Fine della ricerca è fornire spiegazione formale all’emergenza della differenziazione sociale, a partire da individui privi di differenze iniziali. L’algoritmo sviluppato in Netlogo è basato sulle simulazioni GAUSS di Mark Noah, riportate nell’articolo “Beyond Individual Differences: Social Differentiation from First Principles”.

1. Differenziazione Sociale
Matteo Senardi

2. Scopo
Fine della ricerca è fornire spiegazione formale
all’emergenza della differenziazione sociale, a partire da
individui privi di differenze iniziali.
L’algoritmo sviluppato in Netlogo è basato sulle
simulazioni GAUSS di Mark Noah, riportate nell’articolo
“Beyond Individual Differences: Social Differentiation
from First Principles”.

3. Social Differenziation from first
principles
Noah Mark vuole infatti dimostrare come tale fenomeno
sia tratto caratteristico di un sistema sociale dinamico.
Nei sistemi multiagenti, gli individui condividono impegno
a raggiungere un goal globale massimizzando l’utilizzo
locale.

4. Teoria della Differenziazione
sociale
Il sistema tende alla differenziazione per due ragioni:
1. La limitata capacità degli individui di processare
informazione  agenti sono vincolati ad interagire
con un set ridotto di persone per non sovraccaricare le
proprie capacità.

5. Teoria della Differenziazione
sociale
2. Il processo stocastico con cui gli individui scambiano
informazione genera disparità tra le informazioni
provenienti tra individui diversi.

6. Teoria della Differenziazione
sociale
Fattori necessari per produrre il fenomeno sono:
• Le sempre maggiori esigenze logistiche dovute alla
crescita della popolazione.
• Le richieste di specializzazioni funzionali della
popolazione portate dalle evoluzioni tecnologiche.

7. Concetto di informazione
Diversi sociologi definiscono come la conoscenza di
informazione sia risorsa utile o necessaria al
perseguimento di un certo fine.
Si ritiene inoltre come ogni individuo sia in grado di
distinguere tra parti di informazione importanti e non
rilevanti.

8. Teoria dell’informazione
1. Individui con informazioni simili hanno probabilità
maggiori di interagire  ipotesi di similarità.
2. Individui si scambiano informazioni durante il
processo di interazione sociale  ipotesi di
comunicazione.

9. Teoria dell’informazione
3. Individui possono generare nuove informazioni
durante il processo di interazione  ipotesi di
generazione dell’informazione.
4. Individui dimenticano le informazioni non espresse
per un determinato periodo di tempo  ipotesi di
oblio.

10. Risultati del Caso-Studio
Il Caso-Studio ha preso in esame una popolazione di individui di dimensione 5,
50 e 100, e memoria variabile da 3 a 5.
Grafico relativo alle traiettorie
della differenziazione sociale
al variare dei livelli di dimensione
e memoria:

11. Il Progetto
Finalità del progetto è stata sviluppare una simulazione
Netlogo che riproponga il modello di Differenziazione
Sociale di Mark Noah.
Inoltre sono state aggiunte nuove capacità di memoria e
una nuova dimensione di popolazione:
• Valori di memoria : 3, 4, 5, 10, 50, 100;
• Dimensione di popolazione: 6, 50, 100, 1000.

12. Fasi dell’algoritmo  Fase 1: Ricerca
ComunicazioneRicerca Oblio

13. Fase 1: Ricerca
La ricerca del partner con cui iniziare la comunicazione
avviene secondo l’ipotesi di similarità definita da Noah
Mark:

14. Fase 1: Ricerca
L’ipotesi definisce che la probabilità di una persona A di
comunicare con una persone B consiste nel numero dei
fatti che A e B hanno in comune, diviso dal numero di
fatti che A condivide con ogni persona nel sistema.

15. Fase 1:
Ricerca
Calcolo delle probabilità di
similarità utilizzando la
definizione formale.
Per ogni individuo si misura il
numero di fatti in comune con
l’individuo i-esimo diviso il
numero di fatti in comune con
tutti gli altri individui.

16. Fase 1:
Ricerca
Procedura per la ricerca del
partner con cui instaurare la
comunicazione.
Una volta individuate le
probabilità di simililarità tra gli
individui, è selezionato il
partner migliore.

17. Fase 2: Comunicazione
Ricerca Comunicazione Oblio

18. Fase 2: Comunicazione
La fase di comunicazione consiste nell’espressione di
un fatto, e nell’aggiornamento del relativo riferimento
all’ultimo utilizzo  fondamentale per l’oblio dei fatti
obsoleti.
La comunicazione tra due individui determina una
probabilità pari di esprimere conoscenze preesistenti,
così come di generare nuova conoscenza.

19. Fase 2:
Comunicazione
Procedura di avvio della
comunicazione:
1. Se il partner scelto
corrisponde al partner
stesso:  espressione di un
fatto conosciuto e
aggiornamento dell’ultima
espressione del fatto;
2. Se il partner selezionato
non corrisponde al partner
stesso  2 strade:

20. Fase 2:
Comunicazione
a) Epressione di un nuovo
fatto, aggiunto al vettore
dei fatti presenti nel
sistema e aggiornamento
dell’ultima espressione del
fatto;
b) Espressione di un fatto
conosciuto e
aggiornamento dell’ultima
espressione del fatto.

21. Fase 3: Oblio
Ricerca OblioComunicazione

22. Fase 3: Oblio
La fase di oblio determina la rimozione dei fatti con
valore di ultimo utilizzo obsoleto.
Il procedimento di rimozione dei fatti da dimenticare
avviene considerando il tempo attuale e la capacità di
memoria degli individui.

23. Fase 3: Oblio
Procedura per la rimozione
delle informazioni da
dimenticare:
Se la differenza tra il tempo
attuale e l’ultima volta in cui
l’informazione è stata
espressa è maggiore del
livello di memoria 
rimozione del informazione.

24. Misure osservate
Riporto le misure osservate nella simulazione:
• Omogeneità culturale (e media)  da 0 a 1;
• Differenziazione (e media)  come inversa
dell’omogeneità culturale;
• Fatti conosciuti dal sistema.

25. Omogeneità Culturale
L’omogeneità del sistema per un fatto è data dal numero
di coppie di individui a conoscenza del fatto diviso dal
numero totale di coppie di individui. L’omogeneità
culturale è l’omogeneità media per tutti i fatti del sistema.

26. Omogeneità
Culturale
Procedura per la misura della
omogeneità culturale:
La misura è pari al numero di
coppie di individui a
conoscenza di ogni fatto diviso
il numero totale di coppie di
attori, per il numero totale di
fatti del sistema.

27. Confronto dei risultati ottenuti

28. Confronto dei risultati ottenuti

29. Confronto dei risultati ottenuti

30. Risultati con nuovi parametri

31. Risultati con nuovi parametri

32. Risultati con nuovi parametri

33. Osservazioni
• La differenziazione culturale cresce proporzionalmente
all’aumentare delle dimensioni della popolazione.
• La capacità di memorizzazione delle informazioni di un
individuo agisce positivamente sulla dimensione di un gruppo
connesso.
• Gli effetti della crescita della popolazione sulla differenziazione
diminuiscono all’aumentare della capacità di memoria.

34. Possibile lavoro futuro
L’algoritmo permette di applicare parametri di popolazione
reali  sarebbe possibile andare a valutare le differenze
sociali all’interno di un gruppo di persone ampio, come la
popolazione di una città. Si potrebbe poi andare a
determinare media e varianza delle informazioni più
conosciute e creare ad esempio una piattaforma di sharing
economy categorizzata verosimilmente al numero di
informazioni memorizzate dagli individui.

35. Conclusioni
I risultati riscontrati mostrano che, impostando le variabili
di studio analogamente ai valori presenti nella ricerca,
l’algoritmo funziona con una certa efficienza.
Inoltre ampliando i valori delle variabili in esame,
l’andamento della simulazione conferma ancora una volta
la teoria dell’informazione proposta da Mark Noah.

36. Conclusioni
A causa del limite prestazionale della macchine utilizzata,
non è stato possibile effettuare test aventi dimensione di
popolazione elevate (>1000). Sono tuttavia confidente che
esiti su larga scala possano dare altrettanti riscontri positivi,
specialmente se si pensa all’impiego dei risultati per fini
statistico-commerciali.

37. Stato dell’arte della ricerca di
Mark Noah
•“Agent-Based Computational Sociology”, Flaminio Squazzoni - Wiley
2012.
•“FROM FACTORS TO ACTORS: Computational Sociology and Agent-
Based Modeling”, Michael W. Macy and Robert Willer – Paper 2001
•“Religion and Class in America: Culture, History and Politics
(International Studies in Religion and Society)”, Sean McCloud - Brill
Academic Pub 2008

38. Segue

39. Interfaccia Simulazione Popolazione di dimensione 1000

40. Video Simulazione #1

41. Video Simulazione #2

42. Grazie per l’attenzione

43. Bibliografia
• Wilensky, U. (1999). NetLogo. Center for Connected Learning and Computer-Based Modeling, Northwestern
University, Evanston, IL. http://ccl.northwestern.edu/netlogo.
• Noah, M. (1998). “Beyond Individual Differences: Social Differentiation from First Principles”, American
Sociological Review. http://www.ppsw.rug.nl/~flache/MarkASR98BeyondIndividualDifferences.pdf
• StackOverfFlow Community Resources. http://stackoverflow.com/questions/tagged/netlogo.
• Gabbriellini, S. (2010). Differentiation Model http://gemass.academia.edu/SimoneGabbriellini.
• Macy, M. W., and Willer, R. (2001) ,FROM FACTORS TO ACTORS: Computational Sociology and Agent-Based
Modeling. http://cognitrn.psych.indiana.edu/rgoldsto/complex/macysoc.pdf