Introducción a la simulación social
La simulación social es un tipo de metodología de investigación que deja de lado la dimensión estructural de los fenómenos sociales para centrarse en su dimensión interactiva. Se basa en el desarrollo de un modelo, o teoría explicativa, de aquello que deseamos analizar y con el cual podemos jugar, experimentar, en función de nuestras necesidades. Los simuladores sociales no dejan de ser pequeños laboratorios sociales, cuya función es la de permitir contrastar hipótesis y prever los resultados de procesos sociales que están teniendo lugar en la actualidad.
Captura de pantalla de Netlogo, uno de los programas que permiten simular procesos sociales
Hablando de una forma menos técnica, la simulación social consiste en la creación de una sociedad artificial cuyas reglas de funcionamiento y cuyos atributos individuales son decididos por el investigador. Si alguien ha jugado alguna vez a los Sims, seguro que sabrá de lo que hablo… La estructura del juego está determinada, obviamente, por las necesidades del investigador, que orientará la programación del modelo a las hipótesis que le interesa contrastar.
Tradicionalmente las ciencias sociales se han fijado más en los aspectos estructurales de la sociedad que en los procesos interactivos. Se ha tendido a admitir que la estructura es un “dado por supuesto”, objetivamente existente independientemente de la voluntad de los actores. Los análisis estadísticos multivariables reproducen esta tendencia, al dar más valor a los resultados agregados de las relaciones entre las variables (estructurales) que a la interacción entre individuos.
La principal ventaja que nos aporta la simulación social es la de unir la visión micro (individual) con la macro (social) en un mismo modelo. Parte de las relaciones micro entre los individuos para generar resultados a nivel macro; es decir, es capaz de explicar rasgos estructurales a partir de las acciones de los individuos. La simulación social, pues, entiende que estructura y acción son las dos caras de una misma moneda. El hecho de poner el acento en las acciones de los individuos hace que a menudo se dé el nombre de ABM (Agent Based Models) a los modelos de simulación social.
Para explicarlo en términos un poco menos abstractos: en un archivo SPSS o Excel tenemos, en las filas, a los individuos. En las columnas, las variables que representan la estructura. ¿qué pasaría si en esas filas y columnas tuviéramos sólo individuos? Dejaríamos de explicar la realidad en términos de la relación que un individuo tiene con la estructura para explicar la relación de un individuo con otro individuo.
El modelo de Schelling
La simulación social se basa en el desarrollo de software que permite introducir un universo X de individuos y asignar atributos y leyes a cada uno de estos individuos. Uno de los ejemplos más utilizados para explicar esto es el del modelo que Schelling (1978) creó para intentar explicar la causa según la cual existe segregación espacial entre blancos y negros en una ciudad norte-americana. El universo son todos los individuos de esta ciudad; los atributos, el hecho de ser blanco o negro; las leyes, el hecho de intentar residir en algún sitio donde, al menos, el 40% de la población comparta el mismo atributo.
Una vez asignados los atributos a toda la población (supongamos que un 50% es blanco y otro 50% es negro) y aplicadas las leyes de funcionamiento del modelo, le podemos dar al “play”… y nuestros pequeños hombrecitos y mujercitas empiezan a interactuar entre ellos, y a moverse, y a seguir interactuando, y a buscar el sitio que más se acomoda a sus expectativas. Después de unas cuantas interacciones, el observador externo se da cuenta que los blancos y los negros se han segregado totalmente, pese a que las motivaciones individuales no buscaban este efecto a nivel agregado.
De esto se deduce que las motivaciones individuales (el deseo de vivir en un barrio rodeados de al menos un 40% de personas del mismo atributo) tienen consecuencias no previstas cuando se analizan a un nivel agregado. Es decir, los fenómenos sociales (la segregación, por ejemplo) son, a menudo, los resultados imprevistos de las intenciones y comportamientos de los individuos. La simulación social, pues, pone el acento en la detección de los mecanismos (la interacción individual) que llevan a determinadas regularidades sociales. No se trata tan sólo explicar las causas de los fenómenos; es cuestión, al mismo tiempo, de explicar los mecanismos que vinculan la causa con el efecto.
Portada del libro Micromotives and Macrobehavior (1978), de Thomas Schelling
El ejemplo de la segregación de Schelling es todo un clásico de la materia. Cuenta la leyenda que, en ausencia de programario específico para la realización de simulación social, Schelling convirtió las baldosas de su cocina en un gran laboratorio. Cada una de estas era ocupada por un individuo, que cambiaba o no de lugar en función de la composición de su vecindario más cercano.
Simulación social y estrategias de marketing
¿Qué oportunidades brinda la simulación social en el campo del marketing? Las herramientas analíticas tradicionales usadas en esta disciplina, “aunque poderosas en sus propósitos, generalmente no son capaces de dar suficientes niveles de detalle en relación a las interdependencias en los comportamientos de los consumidores, los minoristas y los productores” (North et al, 2009). La simulación se suele aplicar, en el marketing, a dos fenómenos distintos: tomas de decisión en los centros minoristas y tendencias de compra a nivel de mercado global.
En referencia al primer tipo de modelos, se tiene que señalar que acostumbran a tener un único objetivo: estudiar la distribución física de los productos para incrementar las ventas. Un ejemplo de este desarrollo lo proporciona Casti (2001, citado por North et al 2009). En su simulación, los agentes son compradores individuales en una tienda minorista y tienen que seguir un recorrido orientado por la siguiente ley: “donde sea que estés, dirígete a la estantería más cercana al próximo ítem que aparece en tu lista de la compra” (Casti, 2001, citado por North et al, 2009). El individuo electrónico, movido por esta simple ley y por unas preferencias determinadas según sus atributos, realiza sus compras al tiempo que es observado por el investigador.
Otro tipo de ejemplo nos lo muestran los trabajos de Gilbert y Troitzsch (2006, citado por Arroyo y Hassan, 2007). Estos autores simulan el comportamiento de los consumidores en diferentes situaciones de compra en las cuales el individuo se ve inmerso en una cola. El objetivo del consumidor es ser atendido (Arroyo y Hassan, 2007). La perspectiva de la simulación social basada en los agentes es eminentemente individual: en base a unas creencias, deseos e intenciones, cada individuo intentará maximizar su beneficio a medida que interactúa con los otros individuos. Su estrategia puede cambiar si observa que las estrategias de los otros consumidores están perjudicando la suya.
El segundo tipo de modelos usados en marketing son mucho más complejos. La gran cantidad de variables y de tipos de agentes que incluyen requieren un muy amplio apoyo teórico y grandes esfuerzos de validación. Como a ejemplo voy a presentar un modelo desarrollado por Argonne y Procter&Gamble (North et al, 2009). Su trabajo se basa en la presentación de 3 tipos de agentes: hogares, minoristas y productores. Estos interactúan al mismo tiempo en un mercado de consumo nacional provisto de muchos productos distintos. Los hogares toman sus decisiones de compra; en función de estas, minoristas y productores cambian sus estrategias de negocio. A su vez, cambios en las estrategias del lado de la oferta hacen cambiar las decisiones en el lado de la demanda. Resulta evidente que el sistema nunca será estable, que continuará evolucionando en función de cuál sea la estrategia de los agentes en cada momento del juego.
Si grupos empresariales del calibre de Procter&Gamble apuestan por la simulación social, podemos extraer dos tipos de conclusiones mútuamente excluyentes: a) la metodología de la simulación social basada en los agentes puede, efectivamente, proporcionar información muy útil sobre la cual apoyar nuestras decisiones; y b) Procter&Gamble tiene un presupuesto destinado a investigación tan importante que puede permitirse arriesgar una parte en metodologías experimentales de fiabilidad desconocida.
Críticas y problemas de la simulación social
La metodología en la cual se basa la simulación social no está lo suficientemente institucionalizada en la academia, aunque ya hace varios años que se está desarrollando. Quizás uno de los obstáculos más grandes a su plena aceptación es el hecho que para programar una sociedad artificial se requieren, muy a menudo, los servicios de un programador informático. Hasta que no se ofrezca software de simple manejo, parece que informáticos e investigadores están obligados a buscar sus sinergias y a intentar eludir el camino de la hiperespecialización laboral. Sin embargo, sí que podemos encontrar programarios que desarrollan simples sociedades artificiales (ver Netlogo).
A este obstáculo en la implementación de software se le unen algunas críticas dirigidas al acercamiento epistemológico de la simulación social a la realidad que pretende estudiar. A menudo se argumenta que la simulación social parte de supuestos poco realistas, que es poco elegante y ateorética y que, en tercer lugar, es intrínsecamene redundante. No creo que sea el lugar para contraargumentar estas críticas. Para un acercamiento más profundo a estas discusiones epistemológicas, recomiendo el texto “¿Debería la Sociología interesarse por la Simulación Social Multi-Agente?” (Miguel i López, 2012).
Pese a las críticas, parece que la simulación social se está haciendo un hueco entre los diferentes paradigmas presentes en las ciencias sociales. Sin embargo, sólo aquellos paradigmas que partan del individualismo metodológico y de las teorías de la elección racional pueden aceptar los supuestos implícitos de la simulación social basada en los agentes (González, 2004). Sólo si se entiende que la estructura social es el resultado de las acciones individuales de las personas, y no de fuerzas oscuras escondidas dentro de cajas negras, se podrá defender la simulación social.
Bibliografía
-Casti, J. (2001) BizSim: The world of business—In a box. Complexity Int.
-Arroyo, Millán y Hassan, Samer (2007). “Simulación de procesos sociales basada en agentes software”, en EMPIRIA. Revista de Metodología de Ciencias Sociales. Núm 14, julio-diciembre, 2007, pp. 139-161. Versión electrónica
-Miguel, F.J. y López, T. (2012). “¿Debería la Sociología interesarse por la Simulación Social Multi-Agente (SSMA)?” Congreso X de la Federación Española de Sociología. Versión electrónica
–González, Sandra (2004). “¿Sociedades artificiales? Una introducción a la simulación social”. Revista Internacional de Sociología (RIS). Tercera época, núm 39, septiembre-diciembre, pp 199-222. Versión electrónica
-Gilbert, N. y Troitzsch, K.G. (2006): Simulación para las ciencias sociales. McGraw Hill: Madrid.
-North, Michael et al (2009). “Multiscale Agent-Based Consumer Market Modeling”. Versión electrónica
-Schelling, thomas (1978). Micromotives and Macrobehavior. New York: Norton.
