Return to search

Mecânica estatística de sistemas de agentes bayesianos: aplicação à teoria dos fundamentos morais / Statistical mechanics of systems od bayesian agentes: application to the moral foundation theory

Moral e ideologia política estão intrinsecamente relacionados com aprendizado, tipos de personalidade e estratégias cognitivas de indivíduos. Usando um modelo de agentes Bayesianos adaptativos e interagentes tentaremos responder como características do aprendizado moral na infância e adolescência estão relacionadas à ideologia, traços de personalidade e estratégias cognitivas. Assumimos que o aprendizado moral do agente pode ser dividido em duas fases. A primeira fase é uma mímica do aprendizado de pessoas na infância e adolescência. Nessa fase, o modelo se assemelha ao aprendizado Bayesiano supervisionado, onde a estratégia para lidar com novas informações muda com a quantidade de informação recebida. Posteriormente, na segunda fase, agentes com estratégias cognitivas fixas discutem assuntos públicos, com conteúdo moral, e mudam suas opiniões com a motivação de diminuir o custo psicológico de discordância com seus parceiros sociais. Comparando as assinaturas estatísticas das opiniões dos agentes na segunda fase com assinaturas similares obtidas através do Questionário dos Fundamentos Morais, concluímos que nosso modelo apresenta diversas caraterísticas que tem respaldo experimental. Por exemplo, a quantidade de informação moral julgada na primeira fase está positivamente correlacionada com o liberalismo. Além disso, agentes que são estatisticamente identificados como liberais se adaptam mais rapidamente a mudanças na sociedade. Também constatamos que com o aumento do parâmetro de nosso modelo denominado pressão social, agentes estatisticamente identificados com pessoas liberais passam a ter perfis estatísticos mais parecidos com os de pessoas conservadores. Os métodos usados neste estudo, simuações de Monte Carlo, aproximação de campo médio, são típicos da Mecânica Estatistica. / Moral and political ideology are intrinsically related with learning processes, personality traits and individual cognitive strategies. Using an adaptive interacting Bayesian agent model we try to understand how characteristics of childhood and adolescent moral learning are related with ideology, personality traits, and cognitive strategies. We assume that the agents moral learning can be divided in two phases. The first phase is a mimic of the learning processes of individuals in childhood and adolescence, in this phase, the model resembles the Bayesian supervised learning, where the strategy to deal with new information changes with the total amount of received information. Later, in the second phase, agents with frozen cognitive strategies discuss public issues, with moral content, and change its opinion motivated to decrease the psychological cost of disagreement with its social partners. Comparing the statistical signatures of agents opinions in the second phase with similar signatures obtained from data of the Moral Foundations Theory Questionnaire, we conclude that our model presents several features that have experimental support. For example, the amount of moral information acquired in the first phase is positively correlated with liberalism. Moreover, agents which are statistically identified as liberal adapt more quickly to changes in society. We also found that with increase of the social pressure parameter, agents statistically identified as liberals will have statistical profiles more similar with conservatives. The methods used in this study, Monte Carlo simulations, mean field approximation, are typical of Statistical Mechanics.

Identiferoai:union.ndltd.org:usp.br/oai:teses.usp.br:tde-30102014-090629
Date13 February 2014
CreatorsCesar, Jônatas Eduardo da Silva
ContributorsAlfonso, Nestor Felipe Caticha
PublisherBiblioteca Digitais de Teses e Dissertações da USP
Source SetsUniversidade de São Paulo
LanguagePortuguese
Detected LanguagePortuguese
TypeTese de Doutorado
Formatapplication/pdf
RightsLiberar o conteúdo para acesso público.

Page generated in 0.0027 seconds