• Impact van Informatie-salientie ($s$): Hoge salientie (lage $s$) vergemakkelijkt de vorming van banden en staat significante bijstelling van overtuigingen toe. Lage salientie (hoge $s$) belemmert de vorming van verbindingen, waardoor het systeem dicht bij zijn initiële staat blijft.
• Initiële Condities en Sensitiviteit:
  • Polarisatie: Ontstaat sterk wanneer de informatie-salientie hoog is en agenten heterogeen zijn in hun sensitiviteit voor lokale versus globale signalen (bijv. de sne-ΓR casus waarbij agenten lokaal verankerd zijn). Dit kan leiden tot een bimodale distributie waarbij agenten ofwel volledig committeren ofwel volledig afhaken.
  • Convergentie: Treedt op wanneer agenten gevoelig zijn voor globale signalen (sne-ΓL) of wanneer de initiële bereidheid laag is maar de informatie-salientie hoog is, wat hen richting een gedeeld niveau van verbintenis drijft.
  • Fragmentatie: Wordt waargenomen in scenario's met matige salientie en specifieke sensitiviteitsdistributies, waar het netwerk er niet in slaagt om te versmelten tot stabiele clusters.
• Geaggregeerde Sociale Bijdrage (ASC): De totale bijdrage aan collectieve actie neemt niet altijd toe met de interactie. In sommige scenario's (met name bij hoge salientie met lokale verankering) kan polarisatie leiden tot een ASC die lager is dan de initiële staat. Omgekeerd kan hoge salientie polarisatie compenseren om de bijdrage op peil te houden, terwijl lage salientie het effectiever maakt voor sociale prestaties bij convergerend gedrag.
• Individuele Trajecten: Op microniveau vertonen agenten volatiele, idiosyncratische paden, waaronder oscillaties rond de drempelwaarde, plotselinge verschuivingen en divergentie van de initiële condities, wat de chaotische aard van het systeem benadrukt.

Betekenis en Claims
Het artikel beweert een "gestileerde, theorie-gedreven account" te bieden van hoe gezamenlijke verbintenissen en normatieve verwachtingen binnen netwerkstructuren co-evolueren. Het claimt geen algemene verklaring te bieden voor alle collectieve actie of om strategische afruchten en institutionele handhaving te modelleren.

De primaire betekenis ligt in het aantonen dat gezamenlijke verbintenis een noodzakelijke, maar niet voldoende voorwaarde is voor grootschalige coördinatie. Het model laat zien dat het succes van opschaling kritisch afhangt van:

1. De afstemming tussen lokale betrokkenheid en de waargenomen globale steun.
2. De salientie van informatie met betrekking tot collectieve doelen.
3. De heterogeniteit van de sensitiviteit van agenten voor normatieve verwachtingen.

De auteurs concluderen dat effectieve reacties op collectieve actieproblemen vereisen dat men lokale gezamenlijke verbintenissen bevordert en tegelijkertijd ervoor zorgt dat deze verbintenissen op breder netwerkniveau als normatief passend worden waargenomen. Ze suggereren dat gerichte campagnes die vroege verbintenissen versterken, de feedbackloop tussen verbintenis en verwachting kunnen versterken, wat potentieel collectieve actieproblemen kan oplossen. De studie erkent haar beperkingen, waarbij wordt opgemerkt dat het model niet empirisch gekalibreerd is en dat toekomstig werk zich moet richten op empirische validatie via enquête-experimenten en netwerkgebaseerde interventies.