Обсуждение:Ethnocentrism (model)
ЭКСПЕРИМЕНТ 1
Цель эксперимента: Исследовать, как стоимость помощи (cost-of-giving) влияет на эволюционную динамику двух крайних стратегий:
CC (Альтруисты) — помогают всем, несмотря на цвет.
DD (Эгоисты) — никому не помогают. Мы хотим понять: при каких условиях альтруизм выживает, а при каких его вытесняют эгоисты?
Эксперимент проводился при разных значениях cost-of-giving, фиксированных параметрах (mutation-rate=0.005, death-rate=0.1, immigrants-per-day=1, initial-PTR=0.12) и на протяжении 500 шагов. Данные были собраны для нескольких повторов
Анализ графиков (Шаг 1–4)
На каждом графике:
Ось X: номер шага симуляции (от 0 до ~600).
Ось Y(слева): количество агентов СС.
Ось Y(справа): количество агентов DD.
Фиолетовые точки (DD) — эгоисты.
Красные точки (CC) — альтруисты.
Также приведено линейное уравнение регрессии и коэффициент детерминации r².
Шаг 1 эксперимента (стоимость помощи 0.001)
CC (Альтруисты): растут быстро, достигают пика около 1000 агентов, затем стабилизируются.
DD (Эгоисты): растут медленнее, дотягивают лишь до 100 агентов
Уравнение для CC: CC = 2.22 * шаг + 69, r² = 0.78 — сильная линейная зависимость.
Вывод для Шага 1: при низкой стоимости помощи альтруизм доминирует. Эгоисты растут медленнее, потому что они не получают выгоды от помощи, но и не тратят ресурсы. Однако при низкой стоимости помощи помощь выгодна, поэтому альтруисты процветают.
Шаг 2 эксперимента (стоимость помощи 0.01)
CC (Альтруисты): растут также быстро, как и во время первого эксперимента.
DD (Эгоисты): продолжают расти, становятся конкурентоспособными.
Уравнение для CC: CC1 = 2.3 * шаг + 97, r² = 0.794 — ещё более сильная корреляция, но это может быть связано с тем, что стоимость помощи немного выше, и альтруисты «выживают» дольше.
Вывод для Шага 2: По мере роста стоимости помощи альтруизм становится менее выгодным. Эгоисты, которые не платят за помощь, начинают догонять альтруистов. Это говорит о том, что даже небольшое увеличение стоимости помощи может изменить баланс сил.
Шаг 3 эксперимента (стоимость помощи 0.02)
CC (Альтруисты): сильно снижаются, почти исчезают к концу.
DD (Эгоисты): быстро растут, становятся доминирующими.
Уравнение для CC2: CC2 = 0.003 * шаг + 3.8, r² = 0.039 — очень слабая корреляция, что означает, что альтруисты больше не растут линейно — их популяция колеблется и падает.
Вывод для Шага 3: при высокой стоимости помощи альтруизм практически исчезает. Эгоисты становятся доминирующими — они не тратят ресурсы, поэтому их шанс выжить выше.
Шаг 4 эксперимента (стоимость помощи 0.05)
CC (Альтруисты): Минимальное количество, почти нулевое.
DD (Эгоисты): доминируют, особенно к концу.
Уравнение для CC3: CC3 = 0.004 * шаг + 3.8, r² = 0.043 — аналогично Шагу 3, альтруисты не имеют значимого роста.
Вывод для Шага 4: при очень высокой стоимости помощи альтруизм исчезает полностью. Эгоисты становятся доминирующими — они не тратят ресурсы, поэтому при высокой стоимости помощи они выигрывают.
Главный вывод
Альтруизм (CC) является эволюционно устойчивой стратегией только при очень низкой стоимости помощи. Как только помощь становится дороже, альтруисты начинают проигрывать, потому что они теряют ресурсы, не получая обратной выгоды. Эгоисты (DD), которые не тратят ресурсы на помощь, начинают доминировать.
Это означает, что:
Альтруизм требует «дешёвой» кооперации — если помощь стоит слишком дорого, она становится невыгодной. Эгоизм — стратегия выживания в условиях дефицита ресурсов — он не тратит, поэтому всегда имеет шанс выжить. В реальном мире это объясняет, почему в кризисных ситуациях люди становятся более эгоистичными — помощь становится слишком дорогой. Общественно значимые последствия Этот эксперимент показывает, что альтруизм — это не просто «добро», а экономически выгодная стратегия, которая работает только при определённых условиях.
Заключение
Модель «Ethnocentrism» демонстрирует, что альтруизм может эволюционировать только в условиях, когда помощь дешёвая и выгодная. Как только стоимость помощи растёт, альтруисты начинают проигрывать, и их вытесняют эгоисты. Этот вывод имеет прямое отношение к современным социальным, политическим и экономическим процессам. Он показывает, что для поддержания альтруизма в обществе необходимо создавать условия, при которых помощь не является экономически обременительной.
ЭКСПЕРИМЕНТ 2
Исследуемый датасет Гипотеза: при увеличении потока иммигрантов доля этноцентристов в популяции растёт, а доля альтруистов — падает.
Для проверки гипотезы мною был выбран независимый параметр immigrants-per-day — уровень иммиграции, который принимал значения 0, 1, 2, 3, 4, 5
Был получен датасет, состоящий из 500 шагов для каждого значения immigrants-per-day. На его основе была построена диаграмма bar chart:
Анализ
- 0 иммигрантов в день - однородный мир без внешнего влияния
Когда в систему не поступают новые агенты, все стратегии ведут себя не так, как предсказывает классическая модель. Оказалось, что ни одна стратегия не доминирует. Наоборот — все они почти равномерно распределены:
- Альтруисты: ~24.6%
- Эгоисты: ~24.8%
- Этноцентристы: ~24.6%
- Предатели: ~26.1%
Это означает, что в полностью замкнутой и стабильной среде никакая стратегия не имеет явного эволюционного преимущества. Альтруизм не выигрывает, потому что нет постоянного давления, которое бы «отсеивало» эксплуататоров. Система находится в состоянии неустойчивого равновесия, где все типы выживают примерно в равной степени.
- 1 иммигрант в день
- появляется «чужак» — запускается механизм отбора
- Уже при самом минимальном уровне иммиграции картина резко меняется.
- Появление даже одного «чужого» агента в день нарушает баланс и запускает процесс естественного отбора стратегий.
Этноцентристы резко вырываются вперёд — их доля прыгает до 67.7%. Альтруисты и эгоисты теряют позиции — их доли падают до 17.7% и 11.6% соответственно. Предатели, кооперирующиеся только с «чужаками», почти исчезают (3%), потому что их поведение невыгодно. Таким образом, иммиграция становится катализатором возникновения групповой идентичности. Этноцентризм оказывается самой устойчивой стратегией: помогать «своим» и игнорировать «чужих» — это эффективная защита от эксплуатации.
- 2 иммигранта в день
- пик этноцентризма
При двух иммигрантах в день система достигает максимальной поляризации:
Этноцентристы: 79.6% — абсолютное доминирование Альтруисты: падают до всего 8.6%. Эгоисты: ~8.2% Предатели: остаются на уровне ~3.6%.
Этот результат полностью подтверждает гипотезу: чем выше (но умеренный) уровень иммиграции, тем сильнее выигрывает стратегия «мы vs они». Альтруизм, предполагающий кооперацию со всеми без исключения, становится уязвимым — его «подставляют» чужаки, которые не отвечают взаимностью.
- 3–5 иммигрантов в день
- нестабильность и колебания
Но дальше — неожиданный поворот. При высоком уровне иммиграции (3–5 агентов в день) система перестаёт вести себя предсказуемо.
Доля этноцентристов снижается (от 70.8% при 3 до 66.7% при 5). Альтруисты, наоборот, внезапно растут — до 18–19% (почти вдвое выше, чем при 2 иммигрантах). Предатели тоже немного увеличивают свою долю (до ~6% при 5 иммигрантах). Это может означать одно из двух:
Высокая иммиграция дестабилизирует систему: постоянное обновление популяции не даёт установиться чёткому равновесию. Альтруисты находят нишу: при очень высокой плотности «чужаков» иногда выгоднее кооперироваться со всеми, потому что «своих» становится слишком мало, чтобы на них полагаться. В любом случае, гипотеза перестаёт работать монотонно: рост иммиграции не приводит к дальнейшему усилению этноцентризма, а, наоборот, ослабляет его.
Вывод
Эксперимент частично подтвердил гипотезу, но также выявил важное уточнение:
Небольшая иммиграция действительно запускает механизм этноцентризма и подавляет альтруизм. Однако при высоком уровне иммиграции система теряет стабильность, и доминирование этноцентристов ослабевает.
Это говорит о том, что этноцентризм — не универсальный ответ на любую миграцию, а адаптация к умеренной угрозе "извне". Когда угроза становится слишком большой, социальная структура начинает «расплываться», и менее избирательные стратегии (в том числе альтруизм) могут снова получать шанс на выживание.
Таким образом, модель показывает: групповая идентичность — это не просто реакция на «чужаков», а хрупкое равновесие, которое требует определённых условий для устойчивости.
Соответственно, начальная гипотеза не подтверждается в полной мере.
ЭКСПЕРИМЕНТ 3
--PanshinaZina (обсуждение) 19:36, 12 декабря 2025 (MSK)
Цель эксперимента: Исследовать, как частота мутаций (mutation-rate) влияет на эволюцию эгоцентризма в модели Ethnocentrism. Конкретно — как mutation-rate влияет на:
1. Уровень этноцентрического поведения (consist-ethno-agg-percent).
2. Стабильность и предсказуемость результатов (дисперсию).
Условия эксперимента:
1. mutation-rate = 0.001, 0.005, 0.01, 0.02.
2. Остальные поля по умолчанию.
3. Повторы: 5.
4. Шагов: 500.
Датасет эксперимента
Ссылка на гугл таблицу с датасетом
- https://docs.google.com/spreadsheets/d/1hJQUTLBYmOVuxGkWBpzJO3vrN0f6mDw3JLvvYlefMSU/edit?usp=sharing
Построение графика распределения
Загрузим наш датасет на RAWGraph, где построим boxplot(ящик с усами), который покажет медиану, размах и выбросы для каждой группы.
Мы видим, что по медианам четко видна убывающая тенденция:
mutation-rate = 0.001: медиана ~0.707
mutation-rate = 0.005: медиана ~0.701
mutation-rate = 0.01: медиана ~0.674
mutation-rate = 0.02: медиана ~0.625
По IQR (размах):
Группа 0.001 имеет самый широкий IQR — это указывает на высокую дисперсию. Группы 0.01 и 0.02 имеют очень узкий IQR — низкая дисперсия, результаты стабильны.
| Description | |
|---|---|
| Выброс | Выброс — это наблюдение, значение которого заметно отличается от остальных данных. Выброс может привести к большому остатку, но не всегда. |
В группе 0.001 много выбросов, особенно в нижней части — это подтверждает бимодальность (некоторые запуски "проваливаются").
В группах 0.01 и 0.02 практически нет выбросов — система быстро сходится к одному состоянию.
Вывод по Boxplot
| Description | |
|---|---|
| Boxplot | Boxplot (диаграмма размаха, ящик с усами) — это графический метод визуализации распределения количественных данных через их квартили. Этот тип диаграммы позволяет быстро оценить центральную тенденцию, вариабельность и асимметрию данных, а также выявить аномальные значения (выбросы). Boxplot показывает сразу 5 ключевых статистик (минимум, Q1, медиана, Q3, максимум) + выбросы. |
При низкой мутации (0.001) система может либо успешно эволюционировать (высокий ethno_percent), либо "застревать" (низкий ethno_percent). При высокой мутации (0.01, 0.02) система стабильно, но слабо эволюционирует.
Построение графика Beeswarm
Построим в RAWGraph график Beeswarm(датасет тот же), чтобы посмотреть поведение модели на данном графике.
Что показывает:
Все индивидуальные точки (run'ы) — не только сводная статистика, но и каждое наблюдение.
Ключевые наблюдения:
Группа mutation-rate = 0.001 (самый светлый цвет)
Широкое распределение: Точки разбросаны по всему диапазону значений ethno_percent — от очень низких (~0.4) до очень высоких (~0.8). Высокая дисперсия: Большое количество точек рассеяно по всему графику, что указывает на нестабильность системы при низкой мутации. Бимодальность - видно два кластера:
Один кластер — в нижней части графика (низкий ethno_percent, ~0.4–0.5). Это "неудачные" запуски, где система "застряла".
Другой кластер — в верхней части (высокий ethno_percent, ~0.7–0.8). Это "успешные" запуски, где эгоцентризм доминирует.
Группа mutation-rate = 0.005 (средний светло-голубой цвет)
Уже распределение: Точки уже не так сильно рассеяны, как при 0.001. Меньше "провалов": Количество точек в нижней части графика (низкий ethno_percent) меньше, чем при 0.001. Сохраняется высокий уровень: Много точек все еще находятся в верхней части графика (высокий ethno_percent).
Группы mutation-rate = 0.01 и 0.02 (темно-синие точки)
Очень узкое распределение: Точки плотно сгруппированы в узком диапазоне значений ethno_percent — примерно от 0.5 до 0.65. Нет "провалов": Почти нет точек в самом низу графика. Нет "побед": Почти нет точек в самом верху графика (высокий ethno_percent > 0.7). Низкая дисперсия: Все точки скучены в одном месте, что указывает на высокую стабильность системы при высокой мутации.
Выводы по Beeswarm Plot
Этот график подтверждает и дополняет выводы из Boxplot. Он показывает, что бимодальность при mutation-rate = 0.001 — системная особенность динамики модели при низкой мутационной нагрузке. При mutation-rate ≥ 0.01 система теряет способность к "большому прорыву" (достижению очень высокого ethno_percent), но зато становится предсказуемой.
Заключение
В ходе анализа было установлено, что частота мутаций оказывает значительное влияние на эволюцию этноцентризма. Оба графика — Boxplot и Beeswarm Plot — демонстрируют четкую тенденцию: с ростом mutation-rate средний уровень этноцентризма стабильно снижается. Критический порог, после которого этноцентризм перестает доминировать, лежит между 0.005 и 0.01.
Более детальный анализ Beeswarm Plot позволил выявить важную особенность: при самой низкой мутации (0.001) система проявляет бимодальное поведение — она может либо успешно эволюционировать (достигать высокого ethno_percent), либо "провалиться" (оставаться на низком уровне). Это указывает на высокую чувствительность системы к начальным условиям при низкой мутации.
В то же время, при высокой мутации (0.01, 0.02) система становится стабильной, но предсказуемо слабой — этноцентризм не успевает развиться, и система быстро стабилизируется на низком уровне.
Таким образом, оптимальный уровень мутации для эволюции этноцентризма — это низкий уровень (0.001 или 0.005), который позволяет системе "экспериментировать", но не разрушает устойчивые стратегии.
