image: A new research have disclosed that mankind can be categorized in four basic types of personality: pessimistic, optimistic, envious and trusting. view more
Credit: UC3M
En concreto, el trabajo desarrollado se enmarca en la Teoría de juegos, una rama matemática con aplicaciones en sociología o economía, que examina el comportamiento de las personas cuando tienen que tomar decisiones ante un dilema, con distintas consecuencias en función de lo que decida también la otra parte implicada. "A esas personas se les pidió jugar por pares, que cambiaban en cada ronda, pero además cada vez el juego era distinto, es decir, podía ser lo mejor cooperar con el otro, o hacer lo contrario que el otro, o traicionarlo... De esta manera tenemos datos de lo que hacen en situaciones sociales muy diferentes", explica uno de los autores del estudio, Anxo Sánchez, catedrático del Grupo Interdisciplinar de Sistemas Complejos (GISC) en el departamento de Matemáticas de la Universidad Carlos III de Madrid (UC3M).
"Los resultados obtenidos van en contra de ciertas teorías como la que apunta que los humanos actúan de manera puramente racional y por lo tanto deberán tenerse en cuenta a la hora de rediseñar políticas económicas, sociales y de cooperación". Así lo indica Yamir Moreno, coordinador del Grupo de Redes y Sistemas Complejos (Cosnet) del Instituto de Biocomputación y Física de Sistemas Complejos (BIFI) de la Universidad de Zaragoza y presidente de la Sociedad de Sistemas Complejos, para quien "este tipo de estudios son importantes porque mejoran las teorías existentes sobre comportamiento humano, pues las dotan de una base experimental".
Después de hacer este tipo de experimento social, los investigadores desarrollaron un algoritmo informático que trataba de clasificar a las personas en función de su comportamiento. El ordenador agrupó al 90% de las personas en cuatro grupos: los envidiosos constituyen el grupo mayoritario, (con un 30%, y que son aquellos a los que no les importa la ganancia obtenida, siempre que sea superior a los demás); los optimistas (20%, que deciden pensando que el otro va a escoger lo mejor para ambos), los pesimistas (20%, que elige la opción menos mala porque creen que el otro le fastidiará) y los confiados (20%, que cooperan siempre, son colaboradores natos, a los que les da igual ganar que perder).
Existe un quinto grupo "indefinido" (un 10%), que el algoritmo no pudo clasificar de acuerdo a un comportamiento claro, lo que permite inferir que comporta un amplio abanico de subgrupos integrados por personas que no responden, de manera determinante, a ninguno de estos patrones, sostienen los investigadores.
Anxo Sánchez lo explica con un dilema concreto: dos personas pueden cazar ciervos juntas, pero si están solas solo pueden cazar conejos. El envidioso elegiría cazar conejos, porque como mínimo estará igual al otro o mejor; el optimista escogería cazar ciervos porque es lo mejor para los dos; el pesimista, conejos porque así se asegura que tiene algo; y el confiado coopera y cazaría ciervos sin pensárselo dos veces.
Experimento de participación ciudadana
El estudio está basado en un experimento organizado por el Ayuntamiento de Barcelona y la Oficina de Ciencia Ciudadana de Barcelona en el marco del festival DAU Barcelona. "Uno de los valores principales de este estudio es el hecho de que el experimento se ha desarrollado de manera participada por la ciudadanía en el marco de una actividad pública de la ciudad", apunta Josep Perelló, líder del Grupo OpenSystems en el departamento de Física de la Materia Condensada de la Universitat de Barcelona y también coordinador de la Oficina de Ciencia Ciudadana de Barcelona. En este sentido, "los resultados se han compartido con los participantes, así, los sujetos del estudio se convierten así en participantes activos de la investigación", concluye el investigador.
"Lo realmente curioso es que la clasificación la hizo un algoritmo de ordenador que podría haber obtenido un amplio número de grupos y, sin embargo, ha arrojado una clasificación óptima en cuatro tipos de caracteres", explica Yamir Moreno. "Este tipo de algoritmos de clasificación se ha utilizado anteriormente con éxito en otros campos como la biología. Sin embargo, su aplicación al estudio del comportamiento humano es bastante revolucionaria, ya que trabajos previos prefijan los comportamientos esperados antes de realizar el experimento, en lugar de dejar que un sistema externo nos diga a posteriori de forma automática cuáles son los grupos más lógicos", comenta Jordi Duch, investigador del departamento de Ingeniería Informática y Matemáticas de la Universitat Rovira i Virgili de Tarragona y otro de los autores del estudio. Esto reviste una importancia capital porque "no es algo que hayamos impuesto los investigadores. La finalidad de emplear las Matemáticas era precisamente el de garantizar la imparcialidad", añade Anxo Sánchez.
"Anteriormente, los experimentos se realizaban con decenas de personas. Ahora, con esta plataforma se puede aumentar considerablemente el volumen de participantes en el estudio, así como realizar pruebas con población heterogénea y también nos permite registrar muchos más datos específicos sobre cómo actúan durante el experimento. Esto nos ha abierto la puerta a poder plantear pruebas mucho más complejas que las que se habían realizado hasta ahora en este campo", afirma Jordi Duch.
En esta misma línea, tratar de contestar qué mueve el interés colectivo o individual en los procesos de negociación es útil para la gestión de negocios, organizaciones o para la reformulación de políticas. Además, también sirve para abrir la puerta a mejorar las máquinas, a hacer "robots más humanizados", concluye Sánchez.
###
Referencia bibliográfica:
Humans display a reduced set of consistent behavioral phenotypes in dyadic games. Julia Poncela-Casasnovas, Mario Gutiérrez-Roig, Carlos Gracia-Lázaro, Julian Vicens, Jesús Gómez-Gardeñes, Josep Perelló, Yamir Moreno, Jordi Duch y Ángel Sánchez. Science Advances 05 Aug 2016. Vol. 2, no. 8, e1600451. DOI: 10.1126/sciadv.1600451.
Video (con subtítulos en castellano e inglés): https://youtu.be/vgBwepFjAVk
Journal
Science Advances