Прогнозирование распространения норм и ценностей в России с использованием агент-ориентированного подхода

Автор: Машкова Александра Леонидовна

Журнал: Экономические и социальные перемены: факты, тенденции, прогноз @volnc-esc

Рубрика: Вопросы теории и методологии

Статья в выпуске: 1 т.15, 2022 года.

Бесплатный доступ

В работе представлена агент-ориентированная модель распространения норм и ценностей и опыт ее использования для получения прогнозов динамики мнений в российском обществе с учетом влияния цифровых медиа и ухудшения экономической ситуации в стране. Выбранный метод моделирования позволяет прогнозировать динамику населения, экономики и политической системы с учетом их взаимного влияния. Каждому агенту ставится соответствующий набор норм и ценностей и моделируется, как они изменяются под влиянием его уровня жизни, общения со знакомыми и посылов из медиа. Отличием представляемой модели от известных аналогов является ее связь с моделью искусственного общества, отражающей население и экономику России на основе актуальных данных. Поведение агентов в модели базируется на концепции социального агента, которая включает принципы разделения агентов на кластеры социальной активности, способ представления норм и ценностей агента в виде набора опций с изменяющейся частотой и функцию построения субъективных оценок уровня жизни, основанную на сопоставлении агента с его окружением. Для информационного наполнения модели проанализированы результаты седьмой волны Всемирного исследования ценностей в отношении взаимосвязи уровня дохода, оценки работы политической системы и нормы социальной ответственности, которое показало значительную степень корреляции между доходами, политическими оценками и нормами жителей. На базе разработанной модели проведены сценарные расчеты, направленные на построение прогноза вероятной динамики общественных настроений в различных экономических условиях. Полученные результаты свидетельствуют о достаточно серьезной взаимосвязи экономического положения и удовлетворенности жителей действиями правительства. В разработанной модели изменение убеждений человека ограничивается его внутренним миром, поэтому важным направлением будущих исследований является реализация новых устремлений в попытках изменить свою жизнь или общество.

Еще

Агент-ориентированная модель, нормы и ценности, уровень жизни, цифровые медиа, всемирное исследование ценностей

Короткий адрес: https://sciup.org/147236389

IDR: 147236389   |   DOI: 10.15838/esc.2022.1.79.5

Список литературы Прогнозирование распространения норм и ценностей в России с использованием агент-ориентированного подхода

  • Вайгенг Й., Морев М.В., Уханова Ю.В., Косыгина К.Е. (2021). Эффективность деятельности органов власти на локальном уровне в условиях пандемии COVID-19 (опыт России и Китая) // Экономические и социальные перемены: факты, тенденции, прогноз. Т. 14. № 4. С. 231–250. DOI: 10.15838/esc.2021.4.76.14
  • Давыдов С.Г. (2021). Цифровые компетенции россиян и работа на самоизоляции во время пандемии COVID-19 // Мониторинг общественного мнения: экономические и социальные перемены. № 2. С. 403–422. DOI: https://doi.org/10.14515/monitoring.2021.2.1913
  • Ильичева Л.Е., Кондрашов А.О., Лапин А.В. (2021). Доверие как мост над пропастью неуверенности между властью и обществом // Мониторинг общественного мнения: экономические и социальные перемены. № 2. С. 162–185. DOI: https://doi.org/10.14515/monitoring. 2021.2.1917
  • Лапин Н.И. (2010). Функционально-ориентирующие кластеры базовых ценностей населения России и ее регионов // Социологические исследования. № 1. С. 28–36.
  • Макаров В.Л., Бахтизин А.Р. (2013). Социальное моделирование – новый компьютерный прорыв (агент-ориентированные модели). М.: Экономика. 295 с.
  • Мареева С.В. (2013). Динамика норм и ценностей россиян // Социологические исследования. № 7. С. 120–130.
  • Мареева С.В. (2015). Ценностная палитра современного российского общества // Мониторинг общественного мнения: экономические и социальные перемены. № 4. С. 50–65.
  • Машкова А.Л., Дембовский И.А. Новикова Е.В. (2019). Формирование потребительской стратегии домохозяйств в агентной модели отраслевого развития экономики России // Искусственные общества. Т. 14. № 3.
  • Новикова Т.С., Цыплаков А.А. (2020). Социальная политика в многоотраслевой агент-ориентированной модели // Экономические и социальные перемены: факты, тенденции, прогноз. Т. 13. № 3. С. 129–142. DOI: 10.15838/esc.2020.3.69.9
  • Суслов В.И., Доможиров Д.А., Ибрагимов Н.М. [и др.] (2016). Агент-ориентированная многорегиональная модель «затраты – выпуск» российской экономики // Экономика и математические методы. Т. 52. № 1. С. 112–131.
  • Adams J., White G., Araujo R. (2021). The role of mistrust in the modelling of opinion adoption. Journal of Artificial Societies and Social Simulation, 24 (4) 4. Available at: http://jasss.soc.surrey.ac.uk/24/4/4.html. DOI: 10.18564/jasss.4624
  • Atkinson K., Bench-Capon T. Value based reasoning and the actions of others. In: Frontiers in Artificial Intelligence and Applications, 285, 680–688. DOI: 10.3233/978-1-61499-672-9-680
  • Ceragioli F., Frasca P. (2018). Consensus and disagreement: The role of quantized behaviors in opinion dynamics. SIAM Journal on Control and Optimization, 56, 1058–1080. DOI: 10.1137/16M1083402
  • Chen Z., Lan H. (2021). Dynamics of public opinion: Diverse media and audiences’ choices. Journal of Artificial Societies and Social Simulation, 24 (2) 8, Available at: http://jasss.soc.surrey.ac.uk/24/2/8.html. DOI: 10.18564/jasss.4552
  • Cranefield S., Winikoff M., Dignum V., Dignum F. (2017). No pizza for you: Value-based plan selection in BDI agents. In: Proceedings of the Twenty-Sixth International Joint Conference on Artificial Intelligence Main track, 178–184. DOI: 10.24963/ijcai.2017/26
  • Deffuant G., Neau D., Amblard F., Weisbuch G. (2000). Mixing beliefs among interacting agents. Advances in Complex Systems, 3, 87–98.
  • Dong Y., Ding Z., Chiclana F., Herrera-Viedma E. (2021). Dynamics of public opinions in an online and offline social network. IEEE Transactions on Big Data, 7(4), 610–618. DOI: 10.1109/TBDATA.2017.2676810
  • Fishbein M., Azjen I. (2011). Predicting and Changing Behavior: The Reasoned Action Approach. NJ: Psychology Press.
  • Hegselmann R., Krause U. (2002). Opinion dynamics and bounded confidence models, analysis, and simulation. Journal of Artificial Societies and Social Simulation, 5(3).
  • Hu H., Zhu J. J. (2017). Social networks, mass media and public opinions. Journal of Economic Interaction and Coordination, 12(2), 393–411. DOI: 10.1007/s11403-015-0170-8
  • Jiao Y., Li Y. (2021). An active opinion dynamics model: The gap between the voting result and group opinion. Information Fusion, 65, 128–146. DOI: 10.1016/j.inffus.2020.08.009
  • Martins A.C.R. (2013). Trust in the CODA model: Opinion dynamics and the reliability of other agents. Physics Letters A, 377(37), 2333–2339. DOI: 10.1016/j.physleta.2013.07.007
  • Mashkova A.L., Nevolin I.V., Savina O.A., Burilina M.A., Mashkov E.A. (2020). Generating social environment for agent-based models of computational economy. In: A. Chugunov, I. Khodachek, Y. Misnikov, D. Trutnev (Eds). Electronic Governance and Open Society: Challenges in Eurasia. EGOSE 2020, 1349, 291–305. DOI: 10.1007/978-3-030-67238-6_21.
  • Mashkova A.L., Novikova E.V., Savina O.A., Mamatov A.V., Mashkov E.A. (2020). Simulating budget system in the agent model of the Russian Federation spatial development. In: A. Chugunov, I. Khodachek, Y. Misnikov, D. Trutnev (Eds). Electronic Governance and Open Society: Challenges in Eurasia. EGOSE 2019, 1135, 17–31. DOI: 10.1007/978-3-030-39296-3_2
  • Mercuur R., Dignum V., Jonker C. (2019). The value of values and norms in social simulation. Journal of Artificial Societies and Social Simulation, 22 (1) 9, Available at: http://jasss.soc.surrey.ac.uk/22/1/9.html. DOI: 10.18564/jasss.3929
  • Pineda M., Buendía G. (2015). Mass media and heterogeneous bounds of confidence in continuous opinion dynamics. Physica A: Statistical Mechanics and Its Applications, 420, 73–84. DOI: 10.1016/j.physa.2014.10.089
  • Poel I.V., Royakkers L.M. (2011). Ethics, Technology, and Engineering: An Introduction. Hoboken, NJ: John Wiley & Sons.
  • Quattrociocchi W., Conte R., Lodi E. (2011). Opinions manipulation: Media, power and gossip. Advances in Complex Systems, 14(04), 567–586. DOI: 10.1142/S0219525911003165
  • Rogers E.M. (2003). Diffusion of Innovations, 5th Edition. New York, NY: Free Press.
  • Stauffer D. (2002). Sociophysics: The Sznajd model and its applications. Computer Physics Communications, 46(1), 93–98.
  • Sznajd-Weron K., Sznajd J. (2000). Opinion evolution in closed community. International Journal of Modern Physics C, 11(6), 1157–1165.
  • Weisbuch G., Deffuant G., Amblard F., Nadal J.-P. (2002). Meet, discuss, and segregate! Complexity, 7(3), 55–63. DOI:10.1002/cplx.10031
  • Zino L., Ye M., Cao M. (2020). A two-layer model for coevolving opinion dynamics and collective decision-making in complex social systems. Chaos: An Interdisciplinary Journal of Nonlinear Science, 30(8), 083107. DOI: 30.083107.10.1063/5.0004787
  • Zhang A., Zheng M., Pang B. (2018). Structural diversity effect on hashtag adoption in Twitter. Physica A: Statistical Mechanics and Its Applications, 493, 267–275. DOI: 10.1016/j.physa.2017.09.075
Еще
Статья научная