Aplicações de mecânica estatística à psicologia moral

Autor(es)

Alex Kunze Susemihl

• Tipo de documento: Dissertação de Mestrado
• Imprenta: São Paulo.
• Instituição: Universidade de São Paulo (USP). Instituto de Física (IF/SBI)
• Data de defesa: 2010-09-13

Membros da banca

Nestor Felipe Caticha Alfonso; Jose Fernando Fontanari; Vera Bohomoletz Henriques

• Orientador: Nestor Felipe Caticha Alfonso

Resumo

Procuramos neste trabalho investigar um modelo de uma sociedade em que agentes aprendem de seu vizinhos sociais. Buscando inspiração no paradigma de redes neurais, construímos uma analogia entre o modelo e o julgamento moral. Usando dados de questionários on-line obtidos alhures, apresentamos uma análise estatística de dados de sujeitos humanos. A partir destes dados estudamos o modelo, encontrando uma transição de fase entre um estado ordenado e um desordenado, dependente de um parâmetro análogo ao inverso da temperatura beta que denominamos peer pressure e de um parâmetro de controle delta associado ao comportamento dos agentes. Ao compararmos histogramas obtidos do modelo com histogramas dos dados de questionários observamos uma semelhança surpreendente entre os dois. Para determinar o diagrama de fases do modelo, usamos métodos de Monte Carlo e uma aproximação de campo médio usando métodos de máxima entropia. Estudamos também a suscetibilidade do sistema a perturbações no ambiente de discussão e encontramos um decaimento exponencial da distância entre o estado perturbado e o de equilíbrio, com um mínimo no tempo característico de adaptação para um certo valor de delta. (AU)

• Processo FAPESP: 07/06122-0 - Reconhecimento Invariante de Padrões
• Beneficiário: Alex Kunze Susemihl
• Modalidade de apoio: Bolsas no Brasil - Mestrado