Агентность и саморегуляция (сетевые модели)

Агентность и саморегуляция — это две важные концепции в современной психологии и нейронауках, которые описывают, как индивиды контролируют свои действия и принимают решения. В последние годы сетевые модели приобретают всё большее значение для объяснения этих явлений. Сетевые модели позволяют исследовать взаимодействие множества элементов внутри сложных систем, что делает их идеальным инструментом для изучения психических процессов и механизмов поведения.

Основные понятия

Агентность

Агентность — это способность индивида действовать самостоятельно и осознанно, принимая решения и выполняя действия, которые влияют на окружающий мир. В психологии агентность рассматривается как ключевой элемент саморегуляции и личностного развития. Агентность тесно связана с понятием свободы воли и осознанного контроля над собственными действиями.

Типы агентности:

• Индивидуальная агентность — способность отдельного индивида действовать в соответствии с собственными целями и ценностями.
• Коллективная агентность — способность группы людей действовать скоординированно для достижения общих целей.

Саморегуляция

Саморегуляция — это процесс, при котором индивид контролирует свои мысли, эмоции и поведение с целью достижения определённых целей. Саморегуляция включает в себя такие элементы, как планирование, постановка целей, мониторинг прогресса и адаптация стратегий в зависимости от изменений в окружающей среде.

Основные компоненты саморегуляции:

Компонент	Описание	Пример
Когнитивная саморегуляция	Управление мыслями и вниманием	Планирование задач на день
Эмоциональная саморегуляция	Управление эмоциями и настроением	Медитация для снижения стресса
Поведенческая саморегуляция	Управление действиями и поступками	Придерживание диеты для улучшения здоровья

Сообщества авторов совместных статей в электронных библиотеках

Сообщества авторов совместных статей в электронной библиотеке ACM Digital Library. Запрос позволил получить записи в формате BIB о публикациях по теме вычислительного мышления. Обработка – слияние данных, проверка записей и удаление дубликатов осуществлялось в библиографическом менеджере Zotero. Для выявления и визуального представления сетевых отношений как между авторами, так и между ключевыми словами публикаций использовался пакет VOS viewer, предварительно экспортировав данные в формат RIS.

Сообщества авторов совместных вики-страниц по темам Агентность и саморегуляция

Внутри вики и вики-подобных систем коллективного редактирования гипертекстов, каждый автор может создавать и редактировать любую страницу. Действия над страницей разнообразны: проверить содержание, поправить форматирование, добавить иллюстрации, классифицировать страницу при помощи категорий. Вся история изменений страницы записывается в историю версий. Современные вики площадки, использующие в качестве своего движка MediaWiki открывают исследователям доступ к своим данным через MediaWiki API. Процесс формирования запросов облегчается присутствием на площадках специальных API песочниц, где исследователи могут тренироваться делать свои запросы к системе MediaWiki. Как правило, результаты запроса возвращаются в виде JSON файла, который можно представить в виде схемы при помощи языка PlantUML.

Был проведен сетевой анализ взаимоотношений участников нескольких скретч-студий на основе их действий по публикации и комментированию проектов. Кроме того, проведена работа с данными студии о проектах, с данными отдельных участников и установление между ними связи на основании того, кто из них кого отслеживает.

Сетевые модели в психологии

Сетевые модели — это подход, который рассматривает психические и поведенческие процессы как системы взаимосвязанных элементов. В контексте агентности и саморегуляции сетевые модели позволяют исследовать, как различные факторы (например, личностные черты, мотивация, социальное окружение) взаимодействуют между собой и влияют на поведение человека.

Применение сетевых моделей

Сетевые модели позволяют визуализировать и анализировать сложные взаимодействия между множеством переменных. Например, в модели саморегуляции могут быть включены такие элементы, как цели, эмоции, социальная поддержка и когнитивные стратегии. Связи между этими элементами можно анализировать с целью выявления ключевых факторов, влияющих на успешность саморегуляции.

Разработка сетевой модели агентности и саморегуляции

Модель была создана для того, чтобы исследовать и продемонстрировать, как различные виды мотивации и социальное давление могут воздействовать на поведение и принятие решений в сетевых структурах. Она также позволяет пользователям наблюдать за тем, как распространяется влияние в сети и как агенты могут менять свои решения под воздействием соседей. Сетевая модель была создана с использованием NetLogo, мощной и гибкой платформы для моделирования и симуляции сложных систем.

Описание: Эта сетевая модель создана для изучения процессов принятия решений агентами в зависимости от различных видов мотивации и социального давления. Модель предназначена для демонстрации того, как взаимодействие между внутренней мотивацией, внешними стимулами и влиянием окружающих может влиять на конечные решения агентов в сети.

Основные элементы модели: Агенты: Каждый агент представляет собой индивидуальную сущность, которая может принимать решения на основе своей мотивации и давления со стороны окружающих. Виды мотивации: Внутренняя мотивация: Стремление агента к достижению личных целей и самореализации. Внешняя мотивация: Влияние внешних факторов, таких как награды или наказания. Социальное давление: Влияние, оказываемое на агента его окружением, включая друзей, коллег или общество в целом. Решение: Каждый агент принимает решение, которое визуализируется в модели. Решение агента зависит от совокупности влияний внутренней и внешней мотивации, а также социального давления.

Модель визуализирует взаимодействия агентов в виде сети, где каждый агент представлен узлом, а связи между ними — это каналы передачи влияния. Зеленые узлы показывают агентов, принявших решение, а серые — тех, кто его еще не принял или отказался от него.

Код для NetLogo: имя графика: "Turtle Count" оси: X axis label: "Ticks" Y axis label: "Count" ручки: Имя первой ручки: "Decided Turtles" Имя второй ручки: "Undecided Turtles"

globals [

 decision-threshold  ;; Порог, выше которого агент принимает решение
 components          ;; Список компонентов в сети
 giant-component-size ;; Размер самого большого компонента
 component-size       ;; Размер текущего компонента

]

turtles-own [

 internal-motivation   ;; Внутренняя мотивация
 external-motivation   ;; Внешняя мотивация
 social-pressure       ;; Социальное давление
 decision              ;; Решение, принятое агентом
 explored?             ;; Булева переменная для отслеживания того, был ли агент уже исследован

]

to setup

 clear-all
 set decision-threshold 60  ;; Устанавливаем порог для принятия решения
 setup-agents
 setup-network
 reset-ticks
 setup-my-plots  ;; Настройка графиков

end

to setup-agents

 set-default-shape turtles "person"
 create-turtles 100
 [
   setxy random-xcor random-ycor
   set internal-motivation random-float 100
   set external-motivation random-float 100
   set social-pressure random-float 100
   set decision false
   set color gray
   set explored? false
 ]

end

to setup-network

 ask turtles [
   let num-links random 4 + 1  ;; каждый агент связывается с 1-4 соседями
   repeat num-links [
     let partner one-of other turtles with [not link-neighbor? myself]
     if partner != nobody [ create-link-with partner ]
   ]
 ]

end

to go

 ;; Каждый агент принимает решение на основе влияния соседей на каждом шаге
 ask turtles [
   let total-influence internal-motivation + external-motivation + (sum [social-pressure] of link-neighbors)
   
   ;; Вероятностное принятие решения на основе общей мотивации
   if total-influence > decision-threshold [
     if random-float 100 < total-influence / 3 [
       set decision true
     ]
   ]
   ;; Иногда агенты могут изменить свое решение обратно
   if decision = true and random-float 100 < 10 [
     set decision false
   ]
   
   update-color
 ]
 
 find-all-components  ;; Вычисляем компоненты сети
 update-my-plots  ;; Обновление графиков в каждом тике
 tick

end

to update-color

 if decision = true [
   set color green
 ]
 if decision = false [
   set color gray
 ]

end

Настройка графиков

to setup-my-plots

 set-current-plot "Turtle Count"
 clear-plot
 create-temporary-plot-pen "Decided Turtles"
 create-temporary-plot-pen "Undecided Turtles"

end

Обновление данных графиков

to update-my-plots

 set-current-plot "Turtle Count"
 
 set-current-plot-pen "Decided Turtles"
 plot count turtles with [decision = true]
 
 set-current-plot-pen "Undecided Turtles"
 plot count turtles with [decision = false]

end

Дополнительные процедуры для компонентов сети

to find-all-components

 set components []
 set giant-component-size 0
 ask turtles [ set explored? false ]
 loop [
   let start one-of turtles with [not explored?]
   if start = nobody [ stop ]
   set component-size 0
   ask start [ explore ]
   if component-size > giant-component-size [
     set giant-component-size component-size
   ]
   set components lput component-size components
 ]

end

to explore  ;; turtle procedure

 if explored? [ stop ]
 set explored? true
 set component-size component-size + 1
 ask link-neighbors [ explore ]

end

Практическое применение сетевых моделей

Эта модель может быть полезна в различных областях, включая социальную психологию, психотерапию, коучинг, изучение группового поведения, образование и менеджмент. Она помогает понять, как отдельные агенты в сети могут влиять друг на друга и как формируются коллективные решения.

Коучинг и психотерапия

В коучинге и психотерапии сетевые модели могут использоваться для создания индивидуальных планов развития и коррекции поведения. Например, коуч может использовать сетевую модель для анализа факторов, которые препятствуют достижению целей клиента, и предложить стратегии для их преодоления.

Таблица: Элементы сетевой модели в коучинге

Элемент	Пример использования в коучинге
Мотивация	Анализ внутренних и внешних стимулов клиента
Цели	Постановка и уточнение целей на основе анализа сети
Препятствия	Выявление ключевых барьеров для достижения целей
Поддержка	Оценка уровня социальной и эмоциональной поддержки

Образование

В образовательной среде сетевые модели помогают понять, как различные аспекты учебного процесса (например, мотивация, успеваемость, социальные взаимодействия) влияют на результаты учащихся. Это позволяет педагогам разрабатывать более эффективные методы обучения и поддержки студентов.

Менеджмент

В менеджменте сетевые модели используются для анализа взаимодействий в командах, выявления ключевых факторов, влияющих на продуктивность сотрудников, и разработки стратегий для повышения эффективности работы.

Заключение

Агентность и саморегуляция — это сложные психологические процессы, которые трудно изучать с помощью традиционных линейных моделей. Сетевые модели предлагают мощный инструмент для исследования этих явлений, позволяя учитывать множество взаимодействующих факторов и анализировать их влияние на поведение. В будущем применение сетевых моделей, вероятно, будет расширяться, охватывая всё новые области как в теоретических, так и в прикладных исследованиях.

Ресурсы и литература

• Van der Maas, H. L., & Wagenmakers, E. J. (2005). A dynamical model of general intelligence: The positive manifold of intelligence by mutualism. *Psychological review*, 112(4), 843.
• Schmitz, B., & Wiese, B. S. (2006). New perspectives for the evaluation of training sessions in self-regulated learning: Time-series analyses of diary data. *Contemporary Educational Psychology*, 31(1), 64-96.
• Borsboom, D., & Cramer, A. O. (2013). Network analysis: An integrative approach to the structure of psychopathology. *Annual review of clinical psychology*, 9, 91-121.
• Schutte, N. S., & Malouff, J. M. (2011). Emotional intelligence mediates the relationship between mindfulness and subjective well-being. *Personality and Individual Differences*, 50(7), 1116-1119.
• Barabási, A.-L. (2002). Linked: The New Science of Networks. *Perseus Publishing*.
• Borgatti, S. P., Everett, M. G., & Johnson, J. C. (2018). Analyzing Social Networks. *SAGE Publications*.
• Granovetter, M. (1973). The Strength of Weak Ties. *American Journal of Sociology*, 78(6), 1360-1380.
• Newman, M. (2010). Networks: An Introduction. *Oxford University Press*.
• Watts, D. J. (1999). Small Worlds: The Dynamics of Networks between Order and Randomness. *Princeton University Press*.
• Schelling, T. C. (1971). Dynamic Models of Segregation. *Journal of Mathematical Sociology*, 1(2), 143-186.
• Axelrod, R. (1997). The Complexity of Cooperation: Agent-Based Models of Competition and Collaboration. *Princeton University Press*.
• Page, S. E. (2007). The Difference: How the Power of Diversity Creates Better Groups, Firms, Schools, and Societies. *Princeton University Press*.
• Macy, M. W., & Willer, R. (2002). From Factors to Actors: Computational Sociology and Agent-Based Modeling. *Annual Review of Sociology*, 28(1), 143-166.
• Epstein, J. M. (2006). Generative Social Science: Studies in Agent-Based Computational Modeling. *Princeton University Press*.
• Giddens, A. (1984). The Constitution of Society: Outline of the Theory of Structuration. *University of California Press*.
• Castells, M. (2010). The Rise of the Network Society: The Information Age: Economy, Society, and Culture, Vol. 1. *Wiley-Blackwell*.
• Burt, R. S. (2004). Structural Holes and Good Ideas. *American Journal of Sociology*, 110(2), 349-399.
• Coleman, J. S. (1988). Social Capital in the Creation of Human Capital. *American Journal of Sociology*, 94, S95-S120.
• Simon, H. A. (1955). A Behavioral Model of Rational Choice. *Quarterly Journal of Economics*, 69(1), 99-118.
• Axtell, R. (2000). Why Agents? On the Varied Motivations for Agent Computing in the Social Sciences. *Center on Social and Economic Dynamics, Working Paper No. 17*.
• Helbing, D. (2012). Social Self-Organization: Agent-Based Simulations and Experiments to Study Emergent Social Behavior. *Springer*.
• Fligstein, N., & McAdam, D. (2012). A Theory of Fields. *Oxford University Press*.
• Wasserman, S., & Faust, K. (1994). Social Network Analysis: Methods and Applications. *Cambridge University Press*.
• Granovetter, M. (1985). Economic Action and Social Structure: The Problem of Embeddedness. *American Journal of Sociology*, 91(3), 481-510.