Le politiche pubbliche sono processi caratterizzati da un elevato livello di com- plessità lungo tutto il loro ciclo di vita: dalla formazione dell’agenda, ai processi decisionali, all’attuazione degli interventi sino alla produzione degli effetti a que- sti collegati.
E sono processi complessi perché caratterizzati da:
- elevato numero di partecipanti eterogenei (decisori, stakeholders, destinatari degli interventi);
- molteplicità di interazioni tra partecipanti appartententi a diverse reti su di- versi livelli di scala (reti formali e informali, diversi livelli di governo, pub- blico/privato);
- fenomeni di adattamento dei comportamenti da parte dei partecipanti (mo- delli decisionali, recepimento dell’intervento da parte dei destinatari, sta- keholders nel processo di attuazione);
- azione e retroazione tra i diversi livelli di scala (il contesto condiziona il comportamento dei partecipanti che, coi loro comportamenti, concorrono a determinarlo);
- imprevedibilità dell’esito del percorso decisionale;
- imprevedibilità degli effetti dell’intervento sui fenomeni di interesse; - imprevedibilità degli effetti dell’intervento sul sistema sociale nel suo com-
plesso.
La comprensione di queste molte dimensioni di complessità è una sfida posta agli strumenti di costruzione di conoscenza finalizzata al supporto dell’azione della pubblica amministrazione (e per estensione delle organizzazioni in genere). A questa sfida i tradizionali approcci allo studio dei processi di policy sembrano non riuscire a rispondere adeguatamente.
Sul piano metodologico, né i metodi quantitativi né i metodi qualitativi sono in grado di rappresentare questa complessità. I primi legati allo studio della relazio- ne tra variabili aggregate di descrizione del fenomeno, ne colgono l’intensità ma non ne spiegano l’origine; i secondi si orientano a svelare i meccanismi profondi che caratterizzano un processo e ne determinano gli esiti in maniera tanto foca- lizzata da non consentire spesso la trasferibilità delle conclusioni.
Sul piano dei riferimenti concettuali, il processo di policy è stato sinora studiato da due prospettive che faticano a dialogare: la policy analysis e l’approccio di complexity. Ciascuna per la sua parte, queste prospettive difettano nella completa rappresentazione del fenomeno di policy. La prima, concentrata sul processo e
al suo interno frazionata tra studiosi degli effetti e delle dinamiche decisionali e implementative, fornisce una descrizione accurata delle fasi del ciclo di policy ma manca di una visione organica delle relazioni tra i sottosistemi sociali coinvolti negli interventi e difetta nella considerazione dei complessi processi di interazio- ne tra i destinatari che possono influire sulla loro efficacia. La seconda si concen- tra sulle dinamiche complesse di produzione di questi effetti e di eventuale pro- pagazione nei molti sottosistemi che compongono il sistema sociale, ma non si cura di riflettere sulla produzione delle ipotesi di intervento, accolte come fattori esogeni del sistema che vogliono modificare e non come esito di processi interni. A fronte di queste difficoltà di interazione e integrazione, un mondo in cui l’inter- connessione tra individui, organizzazioni e processi (e politiche) diventa la cifra distintiva di ogni fenomeno sociale richiede di impegnarsi con urgenza nell’in- dividuazione di strumenti concreti di dialogo tra persone e saperi. Strumenti che possano rappresentare un terreno comune su cui far convergere, oltre che
scientists di diverso orientamento, anche gli altri attori coinvolti nello studio, nel-
la definizione e nell’implementazione di politiche pubbliche. Politiche che sono chiamate a governare questa complessità e che, sempre meno, possono essere pensate e realizzate unicamente considerando i confini del proprio dominio am- ministrativo. Tra questri strumenti possibili, cui abbiamo attribuito la funzione di
mediatore cognitivo, la simulazione basata su agenti (ABM) sembra un candidato cre-
dibile a soddisfare i requisiti propri di questa necessaria mediazione che abbiamo individuato nella capacità di rappresentare la complessità (interna ed esterna) dei processi e nella trasferibilità dell’applicazione ai diversi domini di policy. L’ambi- zione, sulla base di questi requisiti, è che gli ABM possano perseguire obiettivi di mediazione esplicativa (ridurre la compelssità), cognitiva (tra diverse sfere seman- tiche), metodologica (tra diverse tradizioni) e teorica (tra diverse prospettive). Per quanto riguarda il primo requisito (la rappresentazione della complessità dei processi), gli ABM sono nati e si sono sviluppati parallelamente al progressivo diffondersi del paradigma della complexity nelle scienze sociali come strumento di operazionalizzazione del paradigma stesso. Nel caso delle policy la complessità si estende, si è detto, non solo al contesto dell’intervento ma all’intero ciclo di vita dell’intervento pubblico e la sottovalutazione delle arene decisionali nella defini- zione degli scenari possibili rischia di togliere efficacia agli strumenti di valutazio- ne ex-ante, ABM compresi. In questo senso, seppure sul piano di una proposta da sottoporre al vaglio della prova empirica, gli ABM si mostrano compatibili con altri approcci e metodi di indagine che meglio presidiano le fasi decisionali (la Te- oria dei Giochi e i Serious Game) e la definizione di scenari plausibili (Qualitative Comparative Analysis) e i cui risultati potrebbero essere utilmente implementati in un modello ad agenti. Riguardo il secondo requisito (la trasferibilità nell’appli- cazione), in aggiunta alla versatilità richiamata nel cap. 4 e ribadita nel caso del modello di mobilità sistemataica nel cap. 5, l’universalità del concetto di sistema
consente di utilizzare l’approccio e la tecnica per lo studio di qualsiasi oggetto di interesse che sia caratterizzato da eterogeneità dei componenti e delle interazioni tra di essi.
In termini di obiettivi, gli ABM possono poi giocare una funzione di mediazione lungo tutte le dimensioni proprie del mediatore cognitivo. In merito alla dimensio- ne esplicativa, gli ABM riducono notevolmente la complessità dei sistemi oggetto
di osservazione di cui deve farsi carico il decisore pubblico. L’internalizzazione delle complesse teorie esplicative dei fenomeni nel codice informatico permette di disporre di un quadro semplificato di input da considerare nella generazione degli output di interesse. La validazione, ove possibile, del modello aumenta poi la chiarezza agli occhi degli utilizzatori e conseguentemente la fiducia nell’uti- lizzo dello strumento. In pratica, le complesse interazioni tra i numerosi agenti eterogenei che caratterizzano il mondo reale e determinano l’emergenza dei fe- nomeni sono presenti anche nel modello ma ‘non si vedono’. La costruzione di un modello ABM può costituire, l’abbiamo vista, una piattaforma di discussione per arrivare ad una definizione della situazione e dei problemi su cui possano ritrovarsi tutti gli attori coinvolti nei processi. La dimensione cognitiva può essere
quindi soddisfatta dalla possibilità di definizione di proprietà e regole di compor- tamento rilevanti degli agenti e del sistema attraverso il coinvolgimento di tutti gli attori del/i policy subsystem in modo da raccogliere le diverse prospettive soggettive di osservazione e la convergenza di diverse prospettive disciplinari. Tradurre dei focus groups in ipotesi di meccanismi da implementare in un codice
che genera comportamenti frutto di una visione condivisa è un’ipotesi alla por- tata e già applicata nella modellizzazione partecipativa. Gli ABM sono poi un metodo che necessariamente integra dati eterogenei e di diversa fonte, qualitativi e quantitativi, fromalizzazioni matematiche e teorie, descrizione di meccanismi sociali e produzione di dati per la misurazione dei loro effetti. Un ABM ha biso- gno di qualificare i comportamenti dei suoi componenti elementari (micro) per poter quantificare i loro effetti a livello aggregato (macro). Sulla dimensione di mediazione metodologica, quindi, non sembra di dover insistere oltre.
Così come per la dimensione teorica è sufficiente richiamare che la modelliz- zazione del comportamento degli agenti (e della rilevanza dei condizionamenti derivati dal contesto) può essere descritto sulla base di diverse teorie esplicative focalizzate sulla spiegazione di specifici elementi del sistema. Ad esempio, in un mondo in cui agenti regolatori applicano schemi razionali creando un contesto strutturante per gli agenti elementari, nulla impedisce che nelle interazioni tra pari questi applichino schemi comportamentisti e informati da razionalità limitata Gli ABM quindi sembrano poter rappresentare nell’ambito dello studio dei pro- cessi di policy, se non una rivoluzione metodologica, un grande aiuto per l’inte-
grazione e il proficuo dialogo interdisciplinare a supporto della definizione di politiche pubbliche efficaci e sostenibili. Il riconoscimento della validità del me-
todo, e del paradigma della complessità su cui si fonda, può costituire un terreno di incontro e confronto in cui policy analysts e studiosi di policy complexity-oriented
possono integrare le proprie rispettive competenze, metodologie e acquisizioni. Con il risultato auspicabile di poter garantire al decisore pubblico una lettura semplificata ma esaustiva della realtà su cui si trova a intervenire.
Possono cioè concorrere a fornire ai decisori pubblici una conoscenza utile a orientarsi nella complessità dei fenomeni sociali che entrano nel proprio dominio di competenza. Una conoscenza, in ultima analisi, complessa essa stessa, che nel “…riconoscimento dell’incompiutezza e della incompletezza di ogni conoscen- za… [si traduca in]... aspirazione a un sapere non parcellizzato, non settoriale, non riduttivo... un pensiero multidimensionale che possa articolare ciò che è col- legato e collegare ciò che è disgiunto”6.
Bibliografia
Angus S.D., Hassani-Mahmooei B.(2015) “ ‘Anarchy’ Reigns: A Quantitative Analysis of Agent-Based Modelling Publication Practices in JASSS, 2001 – 2012”, Journal of Artificial Societies and Social Simulation 18 (4) 16
Bailey K (2001) “Systems Theory” in Turner J. (a cura di) Handbook of Sociological Theory, Springer, New York
Balke T. Gilbert N. (2014) “How Do Agent Make Decisions? A Survey”, JASSS - Journal of Artificial Societies and Social Simulation, 17, 4, 13
Barbera F. (2003) “È nata una stella? Autori, principi e obiettivi della sociologia analitica”, Rassegna Italiana di Sociologia, 4/2003, Il Mulino, Bologna, 581-608
Berra M., Meo A.R. (2001) Informatica solidale. Storia e prospettive del software libero, Bollati Boringhieri, Torino
Berra M. (2007) Sociologia delle reti telematiche, Laterza, Bari
Bertuglia C.S., Vaio F. (2009) “La prospettiva della complessità nello studio dei sistemi urbani e regionali e nell’economia in generale”, Economia Italiana, 307-363
Bianchi F., Squazzoni F. (2015) “Agent Based Models in Sociology”, WIREs Comput Stat 2015, 7, 284–306.
Bobbio L. (1996) La democrazia non abita a Gordio. Studio sui processi decisionali poli- tico-amministrativi, Franco Angeli, Milano
Boero R., Squazzoni F. (2010) “Complexity-friendly policy modeling “ In:Ahrweiler P. (a cura di.) Innovation in Complex Social Systems, Routledge, London
Boero R., Castellani M., Squazzoni F. (2006) “Processi cognitivi e studio delle proprietà emergent nei modelli ad agenti”, in Terna et al (a cura di) Modelli per la complessità. La simulazione ad agenti in Economia, Il Mulino, Bologna
Borrill P., Tesfatsion L. (2010) “Agent-Based Modeling: The Right Mathematics for the Social Sciences?”,Working Paper 10023, IOWA State University, Iowa, US
Boudon R. (2003) “Beyond Rational Choice Theory”, Annual Review of Sociology, 29, 1-21
Boudon R. (2011) “Ordinary Rationality: The Core of Analytical Sociology”, In : De- meulenaere (a cura di) Analytical Sociology and Social Mechanisms, New York, Cam- bridge University Press
Brans M, Rollsback S. (1997) “The Autopoiesis of Administrative Systems: Niklas Luh- man on Public Administration and Public Policy”, Public Administration, 75, 419 -439 Chattoe-Brown E. (2013) “Why Sociology Should Use Agent Based Modelling”, Univer-
sity of Leicester. Sociological Research Online, 18, 3, 3
Choice” Administrative Science Quarterly, 17, 1, 1-25
Coleman J.S. (1986) “Social Theory, Social Research and a Theory of Action”, American Journal of Sociology, XCVI, 6, 1309-35
Collins R. (1988), Teorie sociologiche, Il Mulino, Bologna
Collins R. (1981) “On the Microfoundations of Macrosociology American Journal of Sociology”, 86, 5, 984-1014
Delli Gatti D., Desiderio D., Gaffeo G., Cirillo C., Gallegati G.(2011) Macroeconomics from the bottom-up, Springer, Milano
Donolo C (a cura di) (2006) Il futuro delle politiche pubbliche , Bruno Mondadori, Mi- lano
Duit A., Galaz V. (2008) “Governance and Complexity – Emerging Issues for Gover- nance Theory”, Governance: An International Journal of Policy, Administration and Istitution, 21, 3, 311-335
Easton D (1957) “An Approach to the Analysis of Political System”, World Politics, 9, 3 , 383 -400
Easton D (1969) ”The New Revolution in Political Science”, The American Political Science Review, 63,4, 1051-1061
Edmonds B. (2014) “Winter is coming! How to survive the coming critical storm and demonstrate that social simulations work”, talk at ESSA summer school, Barcelona 2014, disponibile all’URL http://www.slideshare.net/BruceEdmonds/winter-is-com- ing-38816017
Einaudi L. (1956) “Conoscere per deliberare”, In: Prediche Inutili, Torino, Einaudi Epstein J.M. (1996) “Agent-Based Computational Models And Generative Social Sci-
ence”, Complexity, IV, 5, pp 41-60
Etienne J.M., Le Page R., Cohen M. (2003) “A step-by-step Approach to Building Land Management Scenarios Based on Multiple Viewpoints on Multi-Agent Simulations”, JASSS – Journal of Social Science Simulation 6, 2
Fischer F., Miller G., Sidney M. (2007) Handbook of Public Policies, CRC Press, Taylor & Francis Group
Fontana M. (2006) “Uso della simulazione in economia”, in Terna et al (a cura di) Modelli per la complessità. La simulazione ad agenti in Economia, Il Mulino, Bologna Ghorbani A., Dechesne F. , Dignum V., Catholjin J. (2014) “Enhancing ABM into an
Inevitable Tool for Policy Analysis”, Policy and Complex Systems, 1, 1 ,60-76 Gilbert N., Terna P. (2001) “How to build and use agent-based models in social science”,
Mind and Society, 1, 1, 57 – 72
Gilbert N., Troitzsch K. (2005) Simulation for the Social Scientist, Oxford University Press, Oxford,UK
Gonzalez M. C., Hidalgo C.A., Barabasi A-L.(2008) “Understanding individual human mobility patterns”, Nature, 453, 779-782
Grimm V et al (2006) “A standard protocol to describe individual-based and agent-based models”, Ecological Modelling, 198, 11, 5–126
Grimm V., Berger U., DeAngelis D., Polhill J. G., Giske J (2010) “The ODD protocol: a review and a first update”, Ecological Modelling, 221, 2760-2768
Grimm V, Railsback (2012) Agent-Based and Individual-Based Modeling: A Practical Introduction Princeton University Press,Princeton, NJ, US
Hammond R.A. (2015) “Considerations and Best Practices in Agent-Based Modeling to Inform Policy”, In: Wallace et al. (a cura di) Assessing the Use of Agent-Based Models for Tobacco Regulation, The National Academic Press, Washington D.C., US Heat B., Hill R., Ciarallo F. (2009) “A survey of Agent-Based Modeling Practices (January
1998 to July 2008)”, JASSS – Journal of Social Science Simulation 12, 4, 9
Hedstrom P, Bearman P (2009a ) “What is Analytical Sociology All About? An Introduc- tory Essay” In: Hedstrom et Bearman (a cura di) The Oxford Handbook of Analytical Sociology, Oxford University Press, Oxford ,UK
Hedström P., Udehn L. (2009b), “Analytical Sociology and Theories of the Middle Range”, In: Hedstrom et Bearman (a cura di) The Oxford Handbook of Analytical Sociology, Oxford University Press, Oxford ,UK
Holland J.H. (2014) Complexity. A very short introduction , Oxford University Press, Oxford, UK
Howlett M., Ramesh M. (2003) Come studiare le politiche pubbliche , Il Mulino, Bologna Jeřábek H., Lombardo C., Nerli Ballati E., Schenk J (2015) “In Search of Mechanisms.
The Role of the Agent-Based Model in connecting Analytical Sociology and Classical Social Research: the Case of Merton’s Theory of Values Homophily”, Sociologia e Ricerca Sociale, Franco Angeli, 106, 81 -114
Lane D., Pumain D., van der Leeuw S.E., West G. (2009) Complexity Perspective in In- novation and Social Change, Springer Netherlands
Lave C., March J. (1975) Introduction to Models In Social Sciences, University Press Of America, Boston, US
Macy M., Willer (2002) “From Factors to Actors: Computational Sociology and Agent Based Models”, Annual Review of Sociology, 28, 143–66
Macy M., Flache A. (2009) “Social Dynamics from the Bottom up . Agent Based Model of Social Interactions” In: Edstrom P et al. (a cura di), The Oxford Handbook of Analytical Sociology, Oxford University Press
Martini A., Sisti M. (2009) Valutare il successo delle Politiche Pubbliche, Il Mulino, Bo- logna
Meny Y., Thoenig J.C. (1991) Le politiche Pubbliche, Il Mulino, Bologna
Merton R.K. (1949) “On Sociological Theory of the Middle Range”, In: Clahoun et al. (a cura di) Classical Sociological Theory, Wiley-Backwell, Chichester, UK
Moran M., Rein M., Goodin R. (2008) The Oxford Handbook of Public Policy, Oxford University Press
Occelli S. (2002) “Facing urban complexity: towards cognitive modelling. Part 1: mod- elling as a cognitive mediator”, Paper presented at the XII European Colloquium on Theoretical and Quantitative Geography, St.Valery-en-Caux, 7-11 September, 2001
Ormerod P., Roswell B.(2012) “Complexity and Agent Based Models in the Policy Pro- cess ”, disponibile all’URL http://volterra.co.uk/wp-content/uploads/2013/03/ 4_ RosewellOrmerod BrusselsSept2012v5.pdf
Parisi D. (2001) Simulazioni. La realtà rifatta nel computer, Bologna, Il Mulino
Polhill J. G., Parker D., Brown D., Grimm V. (2008) “Using the ODD protocol for de- scribing Three Agent-Based Social Simulation Models of Land-Use Change”, JASSS - Journal of Artificial Societies and Social Simulation , 11, 2, 3
Poli R.(2013) “A Note on the Difference Between Complicated and Complex Social Systems “, Cadmus Journal, 2, 1
Ragin C. C. (1987). The comparative method: Moving beyond qualitative and quantitative strategies, Berkeley: University of California Press, Oakland, CA, US
Railsback, S.F., Lytinen, S.L., Jackson S.K. (2006) “Agent-based simulation platforms: Review and development recommendations” Simulation: Transactions of the Society for Modeling and Simulation International, 82, 9, 609-623
Rihoux B., Grimm H. (a cura di) (2006) Innovative Comparative Methods for Policy Analysis. Beyond the Quantitative-Qualitative Divide, Springer, US
Rihoux B., Rezsöhazy I., Bol D. (2011) “Qualitative Comparative Analysis (QCA) in Pub- lic Policy Analysis: an Extensive Review”, German Policy Studies, 7, 3, 9-82
Rihoux B., De Meur G.(2009) “Crisp-Set Qualitative Comparative Analysis (CSQCA)” In: Rihoux B., Ragin C. C. (a cura di) Configurational Comparative Methods. Qualita- tive Comparative Analysis (QCA) and Related Techniques, SAGE publications, Thou- sand Oaks, CA,US
Roswell B., Ormerod P. (2012) “Complexity and Agent Base Models in the Policy Pro- cess”, Simulation Conference (WSC), Proceedings of the 2012 Winter, DOI: 10.1109/ WSC.2012.6465333
Sager F., Andereggen C. (2012) “Dealing with complex Causality in Realist Synthesis: The Promise of Qualitative Comparative Analysis” , American Journal of Evaluation, 33, 1, 60-78
Schelling T.C. (1971) “Dynamic Models of Segregation”, Journal of Mathematical So- ciology , 1, 143-186, Birkenhead, UK
Schelling T.C. (1978) Micromotives and macrobehavior, Norton, New York, US Simon H. (1958) Il comportamento amministrativo , Il Mulino, Bologna Simon H. (1984) Causalità, razionalità, organizzazione, Il Mulino, Bologna
Spaziante A. (a cura di) (2009) Conoscere la complessità. Viaggio tra le scienze , Bruno Mondadori, Milano
Squazzoni F. (2014) “A Social-Science-Inspired Complexity Policy: Beyond the Mantra od Incentivization”, Complexity , 19, 6, 5-13
Strati A. (2004) L’analisi organizzativa. Paradigmi e metodi, Carocci Editore, Roma Sterman J. D. (2012) “Sustaining Sustainability: Creating a Systems Science in a Frag-
mented Academy and Polarized World” In: Weinstein M.P. and Turner R.E. (a cura di) Sustainability Science: The Emerging Paradigm and the Urban Environment, Springer
Science, New York, US
Stewart J,, Ayres R.(2001) “Systems Theory and Policy Practice: An exploration”, Policy Sciences 34, 79-94
Terna P. (2009) “Scelte e azioni della pubblica amministrazione: la prospettiva della com- plessità e l’aiuto della simulazione ad agenti”, Sistemi Intelligenti, XXI, 127-146. Terna P., Boero R., Morini M., Sonnessa M. (2006) Modelli per la complessità. La sim-
ulazione ad agenti in Economia, Il Mulino, Bologna
Turner J. (2001) “The Return of Grand Theory” In: Turner J. (a cura di) Handbook of Sociological Theory, Springer, New York
Turner J. (a cura di) (2001) Handbook of Sociological Theory, Springer, New York Van Dam K., Nikolic I. , Lukszo Z.(2012) Agent Based Models of Socio-Technical Sys-
tem, Springer, Netherlands
Visco I. (2009) “Conoscere per deliberare, conoscenza come guida dell’azione”, interven- to al Convegno di Studi”Luigi Einaudi. Studioso, Statista, Governatore”, Caprarola, VT
Wiener N., Rosenblauth A. (1945) “The Role of Models In Science”, Philosophy of Science, 12, 4, 316-321