Divided spaces and divided opinions
| Promotie: | T. (Thomas) Feliciani |
| Wanneer: | 16 januari 2025 |
| Aanvang: | 09:00 |
| Promotors: | A. (Andreas) Flache, Prof, J. (Jochem) Tolsma, prof. dr. M. Maes |
| Waar: | Academiegebouw RUG |
| Faculteit: | Gedrags- en Maatschappijwetenschappen |
De invloed van etnische segregatie op polariserende meningen
Er is een wijdverbreide polarisatie van meningen over controversiële onderwerpen zoals immigratie, maar weten we weinig over hoe dit is ontstaan. Ontwikkelen deze gepolariseerde opinies zich eerder in etnisch gesegregeerde of juist in niet-gesegregeerde samenlevingen? Thomas Feliciani onderzocht dat in een theoretisch model op basis van computersimulaties. De uitkomst dat het voorspelde verband tussen segregatie en polarisatie afhangt van het gekozen gedragsmodel.
Bestaande theorieën bieden tegenstrijdige verklaringen voor het segregatie-polarisatieverband, terwijl het empirische bewijs, slechts beperkt tot observationele benaderingen, gemengd is. Feliciani gebruikte computersimulatie-experimenten, waardoor hij alternatieve theorieën kon vergelijken en bepalen waar en onder welke omstandigheden ze tegenstrijdige voorspellingen opleveren.
De simulaties laten zien dat het voorspelde verband afhangt van het aangenomen gedragsmodel – dat wil zeggen, hoe we verwachten dat individuen hun opinies veranderen onder invloed van anderen. Sommige modellen voorspellen dat segregatie polarisatie bevordert, terwijl andere het tegenovergestelde voorspellen. Over het algemeen zijn de voorspelde effecten sterker wanneer sociale invloed lokaal is (wanneer buren elkaar sterker beïnvloeden dan niet-buren) en wanneer etniciteit de interacties bepaalt (dat betekent dat individuen van dezelfde etnische groep elkaar anders beïnvloeden dan individuen van verschillende groepen).
Bij het ontwikkelen van adequate simulatie-experimenten stuitte hij op verschillende methodologische uitdagingen: de valkuilen bij formalisatie van gedragsmatige theorieën die aanvankelijk enkel verbaal zijn uitgedrukt; het realistischer maken van de simulatiemodellen door ze te baseren op empirische data; en het verlichten van de ‘computational bottleneck’ van hoog-dimensionale, grootschalige simulatie-experimenten.