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

Resumo Técnico: O encontro da Modelagem Baseada em Agentes com a Abordagem das Capacidades para o Desenvolvimento Humano

Problema
O artigo aborda a necessidade urgente de soluções políticas alternativas para a crescente escala global da situação de rua. Os modelos de desenvolvimento tradicionais focam frequentemente na distribuição de recursos (ex: estruturas utilitaristas), enquanto os autores argumentam que a situação de rua e a pobreza devem ser compreendidas como formas severas de privação de capacidades. Esta perspectiva, fundamentada na Abordagem das Capacidades (AC), postula que os indivíduos são incapazes de acessar "capacidades centrais" (direitos humanos essenciais para uma vida digna, como saúde, integridade corporal e controle sobre o próprio ambiente) devido à falta de recursos e a fatores de conversão adversos (pessoais, sociais e ambientais).

A formulação de políticas atual carece de ferramentas para avaliar de forma não invasiva como intervenções específicas (normas jurídicas, alocação de recursos) impactam essas capacidades. A literatura existente de modelagem baseada em agentes (ABM) raramente utiliza a AC como um framework conceitual, e aquelas que o fazem frequentemente simplificam excessivamente a motivação humana ao depender apenas de necessidades hierárquicas (ex: Maslow) em vez da complexa interação de valores e necessidades inerente à AC.

Metodologia
Os autores propõem um novo framework que operacionaliza a Abordagem das Capacidades utilizando Modelagem Baseada em Agentes (ABM) e Aprendizado por Reforço (especificamente Processos de Decisão de Markov - MDPs). A metodologia envolve três etapas técnicas principais:

1. Formalização da AC como um MDP: Os autores mapeiam os conceitos da AC para os elementos de um MDP para permitir a simulação computacional:

   • Estados ($s$): Representam a situação atual do agente, incluindo características pessoais, recursos disponíveis e preferências individuais de necessidade/valor.
   • Ações ($a$): Diferenciadas em ações possíveis (capacidades específicas), ações impossíveis (capacidades privadas) e ações realizadas (funcionamentos).
   • Probabilidades de Transição ($P(s'|s, a)$): Representam os Fatores de Conversão. Estes determinam a probabilidade de um agente mover-se de um estado de recurso para um estado de capacidade. Fatores de conversão sociais são modelados como normas legais e sociais que podem tornar certas ações impossíveis (ex: um cidadão não registrado não pode acessar cuidados de saúde primários).
   • Recompensas: Representam os Fatores de Escolha. O framework distingue entre:
     • Recompensas de curto prazo: Impulsionadas por urgências de necessidade (ex: alívio imediato da dor).
     • Recompensas de longo prazo: Impulsionadas por preferências de valor (ex: saúde ou segurança a longo prazo).
   • Política ($\pi$): A regra de decisão do agente agrega recompensas esperadas de curto e longo prazo ($Q_s$ e $Q_l$) para selecionar ações, permitindo a modelagem de comportamentos complexos onde os valores podem sobrepor-se às necessidades imediatas.

2. Modelo de Tomada de Decisão Aperfeiçoado: Ao contrário de trabalhos anteriores que dependem de hierarquias de necessidades rígidas, este modelo integra valores humanos (baseados no framework de valores de Schwartz) e necessidades como motivadores distintos. O sistema permite atualizações dinâmicas onde as ações realizadas podem alterar o estado de um agente (recursos/fatores de conversão) e seus fatores de escolha internos (ex: um acidente tornando um agente mais avesso ao risco).

3. Framework de Simulação: O MDP serve como o motor comportamental para agentes que representam diversos stakeholders (Pessoas em Situação de Rua - PSR, assistentes sociais, ONGs). A simulação inclui um ambiente físico (recursos) e um ambiente regulatório (normas legais). O sistema é projetado para ser populado com dados sintéticos derivados de dados do mundo real anonimizados e entrevistas com stakeholders.

Principais Contribuições

• Operacionalização Computacional da AC: O artigo fornece um mapeamento concreto da Abordagem das Capacidades abstrata (Recursos, Fatores de Conversão, Capacidades, Fatores de Escolha, Funcionamentos) para a linguagem técnica de MDPs e ABM.
• Integração de Valores e Necessidades: Introduz um modelo de tomada de decisão onde "valores" (importância/objetivos de longo prazo) e "necessidades" (urgência/objetivos de curto prazo) atuam como fatores de escolha distintos, permitindo uma representação mais matizada do comportamento humano do que as simulações baseadas em AC anteriores.
• Ferramenta de Avaliação de Políticas: O framework é projetado para avaliar o impacto de políticas não apenas na distribuição de recursos, mas na expansão ou restauração de capacidades centrais. Ele avalia a equidade analisando o conjunto de ações possíveis vs. impossíveis disponíveis para os agentes sob diferentes cenários regulatórios.
• Design de Estudo de Caso Interdisciplinar: Os autores delineiam uma aplicação específica no bairro de Raval, em Barcelona, focando na inequidade de saúde. Eles detalham como construir perfis de agentes usando dados reais de ONGs (ex: Arrels Fundació) e especialistas do domínio para simular os efeitos de leis propostas no acesso aos cuidados de saúde primários para cidadãos registrados vs. não registrados.

Resultos e Status Atual
Como este é um artigo de proposta e metodologia, ele não apresenta resultados de simulação finais ou dados de validação empírica. Em vez disso, apresenta:

• Um Protótipo Conceitual: Um exemplo simplificado de MDP (Figura 2) demonstrando como uma norma legal (status de registro) atua como um fator de conversão, tornando a ação "receber atenção médica" impossível para cidadãos não registrados, privando-os, assim, da capacidade central de "saúde corporal".
• Roteiro de Implementação: Um plano para escalar deste exemplo simples para uma simulação complexa envolvendo múltiplas capacidades centrais, utilizando dados de população sintética e feedback iterativo de stakeholders.
• Métricas de Avaliação: Um conjunto definido de indicadores para avaliação futura, incluindo estados de habitação (terminologia ETHOS), estados de saúde, status de registro, despesas econômicas e discriminação institucional.

Significância
O artigo afirma sua significância ao fornecer um framework de simulação não invasivo e replicável fundamentado na Abordagem das Capacidades. Seu objetivo principal é apoiar a avaliação de políticas voltadas para a expansão das capacidades humanas, alinhando-se aos Objetivos de Desenvolvimento Sustentável (ODS) da ONU. Ao mudar o foco da alocação de recursos para a oportunidade de alcançar uma vida digna, o framework visa identificar políticas que efetivamente restaurem as capacidades centrais para grupos marginalizados. Os autores enfatizam que esta abordagem requer colaboração interdisciplinar próxima para definir elementos específicos do contexto (fatores de conversão, valores) e visa abordar desafios éticos como a "aporofobia" (rejeição dos pobres) e a discriminação institucional. O trabalho posiciona-se como um passo em direção a uma ferramenta robusta e computacionalmente fundamentada para a formulação de políticas de justiça social e desenvolvimento humano.