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