© Агеева Алина
Агент-ориентированная модель воспроизводит характерные свойства формирования и развития социальной сети мигрантов и этнических кластеров, взаимоотношения между иммигрантами, находящимися в одном населённом пункте, и изучает вероятность дальнейшей миграции низкоквалифицированных и нелегальных мигрантов, в зависимости от размера диаспоры (общины) иммигрантов
После присоединения к Европейскому союзу некоторых новых стран, вопросы социально-экономического аспекта миграционных движений стали наиболее актуальными. Наряду с позитивными последствиями миграции, связанными с решением проблемы стареющего населения европейских стран, существуют и негативные, влияющие на изменения условий на рынке труда в принимающих странах и усиление давления на бюджеты социальной сферы. Поэтому понимание характера и структуры иммиграционных потоков может стать ключевым знанием для разработки адекватной политической стратегии по регулированию иммиграционных процессов.
Образование этнических кластеров и общин в принимающей стране является одной из самых заметных и значительных характеристик процесса международной иммиграции. Феномен может быть рассмотрен с точки зрения формирования иммигрантами особых внешних условий, влияющих на вновь прибывающих. Воздействия так называемых социальных сетей иммигрантов могут быть как положительными (снабжение вновь прибывших важной информацией о рынке труда принимающей страны, увеличение импортных товаров в регионе проживания иммигрантов и т.д.) так и отрицательными (увеличение трудовой конкуренции в определенных сферах на рынке труда, занятых мигрантами).
В модели представлены страны (регионы), в которые могут перемещаться агенты-иммигранты, но только в том случае, если их переезд окупится. Т.о. главным назначением наличия различных стран (регионов) в модели является пространственное разделение отличных друг от друга рынков труда и изучение соотношения количества иммигрантов в конкретной местности (стране, регионе) к уровню их доходов. Агенты-иммигранты наделены одинаковыми познавательными способностями, но отличаются друг от друга заданными первичными параметрами индивидуального уровня осведомлённости.
Все агенты-иммигранты в модели разделены по этническому признаку; агент может образовывать социальную сеть только с агентами своей этнической группы; имеются также агенты, у которых невозможна функция участия в социальных сетях («одиночки»). Агенты могут делиться информацией о сложившейся ситуации на рынке труда с др. агентами – представителями своей этнической группы. Агенты должны изучать окружающую обстановку и реагировать на её стимулы (преодолевать трудности). Если реакция агента верная, он зарабатывает (зарплата равна уровню дохода, который возможно заработать в данной стране или регионе), в противном случае – нет, причём в модели был задан максимальный предел по возможному количеству совершаемых агентами ошибок (параметр β, который отражает также сложность преодоления проблемы в зависимости от уменьшения или увеличения величины β). Для успешного преодоления трудностей (правильной реакции на стимулы), агенты запоминают свой предыдущий опыт, или же образуют социальные сети с др. агентами своей этнической группы. Если агент принадлежит какой-либо сети, он соотносит свою реакцию (действия) с др. членами сети, т.е. все члены сети принимают совместное решение и реагируют на стимулы одинаково, получая одинаковое вознаграждение. Агенты сообща действуют более успешно, чем поодиночке. Через определённое количество времени, агенты сравнивают уровень доходов – своих и членов других сетей, принадлежащих к той же этнической группе, и если их доходы оказываются ниже, то принимают решение о том, оставаться или переезжать в другую страну (населённый пункт, регион) с более высоким уровнем доходов.
В имитации механизма познавательных способностей агентов использован принцип работы нервной системы, воспроизводящий односложную работу нервной сети, которая называется персептрон, с двумя входными нейронами и одним выходным нейроном (см. рис. ниже слева). Агенты реагируют на внешние стимулы, используя данный механизм, и приобретают новый опыт путем экспериментальных изменений значений их нервных соединений (сетей). В модели внешние стимулы существуют в виде пары булевых функций. Выходные данные персептрона представлены уравнением: f (A;B) = W0 +WAA +WBB.
В модели использовалась булева функция исключающее ИЛИ (функция XOR) для создания вариативности стимулов, которые должны преодолеваться агентами. Линия, заданная f (A;B) = 0, делит пространство точек {A;B}, где f (A;B) > 0 (булева функция «И» или 1), а f (A;B) < 0 (булева функция «Л» или -1). Агенты реагируют на внешние стимулы и их действия сравниваются с корректными значениями, задаваемые функцией XOR, и единственным способом для агентов преодолеть верно всевозможные внешние стимулы (трудности) является координация их действий с другими агентами. Даже два соединенных вместе персептрона способны верно классифицировать запросы XOR-функции (см. рис. выше справа). Т.о. проявляются позитивные свойства работы социальных сетей иммигрантов, потому что сообща они могут преодолевать трудности легче.
Негативные последствия действия социальных сетей иммигрантов проявляются в том, что с течением времени в той же местности (населённом пункте, стране, регионе) количество иммигрантов увеличивается, и уровень их доходов уменьшается. Хотя эмпирические данные различных последствий миграционных процессов являются спорными и активно обсуждаемыми, но тем не менее, всеми признается факт того, что вновь прибывающие иммигранты влияют негативным образом на уровень доходов прибывших ранее иммигрантов. Уровни заработных плат в модели для каждой страны (региона) представлены уравнением, в котором количество коренных граждан стран (регионов) является неизменным и нормируется к единице, а параметр α отображает зависимость уровня доходов (зарплат) к количеству трудящихся:
Но агенты получают доход (зарплату), только в случае правильного реагирования на внешние стимулы (успешного преодоления трудностей); в уравнении параметр β – максимально возможное количество ошибок, допускаемых агентами, при реагировании на внешние стимулы для получения вознаграждения (параметр β также отражает уровень сложности преодоления проблемы):
Автором модели был использован язык программирования C++. Модель прогонялась 1000 раз с переменными значениями параметров α и β, в то время как значения остальных параметров в модели оставались неизменными: количество стран (25), количество этнических групп (50), количество агентов-иммигрантов в каждой этнической группе (50).
После каждого десятого прогона модели, агенты пытались создать новые социальные сети или «предложить» др. агентам вступить в их сообщество, а после каждой тридцатой – решали вопрос о переезде. Чем сложнее агентам задавались трудности для их преодоления (при увеличении параметра β), тем меньше оставалось «одиночек». Размер социальной сети уменьшался, когда увеличивали β – количество допустимых ошибок (или уменьшали уровень сложности преодоления трудностей), и наоборот, увеличивался, когда α – параметр зависимости уровня доходов к количеству трудящихся агентов, уменьшался. На рис. (верх. ч.) – столбчатая диаграмма, отображающая изменение величины социальной сети агентов в соответствии с меняющимися параметрами α (вертик.) и β (горизон.), а на рис. (ниж.ч.) – трехмерное графическое изображение данного процесса.
Согласно исследованиям, для низкоквалифицированных и нелегальных иммигрантов социальные сети играют ключевую роль в выборе направления переезда, поскольку они предпочитают ехать туда, где существует поддержка в лице их соотечественников, родственников и знакомых. На рис. ниже изображается процесс выбора агентами-иммигрантами той же местности для переезда, где уже находятся агенты – представители их этнической группы, в зависимости от количества последних (α – вертик. и β – горизон.): на графиках отображается обратная зависимость между количеством агентов-иммигрантов и возможностью переезда в ту же местность (населенный пункт, страну, регион).
Параметр β автор модели также связывает с возможностью агента самостоятельно преодолевать трудности. Он приходит к выводу, что параметр β отражает также сложность преодоления трудностей и в более высоких значениях отображает реальное количество легальных и квалифицированных мигрантов, которых в количественном отношении гораздо меньше, и которые менее зависимы от этнических социальных сетей, а β с низкими значениями – низкоквалифицированных и нелегальных иммигрантов, которые более зависимы от воздействия социальных сетей иммигрантов. Автор модели соглашается с результатами социально-экономических исследований, которые нашли подтверждение в его модели. Таким образом, влияние социальных сетей имеет изначальный позитивный эффект для вновь прибывших мигрантов (помощь в информировании, адаптации к местным условиям труда и проживания и т.п.), но в конечном итоге, увеличение мигрантов в одной местности, особенно если они принадлежат к одной этнической группе, способствует удешевлению стоимости их труда и увеличению процента безработных среди иммигрантов. То есть, увеличение количества иммигрантов в одной местности уменьшает вероятность иммиграции в эту же местность; особенно это справедливо по отношению к категориям низкоквалифицированных и нелегальных мигрантов. Автор полагает, что несложность модели позволит внедрять её в другие, комплексные конструкции, изучающие и имитирующие различные социально-экономические аспекты международной трудовой иммиграции.
Более подробно можно прочитать здесь: [P. Švarc. Modeling Migration Using Neural Networks. Charles University in Prague. 2005].