Panoramica del quadro cognitivo / Scarica il diagramma scientifico

… e le interazioni dei leader e delle loro circoscrizioni, così come le condizioni politiche, economiche e ambientali in cui vivono. Per simulare i comportamenti delle persone, abbiamo utilizzato un framework di modellazione cognitiva incorporato all’interno di un modello di dinamica del sistema. Il quadro cognitivo incorpora teorie consolidate del comportamento umano e dati sulla cultura, la società e gli individui. Il nostro obiettivo per questo modello era quello di comprendere le potenziali azioni e contro-azioni che le persone all’interno di una società potrebbero prendere in reazione alle influenze interne ed esterne (cioè sociali, politiche, ambientali, militari). I potenziali usi del modello includono le query what-if riguardanti situazioni ipotetiche, migliorando la comprensione delle interazioni di ordine superiore in un sistema politico, l’analisi del rischio e la gestione del rischio. Presentiamo qui i risultati del modello in uno scenario di base e tre tipi di influenze. Il primo è una situazione in cui un governo esterno fornisce sostegno all’opposizione dell’attuale governo. Nel secondo scenario, un governo esterno distribuisce informazioni agli elettori per cercare di incoraggiare il sostegno ai leader che si oppongono all’attuale governo. Infine, presentiamo i risultati di una simulazione in cui un governo esterno avvia una dimostrazione di forza contro la società simulata. La nostra ipotesi è che il comportamento umano possa essere modellato. In particolare, affermiamo che i comportamenti umani essenziali possono essere modellati computazionalmente sulla base di teorie psicologiche, sociali (psicosociali), politiche ed economiche ben verificate. Questi modelli possono catturare le differenze culturali e l’unicità individuale. I modelli catturano la conoscenza collettiva degli esperti di dominio e incorporano tutte le informazioni disponibili riguardanti gli individui e il loro ambiente. La qualità ricca di feedback dei sistemi cognitivi, sociali, politici ed economici (CSPE) rende questi sistemi un caso ideale per la modellazione dinamica del sistema in combinazione con tecniche di modellazione psicosociale. L’elemento psicosociale del framework, che è coerente con i principi della dinamica del sistema, simula i processi cognitivi chiave alla base del modo in cui le persone prendono decisioni ed esprimono comportamenti. Questi comportamenti influenzano altri decisori, creando complessi cicli di feedback all’interno e tra individui e gruppi. Le pratiche di gestione della fiducia possono quindi essere incorporate in tutto il processo di costruzione del modello per garantire che il modello sia il più utile possibile nella comprensione delle potenziali dinamiche CSPE all’interno di una società. Il framework ha lo scopo di modellare le caratteristiche fondamentali descritte nei modelli CSPE stabiliti di atteggiamento, motivazione e formazione e cambiamento dell’intento, apprendimento sociale, scelta qualitativa e comportamenti volitivi (sia razionali che irrazionali dal nostro punto di vista). L’obiettivo del framework è quello di rappresentare i processi descritti e previsti nei modelli CSPE stabiliti, nel modo più rigoroso scientificamente possibile, come un meta-modello di processo decisionale teoricamente coerente e plausibile. Si afferma qui che i processi CSPE emergenti che sono coerenti con, e potenzialmente si sovrappongono a, più modelli teorici possono servire a rafforzare le basi teoriche di questi modelli, nonché aiutare teoricamente a rafforzare e convalidare il quadro generale. I modelli CSPE espressi nel framework BIA sono considerati altamente robusti, spiegando una percentuale relativamente elevata della varianza associata ai comportamenti umani specifici rappresentati in questo sistema. I modelli CSPE sono stati anche specificamente citati dalla comunità della difesa e dell’intelligence come utili ai rispettivi domini (Larson et al., 2009). Il quadro descritto è progettato per descrivere in modo completo i processi significativi del comportamento umano e comprendere un numero qualsiasi di decisioni alternative prese da un numero qualsiasi di entità diverse, che possono includere sia individui che gruppi di persone. Incorporando questo framework all’interno di un modello di dinamica del sistema, possiamo anche includere le relazioni tra entità e le strutture di feedback che queste creano. Il quadro cognitivo si basa su un insieme unico di elementi provenienti da teorie psicosociali che sono coerenti con la teoria economica, dati sperimentali e dati storici sul comportamento umano. Le teorie sono coerenti tra loro, e sono facilmente tradotti in equazioni matematiche. Tutte le teorie incluse nel framework possono anche essere istanziate, testate e verificate utilizzando dati accessibili. Le teorie incorporato nel quadro conoscitivo includono la teoria del comportamento pianificato (Ajzen 1985), l’aspettativa di valore (Fishbein 1963), l’elaborazione di probabilità (Petty e Cacioppo 1986), la dissonanza cognitiva (Festinger nel 1957), razionalità limitata (Simon 1957), scelta qualitativa (McFadden 1984), informazione imperfetta (Stiglitz 1985), il rischio di asimmetria (Tversky e Kahneman 1974), e di stock e di flusso di cointegrazione (Engle e Granger 1987). Una panoramica del quadro cognitivo è mostrato in figura 1. Proprio come stabilito da Lewin (1951), il comportamento del modello è una funzione delle sue caratteristiche cognitive individuali descritte di seguito, insieme a fattori di dinamica ambientale e di gruppo. Nel quadro completo si afferma che gli individui e l’ambiente emettono segnali che si propagano verso l’esterno. Questi segnali possono essere ricevuti come stimoli e, se pertinenti, essere percepiti come segnali che possono stimolare una particolare credenza. Tuttavia, a causa delle differenze nella struttura cognitiva credenze individuali, gli stessi stimoli possono essere interpretati in modo diverso, stimolando credenze diverse. Queste credenze possono stimolare atteggiamenti preesistenti e credenze associate a norme e percezioni del controllo comportamentale. Può anche stimolare i livelli di affetto (positivo e/o negativo) associati alla credenza. Questo può stimolare una motivazione per eseguire un certo tipo di comportamento. Se la motivazione è abbastanza alta può stimolare un’intenzione o un insieme di intenzioni per eseguire un comportamento specifico. L’intenzione specifica di eseguire un comportamento è in genere una funzione di ciò che è perseguibile. Quindi, dopo aver valutato l’ambiente, le intenzioni che non sono realizzabili perderanno forza mentre le intenzioni che sono realizzabili acquisiranno forza. Inoltre, la valenza associata all’affetto (da basso ad alto positivo, da basso ad alto negativo) medierà la selezione di un comportamento. Il comportamento effettivo che viene realizzato è una funzione dell’intento, dell’affetto associato e degli stimoli esterni che indicano che il comportamento è effettivamente perseguibile. Ulteriori fattori che influenzano la probabilità che un comportamento venga realizzato è la frequenza con cui tale comportamento è stato precedentemente agito. Cioè, i comportamenti precedenti sono un buon predittore di comportamenti futuri. Questo processo cognitivo è esemplificato nel modello, mostrato in Figura 1. Il risultato finale di questo processo cognitivo sono le azioni dell’entità, che possono continuare a influenzare il sistema politico. Per modellare la conseguenza delle influenze, è necessario non solo modellare i comportamenti iniziali degli individui affetti, ma anche determinare come le interazioni con altri individui e il mondo fisico, nel tempo, possono alterare il risultato. I cambiamenti nel tempo sono chiamati dinamiche. I processi di feedback tra gli individui e il mondo fisico si svolgono dinamicamente e fanno sì che l’esito di un intervento, ad esempio, inizi ad andare nella direzione desiderata, ma a lungo termine porti a controrisposte che generano nuove preoccupazioni senza migliorare il problema originale. Il ritardo tra comportamenti e impatti può causare dinamiche secondarie che rendono estremamente difficile sapere se gli alti e bassi delle risposte comportamentali e delle contro-risposte alla fine porteranno al risultato desiderato. La modellazione computazionale degli interventi di sicurezza nazionale deve affrontare l’evoluzione dinamica del sistema socio-economico e geopolitico integrato. Tali sistemi sono più facilmente modellati utilizzando equazioni differenziali. Le equazioni differenziali non solo simulano la dinamica, ma in aggiunta descrivono causalmente perché si verificano le dinamiche. La metodologia System Dynamics (SD) sviluppata al MIT è comunemente usata per modellare sistemi sociali le cui interazioni sono esprimibili con equazioni differenziali (Sterman, 1994, 2000). Il processo per lo sviluppo di un modello psicologico utilizzando la metodologia system dynamics inizia con una descrizione delle teorie psicologiche che il modello deve simulare. Queste teorie devono comprendere tutte le considerazioni salienti necessarie per creare un modello di sistema completo che descriva i problemi di interesse. Si noti che non vi è alcun tentativo di modellare l’intero sistema, ma solo quegli aspetti del sistema rilevanti per i problemi da affrontare/analizzare. Il prossimo passo è sviluppare un diagramma a ciclo causale. Causalmente mette in relazione tutte le interazioni incarnate nelle teorie. Il diagramma del ciclo casuale viene successivamente mappato a un diagramma stock-and-flow che descrive esplicitamente il flusso di informazioni e grandezze fisiche attraverso il sistema. Una caratteristica fondamentale è la designazione di scorte che rappresentano l’accumulo di informazioni, esperienza, quantità monetarie o fisiche. Questi stock sono chiamati “variabili di stato” e caratterizzano in gran parte la natura del sistema e le sue risposte. La differenza nel valore delle scorte negli incrementi di tempo è la parte “differenziale” dell’approccio dell’equazione differenziale alla modellazione computazionale. L’esatta espressione matematica della teoria è ancorata nell’accumulo di flusso in entrata e in uscita dalle scorte. L’espressione matematica dei flussi deriva da un’interpretazione causale della teoria nel linguaggio della matematica. Le equazioni chiave saranno descritte più avanti in questo rapporto. Solo quelle teorie che hanno un significato misurabile, supportabile, almeno in linea di principio, da dati storici o sperimentali, sono incluse nel modello. I dati determinano i parametri che controllano la progressione dei valori simulati nel tempo. Rigorose tecniche statistiche determinano l’appropriato …