Moralidad en interacciones observadas y anónimas

Explora el modelo de redes basado en agentes y su dinámica mean-field de cuatro dimensiones. Cada vista utiliza las ecuaciones y mecanismos implementados en la referencia de Python.

Acerca del modelo

El anillo de Giges

El modelo pregunta si las personas cooperan cuando un encuentro es anónimo, puntual y no observado directamente: situaciones donde la reputación y la reciprocidad futura no protegen la cooperación.

Dos fenotipos situacionales

Los rasgos mL y mD representan el oportunismo en encuentros locales y distantes. La propensión a considerar a los demás, z, pondera la preocupación por otras personas; la reputación afecta a la cooperación local y el gossip puede transmitir información reputacional en encuentros distantes.

Resultados analíticos y disuasión

Las ecuaciones mean-field implican ∂U/∂z + ∂U/∂mL + ∂U/∂mD = g·p. Con g > 0, no existe un punto estacionario interior suave para los tres rasgos libres; la métrica del espacio latente hace estacionarios los límites. La disuasión institucional se compara con p_audit* = (P − S)/fine; el gossip actualiza la reputación en un radio BFS acotado y con decaimiento p_prop por salto.

Simulación de red

Red small-world, reputación, gossip y auditorías

Resultados de la simulación

Red, series temporales, diagnósticos de equilibrio o campo de fases

Elige un modelo y ejecuta un análisis

Los resultados del modelo seleccionado aparecerán aquí. El otro laboratorio permanece separado de esta pantalla.

Supuestos e interpretación del modelo

Los resultados ABM son estocásticos y dependen de la semilla aleatoria. El gossip actualiza la reputación de los nodos alcanzados hasta el radio BFS seleccionado; las auditorías solo se aplican a defecciones distantes. Los valores mean-field son promedios poblacionales y no reproducen la variación estocástica de la red. El umbral de auditoría usa la expresión de pagos de referencia (P − S) / fine y no está definido si la multa es cero.

Fuentes de referencia disponibles en este espacio: Morality_Network.pdf, morality_network.py y morality_analytic.py. Los resultados deben interpretarse como salidas del modelo, no como predicciones empíricas.