El modelatge basat en agents es pot entendre com una ampliació del modelatge formal (p.ex., la teoria de jocs). En el modelatge formal, els agents habitualment són homogenis, i el nombre d’agents i de regles estan molt limitats (Miller i Page, 2007). Els models basats en agents poden incloure un nombre lògicament infinit de regles i agents heterogenis. Per tant, l’ABM és un mètode potent per a la construcció de teories sobre fenòmens complexos. Concretament, l’ABM pot contribuir a la recerca en ciències socials de múltiples formes: proporciona als investigadors una eina per fer “experiments mentals rigorosos”; serveix com a mecanisme per validar teories formals existents i per desenvolupar noves teories (Levitt, 2004), i ofereix una forma d’utilitzar els experiments virtuals per predir possibles resultats d’intervencions del món real.

La governança col·laborativa com a mecanisme col·lectiu de presa de decisions (Ansell i Gash, 2008) pretén ser generalment deliberatiu, igualitari i orientat al consens. Normalment implica un grup de stakeholders interdependents de múltiples sectors que treballen junts en un intent de desenvolupar i/o implementar polítiques per afrontar un problema social complex. La governança col·laborativa és un procés complex d’interacció entre actors heterogenis i interdependents, en el qual les relacions no lineals entre nombrosos factors influeixen en l’evolució i els resultats del procés. Amb aquestes característiques, hi ha molt motius pels quals l’ABM resulta una eina interessant per a l’estudi de la governança col·laborativa. En primer lloc, el procés de la governança col·laborativa és complex, i ha estat tractat bàsicament com una “caixa negra” pels investigadors. A través de d’una simulació amb ABM, els investigadors poden estudiar els complexos processos d’interacció entre agents designats per actuar com stakeholders en la governança col·laborativa. En segon lloc, la col·laboració es veu afectada tant pels objectius, les percepcions i les motivacions individuals, com pels escenaris institucionals. Un marc exhaustiu de governança col·laborativa hauria de tenir en compte tant les variables a escala individual com institucional. El modelatge basat en agents ajuda els investigadors a estudiar aquest marc exhaustiu permetent-los incloure actors heterogenis i diverses regles de col·laboració en un model. En tercer lloc, en el procés de desenvolupament del model, l’ABM anima els investigadors a desenvolupar conceptes i mesures de governança col·laborativa definits concretament. Atès que el model basat en agents és un model numèric basat en algoritmes, tots els objectes i funcions del model haurien d’estar definits formalment. D’aquesta manera, els investigadors es veuen impulsats a anar més enllà de les definicions verbals dels conceptes essencials de la governança col·laborativa. En quart lloc, l’ABM sovint es combina amb el disseny experimental (Harrison et al., 2007), que és un mètode més potent per investigar la relació causal entre variables que l’anàlisi de regressió. Finalment, l’estudi de la governança col·laborativa s’ha realitzat principalment a través d’estudis de casos. Recentment, però, hi ha hagut un interès creixent en el desenvolupament d’una teoria de la governança col·laborativa (Tang i Mazmanian, 2009). L’ABM és un mètode dedicat a la construcció de teories de manera inductiva i deductiva.

La recerca en governança col·laborativa es pot ampliar utilitzant el modelatge basat en agents. En primer lloc, l’ABM es pot fer servir per simular el procés deliberatiu de presa de decisions en la governança col·laborativa. En tot procés deliberatiu, els participants comparteixen les seves informacions i ajusten les seves preferències inicials d’acord amb la nova informació, la qual cosa és un procés de construcció d’un model mental compartit. Mitjançant el modelatge basat en agents amb agents d’aprenentatge, es poden simular les actituds d’aprenentatge dels actors individuals. En segon lloc, els participants també es veuen obligats pels escenaris institucionals o les regles de presa de decisions que han de seguir. En el món real, es combinen diverses regles institucionals i no és fàcil discernir l’efecte de cada regla sobre el rendiment del sistema de governança col·laborativa. A través de l’ABM, els investigadors poden aplicar un conjunt de regles basades en la teoria o específiques al cas per tal d’examinar l’efecte que tenen, o poden dissenyar un estudi comparatiu sobre diferents escenaris institucionals. Finalment, la mutualitat d’interessos entre stakeholders és una característica important del la governança col·laborativa. Tanmateix, el nivell de conflicte d’interessos entre els stakeholders no és fàcil de mesurar en el món real. En els experiments virtuals amb ABM, els investigadors poden controlar el nivell de conflicte entre stakeholders i veure com interacciona amb altres variables.

La nostra recerca ha proporcionat alguns resultats interessants d’un model computacional de governança col·laborativa basat en agents. En primer lloc, quan els participants en un fòrum col·laboratiu comencen les seves deliberacions amb una proposta que reflecteix la preferència de la majoria, els és difícil trobar una solució millor, és a dir, una que augmenti la satisfacció d’alguns participants sense reduir la dels altres. Com es pot esperar, una alternativa coherent amb la preferència de la majoria sembla que deixa poc espai a la millora a través de la deliberació col·lectiva. En aquestes condicions, doncs, pot afegir el màxim valor la governança col·laborativa? La nostra simulació ha demostrat que els beneficis de la governança col·laborativa són més grans quan els stakeholders parteixen d’una alternativa impopular, el nivell de conflicte entre ells és alt i estan disposats a modificar les seves preferències d’acord amb la nova informació. En aquestes condicions, la majoria del grups de col·laboració virtuals arriben a un acord i el grau de millor de la satisfacció dels stakeholders és elevat.

També hem trobat un efecte d’interacció interessant entre el nivell de conflicte i l’actitud d’aprenentatge de l’actor. Els resultats de la simulació han indicat que, si els participants aprenen dels altres i, com a resultat d’això, modifiquen les seves preferències, un nivell més alt de conflicte d’interessos entre ells pot portar a millorar més els nivells de satisfacció. Més conflicte també genera una millora en la satisfacció quan els participants comencen amb una alternativa impopular. Aquests efectes de la interacció impliquen que, des d’una perspectiva de processament de la informació, un grau major de conflicte millora el procés de deliberació entre els stakeholders, més que impedir-lo. Quan aquest efecte interacciona amb actituds d’aprenentatge positives, un sistema de governança col·laborativa pot aportar el màxim valor afegit. Finalment, els nostres resultats de la simulació són informatius, pel que fa a la gestió estratègica del sistema de col·laboració. Per exemple, els resultats mostren que començar la deliberació entorn d’opcions proposades que reflecteixin les actuals preferències de la majoria pot accelerar el procés de formació de consens, mentre que començar amb una proposta impopular pot facilitar el procés de deliberació, el qual, al seu torn, pot donar com a resultat més aprenentatge i construcció de confiança. Els líders d’un sistema de governança col·laborativa poden considerar l’ús estratègic de les diferents alternatives a “posar sobre la taula” com un punt de partida per a la subsegüent construcció de consens. A més, els resultats de la simulació indiquen que els líders poden tenir més èxit si se centren a animar els participants a ser flexible amb relació a les seves posicions.

En definitiva, el modelatge basat en agents és una nova metodologia emergent en la recerca en ciències socials que pot contribuir a la tasca de construcció d’una teoria formal. Els investigadors poden utilitzar aquest mètode per dur a terme experiments virtuals sobre les característiques, les regles i els entorns individuals de la governança col·laborativa i generar proposicions teòriques per guiar la recerca empírica. El modelatge basat en agents proporciona un mètode valuós d’investigar el procés complex de la governança col·laborativa.

Referències

Ansell, C.; Gash, A. (2008). “Collaborative governance in theory and practice”. Journal of Public Administration Research and Theory, 18(4): 543-571.

Epstein, J. M.; Axtell, R. (1996). Growing Artificial Societies: Social science from the bottom up. Washington, D.C.: Brookings Institution Press.

Harrison, J. R.; Lin, Z.; Carroll, G. R.; Carley, K. M. (2007). “Simulation modeling in organizational and management research”. Academy of Management Review, 32(4): 1229-1245.

Levitt, R. E. (2004). “Computational modeling of organizations comes of age”. Computational & Mathematical Organization Theory, 10(2): 127-145.

Miller, J. H.; Page, S. E. (2007). Complex Adaptive Systems. Princeton, NJ: Princeton University Press.

Tang, S.Y.; Mazmanian, D.A. (2009). “Collaborative governance approached through theory”. Disponible a SSRN: http://ssrn.com/abstract=1516851.