Influencia del parentesco en la cooperación.

Investigadores de la Universidad de Zaragoza y de la Universidad Carlos III de Madrid hemos colaborado para realizar un experimento destinado a determinar cómo influyen las relaciones familiares e intergeneracionales en la cooperación.

El experimento se llevó a cabo en el campus Río Ebro de la Universidad de Zaragoza, en él participaron 165 personas: 55 jóvenes entre 17 y 19 años junto con uno de sus padres y uno de sus abuelos. Para el reclutamiento se contó con la colaboración de la Fundación Ibercivis y, además de anunciar el experimento a alumnos de la Universidad de Zaragoza e institutos de secundaria, se publicitó en medios de comunicación locales (prensa, televisión y radio), Ayuntamiento y Gobierno de Aragón.

El experimento consistió en un Juego de Bienes Públicos. Cada individuo participó en tres tratamientos consecutivos: i) un tratamiento en el que los tres miembros de la misma familia -joven, padre y abuelo- jugaban entre ellos (tratamiento familiar), ii) un segundo tratamiento con tres miembros no emparentados pero preservando la estructura generacional con un joven, un padre y un abuelo (tratamiento intergeneracional), y iii) un tercer tratamiento en el que tres jugadores elegidos al azar jugaban entre ellos (tratamiento aleatorio). Cada uno de los tres tratamientos, a su vez, consistía en 10 rondas consecutivas, lo que implica un total de 30 rondas. Con el fin de controlar la posible influencia del orden, se dividió a los participantes en dos grupos, de manera que un grupo realizó los tratamientos en el orden familiar-integeneracional-aleatorio y el otro grupo en el orden inverso.

El hecho de que los tratamientos familiar e intergeneracional tengan la misma estructura generacional, permite comparar el comportamiento entre familiares con el comportamiento entre extraños. Por otro lado, el tratamiento aleatorio elimina los efectos relacionados con el emparejamiento, constituyendo un modelo nulo en el que no existen influencias de parentesco ni generacionales.

A cada jugador se le asignaba una cantidad de 10 unidades monetarias (ECUs) por ronda, y se le permitía depositar la cantidad de ECUs que quisiera (entre 0 y 10) en un fondo común. Al final de cada ronda se sumaban las contribuciones de los tres participantes al fondo común, se incrementaba dicha suma en un 50%, y se dividía el resultado equitativamente entre los tres, independientemente de la contribución de cada jugador. A esa cantidad se le sumaba el dinero que no había depositado en el fondo común. Para tomar la decisión, los jugadores conocían cuánto habían depositado los otros dos jugadores en el fondo común en la ronda anterior. Al final del experimento cada jugador recibió la suma de los beneficios correspondientes a todas las rondas de los tres tratamientos, una vez convertidos a euros, más una gratificación por participar.

Como resultado global, encontramos que todas las generaciones cooperan más cuando interactúan con familiares, lo que indica que los lazos familiares tienen una influencia positiva en las contribuciones al bien común. Por generaciones, caben resaltar dos resultados: el primero es que esa tendencia es más evidente en los jóvenes y padres que en los abuelos, esto es, la cooperación en abuelos está menos influenciada por el parentesco. El segundo es que, en general, los jóvenes tienden a cooperar menos que las generaciones mayores, especialmente cuando no interaccionan con familiares.

En lo que respecta a la respuesta de los individuos al entorno, en todos los tratamientos y generaciones se observa, además de cierta persistencia en las acciones, una tendencia a incrementar la contribución al fondo común como respuesta a una mayor contribución de los otros dos jugadores (figura 1). En definitiva, observamos que la contribución al bien común está fuertemente condicionada tanto por la acción previa del jugador como por las últimas contribuciones observadas en sus compañeros.

Estos resultados sirven como evidencia experimental de la relación entre los lazos familiares y las conductas cooperativas intergeneracionales.

fig1
Figura: Incremento en la contribución respecto a la contribución de los demás jugadores. En los paneles se muestra el incremento en la contribución propia (eje y) en función de la diferencia entre el promedio de las contribuciones de los compañeros y la contribución propia en la ronda anterior (eje x). La columna izquierda corresponde al tratamiento familiar, la central al intergeneracional y la derecha al aleatorio. La fila superior corresponde a los jóvenes, la central a los padres y la inferior a los abuelos.

Referencia al artículo original:

José Alberto Molina, Alfredo Ferrer, Ignacio Giménez-Nadal, Carlos Gracia-Lázaro, Yamir Moreno and Ángel Sánchez, (2018) Intergenerational cooperation within the household: a Public Good game with three generations. Review of Economics of the Household. pp.1-18. Versión pdf.

Anuncios

¿Mezclarse o no mezclarse? Difusión y contagio entre grupos

Considere una población de personas que pueden estar infectadas o no. El estado de infección puede referirse a haber contraído una enfermedad, pero también puede ser interpretado en el contexto más amplio de los procesos de contagio como, por ejemplo, la adopción de la última tecnología o el estado de participación activa en el aula. Suponga que las personas infectadas abandonan el estado de infección (es decir, se curan) con una cierta probabilidad, y las personas sanas se infectan si entran en contacto con una persona infectada, y lo hacen sólo con una cierta probabilidad.

Algunas personas son menos propensas a ser infectadas que otras, ya sea porque tienen una menor propensión a contraer la enfermedad cuando se encuentran con una persona infectada o porque disfrutan de una mayor propensión a sanar cuando están infectadas. Estas diferentes propensiones individuales definen dos grupos: el grupo sensible y el grupo resistente (ver Fig. 1). El grupo sensible (rojo) tiene una mayor propensión natural a la infección que el grupo resistente (azul), y por lo tanto presenta un nivel de infección superior en cualquier situación estable.

En este trabajo analizamos las consecuencias que tiene sobre los niveles de infección en cada grupo el aumentar el nivel de interacción entre estos dos grupos (es decir, la fracción de interacciones entre individuos que pertenecen a diferentes grupos), manteniendo constante el nivel promedio de interacción individual.

Intuitivamente, uno pensaría que, al mezclar los dos grupos, los niveles de infección en cada uno de ellos deberían aproximarse, con un aumento de las infecciones en el grupo resistente y una disminución de las infecciones en el grupo sensible (figura 1, caso A). Esta intuición a veces es correcta, pero no siempre. En este artículo demostramos que hay situaciones en las cuales aumentar la interacción entre los dos grupos puede conducir a una reducción del nivel de infección en ambos grupos (figura 1, caso B). Esto implica que una mayor mezcla puede ayudar a ambos grupos a lograr menores tasas de infección y, por lo tanto, que algunos niveles de interacción entre grupos son ineficientes (en el sentido de Pareto).

Este efecto paradójico se debe a la retroalimentación existente entre los dos grupos: desde una situación estable inicial correspondiente a un nivel de mezcla dado (por ejemplo, 60% de mezcla en el escenario correspondiente al caso B en la Fig. 1), aumentar el nivel de interacción entre los dos grupos puede ser inicialmente perjudicial para el grupo resistente, que comenzará a encontrarse con más personas infectadas. Sin embargo, esas mismas interacciones entre grupos provocarán una reducción en el nivel de infección del grupo sensible. En ocasiones, esta reducción puede llegar a ser tan significativa que el efecto total sobre el grupo resistente resulta positivo, una vez que los beneficios del efecto reductor inducido en el grupo sensible repercuten de vuelta sobre el grupo resistente. De esta forma, puede llegarse a un nuevo equilibrio (dinámicamente estable) en el que ambos grupos están mejor.

mixing
Fig. 1. Estructura de interacción y niveles de infección en función del nivel de interacción entre los dos grupos. Arriba, de izquierda a derecha: caso de población segregada (mezcla = 0%), caso de población parcialmente mezclada (mezcla = 50%) y caso de población bipartita (mezcla = 100%). Abajo: niveles de infección en equilibrio para el grupo resistente (azul) y para el grupo sensible (rojo) en función del nivel de mezcla, en dos casos diferentes. En el caso A, los niveles de infección son funciones monótonas de la mezcla, y todos los niveles de mezcla son eficientes de Pareto. En el caso B, el nivel de infección en el grupo resistente es una función no monótona del nivel de mezcla, y existen niveles de mezcla ineficientes de Pareto.

Referencia al artículo original:

Izquierdo, S.S., Izquierdo, L.R. López-Pintado, D. (2018). Mixing and diffusion in a two-type population  Royal Society Open Science, 5(2) 172102.

Model: https://luis-r-izquierdo.github.io/micopro/

Presentation: http://luis.izqui.org/presentations/to-mix-or-not-to-mix.pdf

Interactive figure: http://demonstrations.wolfram.com/MixingAndInfectionInATwoGroupSISModel/

Clasificación del comportamiento humano usando Teoría de Juegos

Investigadores de la Universitat Rovira i Virgili, Universitat de Barcelona, Universidad de Zaragoza y Universidad Carlos III de Madrid hemos colaborado para llevar a cabo un experimento social y determinar si existen distintos tipos de comportamientos o estrategias, cuando se trata de enfrentarse a distintos dilemas sociales (o juegos con distintas matrices de pago).

El experimento se llevó a cabo durante el DAU Barcelona, el Festival de Juegos que organiza el ayuntamiento de la ciudad.

Realizar el experimento en un lugar público nos permitió reclutar personas de distintas edades y condiciones, de modo que nuestra población para el estudio fue mucho más variada que en otros experimentos similares, típicamente realizados exclusivamente con estudiantes universitarios.

Cada individuo tuvo que jugar en torno a 13-18 rondas de juegos. Cada ronda era un juego distinto (Dilema del Prisionero, Armonía, Caza del Ciervo y Chicken Contest) con diferentes matrices de pagos (es decir, de este modo exploramos el plano T-S en su totalidad). Además, jugaban cada ronda con distintos oponentes (anónimos y aleatorios). Recogimos datos de 541 personas, acumulando en total mas de 8.600 decisiones de juego.

Uno de los aspectos mas novedosos de nuestro trabajo es el hecho de que, en lugar de tratar de clasificar a los sujetos a priori y de acuerdo con las teorías existentes, nosotros elegimos utilizar un algoritmo de clasificación que no sabe nada sobre Teoría de Juegos, y examinar si los grupos encontrados pueden ser explicados a posteriori, usando dicha teoría.

Específicamente, usamos el algoritmo K-means para clasificar los sujetos de acuerdo a sus elecciones en los distintos juegos, y encontramos que el número óptimo de grupos para los datos recogidos es 5. A continuación describimos brevemente los 5 grupos.

  • Confiados: cooperan en todos los juegos, para cualquier valor de la matriz de pagos. Constituyen un 17% de la poblacion estudiada.
  • Envidiosos: este grupo es el de mayor tamaño encontrado en nuestro estudio (30%), y defectan en todo el plano T-S, con excepción del triángulo superior dentro del cuadrante del juego de Armonía. Este resultado es muy sorprendente, ya que nunca antes se había reportado defección en dicho juego (de hecho, el juego de Armonía no tiene un dilema como tal). El motivo por el que esta población defecta en una región del juego del Armonía, y el todo el resto del plano, es porque su motivación es ganar más que su oponente, aunque esto suponga que al final, ellos mismos ganan menos que el máximo posible para un juego dado.
  • Optimistas: este grupo constituye el 20% de la población, y su motivación está guiada por el optimismo: eligen en cada caso la acción que podría darles máximo beneficio (asumiendo que las cosas les saldrán bien, y su oponente no lesestropeará el plan).
  • Pesimistas: son la contrapartida del grupo anterior, y el 21% de la población. Su objetivo es minimizar las posiblespérdidas, eligiendo la opción con la que perderán menos, renunciando a intentar una acción que podría reportarles mayor beneficio (y asumiendo que el oponente no les ayudaría a que ese plan saliera bien).
  • Finalmente, el algoritmo encuentra un grupo pequeño (12%) de individuos que parecen comportarse sin una regla clara.

Es importante remarcar que, en primer lugar, ninguno de estos grupos (a excepción de los Confiados) había sido reportado en la literatura previamente. En segundo lugar, ninguno de los grupos encontrados (ni tampoco el grupo de la población en su conjunto) se comporta de acuerdo con los equilibrios de Nash de cada juego, pero sin embargo, es evidente que, si no racionales en el sentido clásico dictado por Nash, los individuos de este estudio siguen reglas muy bien definidas a la hora de tomar sus decisiones.

Estos resultados tienen aplicación directa en diversos ámbitos, desde selección de personal y trato con clientes en empresas, a la implementación de políticas que requieran entender los incentivos a los que responde la población (por ejemplo, cambio climático, cooperación internacional ante catástrofes humanitarias, o conflictos armados).

Figura_Poncela_et_al
Figura 1: Diagrama de cooperación representando el comportamiento de cada uno de los 5 grupos encontrados en este trabajo, así como de la población en su conjunto agregando los datos de todos los individuos participantes. El rojo representa un 100% de decisiones cooperativas, mientras que el azul representa un 0% de acciones cooperativas. El plano T-S permite separar los 4 dilemas sociales en distintos cuadrantes. El cuadrante superior izquierdo es el juego de Armonía, el superior derecho es el juego de Chicken Contest, el inferior izquierdo es la Caza del Ciervos, y el inferior derecho es el Dilema del Prisionero. Para cada grupo o fenotipo (para cada columna), representamos el valor empírico de cooperación en todo el plano, el comportamiento ideal inferido (etiquetado “numerical”), así como las reglas de comportamiento en función de los parámetros de la matriz de pagos (donde Cooperador contra Cooperador gana R, Cooperador contra Defector gana S, Defector contra Cooperador gana T, Defector contra Defector gana P). Es importante resaltar que al agregar los comportamientos de cada grupo, pesados por la fracción relativa que representan ante el conjunto de la población, recuperamos con buena aproximación el comportamiento experimental de la población entera (última columna).

Referencia al artículo original:
Julia Poncela-Casasnovas, Mario Gutiérrez-Roig, Carlos Gracia-Lázaro, Julian Vicens, Jesús Gómez-Gardeñes, Josep Perelló, Yamir Moreno, Jordi Duch and Angel Sánchez (2016) Humans display a reduced set of consistent behavioral phenotypes in dyadic games
Science Advances  05 Aug 2016. Vol. 2, no. 8, e1600451.

La actividad agrícola en Senegal reflejada en los patrones de comunicación y migración

En el Grupo de Sistemas Complejos de la Universidad Politécnica de Madrid hemos estudiado la evolución espacio temporal de los patrones de comunicación en Senegal y explorado sus correlaciones con las dinámicas sociales subyacentes [1]. Para ello hemos combinado datos provenientes de comunicaciones mediante telefonía móvil con imágenes satelitales, de las que hemos extraído índices de vegetación que nos permiten inferir el estado de desarrollo de los cultivos y de ahí cuándo se aproxima la época de las cosechas.

Utilizando técnicas de la teoría de Redes Complejas hemos podido caracterizar patrones de comportamiento humano asociados a la Agricultura, que es la actividad económica más importante de este país, en la que trabaja más del 70% de su población activa.

La naturaleza estacional de una economía basada en la agricultura implica la alternancia de periodos de alta y baja actividad laboral, lo que conlleva la aparición de olas de migración estacionales. Este es uno de los fenómenos que hemos detectado y caracterizado. Al analizar la evolución temporal y espacial de los patrones de comunicación y las variaciones de los índices de vegetación hemos encontrado correlaciones entre picos de actividad de mano de obra agrícola y de llamadas telefónicas. Además, hemos estudiado los flujos migratorios de los usuarios, encontrando que durante la temporada de la cosecha el número de usuarios que se han desplazado entre regiones de Senegal aumenta considerablemente (ver Figura 1 A)

Por otro lado, la religión también influye en los patrones de movilidad. En Senegal la religión predominante es el Islam, que se organiza en hermandades o cofradías. Una de las más importantes es la cofradía Mouride, que se caracteriza por considerar el trabajo como una forma de adoración. Esta filosofía ha estimulado la emergencia de comunidades rurales dedicadas a la agricultura, especialmente al cultivo del cacahuete, contribuyendo a la consolidación del mismo como uno de los principales cultivos de exportación del país. Todos los años se celebran varias fiestas religiosas. Algunas comunes a todo el Islam y otras propias de cada cofradía, siendo las de la hermandad Mouride las más concurridas. Para analizar las pautas de movilidad generadas por estas festividades hemos construido redes de trayectorias y analizado su evolución temporal. En estas redes las localizaciones geográficas (antenas, municipios, etc.) son los nodos y los enlaces indican desplazamientos de usuarios entre nodos. Gracias a ellas hemos podido detectar la afluencia de personas a ciertos lugares sagrados durante las correspondientes celebraciones (ver Figura 1 B).

senegal
Figura 1. A: Mapas que muestran, mes a mes, la cantidad de usuarios que han emigrado a cada región. El máximo para la mayoría de las regiones se encuentra en los meses de septiembre, octubre o noviembre, coincidiendo con la temporada de cosecha; B: Mapa de trayectorias del día 23 de enero de 2013, que coincide con la celebración del nacimiento de Mahoma. Durante esta festividad los musulmanes de Senegal acuden a la mezquita de la ciudad de Tivaouane.

Referencia bibliográfica: [1] S. Martín-Gutiérrez, J. Borondo, A. J. Morales, J. C. Losada, A. M. Tarquis, and R. M. Benito, “Agricultural activity shapes the communication and migration patterns in Senegal” Chaos: An Interdisciplinary Journal of Nonlinear Science, June 2016, 26(6), 065305. http://dx.doi.org/10.1063/1.4952961

 

Los países que mejor retienen y atraen a los investigadores consiguen mayor financiación europea

Esta es la conclusión del trabajo de los investigadores de la URV Manlio de Domenico y Alex Arenas, que han analizado los indicadores de movilidad de los científicos de la UE, la capacidad de los países para atraer nuevos investigadores y para retener el talento y su correlación con la inversión en investigación. Los resultados del estudio se han publicado en la revista Nature.

La obtención de dinero para la investigación viene determinada, principalmente, por la manera como los gobiernos tratan de retener a sus propios científicos y de atraer a investigadores de fuera. Los investigadores del Departamento de Ingeniería Informática y Matemáticas de la URV, Manlio de Domenico y Alex Arenas, han analizado los indicadores europeos de movilidad de los investigadores de 2007 a 2014 para poder determinar la capacidad de atracción de científicos de otros países, así como la capacidad para evitar la fuga de talento. Han comprobado que, cuanto más elevados son los valores de atracción y de retención, mayores son las posibilidades de los países de asegurar la financiación europea de la investigación.

Los países más atractivos para los investigadores foráneos son Suiza y el Reino Unido, y los que tienen la tasa de retención de talento más alta son Israel y de nuevo el Reino Unido. Los investigadores destacan el caso de Italia, que en el periodo estudiado ha perdido una gran cantidad de científicos y no ha sido capaz de atraer talento extranjero, a diferencia de lo que ha ocurrido con Suiza, Reino Unido, Suecia, Noruega, Austria, Francia y España, por citar los más destacados. Otro caso relevante es el de Israel, que se sitúa a mitad de la tabla por lo que respecta a su atractivo para los investigadores extranjeros, pero que, en cambio, ocupa el primer lugar en cuanto a retención de talento, lo que significa que, aunque no resulta muy atractivo para los investigadores de fuera, es el país que mejor cuida a sus investigadores, lo que evita la fuga de talento. Reino Unido, Suecia y Francia siguen esta misma tendencia.

En global, el Reino Unido y Suecia son los países que obtienen mejores puntuaciones en los dos sentidos, mientras que Italia es un país que muestra una baja puntuación tanto en retención como en captación. Los investigadores concluyen que hay un efecto del tipo “el rico genera riqueza”, pues los países con una elevada puntuación en atracción la tienen también en retención de talento. Estos países, además, cuentan con alto producto interior bruto per cápita y tienden a invertir más en investigación y desarrollo que el resto. Esto significa que pueden atraer y retener los mejores investigadores proporcionando salarios competitivos y un futuro garantizado en la investigación.

Figure
Gráfico que muestra la capacidad de retención de talento de captación y la inversión de producto interior bruto en investigación, en relación con el éxito en captación de recursos del VII programa Marco

En su análisis han comparado el índice de captación, de retención de talento y la inversión del producto interior bruto en investigación, en relación con el éxito en captación de recursos del séptimo programa marco. El análisis cuantitativo revela que la inversión de un país en I+D es tan crucial como la capacidad de los gobiernos para atraer los científicos desde el extranjero, por ejemplo, proporcionando salarios competitivos, y para mantener el talento del país, proporcionando mecanismos para garantizar su futuro en la investigación.

Referencia bibliográfica: Domenico, Manlio; Arenas, Alex. “Researcher incentives: EU cash goes to the sticky and attractive”. Nature. 2016/03/31 http://dx.doi.org/10.1038/531580c