Spatial Eviction (model)

Описание модели	Это модель динамики мнений на двумерной решётке, основанная на Axelrod‑подобном attraction–repulsion ARM: у каждого агента есть идеология, которая меняется в результате локальных взаимодействий. Если идеологии двух соседей близки (расстояние ≤ tolerance), происходит притяжение (они становятся похожее), если далеки — отталкивание. Дополнительно включён механизм expulsion-based movement: активированный агент может «выселить» самого непохожего соседа.
Область знаний	Социология, Статистика
Веб-страница - ссылка на модель
Видео запись
Разработчики
Среды и средства, в которых реализована модель	NetLogo
Диаграмма модели
Описание полей данных, которые модель порождает
Модель создана студентами?	Нет

Описание

Представьте себе город, где в каждом доме живёт человек с каким‑то взглядом по шкале от 0 до 1 — от «ярко‑красного» до «ярко‑синего», а посередине много оттенков «фиолетового». На каждом шаге времени модель случайным образом выбирает одного жителя и говорит: «Поговори с кем‑нибудь поблизости!». У него есть вокруг небольшой район ‑ окрестность: клетки на расстоянии 1, 2, 3… ходами «вверх‑вниз‑влево‑вправо», как по улицам квартала. Из всех соседей он случайно выбирает одного и смотрит: «Насколько вы различаетесь по взглядам?» Если различие маленькое, ниже порога tolerance, то это скорее «свой»: разговор идёт хорошо, собеседник кажется разумным, и наш агент подтягивает свою позицию к нему — их идеологии становятся чуть ближе. Но если разница велика, больше tolerance, то работает механизм отталкивания: разговор оказывается неприятным, чужая позиция раздражает, и агент, наоборот, отодвигает свою идеологию от собеседника. При этом срабатывает ещё один важный механизм — селективность общения (exposure). Вероятность того, что разговор вообще состоится, убывает с идеологической дистанцией и зависит от exposure: чем ниже exposure, тем сильнее агенты избегают «чужих» и тем чаще общаются только с похожими. Это очень похоже на то, как в социальных сетях мы чаще читаем тех, с кем согласны, и редко вступаем в диалог с радикальными оппонентами. После идеологического шага у агента может с некоторой вероятностью move-prob включиться режим: «мой район должен быть чистым от чужаков». Тогда он смотрит на своих соседей и выбирает самого далёкого по взглядам — того, у кого идеология отличается сильнее всего. Если эта разница выше его tolerance (и если шум expulsion-noise не дал случайного сбоя), он выселяет этого соседа: тот мгновенно переезжает на случайный пустой patch где‑то в мире. На экране это выглядит так: вы видите, как кружочки не только медленно «перекрашиваются» в сторону красного или синего, но и время от времени какие‑то из них «телепортируются» в новые места, освобождая свой старый двор и оказываясь в другом районе. Постепенно мир перестаёт быть «пёстрым ковром» — вы начинаете замечать районы, где почти все очень похожи по цвету, и границы между такими районами, где сталкиваются разные кластеры. Если выселений нет (enable-movement? = false), то интересная динамика всё равно происходит: умеренные притягиваются к умеренным, экстремисты толкают других к полюсам, и в зависимости от tolerance и exposure система либо приходит к консенсусу (много умеренных, цвет сливается в спокойный средний тон), либо в смешанное сосуществование, либо в экстремистский режим с двумя яркими «лагерями». Но когда мы включаем выселения, появляется дополнительная пространственная логика: не только мнения меняются, но и люди рассаживаются так, чтобы вокруг было как можно больше «своих», выталкивая «чужих» подальше.

Moran’s I: модель сама считает, насколько сильно похожие идеологии оказались сгруппированы. В начале, когда всех рассадили случайно, Moran’s I близок к нулю — похожих и непохожих соседей примерно поровну. Но по мере того как работают притяжение, отталкивание и выселения, возникают «эхо‑камеры»: целые кварталы агентов с почти одинаковыми взглядами, а границы между ними превращаются в линии напряжения. Число Moran’s I растёт, и вы можете буквально увидеть этот рост на графике, одновременно наблюдая на экране, как ваше «общество» самоорганизуется в кластеры. В этой истории нет никаких «умных» стратегий: ни один агент не оптимизирует функцию полезности, не строит долгосрочных планов и не читает учебники по политологии. У каждого есть всего несколько простых привычек — тянуться к похожим, отталкиваться от непохожих и иногда выталкивать самых чужих соседей — и именно из этого складываются фазы: консенсус, смешанное сосуществование, экстремизм. Важно поймать глазами и статистически (через Moran’s I и другие метрики) момент, когда мир «перещёлкивается» из одного режима в другой, и понять, какие параметры отвечают за этот переход.

Датасет

• https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/ARM_Eviction_Grid_s.csv

neighborhood-range,tolerance,init-sd,enable-movement?,responsiveness,polarization,moran-i-ideology

Исследования с индексом Морана

Description

Индекс Морана

Индекс Морана (англ. Moran's I) ― мера пространственной автокорреляции, разработанная Патриком Альфредом Пирсом Мораном. Пространственная автокорреляция характеризуется корреляцией в сигнале между ближайшими локациями в пространстве. Пространственная автокорреляция более сложна, чем одномерная автокорреляция, потому что пространственная корреляция многомерна (то есть 2 или 3 измерения пространства) и разнонаправленна.

Возможные датасеты для анализа

• Digida2026
  • Как провести сравнительный анализ поведения на поле цифровой дидактики (R)
• DigidaCollab 02 2026
• ScratchWikis2026