Differenziazione SocialeMatteo Senardi

ScopoFine della ricerca è fornire spiegazione formale all’emergenza della differenziazione sociale, a partire da individui privi di differenze iniziali.

L’algoritmo sviluppato in Netlogo è basato sulle simulazioni GAUSS di Mark Noah, riportate nell’articolo “Beyond Individual Differences: Social Differentiation from First Principles”.

Social Differenziation from first principlesNoah Mark vuole infatti dimostrare come tale fenomeno sia tratto caratteristico di un sistema sociale dinamico.

Nei sistemi multiagenti, gli individui condividono impegno a raggiungere un goal globale massimizzando l’utilizzo locale.

Teoria della Differenziazione socialeIl sistema tende alla differenziazione per due ragioni:

1. La limitata capacità degli individui di processare informazione agenti sono vincolati ad interagire con un set ridotto di persone per non sovraccaricare le proprie capacità.

Teoria della Differenziazione sociale2. Il processo stocastico con cui gli individui scambiano

informazione genera disparità tra le informazioni provenienti tra individui diversi.

Teoria della Differenziazione socialeFattori necessari per produrre il fenomeno sono:

• Le sempre maggiori esigenze logistiche dovute alla crescita della popolazione.

• Le richieste di specializzazioni funzionali della popolazione portate dalle evoluzioni tecnologiche.

Concetto di informazioneDiversi sociologi definiscono come la conoscenza di informazione sia risorsa utile o necessaria al perseguimento di un certo fine.

Si ritiene inoltre come ogni individuo sia in grado di distinguere tra parti di informazione importanti e non rilevanti.

Teoria dell’informazione1. Individui con informazioni simili hanno probabilità

maggiori di interagire ipotesi di similarità.

2. Individui si scambiano informazioni durante il processo di interazione sociale ipotesi di comunicazione.

Teoria dell’informazione3. Individui possono generare nuove informazioni

durante il processo di interazione ipotesi di generazione dell’informazione.

4. Individui dimenticano le informazioni non espresse per un determinato periodo di tempo ipotesi di oblio.

Risultati del Caso-StudioIl Caso-Studio ha preso in esame una popolazione di individui di dimensione 5, 50 e 100, e memoria variabile da 3 a 5.

Grafico relativo alle traiettorie della differenziazione sociale al variare dei livelli di dimensione e memoria:

Il ProgettoFinalità del progetto è stata sviluppare una simulazione Netlogo che riproponga il modello di Differenziazione Sociale di Mark Noah.

Inoltre sono state aggiunte nuove capacità di memoria e una nuova dimensione di popolazione:

• Valori di memoria : 3, 4, 5, 10, 50, 100;• Dimensione di popolazione: 6, 50, 100, 1000.

Fasi dell’algoritmo Fase 1: Ricerca

ComunicazioneRicerca Oblio

Fase 1: RicercaLa ricerca del partner con cui iniziare la comunicazione avviene secondo l’ipotesi di similarità definita da Noah Mark:

Fase 1: RicercaL’ipotesi definisce che la probabilità di una persona A di comunicare con una persone B consiste nel numero dei fatti che A e B hanno in comune, diviso dal numero di fatti che A condivide con ogni persona nel sistema.

Fase 1: Ricerca Calcolo delle probabilità di similarità utilizzando la definizione formale.

Per ogni individuo si misura il numero di fatti in comune con l’individuo i-esimo diviso il numero di fatti in comune con tutti gli altri individui.

Fase 1: Ricerca Procedura per la ricerca del partner con cui instaurare la comunicazione.

Una volta individuate le probabilità di simililarità tra gli individui, è selezionato il partner migliore.

Fase 2: Comunicazione

Ricerca Comunicazione

Oblio

Fase 2: ComunicazioneLa fase di comunicazione consiste nell’espressione di un fatto, e nell’aggiornamento del relativo riferimento all’ultimo utilizzo fondamentale per l’oblio dei fatti obsoleti.

La comunicazione tra due individui determina una probabilità pari di esprimere conoscenze preesistenti, così come di generare nuova conoscenza.

Fase 2: ComunicazioneProcedura di avvio della comunicazione:

1. Se il partner scelto corrisponde al partner stesso: espressione di un fatto conosciuto e aggiornamento dell’ultima espressione del fatto;

2. Se il partner selezionato non corrisponde al partner stesso 2 strade:

Fase 2: Comunicazionea) Epressione di un nuovo

fatto, aggiunto al vettore dei fatti presenti nel sistema e aggiornamento dell’ultima espressione del fatto;

b) Espressione di un fatto conosciuto e aggiornamento dell’ultima espressione del fatto.

Fase 3: Oblio

Ricerca OblioComunicazione

Fase 3: OblioLa fase di oblio determina la rimozione dei fatti con valore di ultimo utilizzo obsoleto.

Il procedimento di rimozione dei fatti da dimenticare avviene considerando il tempo attuale e la capacità di memoria degli individui.

Fase 3: OblioProcedura per la rimozione delle informazioni da dimenticare:

Se la differenza tra il tempo attuale e l’ultima volta in cui l’informazione è stata espressa è maggiore del livello di memoria rimozione del informazione.

Misure osservateRiporto le misure osservate nella simulazione:

• Omogeneità culturale (e media) da 0 a 1;

• Differenziazione (e media) come inversa dell’omogeneità culturale;

• Fatti conosciuti dal sistema.

Omogeneità CulturaleL’omogeneità del sistema per un fatto è data dal numero di coppie di individui a conoscenza del fatto diviso dal numero totale di coppie di individui. L’omogeneità culturale è l’omogeneità media per tutti i fatti del sistema.

Omogeneità CulturaleProcedura per la misura della omogeneità culturale:

La misura è pari al numero di coppie di individui a conoscenza di ogni fatto diviso il numero totale di coppie di attori, per il numero totale di fatti del sistema.

Confronto dei risultati ottenuti

Confronto dei risultati ottenuti

Confronto dei risultati ottenuti

Risultati con nuovi parametri

Risultati con nuovi parametri

Risultati con nuovi parametri

Osservazioni• La differenziazione culturale cresce proporzionalmente

all’aumentare delle dimensioni della popolazione.

• La capacità di memorizzazione delle informazioni di un individuo agisce positivamente sulla dimensione di un gruppo connesso.

• Gli effetti della crescita della popolazione sulla differenziazione diminuiscono all’aumentare della capacità di memoria.

Possibile lavoro futuroL’algoritmo permette di applicare parametri di popolazione reali sarebbe possibile andare a valutare le differenze sociali all’interno di un gruppo di persone ampio, come la popolazione di una città. Si potrebbe poi andare a determinare media e varianza delle informazioni più conosciute e creare ad esempio una piattaforma di sharing economy categorizzata verosimilmente al numero di informazioni memorizzate dagli individui.

ConclusioniI risultati riscontrati mostrano che, impostando le variabili di studio analogamente ai valori presenti nella ricerca, l’algoritmo funziona con una certa efficienza.

Inoltre ampliando i valori delle variabili in esame, l’andamento della simulazione conferma ancora una volta la teoria dell’informazione proposta da Mark Noah.

ConclusioniA causa del limite prestazionale della macchine utilizzata, non è stato possibile effettuare test aventi dimensione di popolazione elevate (>1000). Sono tuttavia confidente che esiti su larga scala possano dare altrettanti riscontri positivi, specialmente se si pensa all’impiego dei risultati per fini statistico-commerciali.

Stato dell’arte della ricerca di Mark Noah• “Agent-Based Computational Sociology”, Flaminio Squazzoni - Wiley

2012.

• “FROM FACTORS TO ACTORS: Computational Sociology and Agent-Based Modeling”, Michael W. Macy and Robert Willer – Paper 2001

• “Religion and Class in America: Culture, History and Politics (International Studies in Religion and Society)”, Sean McCloud - Brill Academic Pub 2008  

Segue

Interfaccia Simulazione Popolazione di dimensione 1000

Video Simulazione #1

Video Simulazione #2

Grazie per l’attenzione

Bibliografia• Wilensky, U. (1999). NetLogo. Center for Connected Learning and Computer-Based Modeling, Northwestern

University, Evanston, IL. http://ccl.northwestern.edu/netlogo.

• Noah, M. (1998). “Beyond Individual Differences: Social Differentiation from First Principles”, American Sociological Review. http://www.ppsw.rug.nl/~flache/MarkASR98BeyondIndividualDifferences.pdf

• StackOverfFlow Community Resources. http://stackoverflow.com/questions/tagged/netlogo.

• Gabbriellini, S. (2010). Differentiation Model http://gemass.academia.edu/SimoneGabbriellini.

• Macy, M. W., and Willer, R. (2001) ,FROM FACTORS TO ACTORS: Computational Sociology and Agent-Based Modeling. http://cognitrn.psych.indiana.edu/rgoldsto/complex/macysoc.pdf