La opinión pública y las dinámicas que la conforman constituyen un tema de la mayor relevancia para las ciencias sociales, tanto por su interés a nivel estrictamente académico, como por su trascendencia social y política. En este sentido, el estudio de las dinámicas de opinión es uno de los principales campos de extensión de los modelos formales en las ciencias sociales fuera de la economía y, más concretamente, de los modelos de simulación social. La cantidad de modelos de simulación desarrollados en los últimos años pueden hacer que, como sostienen Castellano, Fortunato y Loreto en la cita que sirve de entradilla a este trabajo1, el lector, incluso aquel familiarizado con el campo, tenga serias dificultades para mantenerse al día de las nuevas publicaciones. Se trata, por tanto, de un ámbito en el que se han ido publicando periódicamente algunos excelentes trabajos de revisión de la literatura, ya sea sobre modelos de dinámicas de opinión en general o sobre algún tipo de modelo en particular (Abelson 1964; Castellano, Fortunato y Loreto 2009; Flache et al. 2017; Galam 2008; Lorenz 2007; Sîrbu et al. 2007). El objetivo de este artículo es ofrecer una revisión de la literatura que presenta algunas características novedosas. En primer lugar, la mayoría de trabajos de revisión tienen ya una década, lo que hace necesaria una nueva actualización. En segundo lugar, la nuestra es, hasta donde nosotros sabemos, la única revisión existente en español, de manera que hace más fácilmente accesible esta literatura al lector hispanohablante. En tercer lugar, a diferencia del resto de trabajos, el nuestro deja de lado, en la medida de lo posible, los aspectos más técnicos de los modelos y se centra en las cuestiones teóricas más sustantivas, haciendo, una vez más, accesible esta literatura a un público más amplio que la pequeña comunidad estrechamente familiarizada con la modelización formal. En cuarto lugar, nuestra revisión (a excepción de un apartado inicial) tampoco sigue la estructura habitual y los modelos no se agrupan en familias, sino que se ordenan en torno a temas y ejes de debate. Creemos que esta aproximación resulta más fértil de cara a situar los diferentes modelos que la habitual clasificación en familias, pues el flujo actual de publicaciones ha ido dejando más y más desdibujada aquella clasificación. Finalmente, cabe insistir en que, pese a que se hará referencia a los modelos matemáticos, nuestro trabajo se centra en los modelos de simulación social, pues, en general, puede argumentarse que los iniciales modelos matemáticos han dado paso al dominio casi absoluto de los modelos basados en agentes.

El resto del trabajo se organiza como sigue. En el siguiente apartado se realiza un brevísimo repaso histórico de las principales familias de modelos, pues una breve aproximación histórica tiene un valor propedéutico que permite situar mejor las discusiones posteriores. A continuación, se presentarán diez ejes del debate actual alrededor de los cuales se irán presentando los principales rasgos de los modelos de dinámica de la opinión. Los ejes de análisis están organizados alrededor de cinco características clave de todo modelo: los agentes (características de sus opiniones, memoria y otras propiedades individuales relevantes), el tipo de interacción (el rol de la homofilia, el mecanismo de cambio de opinión como resultado de la interacción, la falsificación de preferencias en la interacción y la opinión de referencia que influye en cada agente), el entorno en el que se produce la interacción (el rol de los medios de comunicación), la estructura relacional de partida (las topologías de los modelos) y los resultados que cada modelo produce. Para finalizar, abordamos los principales avances que se han producido y los desafíos que la ciencia social tiene planteados en este terreno.

El punto de partida de la discusión académica moderna en torno a los procesos de conformación de la opinión pública podría situarse en la teoría de la aguja hipodérmica de Laswell (1927). Desde este punto de vista, se consideraba que la opinión pública se formaba a través de la influencia ejercida sobre los ciudadanos por los medios de comunicación y los líderes de opinión. Los ciudadanos eran concebidos como sujetos pasivos que interiorizaban el discurso recibido. Dicha aproximación negligía, además, el papel de la interacción y de la influencia social.

Con los años se fue poniendo de manifiesto lo limitado de esta concepción, señalando, por un lado, que los individuos tienen capacidad de agencia y de resistencia a la influencia ejercida por los medios y, por el otro, de manera más importante, que la opinión pública se configura en parte también como resultado emergente de un proceso dinámico de influencia social en interacciones locales. En este sentido, como es bien sabido, el estudio de la emergencia plantea una dificultad para las ciencias sociales, ya que estos fenómenos no pueden deducirse simplemente de las propiedades de los individuos que los generan, de manera que, para poder explicarlos, es imprescindible contar con algún tipo de modelo generativo (Hedström, 2005; 2006).2

Los primeros modelos formales en este campo fueron modelos matemáticos que se preocuparon, básicamente, por la emergencia del consenso (Abelson 1964; Berger 1981; De Groot 1974; French 1956). No obstante, pese a que hoy en día continúan apareciendo importantes modelos matemáticos (Galam y Javarone 2016)3, cada vez existe más acuerdo en torno a las limitaciones de este tipo de modelos, especialmente a su necesaria fundamentación en supuestos falsos (Elster 2007, Hedström 2005; 2006).

En cambio, en los últimos años ha empezado a popularizarse el uso de los modelos de simulación, siendo el estudio de las dinámicas de opinión pública uno de los campos más fructíferos en este sentido.4 Los modelos de simulación, y en particular los modelos multi-agente (ABM, por sus siglas en inglés), son una herramienta flexible, idónea para estudiar fenómenos emergentes como la conformación de la opinión pública. Estos modelos permiten introducir agentes con características heterogéneas y realistas (sin tener que recurrir, por ejemplo, al agente representativo típico de los modelos matemáticos basados en la teoría de la elección racional), así como situar a dichos agentes en una estructura o topología de interacción, definida también de forma realista, de manera que los resultados macroscópicos del modelo emergen de la interacción a nivel local, a diferencia, por ejemplo, de los modelos matemáticos basados en la teoría de la elección racional.

Por otro lado, las dinámicas de opinión han constituido en las últimas décadas uno de los grandes campos de expansión de la sociofísica, una rama de la física de sistemas complejos centrada en el análisis de la emergencia de fenómenos sociales. Del seno de esta tradición provienen las familias de modelos más conocidos5. Los primeros que se aplicaron a este campo fueron los modelos binarios6, como el voter model (Clifford y Sudbury 1973; Holley y Liggett 1975), el Sznajd model (Stauffer 2003; Sznajd-Weron 2005; SznajdWeron y Sznajd 2000) o el majority rule model (Galam 2002) entre otros, aunque rápidamente aparecieron los primeros modelos continuos, los bounded confidence models, entre los que destacan el modelo Deffuant o Deffuant-Weisbuch (Deffuant et al. 2000; Weisbuch et al. 2002; 2003) y el Hegselmann-Krause (Krause 2000; Hegselmann y Krause 2002). A continuación, se presentarán brevemente las características principales de dichos modelos7.

Voter model. En este modelo, los agentes están colocados en una cuadrícula. Cada casilla representa a un agente que puede estar en dos estados alternativos (puede tener dos opiniones) (+1). Los agentes tan solo pueden interactuar con sus vecinos adyacentes. La dinámica del modelo es también extremadamente simple. En cada ronda se forman parejas de agentes. Si ambos agentes comparten el mismo estado, nada sucede; de lo contrario, uno adopta el estado del otro.

Majority rule model. Como en el caso anterior, los agentes en este modelo pueden tener dos opiniones (+1). En este caso, no obstante, cada agente puede comunicarse con cualquier otro agente de la población. En cada ronda se forman grupos de agentes (el tamaño de los grupos varía de una ronda a otra). En cada ronda, todos los agentes adoptan la opinión mayoritaria dentro de su grupo.

Sznajd model. En su versión más simple, los agentes están colocados en una matriz de una única dimensión (una cadena lineal). Una vez más, cada agente puede tener una de dos opiniones (+1). En cada ronda se forman parejas de agentes adyacentes. Si ambos agentes tienen la misma opinión, sus dos vecinos adyacentes a izquierda y derecha se contagian de la misma. En cambio, si discrepan, cada agente le contagia su opinión al vecino del otro.

Deffuant model. Los modelos sociofísicos continuos introducen la cuestión de la homofilia. Se asume la plausible idea de que las personas no suelen interactuar (o, si interactúan, no suelen dejarse influir) por aquellas personas que albergan opiniones muy diferentes de la suya. En el Deffuant, los agentes están enraizados en una determinada estructura de red. Cada agente solo puede interactuar con los agentes a los que está conectado. En cada ronda se forman parejas de agentes. Ahora bien, en estos modelos, además de la opinión (un valor asignado al azar del intervalo —continuo— [0,1]), los agentes están dotados de un confidence level que hace las veces de umbral. Si la diferencia de opinión entre ambos agentes excede su confidence level, no sucede nada. De lo contrario, sus opiniones se aproximan en alguna medida (habitualmente, ambos agentes convergen en la media de sus opiniones).

Hegselmann-Krause model. Finalmente, el Hegselmann-Krause es un modelo que trata de capturar la misma idea que el Deffuant a partir de una regla de actualización de creencias muy diferente. En este caso, en cada ronda los agentes interactúan con todos los agentes de la población que queden dentro de su confidence level. Como resultado del encuentro, todos los agentes en un grupo pasarán a compartir la misma opinión, que será la media de las opiniones previas de todos los agentes en el grupo.

Los que acaban de presentarse son, como se ha dicho, los trabajos seminales de las más importantes familias de modelos sociofísicos. En los últimos años, la investigación se ha extendido en múltiples direcciones. Por un lado, existen multitud de desarrollos de esos modelos (por ejemplo, en diferentes tipos de redes). Por otro lado, dentro de la comunidad sociofísica han aparecido nuevos modelos, de última generación, que no son inmediatamente ubicables en una u otra familia (para una presentación detallada hasta el 2009, ver Castellano, Fortunato y Loreto 2009). Y, en tercer lugar, de manera si cabe más importante, los modelos de dinámicas de opiniones no se circunscriben en exclusiva a la tradición sociofísica. Algunos de ellos podrían situarse más bien en la senda de la moderna ciencia social analítica y generativa (Axelrod 1997; Baldassarri y Bearman 2007; Duggins 2017). Este tipo de sociología (Hedström 2005, 2006; Hedström y Bearman 2009; Linares 2018) comparte con la sociofísica el proyecto de explicar los fenómenos sociales macroscópicos como efecto de interacciones locales entre entidades microscópicas (agentes o actores, preferentemente individuos), pero se diferencia de la sociofísica en su voluntad de modelizar entidades dotadas de mecanismos cognitivos y de acción plausibles, realistas. Como se ha dicho más arriba, en lo que sigue se discutirán diferentes temas y ejes de debate actuales en el ámbito de los modelos de dinámicas de opinión, presentando las principales contribuciones en cada caso.

En los modelos sociofísicos binarios clásicos los agentes no tienen memoria de las interacciones pasadas (Castellano, Fortunato y Loreto 2009, Sîrbu et al 2007, Lorenz 2007). La ausencia de memoria implica que la opinión de un agente en t_n no afecta en absoluto a su opinión en t_n+1. Un agente que opina +1 en t_n puede pasar a opinar -1 en t_n+1 con base en una simple interacción con otro agente. Y, aún más, con el paso del tiempo su opinión puede ir cambiando de un extremo al otro sin ningún límite.

Esto es, obviamente, poco irrealista. Existe abundantísima evidencia empírica de la existencia de lo que Kuran (1987a; 1988; 1995: 171) denominaba “perseverancia de las creencias”: una vez que una persona se ha formado una creencia es relativamente difícil que esta varíe, aunque dicha persona vea que la opinión pública está cambiando, aparezca nueva evidencia contraria a dicha creencia, etc.

En los últimos tiempos, empero, han surgido algunos modelos que tratan de solventar este problema. La dinámica de cambio de la conducta pública a partir de transformaciones graduales en la opinión privada (en los modelos CODA) debe entenderse como una interesante propuesta en este sentido. Así, por ejemplo, Dall’Asta y Castellano (2007) elaboran un desarrollo del voter model en el que dotan de memoria a los agentes a través de un procedimiento similar al de Martins (2008). Los agentes tienen un umbral para cambiar de opinión (¿cuántas interacciones tengo que tener con agentes de opinión contraria para cambiar yo de opinión?). Así, un agente solo cambia de opinión después de un cierto número de interacciones con agentes de opinión contraria.

En los primeros modelos sociofísicos, los agentes eran definidos por una sola característica: su opinión8. En cambio, hoy en día prácticamente todos los modelos incluyen agentes definidos también por alguna o algunas otras variables relacionadas con la influencia social. Como sostiene Sobkowicz (2009: 2.10), esta innovación es una mejora general del realismo de los modelos que abre la puerta a asignar roles y poderes diferenciados a los agentes. A continuación, se discuten brevemente algunas de esas características típicas.

En todos los modelos existentes la principal (o única) causa próxima del cambio de opinión de los agentes es algún mecanismo de influencia social. En los modelos sociofísicos clásicos, los agentes cambian de opinión, única y exclusivamente, a través de la influencia ejercida por otros agentes; y lo hacen de manera determinista. Además, dicha influencia consiste en una tendencia al conformismo: cuando un agente influye a otro, sus opiniones se aproximan en mayor o menor medida.

En los últimos años han ido apareciendo modelos que representan variaciones en ambos aspectos. En primer lugar, cada vez hay más modelos no deterministas que introducen azar en el proceso de formación de la opinión (Dandekar, Goel y Lee 2013; Kurahashi-Nakamura, Mäs y Lorenz 2016; Mäs, Flache y Helbing 2010; y para referencias previas a 2009, Castellano, Fortunato y Loreto 2009: 610). Con el recurso al azar, dichos modelos pretenden tomar en consideración otros factores diferentes de la influencia social que puedan estar influyendo en la actualización de las opiniones de los agentes, como la variabilidad en la naturaleza de los distintos individuos o factores externos como los medios de comunicación o la propaganda.

Con todo, a nuestro modo de ver, existe una laguna teórica importante en este punto. No hay modelos de simulación que tomen en consideración, de forma sistemática, el papel del aprendizaje a partir de la propia experiencia en los procesos de formación de la opinión. No obstante, existen buenas razones para pensar que este puede ser un importante mecanismo (Visser, Bizer y Krosnick, 2006; Lohmann 1994: 84). Más aún, la propia experiencia bien puede ser, de hecho, un factor que mitigue el efecto de la influencia de los pares o de los medios de comunicación. Tal y como, por ejemplo, argumentara Kuran (1991b; 2001), las creencias basadas en la propia experiencia son más resistentes a la influencia social. De esta manera, en el ejemplo de Kuran, incluso las personas que vivían en las dictaduras comunistas de la Europa del Este y que tan solo tenían acceso a opiniones favorables al régimen (ya fuesen emitidas por sus conciudadanos o por los medios) podían continuar manteniendo opiniones críticas con el régimen si en su vida cotidiana padecían las colas y la escasez de acceso a los productos básicos, la arbitrariedad de los funcionarios púbicos, la falta de libertad, etc.

Por otro lado, como acaba de mencionarse, en los modelos clásicos la influencia social se asimilaba invariablemente al conformismo. No obstante, muchos modelos actuales incorporan preferencias, lo que Duggins (2017) o Smaldino y Epstein (2015) denominan distinctiveness. La distinctiveness es una forma de influencia social que va en sentido contrario al conformismo: los agentes desean distanciarse de la opinión de los demás. Existe numerosa evidencia empírica de la existencia de este tipo de motivaciones (Imhoff y Erb 2009; Leonardelli, Pickett y Brewer 2010; Maslach, Stapp y Santee 1985; Nail, MacDonald y Levy 2000), de manera que su incorporación a los modelos debe considerarse como un nuevo paso positivo en la dirección del mayor realismo de los mismos. Por otro lado, ni que decir tiene que la idea de la influencia social negativa, presentada al final del apartado anterior, se encuentra claramente relacionada con este mecanismo.

Otros modelos incorporan ideas similares. Por ejemplo, muchos modelos sociofísicos incorporan opositores (contrarians), a saber, agentes que toman la opinión opuesta a la mayoritaria (Galam 2004; Stauffer y Sá Martins 2004). Otros muchos modelos incorporan, por ejemplo, agentes no conformistas o anticonformistas. En el primer caso, el agente mantiene o cambia su opinión al azar, independientemente de la influencia que reciba. En el segundo caso, el agente se comporta como un contrarian con una determinada probabilidad. En este sentido, algunas referencias importantes son Altafini (2013), Buechel, Hellmann y Klößner (2015), Cao et al. (2012), Eger (2013), Galam (2004), Mäs et al. (2013), Mäs, Flache y Kitts (2014), Jarman et al. (2015), Javarone (2014), Kurmyshev y Juárez (2013), Kurmyshev, Juárez y González-Silva (2011), Nyczka, Sznajd-Weron y Cisło (2012) y Regnault, Schabanel y Thierry (2009).

Con todo, cabe insistir en que continúa siendo cierto que, en la totalidad de los modelos, la principal (o única) causa próxima del cambio de opinión de los agentes es algún mecanismo de influencia social. Al fin y al cabo, la distinctiveness, la influencia social negativa o la tendencia a comportarse como un contrarian no dejan de ser formas de influencia social ya que, aunque sea de forma reactiva, la opinión de un agente depende de cuál sea la opinión de otros agentes.

Prácticamente, no existe ningún modelo de simulación que tome en consideración la falsificación de preferencias en el estudio de las dinámicas de opinión pública, siendo Duggins (2017) y Makowsky y Rubin (2013) las únicas excepciones.

Como señala Duggins (2017), seguramente este es uno de los principales, sino el principal déficit de la literatura en este ámbito. La ausencia resulta sorprendente cuando hace ya más de dos décadas que Kuran demostrara con sus modelos (1987a, 1987b, 1989, 1990, 1991a, 1991b) que la falsificación de preferencias puede jugar un papel absolutamente central en las dinámicas de opinión. Sorprendentemente, los trabajos de Kuran tuvieron poca continuidad y tan solo existen un puñado de modelos formales más que incorporan la idea de falsificación de preferencias, no estando estos necesariamente centrados en el estudio de las dinámicas de la opinión pública (Daniel, Arce y Sandler 2003; Bernheim 1994; Ginkel y Smith 1999; Klick y Parisi 2008; Rubin 2014; Tullock 1974).

Los trabajos clásicos sobre opinión pública basados en la idea de la aguja hipodérmica explicaban la configuración de la opinión pública como un proceso topdown, por lo que daban a los medios de comunicación un papel absolutamente fundamental en la conformación de dicha opinión. Curiosamente, empero, los primeros modelos sociofísicos se fueron al extremo contrario, con una aproximación bottomup que obvia el papel de los medios.

No obstante, probablemente la verdad está en algún punto intermedio entre ambas posturas. De este modo, cada vez hay más modelos que incorporan el papel de los medios (Gargiulo y Gandica 2017; Grabowsky y Kosinsky 2006; Kurahashi-Nakamura, Mäs y Lorenz 2016; Watts y Dodds 2007). En la mayoría de modelos la influencia de los medios se incorpora como una modulación exógena. En algunos modelos la opinión va en un único sentido, mientras que en otros se introducen medios rivales10. Como en otros casos, desde nuestro punto de vista, ninguna de las dos opciones es “mejor” que la otra per se. Una influencia en un único sentido capturará bien aquellos casos en que todos los medios de comunicación emiten una única opinión (por ejemplo, aunque no solamente, en las dictaduras), mientras que la presencia de distintas influencias en diferentes direcciones será más adecuada en aquellos casos en que exista pluralismo.

Una manera diferente de modelizar el papel de los medios es la de González-Avella et al. (2006, 2007, 2012). En este caso, el modelo consiste en una matriz cuadrada en la que los agentes son influenciados por dos opiniones: la local (el grupo de agentes con los que interactúan), y la global (definida como la opinión modal en el conjunto de la matriz). Los autores sugieren que la opinión global puede entenderse como una influencia cultural transmitida a través de los medios. No obstante, en este modelo, ciertamente los medios de comunicación desempeñan un papel menor, el de meros informadores del estado de la opinión pública.

Finalmente, algunos modelos incorporan también líderes de opinión. Por ejemplo, Chacoma y Zanette (2015) construyen un modelo con agentes más influyentes que el resto y que no son influenciables (en este sentido, serían fanáticos) para tratar de capturar el papel de dichos líderes.

En la gran mayoría de modelos existentes, la dinámica se genera, exclusivamente, en las interacciones a nivel local, por lo que la opinión global del conjunto de la población no afecta directamente a los agentes. Dicho de otro modo, estos no interactúan con el agregado. No obstante, esto parece una limitación, dado que es razonable suponer que la gente tiene alguna noción de cuál es el estado de la opinión pública global (más allá de cuál sea la opinión de la gente con la que ellos interactúen habitualmente en sus redes sociales).

Por motivos obvios, en prácticamente ningún modelo los agentes interactúan exclusivamente con el agregado. Al fin y al cabo, tal y como se ha argumentado más arriba, la principal virtud de un ABM (frente a los modelos matemáticos) es que permite reproducir la emergencia del fenómeno bajo estudio a partir de las interacciones a nivel local11. Pero sí que existen algunos modelos en los que los agentes toman en consideración también la opinión global. Los trabajos de González-Avella et al. (2012, 2007, 2006) vuelven a encajar en este punto.

Tal y como se ha descrito más arriba, en los primeros modelos sociofísicos binarios los agentes estaban ubicados en topologías extremadamente simples. En el voter model y en el Sznajd model los agentes están colocados regularmente en un espacio unidimensional o en una cuadrícula y solo pueden interactuar con sus vecinos adyacentes. En el majority rul, por el contrario, los agentes pueden llegar a interactuar con cualquier otro agente de la población sin ninguna limitación.

Respecto a los sociofísicos continuos bounded confidence, en el Hegselmann-Krause, como se ha visto, los agentes interactúan con un agregado de nivel meso, mientras que en el Deffuant los agentes pueden interactuar con cualquier otro agente dentro de su red.

Hoy en día continúan apareciendo modelos con topologías muy simples. Por ejemplo, en Jarman et al. (2015) se presenta un autómata celular en el que los agentes, que están ubicados en las celdas de un espacio toroidal, son influidos única y exclusivamente por los vecinos de su vecindario de Moore de radio 1, es decir, por sus ocho vecinos adyacentes. O, también por ejemplo, Martins (2008) implementa su modelo CODA sobre los modelos voter y Sznajd, adoptando, por tanto, sus topologías. No obstante, la tendencia general hoy en día consiste en el desarrollo de modelos con topologías cada vez más sofisticadas, como pueden ser redes de escala libre, redes de mundo pequeño, redes aleatorias, redes completas, redes jerárquicas, etcétera (Baldassarri y Bearman 2007; Battiston et al. 2016; Duggins 2017; Elgazzar 2003; Fortunato 2004, 2005; Fortunato y Stauffer 2006; Gil y Zanette 2006; Grabowsky y Kosinsky 2006; Javarone y Squartini 2015; Sobkowicz 2003, 2010; Sousa 2004, 2005). En realidad, los modelos sociofísicos clásicos pueden entenderse como una regla de actualización de creencias que puede aplicarse a diferentes topologías y contextos, por lo que existen también desarrollos de estos modelos con redes mucho más sofisticadas.

Una cuestión muy ligada a la de la topología es la de cuántos agentes interactúan a la vez en cada ronda de la simulación. En muchos modelos, clásicos y actuales, los agentes interactúan en parejas. Este es el caso del voter model o el Deffuant, así como de ciertos modelos actuales como, por ejemplo, Baldassarri y Bearman (2007), Chacoma y Zanette (2015), Laguna et al. (2005) o Moussaïd et al. (2013). En otros modelos, los agentes interactúan en grupos de tamaño y composición variables. Por ejemplo, recuérdese que en el majority rule en cada ronda se forman grupos de n agentes escogidos del conjunto de la población y que el tamaño del grupo varía de una ronda a la otra12; en el Sznajd se forman grupos de cuatro vecinos en cada ronda; y en el Hegselmann-Krause los agentes interactúan en cada ronda con todos los otros agentes que quedan dentro de su confidence level. Más allá de los modelos sociofísicos (por ejemplo, Duggins 2017), los agentes interactúan en cada ronda con todos los agentes que forman parte de su red.

Desde nuestro punto de vista, en general, el desarrollo de modelos con estructuras topológicas más complejas ha significado un avance positivo en la dirección de dotar de mayor realismo a los modelos. Por otra parte, el hecho de que los agentes interactúen por parejas o en grupos de un determinado tamaño puede ser pertinente o no, dependiendo del caso concreto que se desee estudiar.

Siguiendo a Castellano, Fortunato y Loreto (2009: 594), distinguiremos entre tres tipos de modelos en función de los resultados que generan. Los modelos pueden generar consenso (todos los agentes comparten el mismo estado), polarización (hay varios estados posibles, pero solo sobreviven dos) y fragmentación (sobreviven más de dos estados). Según Duggins (2017: 1.4), aun podemos subdividir los modelos que no generan consenso en dos grandes bloques, en función de si generan diversidad débil (las opiniones convergen en un número limitado de estados atractores —polarización o fragmentación—) o diversidad fuerte (las opiniones varían suavemente a lo largo de un espectro continuo).

Como se ha mencionado más arriba, los primeros modelos matemáticos se interesaban por la emergencia del orden y producían consenso. En ese contexto, Abelson formuló su célebre Abelson’s diversity puzzle, en el cual demostró que, cuando los agentes se influyen positivamente unos a otros en el marco de una red totalmente conectada, el resultado inevitable es la unanimidad. El problema consiste en que, como argumenta el propio Duggins (2017: 1.4), en el mundo real, totalmente conectado, existe diversidad fuerte.

Por definición, los modelos binarios solo pueden generar consenso o polarización y los discretos (de más de 2 opciones) añaden a esos dos estados la fragmentación. Los modelos existentes binarios y discretos de más de dos opciones pueden generar los tres estados en función de múltiples factores.

Más complicado es el caso de los modelos continuos. En principio, estos modelos deberían poder generar también diversidad fuerte, pero esto no es así en realidad. Los modelos bounded confidence clásicos solo consiguen generar diversidad débil si se dan ciertas condiciones muy restrictivas, cuando el confidence level es muy alto y los agentes nunca son influidos por los diferentes. Cuando el supuesto se relaja, aunque sea poco, los modelos acaban en consenso (Kurahashi-Nakamura, Mäs y Lorenz 2016, Duggins, 2017, Gargiulo y Gandica, 2017: 3.5). En general, hay buenas razones para creer que estos modelos no pueden sostener diversidad fuerte (Duggins, 2017: 1.4., Mäs, Flache y Kitts 2014).

Hoy en día hay una gran variedad de modelos continuos que producen consenso o diversidad débil en función de múltiples factores. Por poner solo algunos ejemplos, Kurahashi-Nakamura, Mäs y Lorenz (2016) son capaces de generar diversidad débil con un bounded confidence con el supuesto de homofilia relajado, introduciendo ruido; mientras que Smaldino y Epstein (2015) generan consenso con un modelo en que los agentes buscan la distinctiveness. Otros modelos han generado diversidad débil a partir de la influencia social negativa (Macy et al. 2003; Mark 2003; Salzarulo 2006; Flache y Mäs 2008), la comunicación de argumentos persuasivos (Mäs et al. 2013; Mäs y Flache 2013), la asimilación sesgada (Dandekar, Goel y Lee 2013), la acumulación de información (Shin y Lorenz 2010), el deseo de la originalidad (Mäs, Flache y Helbing 2010), la atracción por los puntos de vista iniciales (Friedkin 2015) o la influencia de los medios de comunicación o los líderes de opinión (Watts y Dodds 2007). Pero, en cualquier caso, solo existe un modelo con una variable de opinión continua (Duggins 2017) capaz de hacer emerger diversidad fuerte.

La principal aproximación de las ciencias sociales al conocimiento de la opinión pública ha estado tradicionalmente dominada por un interés meramente descriptivo con fines informativos y de asesoramiento. Las escasas aproximaciones causales, como la de la aguja hipodérmica (Lasswell 1927), apuntaban a procesos poco plausibles a nivel cognitivo y desconsideraban el rol de las interacciones sociales. Afortunadamente, como hemos visto en este trabajo, se ha producido en los últimos años un auténtico giro hacia una aproximación causal y generativa, de manera que han comenzado a construirse modelos de vocación explicativa en los que las interacciones a nivel local, microscópico, generan las regularidades que observamos a nivel macroscópico en la opinión pública.

Como hemos visto, este giro ha estado ampliamente protagonizado por la sociofísica. A pesar de la contribución indiscutible al conocimiento que se ha realizado desde esta disciplina, el dominio del enfoque sociofísico ha supuesto también una proliferación de modelos no validados ni calibrados empíricamente. Los modelos sociofísicos clásicos estaban basados en unos supuestos extremadamente poco realistas. En un origen se importaron al campo de las dinámicas de opinión modelos que se usaban para estudiar fenómenos físicos. Modelos como el voter, por ejemplo, se derivan del modelo Ising, originariamente utilizado en el campo del ferromagnetismo, con unos spins que pueden asumir dos valores (+1). Esta lógica se importó tal cual al estudio de las dinámicas de opinión y simplemente se asumió que el +1 correspondía a estar a favor o en contra del tema de discusión. Por su parte, en el caso de los modelos continuos, se optó por modelizar las dinámicas de opinión como procesos kinéticos (Chacoma y Zanette 2015: 2).

Dichos modelos se basaban, en primer lugar, en topologías y dinámicas extremadamente simples. Por citar solo un par de ejemplos, en el Sznajd model los agentes se encuentran ubicados en un espacio unidimensional e interactúan exclusivamente con sus vecinos adyacentes. Menos realista resulta el Hegselmann-Krause, en el que los agentes interactúan al mismo tiempo con todos los otros agentes de la población que se encuentren dentro de su confidence level (y exclusivamente con ellos). En segundo lugar, y el problema es más grave si cabe aquí, la descripción de las características y procesos cognitivos de los agentes es también extremadamente poco realista. En este sentido, resulta especialmente problemática la falta de soporte empírico en la formalización de la regla de actualización de creencias de los agentes. En efecto, como ha venido argumentándose, la práctica totalidad de los modelos de dinámica de opiniones suponen que la principal (o única) causa del cambio de opinión de los agentes es algún mecanismo de influencia social. No obstante, como señalan Watts y Dodds (2009: 477) “social influence is thus not a singular phenomenon, or even (yet) a well-defined family of phenomena, but rather a blanket label for a loose congregation of social, psychological, and economic mechanisms”. En este sentido, en la mayoría de modelos sociofísicos clásicos no queda en absoluto claro cuál es el mecanismo psicológico concreto que trata de replicar la regla de actualización del modelo. Más aún, los autores parecen mostrar un sorprendente desinterés por este crucial problema. En este sentido, Moussaïd et al. (2013: 1) apuntan que “the mechanisms of opinion formation remain poorly understood”. Como ya se ha mencionado, en la mayoría de modelos binarios los agentes simplemente “se contagian” de la opinión de sus vecinos al entrar en contacto con ellos. Como se ha visto, dichos agentes no están dotados de memoria, de manera que su opinión va variando de un extremo al otro en cada momento del tiempo sin ningún tipo de limitación. En algunos casos, como en el Sznajd model, la dinámica es realmente extraña. Recuérdese, por ejemplo, que en caso de que los dos agentes que forman la díada no estén de acuerdo, cada uno de ellos le contagia su opinión al vecino del otro. Parece difícil no preguntarse qué proceso real se trata de capturar con semejante procedimiento y, sin embargo, los autores ni siquiera se plantean la pregunta.

El diagnóstico no es mejor en el caso de los modelos continuos. En el DeffuantWeisbuch los agentes interactúan en parejas y convergen en la media de sus opiniones. Obviamente, no existe ninguna evidencia empírica que permita sostener que eso es lo que sucede en las interacciones entre personas reales. Como ya se ha mencionado, el proceso es aún más extraño en el caso del Hegselmann-Krause. Y finalmente, el diagnóstico tampoco es mejor en el caso de los modelos de síntesis tipo CODA: en Martins (2008), los agentes actualizan su opinión a partir de procedimientos bayesianos, cuando es de sobra conocido que dicha regla no describe correctamente los procesos de actualización de creencias de las personas reales.

Obviamente, la simplicidad es una virtud importante de un modelo, pero la falta de realismo de la modelización en este ámbito ha llegado a un punto en que cabe preguntarse, como hace Duggins (2017: 1.2), si los resultados de los modelos habituales “(…) properly inform our understanding of human societies”. Tal y como argumenta Elster (2007), el escaso realismo de los modelos encontraría quizá una posible vía de justificación si abandonamos la vocación explicativa y valoramos su buena capacidad predictiva (tal y como sucede en sus aplicaciones al estudio de los fenómenos físicos) y precisamente esta concepción instrumentalista de la teoría es la que parecen defender Castellano, Fortunato y Loreto (2009: 592-593). No obstante, lo cierto es que dicha capacidad predictiva no existe y, como argumentara Sobkowicz (2009: 1.1) hace ya una década en su demanda de “a closer link with reality”, los modelos sociofísicos adolecen de una clara “lack of conexión to real life examples”, de manera que “modelling has became largely a self-sufficient exercise”. Críticas similares pueden encontrarse en Duggins (2017), Balenzuela, Pinasco y Semeshenko (2015), Chacoma y Zanette (2015) o Moussaïd et al. (2013).

Parece, por tanto, obvio que un desafío importante en este campo es el de mejorar la fundamentación y calibración empírica de los modelos. Sobkowicz (2009: 2.2.), de hecho, proponía mejorar el grado de realismo en dos campos: el de las redes en que se ubican los agentes del modelo y el de los agentes, especialmente en cuanto a sus procesos cognitivos de cambio de opinión. Como se ha visto en este trabajo, en el terreno de las redes sí se han producido avances significativos en los últimos años. Los progresos, sin embargo, han sido menores en lo que se refiere a la descripción de los agentes. Algunos modelos han introducido agentes con diferentes características, más allá de su opinión, como una cierta capacidad de influencia o de resistencia a la influencia, lo que sin duda ha supuesto un avance positivo y ha abierto la puerta a asignar roles y poderes diferenciados a los agentes. A esta mejora “intuitiva” del realismo de los agentes ha de añadirse el ejercicio explícito de construir evidencias empíricas con las que fundamentar el diseño de los agentes. Por ejemplo, recientemente han venido apareciendo modelos calibrados a partir de experimentos de laboratorio realizados previamente, algunos de los cuales han servido para poner en cuestión ciertos supuestos habituales de los modelos sociofísicos. Dos referencias muy notables en este sentido serían Chacoma y Zanettte (2015) y Moussaïd et al. (2013)13. A nuestro entender, esta es una práctica aún minoritaria, pero que está destinada a volverse dominante si lo que queremos es construir modelos genuinamente explicativos.

A los dos campos de mejora señalados por Sobkowicz debería añadirse un tercero: el testado empírico de los resultados que producen los modelos. No se trata solo de fundamentar empíricamente el diseño del modelo, sino también de contrastarlo analizando si los patrones macroscópicos que genera reproducen o no los patrones naturales que querríamos explicar. Este problema es, de hecho, reconocido por los propios Castellano, Fortunato y Loreto (2009: 593). A modo de ejemplo, cabe destacar la aportación de Duggins (2017), que aplica su modelo a los datos provenientes de dos bases de datos de opiniones políticas en Estados Unidos y consigue reproducir sus resultados. En este sentido, Duggins muestra cómo cada elemento que introduce en su modelo, y que aumenta la complejidad del mismo, también contribuye significativamente a generar nuevos resultados observados en los casos reales que los modelos anteriores no eran capaces de generar.

Hasta ahora, como hemos dicho, el giro hacia una explicación generativa de la opinión pública ha estado protagonizado por la sociofísica. Sin embargo, es destacable el hecho de que los principales aportes en la mejora del realismo de los modelos están proviniendo de fuera del mundo sociofísico. Esto, sin duda, marca una necesaria línea de trabajo y desarrollo: aquellos científicos sociales que comparten con la sociofísica la idea de que explicar un patrón macroscópico implica demostrar su generación a partir de interacciones microscópicas, tienen en el estudio de la dinámica de la opinión un terreno en el que realizar una aportación imprescindible. Resulta crucial que seamos capaces de aprovechar el impulso generado por la riqueza y la fertilidad de los modelos sociofísicos. Apoyándonos en estos modelos, nuestra contribución debería ser la de ir más allá de ellos, resolviendo más eficazmente los problemas de verificación y validez, construyendo modelos más completos, más realistas, más contrastados empíricamente en sus resultados y, por todo ello, en definitiva, más explicativos.