Alcuni modelli matematici possono essere impiegati per studiare la diffusione delle innovazioni tecnologiche tra persone collegate tramite una rete peer-to-peer, ovvero dove i nodi della rete non sono gerarchizzati sotto forma di server o client ma sono paritari, come ad esempio avviene in una comunità o in un quartiere.

Tale studio è stato presentato recentemente in un articolo pubblicato sul SIAM Journal on Applied Dynamical Systems. Gli autori, N. J. McCullen, A. M. Rucklidge, C. S. E. Bale, T. J. Foxon, e W. F. Gale, si focalizzano in particolare su una applicazione, ovvero l’utilizzo da parte di una popolazione di tecnologie ad alta efficienza energetica e, di conseguenza, il controllo del consumo energetico. Grazie al modello reticolare (network model) introdotto per descrivere l’utilizzo di tecnologie energetiche ed il comportamento di una comunità, è possibile stabilire delle politiche energetiche. Il motivo che spinge a servirsi di una tecnologia ad alta efficienza energetica si basa su diversi fattori, come ad esempio: le preferenze del singolo individuo, l’impiego di tale tecnologia da parte della cerchia sociale dell’individuo, e le tendenze attuali della società.

Poiché spesso l’innovazione non è direttamente visibile ai membri di una rete, l’interazione sociale che comunica i vantaggi di tale innovazione, gioca un ruolo importante. Anche se le proprietà delle reti interpersonali non sono completamente conosciuti e tendono a cambiare, i modelli matematici sono in grado di fornire informazioni sul modo in cui alcune cause possono influenzare la probabilità di una popolazione di adottare le nuove tecnologie.

L’influenza dei social network sul comportamento degli individui è ben nota al di fuori della politica energetica: l’intervento di una rete può essere infatti usato per accelerare il cambiamento di un comportamento. “Il nostro modello si basa su precedenti modelli di diffusione di soglia (threshold diffusion models) incorporando fattori sociali realistici, ma rimanendo sufficientemente semplice affinché uno studio matematico sia possibile” afferma uno degli autori Alastair Rucklidge. “Per alcune classi di reti, siamo in grado di quantificare la forza dell’influenza del social network necessaria affinché una tecnologia sia adottata all’interno della rete.” Il modello consiste in un sistema di individui (o famiglie) che sono rappresentati come i nodi di una rete. Le interazioni che collegano questi individui, rappresentate dagli archi della rete, possono determinare la probabilità o la forza della connessioni sociali. Nell’articolo, tutte queste influenze sono considerate simmetriche e di peso uguale.
Ad ogni nodo è assegnato uno stato attuale che indica se l’individuo ha utilizzato o meno l’innovazione. Le equazioni del modello descrivono l’evoluzione di questi stati nel tempo. I singoli individui o le famiglie sono descritti come decisori (decision makers) collegati dalla rete, per i quali l’utilizzo delle tecnologie è influenzato da due fattori: l’utilità dell’innovazione percepita dall’individuo, compresi i giudizi soggettivi, così come i possibili ostacoli all’impiego, come ad esempio il costo.

L’utilità complessiva viene determinata quindi da una combinazione di vantaggi personali e sociali. Un beneficio personale che si può ottenere dal prodotto viene percepito come un vantaggio per l’individuo. I benefici sociali dipendono invece sia dall’influenza del gruppo di appartenenza, sia dalle influenze della società, e quindi potrebbero essere identificati anche come la necessità di adeguarsi alla comunità. Il singolo individuo decide di adottare l’innovazione quando i pro superano i contro. Quando l’effetto di ogni singolo nodo è analizzato insieme alle influenze sull’intera rete, il livello atteso dell’impiego della tecnologia dipende dal numero iniziale di utilizzatori, dalla struttura e dalle proprietà della rete. In particolare due fattori importanti affinché l’innovazione abbia successo sono: il numero di connessioni di nodi con i loro vicini, e la presenza di un alto grado di collegamenti comuni nella rete. In questo modo è possibile studiare le variabili in grado di aumentare le possibilità di successo dell’innovazione nel mondo reale.

Dal punto di vista del marketing, si potrebbero proporre delle strategie per migliorare l’utilità del prodotto percepita dai consumatori modificando alcuni di questi fattori. Variando i parametri, un governo potrebbe comprendere l’effetto di diverse strategie d’intervento per aumentare l’impiego di prodotti a risparmio energetico, e stabilire un’adeguata politica energetica. “Siamo in grado di utilizzare questo modello per analizzare i possibili interventi che un ente locale potrebbe adottare per aumentare l’utilizzo di tecnologie ad alta efficienza energetica nel settore domestico, come ad esempio eseguendo uno strategia del tipo “consiglia a un amico”, o dando dei buoni sconto” spiega Catherine Bale, una delle autrici. “Il modello ci consente di valutare il successo di varie strategie esaminando sia la fiducia dei cittadini negli enti locali e sia le influenze da parte dei pari nel processo di impiego di una nuova tecnologia. Poiché gli enti locali hanno spesso risorse limitate, degli strumenti in grado di identificare gli interventi migliori che forniranno un impatto in termini di riduzione sia delle spese energetiche delle famiglie che delle emissioni di carbonio, potrebbero essere di grande importanza per le città, i consigli comunali e le comunità.”

Una delle motivazioni alla base dello studio che descrive l’effetto dei social network nell’utilizzo di tecnologie energetiche, è stato quello di contribuire alla riduzione del consumo di energia da parte delle città, che utilizzano più di due terzi di energia del mondo, rilasciando oltre il 70% delle emissioni globali di CO2. Le autorità locali possono influenzare indirettamente la fornitura e l’uso di energia nelle aree urbane, e quindi aiutare gli abitanti a ridurre la domanda di energia attraverso alcuni servizi. “Degli strumenti decisionali sono necessari per sostenere le autorità locali nel per contribuire a livello nazionale ed internazionale al raggiungimento degli obiettivi energetici e del cambiamento climatico,” dice l’autore William Gale.

Una maggiore quantità di dati sociali può aiutare a ottenere osservazioni più accurate attraverso tali modelli. Come osserva uno degli autori Nick McCullen, “Per affinare ulteriormente questi modelli, e rendere i risultati sufficientemente affidabili da essere utilizzati dai responsabili politici per prendere delle decisioni, abbiamo bisogno di dati di alta qualità. In particolare, sono necessari i dati riguardanti le interazioni sociali tra individui che comunicano in merito alle innovazioni energetiche, così come l’equilibrio dei fattori che influenza la decisione degli individui di utilizzare o meno una determinata innovazione tecnologica.”

Per maggiori informazioni: Multiparameter Models of Innovation Diffusion on Complex Networks, N. J. McCullen, A. M. Rucklidge, C. S. E. Bale, T. J. Foxon, and W. F. Gale, SIAM Journal on Applied Dynamical Systems, 12(1), 515. (Data della pubblicazione online: March 26, 2013). L’articolo è disponibile gratuitamente fino al 27 giugno 2013 al seguente link epubs.siam.org/doi/abs/10.1137/120885371

A cura di Cristiana Di Russo