QCA e ABM, punti di contatto e prospettive di integrazione

Se il presupposto di ogni dialogo proficuo è la condivisione di un linguaggio e, ancor prima, di un contesto di significazione che consenta di concordare nell’in- terpretazione dei contenuti da esso veicolati, vi sono sufficienti elementi per cre- dere che tra ABM e QCA si possa instaurare una comunicazione di reciproca utilità.

Le due metodologie, infatti, pur nella profonda diversità delle soluzioni proposte, evidenziano forte analogia nella loro posizione rispetto ad alcuni temi discrimi- nanti nella qualificazione di un approccio di ricerca. Che diventano altrettanti punti di contatto e facilitazione nella costruzione di un dialogo.

Innanzi tutto, la terzietà della collocazione rispetto alle metodologie quantitative e qualitative. ABM e QCA concordano nel riconoscimento dei limiti delle meto- dologie tradizionali: il basso contenuto di spiegazione causale proprio delle ricer- che quantitative da una parte; la poca generalizzabilità dei meccanismi di spiega- zione individuati dalle indagini qualitative dall’altra. A fronte di questi limiti, gli ABM computazionali e in quanto tale primariamente quantitativi si presentano quali strumenti volti all’ implementazione di spiegazioni fondate su teorie o altri assunti tipicamente qualitativi; la QCA si presenta come orientamento qualitativo finalizzato a utilizzare strumenti quantitativi per ottenere una qualche ragione- vole forma di generalizzazione o validazione delle ipotesi esplicative individuate. In secondo luogo, ABM e QCA pongono al centro della comprensione dei feno- meni sociali i processi, i meccanismi causali che ne possono spiegare la realizza- zione. In questo condividono lo sforzo di proporre strumenti di interpretazione che vadano oltre la ‘semplice’ (ma non banale e non scontata ) considerazione della intensità di relazione tra le necessariamente poche variabili utilizzate per rappresentare i fenomeni sociali dalla ricerca quantitativa. In questo sforzo, gli ABM propongono, in un approccio di osservazione multilivello, una caratteriz- zazione emergente (micro-macro) di questi meccanismi per cui comportamenti e proprietà osservabili al livello dell’aggregato sociale risultano dall’azione e dall’in- terazione delle componenti individuali dell’aggregato, all’interno di contesti di azione che condizionano il risultato. La QCA ipotizza delle spiegazioni fondate su condizioni in grado di spiegare il fenomeno di interesse e cerca di individuare, attraverso l’osservazione di casi concreti, l’associazione tra il verificarsi del feno- meno e una qualche combinazione di queste condizioni tra le quali gli elementi di

contesto risultano determinanti.

Un terzo fattore di analogia tra ABM e QCA, strettamente collegato al prece- dente, riguarda il rigetto dell’idea di mono-causalità e di additività tra gli effetti dei meccanismi esplicativi individuati. Nel caso degli ABM, questa forma di ridu- zionismo viene superata attraverso l’applicazione del paradigma di complexity e quindi nell’idea di non-linearità degli effetti prodotti dall’interazione dei compo- nenti elementari del sistema osservato, interazioni eterogenee condizionate da un contesto che viene continuamente da esse modificato. Nel caso della QCA invece la multicausalità costituisce ad un tempo il fondamento concettuale e l’obiettivo dell’approccio che è finalizzato a individuare le configurazioni causali e valutarne gli effetti. Multicausalità ed equifinalità, ovvero dare conto del fatto che a seconda del contesto i risultati prodotti dal concorso di determinati fattori possono essere anche molto differenti e, all’opposto, che uno stesso risultato può essere associa- to alla presenza di diverse combinazioni di condizioni esplicative.

QCA e ABM quindi hanno elementi comuni che legittimano a ipotizzare delle modalità di integrazione che possano risultare in un reciproco rafforzamento o, quantomeno, che siano di reciproca utilità nel perseguimento di specifici obiettivi di ricerca. Il quadro in cui questo incontro può essere particolarmente profi- cuo può a ragione essere individuato nella ricerca di alternative di policy, ovvero nell’individuazione di configurazioni plausibili ed efficaci di strumenti di inter- vento pubblico finalizzati alla soluzione di un problema collettivo. Un supporto alla fase di formulazione delle politiche che entreranno poi al vaglio degli attori coinvolti nei processi decisionali.

La QCA infatti può fornire agli ABM indicazioni sulle plausibili configurazioni di condizioni associate a un determinato fenomeno di interesse. In ottica di analisi per scenari applicata alla policy, significa costruire modelli in cui quelle condizio- ni diventano elementi per caratterizzare il contesto di azione e gli strumenti di policy, ovvero ipotesi di modifica degli attributi e dei comportamenti degli agenti elementari. Il fenomeno di interesse è l’obiettivo di policy. In altre parole, di fron- te all’esigenza di ipotizzare scenari da comparare sulla base dei risultati prodotti su uno o più outcomes, il modellista può ricorrere al supporto della metodologia QCA (quando non direttamente ai risultati di qualche ricerca su temi strettamen- te contigui a quelli di interesse). Individuato l’obiettivo della policy e formulate ipotesi sui possibili fattori determinanti, ovvero sui possibili meccanismi causali, può procedere a testare secondo la più opportuna delle tecniche QCA la rilevan- za di tutte le diverse possibili configurazioni di queste condizioni, selezionando quelle che l’analisi comparativa indica come più ragionevoli ai fini del raggiun- gimento dell’obiettivo. A quel punto, potrà procedere all’implementazione nel modello e alla misurazione degli effetti prodotti dai diversi scenari indviduati. Gli ABM possono offrire alla QCA, come alla ricerca qualitativa in genere, un labo- ratorio virtuale dove sottoporre alla prova sperimentale le proprie ipotesi esplicative.

L’approccio induttivo consente alla QCA di procedere dall’osservazione comparata all’individuazione di una possibile teoria esplicativa. Questa teoria indica quali fat- tori, e con quale peso, possono determinare l’insorgere di un certo fenomeno di interesse. Implementare questi modelli esplicativi in un modello computazionale comporterebbe un doppio risultato in termini cognitivi: da una parte l’esigenza di declinare i meccanismi ad un livello di scala inferiore rispetto a quello aggregato in cui si sono individuate le condizioni esplicative del fenomeno; dall’altra il passaggio dalla considerazione della necessità e sufficienza delle condizioni alla misurazione degli effetti ad esse, nel loro insieme, riconducibili.

Sono queste solo ipotesi e proposte di lavoro, da testare nella loro effettiva ef- ficacia e nella complessità della loro operazionalizzazione. Proposte per un’in- tegrazione che non va considerata come implicito riconoscimento di qualche presunta carenza delle metodologie coinvolte. Al contrario vorrebbe essere una strada, che varrebbe la pena tentare di percorrere, per mettere a valore gli apporti di conoscenza che, ciascuna per la sua parte, queste metodologie mettono a di- sposizione della comprensione dei fenomeni di policy, in un quadro di riferimenti concettuali in grado di facilitare questo processo.