Обсуждение:Эксперименты с моделью School Choice ABM
Эксперимент №1: Влияние транспортных расходов на образовательную сегрегацию и доступность
Гипотеза: Увеличение стоимости транспортных расходов (`school-transportation-cost`) отрицательно влияет на доступ к образованию для низкодоходных студентов и усиливает образовательную сегрегацию в модели школьного выбора.
Цель эксперимента: Исследовать, как транспортные расходы влияют на динамику образовательного неравенства между двумя группами:
- Низкодоходные студенты — особенно чувствительны к транспортным расходам
- Высокодоходные студенты — могут позволить себе дальние поездки в лучшие школы
Мы хотим понять: при каких транспортных расходах система образования становится полностью недоступной для бедных семей, и как это влияет на общую сегрегацию?
Методология и настройки модели
Модель: Агентная модель школьного выбора (School Choice ABM)
Источник: School Choice ABM, Northwestern University
Ссылка на исследование: Diego A. Díaz, Ana María Jiménez & Cristián Larroulet (2019) An agent-based model of school choice with information asymmetries, Journal of Simulation, DOI: 10.1080/17477778.2019.1679674
Фиксированные параметры (одинаковы для всех прогонов):
| Параметр | Значение | Обоснование |
|---|---|---|
| number-of-schools | 50 | 1 школа на 20 студентов |
| initial-students | 1050 | 210 богатых (20%), 840 бедных (80%) |
| high-income-percentage | 20% | Реалистичное социальное неравенство |
| alpha | 0.9 | Богатые выбирают преимущественно по качеству |
| with-school-choice? | true | Система с выбором школы |
| traffic-lights? | false | Без информационной помощи |
Исследуемый (независимый) параметр:
- school-transportation-cost: 1, 50, 100 (низкая, средняя, высокая стоимость)
Протокол эксперимента:
1. Для каждого из трёх значений параметра school-transportation-cost (1, 50, 100) был выполнен один прогон модели.
2. Данные для анализа были взяты из временного отрезка, когда система уже достигла относительной стабильности — с 110-го по 131-й год моделирования.
3. В рамках этого периода анализировались два ключевых показателя:
- Процент поступивших студентов по категориям школ (высокая, средняя, низкая успеваемость) и процент неучащихся.
- Средняя успеваемость для всех студентов, а также отдельно для групп с высоким и низким доходом.
Данные и результаты
Динамика зачисления студентов (%)
Следующие данные показывают, как транспортные расходы влияют на возможность получения образования:
Данные о распределении студентов по школам разного уровня качества в зависимости от транспортных расходов:
Ключевые наблюдения по графикам зачисления:
| TransportCost | Unenrolled (Не учатся) | High Achievement | Medium Achievement | Low Achievement | Вывод |
|---|---|---|---|---|---|
| 1 | ~0% | ~22% | ~62% | ~15% | Все учатся, система доступна |
| 50 | ~63% | ~9% | ~25% | ~3% | Большинство не учатся, сильное ограничение доступа |
| 100 | ~87% | ~2.5% | ~9% | ~1% | Система почти недоступна, образование становится элитарным |
- % of students enrolled из CODAP:
Динамика средней успеваемости (Average Achievement)
Следующие данные показывают динамику средней успеваемости при разных транспортных расходах:
- https://docs.google.com/spreadsheets/d/1INX7UAnXJlJ2GBZi0itq_CGVQS1fNk5-ubfD_w-28oM/edit?usp=sharing
Данные о средней успеваемости разных групп студентов в зависимости от транспортных расходов:
Таблица средних значений успеваемости (за период 110-132 шаги):
| TransportCost | Все студенты | High-income | Low-income | Разрыв (High - Low) |
|---|---|---|---|---|
| 1 | 0.25 | 1.94 | -0.18 | 2.12 (максимальный разрыв) |
| 50 | 0.39 | 0.7 | -0.15 | 0.85 (разрыв уменьшается) |
| 100 | 0.18 | 0.3 | 0.1 | 0.2 (все показатели низкие) |
- Average Achievement of Students из RAWGraphs:
Анализ результатов по шагам
Шаг 1: school-transportation-cost = 1 (низкая стоимость)
- Доступность: 100% студентов зачислены в школы.
- Сегрегация: Наблюдается максимальное неравенство. Высокодоходные студенты (20% населения) концентрируются в лучших школах (средняя успеваемость ~1.94), в то время как низкодоходные (80%) остаются в слабых школах (успеваемость отрицательная).
- Механизм: При нулевых транспортных издержках богатые семьи свободно выбирают лучшие школы по всему городу, создавая "супер-сегрегацию".
Низкие транспортные расходы не гарантируют равенства. Напротив, они позволяют состоятельным агентам монополизировать лучшие образовательные ресурсы, усиливая разрыв.
Шаг 2: school-transportation-cost = 50 (средняя стоимость)
- Доступность: Катастрофическое падение - ~63% студентов не могут поступить вообще.
- Сегрегация (парадокс): Разрыв в успеваемости между группами сокращается. Успеваемость богатых падает (с ~1.94 до 0.6-0.93), а бедных - растёт (с отрицательной до 0.32).
- Механизм: Высокие транспортные издержки ограничивают мобильность богатых семей. Они реже ездят в отдалённые "топовые" школы, часть качественных мест становится доступнее для локальных (в том числе бедных) студентов. Однако плата - массовое исключение из системы.
Умеренные транспортные расходы могут снизить сегрегацию "внутри" системы, но ценой колоссального сокращения общего доступа к образованию.
Шаг 3: school-transportation-cost = 100 (высокая стоимость)
- Доступность: Кризис доступности - ~87% не учатся. Образование становится элитарной услугой.
- Сегрегация: Все показатели успеваемости падают. Система де-факто перестаёт работать как массовая. Неравенство сохраняется, но в условиях "общей бедности" результатов.
- Механизм: Экстремальные издержки блокируют выбор школы для всех. Система регрессирует к модели "строго по месту жительства", но с огромными потерями в общем качестве.
Высокие транспортные расходы разрушают систему массового образования. Сегрегация принимает форму исключения большинства из системы, а не дифференциации внутри неё.
Общий вывод и интерпретация
1. Гипотеза подтвердилась, но с важным уточнением: Увеличение транспортных расходов действительно резко снижает доступ к образованию для бедных (рост Unenrolled с 0% до 87%). Однако влияние на внутрисистемную сегрегацию (разрыв в успеваемости) оказалось нелинейным:
- Максимальная сегрегация наблюдалась при самых низких расходах (cost=1).
- Сегрегация уменьшалась при средних расходах (cost=50), но за счёт катастрофического падения доступности.
2. Ключевая дилемма политики: Существует трудный компромисс (trade-off) между:
- Доступностью (охватом населения образованием)
- Снижением сегрегации (разрывов в качестве между группами)
- Общим качеством системы
3. Три режима работы системы:
- Режим "свободного рынка" (cost=1): Высокий доступ, максимальная сегрегация, высокое качество для элиты.
- Режим "ограниченной мобильности" (cost=50): Низкий доступ, меньшая сегрегация, среднее качество.
- Режим "коллапса" (cost=100): Крайне низкий доступ, система перестаёт быть массовой.
Заключение
Эксперимент наглядно демонстрирует, что транспортные расходы являются критическим фактором образовательного неравенства, но их влияние сложно и нелинейно. Простое снижение или увеличение этих расходов без учёта институционального контекста может приводить к непредвиденным последствиям.
Эксперимент №1: Влияние стратегии выбора школы на образовательный разрыв
Гипотеза: Если богатые семьи при выборе школы в первую очередь смотрят на её качество, а не на близость к дому, то неравенство в образовании между богатыми и бедными детьми усиливается.
Цель эксперимента: Исследовать, как стратегия выбора школы, основанная на приоритете качества обучения над близостью к дому со стороны богатых семей, влияет на динамику образовательного неравенства между двумя группами:
- Низкодоходные семьи — могут позволить себе выбирать школу по качеству, игнорируя транспортные расходы.
- Высокодоходные студенты — ограничены в выборе из-за стоимости транспорта и близости.
Мы хотим понять: Ведет ли активный поиск лучших школ богатыми семьями к большему расслоению и неравенству в образовании?
Методология и настройки модели
Модель: Агентная модель школьного выбора (School Choice ABM)
Источник: School Choice ABM, Northwestern University
Ссылка на исследование: Diego A. Díaz, Ana María Jiménez & Cristián Larroulet (2019) An agent-based model of school choice with information asymmetries, Journal of Simulation, DOI: 10.1080/17477778.2019.1679674
Фиксированные параметры (одинаковы для всех прогонов):
| Параметр | Значение | Обоснование |
|---|---|---|
| number-of-schools | 30 | 1 школа на 10 студентов (умеренная плотность) |
| initial-students | 300 | 60 богатых (20%), 240 бедных (80%) |
| high-income-percentage | 20% | Реалистичное социальное неравенство (правило Парето 80/20) |
| school-transportation-cost | 10 | Стандартная стоимость транспорта |
| with-school-choice? | true | Исследуем систему со свободным выбором школы |
Исследуемый (независимый) параметр:
- alpha (чувствительность к качеству школы для богатых семей): 0.1, 0.5, 0.9
Вспомогательный параметр для проверки политики:
- traffic-lights? (false/true) — наличие программ поддержки для бедных семей
Протокол эксперимента:
1. Базовая проверка гипотезы
Мы смоделировали три основные стратегии, которыми могут руководствоваться богатые семьи при выборе школы, чтобы увидеть, как каждая из них формирует образовательное неравенство.
- Вариант А (alpha=0.1): Богатые выбирают школы в основном по близости к дому. Это консервативный сценарий, где их поведение мало отличается от выбора бедных семей, вынужденных опираться на доступность.
- Вариант В (alpha=0.5): Смешанная стратегия. Богатые балансируют между качеством школы и её расположением. Этот сценарий наиболее реалистичен и отражает компромисс, который делают многие семьи в реальном мире.
- Вариант С (alpha=0.9): Богатые выбирают в основном по качеству, активно используя свои ресурсы для попадания в лучшие учебные заведения. Это сценарий, максимизирующий личную выгоду и потенциально ведущий к сильному расслоению.
2. Проверка политики вмешательства
Чтобы изучить возможность смягчения негативных последствий, мы проверили сценарий с внешним регулированием.
- Вариант D (alpha=0.9 + traffic-lights?=true): Здесь богатые также стремятся к лучшему качеству, но в систему встроены «светофоры» — механизм, резервирующий часть мест в хороших школах для талантливых учеников из бедных семей. Это позволяет проверить, может ли целевая социальная политика снизить сегрегацию даже при эгоистичном поведении элиты.
3. Процедура сбора данных
Для обеспечения надёжности результатов каждый из четырёх сценариев был запущен 5 раз. Это позволяет учесть влияние случайных факторов (например, исходное распределение талантов) и получить устойчивые средние значения. Данные фиксировались на 100-м году моделирования, когда система выходила на стабильное состояние и краткосрочные флуктуации не искажали картину.
4. Ключевые метрики
Для анализа результатов мы фокусируемся на четырёх индикаторах:
- Среднее качество образования для богатых и бедных по отдельности.
- Разрыв в качестве (разность между средним качеством для богатых и для бедных) — главный показатель неравенства в результатах.
- Уровень сегрегации (индекс Дункана) — показывает, насколько сильно школы разделены по социальному признаку.
- Процент неучтённых студентов — выявляет, есть ли в системе ученики, вообще оставшиеся без места в школе.
Данные и результаты
Динамика зачисления студентов (%)
Следующие данные показывают, как транспортные расходы влияют на возможность получения образования:
Данные о распределении студентов по школам разного уровня качества в зависимости от транспортных расходов:
Ключевые наблюдения по графикам зачисления:
| TransportCost | Unenrolled (Не учатся) | High Achievement | Medium Achievement | Low Achievement | Вывод |
|---|---|---|---|---|---|
| 1 | ~0% | ~22% | ~62% | ~15% | Все учатся, система доступна |
| 50 | ~63% | ~9% | ~25% | ~3% | Большинство не учатся, сильное ограничение доступа |
| 100 | ~87% | ~2.5% | ~9% | ~1% | Система почти недоступна, образование становится элитарным |
- % of students enrolled из CODAP:
