PL 
EnglishDomyślny
Українська🏘️ Segregacja Schellinga
Model agentowy pokazujący, jak łagodne preferencje jednostek prowadzą do segregacji społecznej na wielką skalę. Reguluj rozmiar siatki i próg tolerancji.
O modelu segregacji Schellinga
Ta symulacja odtwarza agentowy model segregacji mieszkaniowej Thomasa Schellinga z 1971 roku. Dwie grupy agentów, tu przedstawione jako niebieskie i czerwone kwadraty, zajmują pola na kwadratowej siatce obok pustych miejsc. Każdy agent sprawdza swoich ośmiu sąsiadów (sąsiedztwo Moore'a) i jest zadowolony tylko wtedy, gdy udział zajętych sąsiadów tego samego koloru osiąga lub przekracza próg tolerancji T. Niezadowoleni agenci przenoszą się na losowo wybrane wolne pola, a model powtarza tę regułę.
Suwak Siatka ustawia rozmiar planszy od 20 do 100 pól na bok, Gęstość wypełnia agentami od 30 do 95 procent pól, a Tolerancja ustawia próg T od 0,1 do 1,0. Każdy krok przenosi około 30 procent niezadowolonych agentów na puste pola. Uderzającym rezultatem jest to, że nawet skromna preferencja podobnych sąsiadów prowadzi do wyraźnie segregowanych skupisk, pokazując, jak indywidualne wybory generują emergentne wzorce zbiorowe istotne dla polityki mieszkaniowej i planowania urbanistycznego.
Często zadawane pytania
Co pokazuje model Schellinga?
Pokazuje, że segregacja mieszkaniowa na dużą skalę może powstać, nawet gdy jednostki mają jedynie łagodne preferencje dotyczące sąsiadów. Żaden agent nie wymaga w pełni jednokolorowego obszaru, a mimo to system ustala się w silnie skupionych, segregowanych wzorcach. To klasyczny przykład zachowania emergentnego, w którym wynik zbiorowy znacznie różni się od intencji pojedynczego agenta.
Jak agent decyduje, czy jest zadowolony?
Każdy agent sprawdza osiem sąsiadujących pól i liczy, ile z nich jest zajętych. Następnie mierzy, jaki udział tych zajętych sąsiadów ma ten sam kolor co on. Jeśli ten udział jest równy lub wyższy od progu tolerancji T, agent jest usatysfakcjonowany i zostaje; w przeciwnym razie jest niezadowolony i się przeniesie. Agenci bez zajętych sąsiadów są w tej wersji traktowani jako niezadowoleni.
Co właściwie kontroluje suwak Tolerancja?
Mimo nazwy, suwak Tolerancja ustawia próg T, czyli minimalny udział sąsiadów tego samego koloru, jakiego potrzebuje agent, aby czuć się osiedlony. Niska wartość, na przykład 0,3, oznacza, że agent jest zadowolony, gdy zaledwie 30 procent jego sąsiadów pasuje, więc w rzeczywistości jest bardzo tolerancyjny. Podniesienie wartości sprawia, że agenci stają się bardziej wybredni, co prowadzi do silniejszej segregacji.
Dlaczego łagodna preferencja tworzy skrajną segregację?
Każde przeniesienie niezadowolonego agenta nieznacznie zmienia sąsiedztwo pobliskich agentów, czasem popychając wcześniej zadowolonych w stronę niezadowolenia. Te lokalne ruchy kumulują się, a jedynymi stabilnymi konfiguracjami są zwykle te, w których podobne skupia się z podobnym. Zbiorowy wzorzec przewyższa skromną indywidualną preferencję, co jest cechą charakterystyczną nieliniowej, samowzmacniającej się dynamiki.
Co zmieniają suwaki Siatka i Gęstość?
Siatka ustawia długość boku kwadratowej planszy, od 20 do 100 pól, więc łączna liczba pól waha się od 400 do 10 000. Gęstość ustawia udział pól wypełnionych agentami, od 30 do 95 procent, a reszta pozostaje pusta. Puste pola są niezbędne, ponieważ niezadowoleni agenci potrzebują wolnych miejsc docelowych; bardzo wysoka gęstość pozostawia niewiele miejsc do przeniesienia się i może spowolnić lub zatrzymać proces.
Jak agenci są przenoszeni w każdym kroku?
W każdym kroku model skanuje wszystkich agentów, sporządza listę niezadowolonych i tasuje tę listę. Następnie przenosi mniej więcej 30 procent z nich (co najmniej dziesięciu, gdy to możliwe) na losowo wybrane puste pola, zamieniając ich pozycje z wolnymi miejscami. Ten częściowy, losowy ruch utrzymuje dynamikę płynną, zamiast przenosić naraz wszystkich niezadowolonych agentów.
Co oznaczają kolory i jasność?
Niebieskie kwadraty to Grupa A, a czerwone kwadraty to Grupa B, podczas gdy ciemne pola są puste. Jaskrawo zabarwione pola wskazują zadowolonych agentów, których sąsiedztwo spełnia ich próg, natomiast jaśniejsze, wyblakłe odcienie oznaczają niezadowolonych agentów, którzy wciąż szukają lepszego miejsca. W miarę zbiegania się symulacji wyblakłe pola znikają, a pozostają jednolite bloki koloru.
Co pokazują statystyki na dole?
Niebieski Zadowolony i Czerwony Zadowolony podają procent każdej grupy, który jest obecnie usatysfakcjonowany, pasek Ogólny łączy oba w jedną miarę zadowolenia, Kroki liczy wykonane iteracje, a Niezadowoleni podaje, ilu agentów wciąż chce się przenieść. Gdy liczba Niezadowolonych osiągnie zero, system jest stabilny, a przebieg automatycznie się zatrzymuje, wyświetlając komunikat, że konfiguracja się ustabilizowała.
Czy symulacja jest fizycznie dokładna?
Wiernie oddaje podstawową logikę oryginalnego modelu Schellinga: preferencję progową, sąsiedztwo Moore'a i przenoszenie niezadowolonych agentów na puste pola. Jest to stylizowany model społeczny, a nie dosłowna mapa jakiegokolwiek miasta, więc pomija takie czynniki jak dochód, transport, szkoły i ceny. Jego wartość polega na ujawnieniu mechanizmu, a nie na prognozowaniu konkretnych dzielnic.
Jakie jest rzeczywiste zastosowanie tego modelu?
Urbaniści, socjologowie i ekonomiści wykorzystują modele w stylu Schellinga do badania segregacji mieszkaniowej, podziału na strefy szkolne i polityki mieszkaniowej. Kluczowym wnioskiem politycznym jest spostrzeżenie o punkcie krytycznym: ponieważ segregacja powstaje spontanicznie, osiągnięcie trwałej integracji może wymagać interwencji silniejszych, niż mogłoby się naiwnie wydawać. Model uogólnia się także na grupowanie opinii, sortowanie rynkowe i inne systemy oddziałujących na siebie agentów.