Sociala sim uleringar
a v Fredrik Liljeros
GEORGE
MAS01T
dag ty ck s d e t
I
bland många sociologer och samhällsvetare
finnas ett ökat intresse för mekanismbaserade förklaringar.
Intresset tilltrots är det svårt att hitta bra exempel på kvantitativ
empirisk forskning, som grundar sig på detta synsätt. En möjlig
F r ed r ik Liljeros, FD., ä r f o r s k a r ­
förklaring till bristen på exempel är att den typ av modeller som
a s s i s t e n t vid s o c i o l o g i s k a insti­
används inom kvantitativ sociologi sällan är modeller av de pro­
tutionen
cesser och mekanismer som faktiskt studeras. Av bekvämlighets­
vid
S tock h o lm s
u n i­
vers it et. FHan f o r s k a r f r a m f ö r allt
skäl används vanligtvis traditionella additativa modeller som mul­
om d ynam iken hos so cia la och
sexuella nätverk m e d hjälp a v
m atem atiska
m odeller
d ato rsim uleringsm odeller.
sam t
Ar
ä v e n in tre sse ra d a v komplexite ts te o ri o c h e v o l u t i o n ä r a p r o ­
cesser.
tipel linjär regressionsanalys eller multipel logistisk regressions­
analys, med mer eller mindre explicita inbyggda antaganden om
linjära kausala samband mellan olika variabler (Sorensen 1998).
Vetenskapsfilosofen Roy Bhaskar (Bhaskar 1975; Bhaskar 1979)
kritiserade tidigt den sorts kausla förklaringar av naturlagstyp
som linjära addittativa modeller implicit antar och hans kritik
har haft relativt stort inflytande på den metodologiska debatten
i samtida svensk sociologi (Aspers 1997; Brante 1997; Ekström
1993). M ycket förenklat såg hans tidiga kritik ut på följande
sätt (se (Liljeros 1997) ^ r en längre diskussion): Experimentellt
inriktade forskare studerar lagbundenheter i slutna experiment.
Soc iol og isk Forskning nr 2 - 2 0 0 4
20
S o c ia la simuleringar
Problemet är att de rena lagbundenheter som
beter sig på samma sätt som systemet man är
forskaren kan observera i experiment väldigt
intresserad av att studera. D et går självklart inte
sällan existerar utanför experimentsituationen.
att studera en mekanism med samma precision
O m syftet med experiment var att identifiera
som i ett isolerat experiment. O m det finns bra
lagar så skulle därför experiment vara en rätt
tidsseriedata som beskriver hur systemet beter
meningslös aktivitet, eftersom dessa bara exi­
sig i olika situationer kan informationen dock
sterar i själva experimentsituationen. För att
användas för att bygga och kalibrera en modell
experimenterande ska vara en meningsfull akti­
som beter sig mycket realistiskt och som ger
vitet måste forskaren i stället anta att denne
oss en ökad förståelse av de underliggande
kartlägger olika mekanismer som behåller sina
mekanismer som styr systemet.
egenskaper utanför experimentsituationen men
U tan att på något sätt göra anspråk på att
vars efFekter inte alltid är synliga då de förstärks
kunna bevisa att exakt samma ontologiska an­
och motverkas av andra mekanismer (skälet till
taganden a priori måste följa för utövande av
att ett flygplan flyger är inte att gravitationen
en sådan modelleringsparxis — vilket Bhaskar
har upphört utan att flygplanet kompenserar
m enar följer av den experimentella praxisen
för gravitationen med andra aerodynamiska
— menar jag att liknande antaganden åtmins­
mekanismer (Sayer 1992)).
tone tillsvidare kan anses som rimliga. För att
H ar då detta resonemang någon relevans för
modelleringsansatsen skall kunna tillföra kunskap
sociologisk forskning? E n sak är klar och det är
utöver det att avbilda specifika unika händelser
att sociologer väldigt sällan bedriver experiment.
måste den tillföras kunskaper om mekanismer
Intressant att notera i sammanhanget är också
verksamma i olika situationer och vid olika
att generaliserbarheten hos resultaten av socio­
tidpunkter.
logiska experiment ofta ifrågasätts just för att
Finns det några förutsättningar för att en sådan
den experimentella situationen skiljer sig från
modellansats kan tillämpas framgångsrikt även
verkliga situationer. Jag tänker lämna denna fråga
inom sociologisk forskning? M odeller för att
obesvarad och i stället konstatera att långt ifrån
förstå och predicera sociala processer har använts
all fram gångsrik naturvetenskaplig forskning
inom samhällsvetenskapen under längre tid än
bedrivs med hjälp av slutna experiment. D et
vad sociologin har existerat som självständig
finns en mängd system som inte i full skala kan
vetenskaplig disciplin. Malthus argument om att
studeras i slutna sådana, t.ex. ekosystem, klim at­
mänskliga populationer alltid kommer att växa
system och planetsystem. Trots detta har stora
snabbare än människans förmåga att producera
framsteg i förståelsen av de mekanismer som styr
m at (och att mänskligheten alltid kommer att
dessa system möjliggjorts genom att man studerat
vara dömd att leva på gränsen till svält) och Marxs
modeller av dem. M odeller har fördelen att man
argument att kapitalackumulationen i kapitalist­
kan göra antaganden om vilka mekanismer som
iska samhällen oundvikligen kommer att leda till
styr systemen och därefter studera om modellen
en exponentiell tillväxt av produktionsförmågan,
Soci ol ogi sk Forskning nr 2 - 2 0 0 4
21
F re d rik Li Ije ro s
kan båda ses som exempel på verbala modeller
simulering har dock öppnat upp nya möjligheter
av dynamiska processer. Nackdelen med verbala
för att bygga formaliserade modeller av sociala
modeller är att de i princip alltid är mindre precisa
processer. Robert Axelrod framstår här som en
i sina prediktioner än formaliserade modeller. I
pionjär värd att lyfta fram (Axelrod 1997). Andra
bästa fall tillåter de prediktioner om dynamiska
pionjärer på området är Epstein och Axtell med
förlopp baserade på dess funktionella form, som
sin ”sugarscape” modell (Epstein and Axtell
t.ex. att en evig exponentiell tillväxt är omöjlig
1998). D enna modell finns beskriven i vad som
i Marxexemplet ovan. Så länge som de verbala
inom området betraktas som en modern klass­
modellerna inte är extremt förenklade är det
iker, Artificiella samhällen.
svårt att basera prediktioner på dem, speciellt
Användandet av formella modeller har givetvis
om det rör sig om ett komplext samspel mellan
sina gränser. A tt a priori fastställa vad som går
olika mekanismer.
att säga gör man, för att travestera den tidige
För att få en djupare förståelse för sociala pro­
W ittgenstein, nog bäst i att hålla tyst om och i
cesser över tid krävs därför formaliserade modeller.
stället låta framtiden utvisa. Intressant att nämna
D et äldsta och antagligen också mest prestige­
är dock att det idag publiceras artiklar i ledande
fulla sättet att bygga formaliserade modeller är
vetenskapliga tidskrifter där datorsimuleringar
använda matematiska modeller (Edling 2002).
används inom områden där man vid en första
Femtiotalet och det tidiga sextiotalet kan sägas
anblick inte skulle tro att det var möjligt. D en
utgöra något av en guldålder för matematiskt
Nordamerikanske sociologen N oah M ark har
modellerande (Coleman 1964; Karlsson 1958;
t.ex. använt en datormodell där han utifrån ett
Rashevsky 1951; Simon 195 7). M ånga idéer, som
symboliskt interaktionistiskt perspektiv studerar
Rashevskys försök att använda modeller av hur
hur subkulturer uppstår och distanserar sig ifrån
nervceller fungerar för att modellera mänskligt
varandra (M ark 1998).
beslutsfattande, framstår än idag som mycket
E n annan modell värd att nämna är D uong
avancerade och långt före sin tid. E n nackdel
och Reillys (1995) modell för hur etnisk dis­
med matematiska modeller är att det är svårt att
kriminering uppstår på en arbetsmarknad utan
finna modeller som både är realistiska och som
någon som helst korrelation mellan etnicitet och
samtidigt går att lösa analytiskt. O m man ser
yrkesskicklighet, som en oavsedd konsekvens av
på de modeller som användes under guldåldern
mycket grundläggande kognitiva mekanismer. En
så kan man klart se att realism ofta fick stå till­
central mekanism i modellen är att den mänskliga
baka för matematiska förenklingar. Faktum är
hjärnan har en tendens att skapa associationer
att väldigt många modeller som relativt enkelt
mellan olika egenskaper hos individer som inte
kan formuleras som matematiska modeller, t. ex.
nödvändigtvis är internt relaterade till varandra,
differentialekvationer, saknar kända analytiska
som etnicitet och position på arbetsmarknaden.
lösningar.
O m majoriteten av individerna på en viss posi­
Utvecklingen av datorer och programvara för
Soci ol ogi sk Forskning nr 2 - 2 0 0 4
tion på arbetsmarknaden är av en viss etnicitet
22
S o c ia la simuleringar
så kommer därför hjärnorna hos beslutsfattare
varandra. Något provokativt skulle man kunna
företrädesvis att associera till individer med
säga att D uong Reilly skapat en modell där indi­
samma etnicitet då den söker efter potentiella
viderna konstruerar en social verklighet. Kanske
kandidater för att t.ex. fylla en vakans. Som jag
kan fortsatt forskning kring neuronnät till och
ser det skulle samma modell även kunna användas
med ge nya insikter kring de frågor som ställts
för att beskriva mycket av den diskriminering
kring det mänskliga subjektets flyktighet inom
på grund av kön som vi dagligen observerar på
postmodernistisk forskning?
den svenska arbetsmarknaden. D et skrämmande
H ar då denna typ av formaliserad sociologi
i modellen är dock att den visar hur lite som ini-
någon fram tid inom svensk sociologi. Till detta
tialt krävs för att en negativ spiral med växande
ställer jag mig tveksam. Modellbygge av det här
segregering som följd skall uppstå.
slaget kräver tyvärr fortfarande basala kunskaper
D uong och Reillys modell är även intressant
i programmering (dock inte mer än vad som
ur ett rent sociologiskt teoretiskt perspektiv
egentligen går att lära sig på en fempoängskurs).
eftersom den tillämpar en typ av artificiell intelli­
D etta är kunskaper som mycket sällan återfinns
gens som saknar ett centralt subjekt och i stället
hos svenska sociologer, såväl bland yrkesverk­
använder sig av en emergent form av intelligent
samma som bland studenter och doktorander.
förmåga till inlärd perception — att skapa as­
D enna typ av modellerande kommer nog därför
sociationer och fatta beslut — som uppstår när
även i fortsättningen vara förpassad till ett fåtal
många relativt enkla enheter interagerar med
utländska universitet och institut.
★ Referenser
A s p e r s , P. (1 9 9 7 ) "Scientific r eal ism - R e s p o n s e to T h o m a s
Br an te " , S o c io lo g is k F orsknin g 3 4 ( 4 ) : 7 3 - 8 0 .
Ekström, M . ( 1 9 9 3 ) " S o c i o l o g i c a l E x p l a n a t i o n a n d th e
Limits of V a r i a b l e A n al ys is - a Cr itica l A na ly s is with Ex­
a m p l e s from M e d i c a l S o c i o l o g y " , S o c io lo g is k F o rskn in g
A x e lr o d , R. ( 1 9 9 7 ) T he C o m p le x ity o f C o o p e r a tio n . N e w
J e r s e y : P rin ce ton University Press.
3 0 (2):26-58.
Epste in, J. M . & Axtell, R. (1 9 9 8 ) G r o w in g A rtific ia l S o c i e ­
Bh as ka r, R. ( 1 9 7 5 ) A R ea list T h e o r y o f S c i e n c e . Leeds:
ties. C a m b r i d g e : Th e MIT Press.
Lee ds Boo ks .
Ka rls so n, G . ( 1 9 5 8 ) S o c ia l M e c h a n is m s . N e w York: Free
Bh as k ar , R. ( 1 9 7 9 ) T he P osibility o f N a tu r a lism . Brighton:
Press of G l e n c o e .
H a r v e s t e r Press.
Liljeros. ( 1 9 9 7 ) "Roy B h a s k a r s Kritiska Rea lis m", H ä fte n för
Br an te , T. ( 1 9 9 7 ) " C a u s a l re al ism a n d s o c i o l o g y " , S o c i­
o lo g is k F orskning (1 - 2 ) :3 1 1 - 3 3 5 .
C o l e m a n , J.S . (1 9 6 4 ) Intro d u ctio n to M a th e m a tic a l S o c io l­
kritiska S tu d ie r ( 1 ) : 2 0 .
M a r k , N . ( 1 9 9 8 ) " B e y o n d ind iv id ua l d if f e r e n c e s : S o c i a l
d if f e re nt ia tio n from first pr in c ip le s" , A m e r ic a n S o c io lo g ic a l
o g y . N e w York: F re e Press of G l e n c o e .
R e v ie w 6 3 ( 3 ) : 3 0 9 - 3 3 0 .
D u o n g , D. V. & Reilly, K. D. ( 1 9 9 5 ) "A S y st em of la c
Rashevsky,
N e u r a l N e t w o r k s a s th e Basis for S e l f - O r g a n i z a t i o n in a
B e h a v io r . C h i c a g o : C h i c a g o University Press.
S o c i o l o g i c a l D y n a m i c a l S ys te m S im u l a ti o n " , B e h a v io r a l
S a y e r , A. ( 1 9 9 2 ) M e t h o d in S o c i a l S c i e n c e . L o nd on :
N . ( 1 9 5 1 ) M a t h e m a t i c a l B ilo g y o f S o c i a l
S c ie n c e 4 0 ( 4 ) : 2 7 5 - 3 0 3 .
R o u tl e d g e .
Ed ling, C . R. ( 2 0 0 2 ) " M a t h e m a t i c s in s o c i o l o g y " , A n n u a l
S im o n , H. A. ( 1 9 5 7 ) M o d e l s o f M a n . N e w York: J o hn
R e v ie w o f S o c i o lo g y 2 8 : 1 9 7 - 2 2 0 .
W iley.
So cio lo gis k Forskning nr 2 - 2 0 0 4