ABM e ricerca sociale

In termini pratici, gli ABM sono dei programmi informatici appositamente pro- gettati e sviluppati nell’ambito di una specifica attività di ricerca e con precisi obiettivi di indagine. Il fine è quello di simulare un determinato fenomeno sociale osservabile a livello macro (es. disoccupazione) a partire dalla riproduzione dei comportamenti dei componenti elementari (o agenti) a livello micro (es. imprese e lavoratori). O, in altre parole, di rappresentare i meccanismi o le dinamiche attraverso le quali, secondo la teoria che muove il ricercatore all’indagine, dall’in- terazione dei componenti elementari si generano risultati aggregati (Macy et al.

2009).

Tramite il ricorso a linguaggi di programmazione informatica viene simulato il sistema inteso come porzione del mondo che il ricercatore ritiene contenere le dinamiche del fenomeno oggetto di studio e tutti gli elementi che lo definisco- no: gli agenti elementari (individuali o collettivi) con le loro proprietà e modelli comportamentali; l’ambiente (fisico e sociale) in cui gli agenti si muovono; le

interazioni tra agenti e con l’ambiente.

I risultati prodotti da un ABM (comportamenti osservabili e dati prodotti a livel- lo di sistema generale) sono quindi derivati dalla processazione di informazioni attraverso la logica del codice implementato e sono condizionati da:

1. proprietà degli agenti, ovvero le caratteristiche che li definiscono (es. lavoratori distinti per età, genere, reddito; imprese distinte per dimensio- ne, settore attività,..);

2. comportamenti degli agenti (es. preferenze di impiego dei lavoratori, strategie di recruiting delle imprese);

3. modalità di interazione tra gli agenti (solo con gli agenti più vicini, con tutti, con gli appartenenti allo stesso ceto, con l’ambiente...);

4. l’insieme dei parametri che definiscono il contesto generale in cui gli agenti si muovono o alcuni valori che tutti gli agenti devono considerare (tasso di interesse, tasso di inflazione..).

Diversi sono gli aspetti degli ABM che consentono di qualificarne la loro impor- tanza in termini di strumento per la ricerca, in genere, e per quella sociale in par- ticolare (Parisi 2001). Innanzi tutto il loro essere legati alla dimensione informa- tica. L’utilizzo del supporto informatico, infatti, è diverso negli ABM rispetto ad altri metodi di modellizzazione e simulazione. Non è sfruttamento della capacità macchina a servizio di teorie o tecniche potenzialmente autonome (statistiche e analitiche) ma una metodologia non solo supportata ma mediata da una macchina (il com-

puter). L’implicazione più importante di questa situazione risiede nel fatto che un computer non è in grado di attribuire significati ai simboli (semantica) ma solo di verificarne e interpretarne la correttezza (sintassi). Questo apparente limite è in realtà un punto di forza. Le teorie formalizzate in un linguaggio comprensibile ad un automa inabile all’attribuzione di significato ai simboli sono teorie ‘attive’ diverse dalle teorie ‘passive’ espresse in simboli destinati alla decodifica da parte di un essere senziente. Nell’ultimo caso, è il destinatario che, traducendole e in- terpretandole, le fa vivere mentre nel caso del codice informatico i fenomeni si- mulati vengono prodotti direttamente dalla logica di funzionamento del software che riflette le ipotesi teoriche di ricerca. In altre parole, la necessità della forma- lizzazione in linguaggio non semantico costringe ad un controllo sulla rigorosità logica delle nostre assunzioni teoriche che impone (o consente) al ricercatore un continuo controllo di coerenza (Gilbert 2005).

In secondo luogo, le simulazioni sono dei laboratori sperimentali virtuali. Come nei

laboratori reali, i fenomeni virtuali si verificano in condizioni controllate dal ri- cercatore il che significa che è possibile, una volta simulato il fenomeno, aggiun- gere o togliere parti della simulazione (modificare le condizioni sperimentali) op- pure modificare i valori di parametri e variabili di interesse. Attraverso gli ABM, il ricercatore sociale può condurre esperimenti, seppure su una realtà semplificata.

Le simulazioni sono poi, terzo aspetto, delle macchine per la produzione di previsioni empiriche ovvero dei meccanismi di automazione per la creazione di output nu-

merici direttamente derivati dall’implementazione informatica della teoria stes- sa. Ovvero, la simulazione può consentire di operazionalizzare e confrontare tra loro, sulla base di misurazioni degli effetti prodotti, diverse ipotesi di interpreta- zione dei meccanismi sottostanti il fenomeno in esame. C’è chi, in questo senso, ha parlato degli ABM come della ‘giusta matematica per le scienze sociali’ (Borrill

et al. 2010).

Quarto rilievo, le simulazioni ABM hanno un‘importanza notevole nella messa a punto della teoria, e non solo nel senso ricordato al primo punto di ‘verifica di coe-

renza interna’ ma per almeno due altri aspetti. Da una parte, in termini incremen- tali, consentono un controllo continuo dei singoli elementi del disegno teorico complessivo attraverso un test del loro funzionamento e degli esiti prodotti; in termini costruttivisti e generativi, invece, permettono di individuare dei compo- nenti della teoria attraverso l’osservazione dei fenomeni risultanti dall’implemen- tazione. Date le ipotesi iniziali e gli esperimenti in corso d’opera possono risultare delle relazioni tra variabili inaspettate che aprono spazi alla teorizzazione. Quinto aspetto rilevante, è poi la possibilità degli ABM di intercettare i rapporti tra livello macro del sistema (dell’ambiente e del contesto di azione) e livello micro degli

agenti. Rispetto ad altri approcci di simulazione gli ABM intercettano relazioni all’interno del sistema sia nel senso (top-down) dei condizionamenti ai compor- tamenti individuali provenienti dall’ambiente, sia nel senso (bottom-up) della de- rivazione dei comportamenti a livello del sistema aggregato dai comportamenti degli agenti individuali.

La logica di funzionamento degli ABM e la loro implementazione informatica fanno sì, sesto fattore distintivo, che i valori osservati al livello macro del sistema nel suo complesso non debbano essere derivati dal livello micro secondo lineari algoritmi di aggregazione ma possono scaturire dalle interazioni non-lineari tra i

componenti individuali.

L’implementazione di una teoria (modello) in un ABM, infine, produce una realtà artificiale. Questa realtà è virtuale in quanto simulata, ma è realtà a tutti gli effetti

se si può definire reale “...a) quello cui possiamo accedere con in nostri sensi[...] b) quello su cui possiamo agire e che risponde alle nostre azioni; quello che costi- tuisce un vincolo, un limite e allo stesso tempo un mezzo” (Parisi cit.).

Gli ABM hanno quindi caratteristiche che ne fanno uno strumento particolar- mente efficace per supportare la ricerca sociale in genere e sociologica in parti- colare.

Lo stretto rapporto che li lega alla implementazione, alla verifica e al migliora- mento delle teorie si sposa con una disciplina, quella sociologica, in cui la ricerca dei meccanismi di produzione dei fenomeni sociali si scontra con l’impossibilità

di generalizzarne una verifica empirica. Inoltre, molte delle dinamiche proprie dei sistemi sociali, in quanto Sistemi Adattivi Complessi sarebbero difficili da osservare con altri strumenti di indagine. L’eterogeneità e la non-linearità delle interazioni, in particolare, è un carattere che gli strumenti analitici ‘tradizionali’, diversamente dagli ABM, faticano a modellizzare poiché non è agevole individua- re un set di equazioni sufficientemente contenuto da essere risolvibile e completo abbastanza da offrire informazioni utili su quelle interazioni (Gilbert, 2005). Rispetto ai sistemi che si propongono di modellizzare, i ricercatori sociali posso- no essere mossi da diverse esigenze e gli ABM, strumenti per soddisfare queste esigenze, si possono quindi riferire a diversi idealtipi (Edmonds 2014). Possono

essere modelli teorici, che non prevedono il riferimento a dati reali e sono finalizzati

all’esplorazione di una struttura formale di concetti, una teoria di cui si voglia vagliare coerenza e rilevanza nel rappresentare comportamenti e fatti sociali. Op- pure possono essere modelli esplicativi, che diversamente dai precedenti cercano di

spiegare fenomeni realmente osservati. Questo significa individuare dei meccani- smi di produzione di dati che, a fronte del riscontro con la realtà empirica, pos- sono proporne una possibile spiegazione validata. Oppure possono essere modelli predittivi, ovvero modelli che, sulla base di dati e informazioni note approssima

dati e informazioni ignote, generalmente nel futuro.

La classificazione proposta è rivolta agli obiettivi, più che ai modelli. Sebbene, in- fatti, un modello debba essere progettato e sviluppato in funzione dell’obiettivo che si propone, non è da escludersi l’eventualità che possa essere utile al perse- guimento di molteplici obiettivi. Anzi, un buon modello è quello che riesce ad unire l’implementazione teorica alla capacità esplicativa per produrre previsioni sulle possibili tendenze.