फास्ट फैशन उपभोग का एजेंट-आधारित मॉडलिंग: उपभोक्ता व्यवहार में बदलाव का अनुकरण

1. परिचय एवं अवलोकन

यह शोध फास्ट फैशन उपभोग के पीछे के जटिल कारकों का विश्लेषण करने के लिए एजेंट-आधारित मॉडलिंग (एबीएम) का उपयोग करता है, जिसमें स्पेनिश बाज़ार पर विशेष ध्यान दिया गया है। यह अध्ययन सरल दोषारोपण मॉडलों से आगे बढ़कर यह अनुकरण करता है कि कैसे व्यक्तिगत निर्णय—पर्यावरण और श्रम मुद्दों के प्रति जागरूकता, शिक्षा, साथियों का दबाव, सोशल मीडिया और सरकारी नीति से प्रभावित—समग्र बाज़ार-व्यापी रुझानों में परिवर्तित होते हैं। मूल प्रश्न केवल यह नहीं है कि लोग फास्ट फैशन क्यों खरीदते हैं, बल्कि यह है कि किन परिस्थितियों में एक महत्वपूर्ण जनसंख्या अधिक टिकाऊ उपभोग पैटर्न की ओर बढ़ती है।

मॉडल यह मानता है कि उपभोक्ता पसंद आंतरिक विश्वासों और बाहरी सामाजिक प्रभावों का एक कार्य है। इसका उद्देश्य उन उत्तोलन बिंदुओं की पहचान करना है जहाँ हस्तक्षेप डिस्पोजेबल फैशन प्रतिमान से प्रणालीगत बदलाव को सबसे प्रभावी ढंग से उत्प्रेरित कर सकते हैं, जो महत्वपूर्ण CO₂ उत्सर्जन और सामाजिक असमानता के लिए ज़िम्मेदार है।

2. पद्धति एवं मॉडल रूपरेखा

यह अनुकरण स्वायत्त एजेंटों की एक आबादी पर आधारित है, जिनमें से प्रत्येक एक उपभोक्ता का प्रतिनिधित्व करता है। एक आभासी वातावरण में उनकी अंतःक्रियाएँ सामूहिक व्यवहार के उभरते पैटर्न उत्पन्न करती हैं।

2.1 एजेंट डिज़ाइन और विशेषताएँ

प्रत्येक एजेंट i को गतिशील चरों के एक समुच्चय द्वारा चित्रित किया जाता है:

• मत (O_i): एक सतत मान जो टिकाऊ फैशन पर एजेंट की स्थिति का प्रतिनिधित्व करता है (उदाहरण के लिए, -1 "प्रो-फास्ट-फैशन" से +1 "प्रो-टिकाऊता" तक)।
• जागरूकता स्तर (A_i): पर्यावरणीय प्रभाव और श्रम स्थितियों के संबंध में ज्ञान।
• संवेदनशीलता (S_i): वह सीमा जिस तक एजेंट साथियों, मीडिया या अभियानों से प्रभावित होता है।
• ध्रुवीकरण प्रवृत्ति (P_i): एक निश्चित पैरामीटर जो यह निर्धारित करता है कि एजेंट मत परिवर्तन के लिए खुला है (गैर-ध्रुवीकृत) या अपनी प्रारंभिक मान्यताओं को मज़बूत करता है (ध्रुवीकृत)।

2.2 मत गतिकी और ध्रुवीकरण

मॉडल दो अलग-अलग सामाजिक संरचनाओं को शामिल करता है:

• गैर-ध्रुवीकृत आबादी: एजेंटों के मत सामाजिक शिक्षा के माध्यम से समय के साथ अभिसरित होते हैं, जो डीग्रूट मॉडल जैसे शास्त्रीय मॉडलों के समान है, जहाँ मत पड़ोसियों के मतों के भारित औसत के रूप में अद्यतन होते हैं: $O_i(t+1) = \sum_j w_{ij} O_j(t)$.
• ध्रुवीकृत आबादी: एजेंट पुष्टिकरण पूर्वाग्रह प्रदर्शित करते हैं। असहमत एजेंटों के साथ अंतःक्रियाएँ बैकफायर प्रभाव उत्पन्न कर सकती हैं, जो पूर्व-मौजूदा मतों को नरम करने के बजाय मज़बूत करती हैं, जिसे उन कार्यों द्वारा मॉडल किया जाता है जो विसंगतिपूर्ण मुठभेड़ों पर मत की चरमता को बढ़ाते हैं।

2.3 प्रभाव तंत्र

तीन प्राथमिक बाहरी शक्तियों को मॉडल किया गया है:

1. साथियों का दबाव: स्थानीय नेटवर्क प्रभाव जहाँ एजेंट अपने तात्कालिक सामाजिक दायरे के आधार पर अपने मत समायोजित करते हैं।
2. सोशल मीडिया प्रभाव: प्रसारण तंत्र जो संवेदनशील एजेंटों के मतों को तेज़ी से बदल सकता है, जो अक्सर ध्रुवीकृत विचारों को प्रवर्धित करता है।
3. सरकारी हस्तक्षेप: शीर्ष-से-नीचे अभियान जो एक लक्षित खंड की जागरूकता स्तर A_i को एकसमान रूप से बढ़ाते हैं, जिससे निर्णय फलन में टिकाऊता विशेषताएँ अधिक प्रमुख हो जाती हैं।

3. प्रमुख निष्कर्ष एवं परिणाम

3.1 सरकारी अभियानों का प्रभाव

अनुकरण परिणाम सरकारी कार्रवाई को बड़े पैमाने पर व्यवहार परिवर्तन शुरू करने के लिए सबसे निर्णायक कारक के रूप में मज़बूती से पहचानते हैं। जन जागरूकता बढ़ाने वाले अभियान चर्चा के लिए एक नया "आधार रेखा" निर्धारित करते हैं, जिससे टिकाऊ विचार अधिक मुख्यधारा बन जाते हैं। हालाँकि, उनकी प्रभावशीलता पूर्ण नहीं है।

3.2 सोशल मीडिया और ध्रुवीकरण की भूमिका

सरकारी नीति की सफलता सामाजिक परिदृश्य द्वारा सशर्त है। ध्रुवीकृत आबादी में, सोशल मीडिया अक्सर एक प्रतिकारक शक्ति के रूप में कार्य करता है, जो आबादी को खंडित करता है और प्रतिध्वनि कक्ष बनाता है जो शीर्ष-से-नीचे संदेशों का विरोध करते हैं। ऐसे परिदृश्यों में, अभियान केवल गैर-ध्रुवीकृत बहुमत के साथ सफल हो सकते हैं, जबकि एक ध्रुवीकृत अल्पसंख्यक के विरोध को कठोर कर देते हैं। कम ध्रुवीकृत सेटिंग्स में, सोशल मीडिया सरकारी नेतृत्व वाले संदेशों के प्रसार और सुदृढ़ीकरण में सहायता कर सकता है।

3.3 अत्यधिक हस्तक्षेप के घटते प्रतिफल

एक महत्वपूर्ण और अंतर्ज्ञान-विरोधी निष्कर्ष यह है कि सरकारी हस्तक्षेप का "अधिक" होना हमेशा "बेहतर" नहीं होता है। मॉडल स्पष्ट घटते प्रतिफल प्रदर्शित करता है। एक प्रारंभिक, मज़बूत अभियान जनमत में महत्वपूर्ण बदलाव लाता है। हालाँकि, लंबे समय तक चलने वाले या अत्यधिक आक्रामक अभियान संतृप्ति की ओर ले जाते हैं, जहाँ अतिरिक्त निवेश न्यूनतम अतिरिक्त व्यवहार परिवर्तन उत्पन्न करता है। इसके अलावा, ध्रुवीकृत संदर्भों में, अति-हस्तक्षेप प्रतिरोधी समूहों में प्रतिक्रिया को ट्रिगर कर सकता है।

4. तकनीकी विवरण एवं गणितीय रूपरेखा

फास्ट फैशन (एफएफ) बनाम टिकाऊ फैशन (एसएफ) खरीदने के एजेंट के मूल निर्णय को एक संभाव्य पसंद के रूप में मॉडल किया जाता है, जो उसके मत और जागरूकता से प्रभावित होता है। संभावना $P_{FF}(i)$ कि एजेंट i फास्ट फैशन चुनता है, एक लॉजिस्टिक फलन द्वारा दर्शाई जा सकती है:

$P_{FF}(i) = \frac{1}{1 + e^{-(\beta_0 + \beta_1 \cdot O_i + \beta_2 \cdot A_i + \epsilon)}}$

जहाँ $\beta_0$ एक आधार रेखा पूर्वाग्रह है, $\beta_1$ व्यक्तिगत मत की शक्ति का प्रतिनिधित्व करता है, $\beta_2$ जागरूकता के प्रभाव का प्रतिनिधित्व करता है (नकारात्मक चिन्ह अपेक्षित), और $\epsilon$ एक यादृच्छिक शोर पद है जो अमॉडल किए गए कारकों का प्रतिनिधित्व करता है।

एजेंट j के साथ अंतःक्रिया करने वाले गैर-ध्रुवीकृत एजेंट के लिए मत अद्यतन एक परिबद्ध विश्वास या औसत नियम का पालन करता है:

$\Delta O_i = \mu \cdot S_i \cdot (O_j - O_i)$, यदि $|O_j - O_i| < \text{सीमा}$

ध्रुवीकृत एजेंटों के लिए, अद्यतन नियम में एक पद शामिल हो सकता है जो असहमति का सामना करने पर उनके मौजूदा मत की दिशा को सुदृढ़ करता है।

5. विश्लेषण रूपरेखा: उदाहरण केस

परिदृश्य: एक सरकार 6-महीने का राष्ट्रीय अभियान शुरू करती है जो टेक्सटाइल कचरे की पर्यावरणीय लागत को उजागर करता है।

1. मॉडल आरंभीकरण: 10,000 एजेंट बनाएं जिनके मत थोड़े प्रो-एफएफ माध्य के आसपास सामान्य रूप से वितरित हैं। 30% को "ध्रुवीकृत" के रूप में निर्दिष्ट करें। प्रारंभिक जागरूकता कम रखें।
2. हस्तक्षेप: महीने 1 पर, 70% एजेंटों के लिए जागरूकता पैरामीटर $A_i$ बढ़ाएं (अभियान पहुँच का अनुकरण)।
3. सामाजिक गतिकी: एजेंटों को अंतःक्रिया करने दें। बढ़ी हुई जागरूकता वाले गैर-ध्रुवीकृत एजेंट साथियों से प्रभावित होकर धीरे-धीरे अपना मत $O_i$ टिकाऊता की ओर बदलते हैं। ध्रुवीकृत एजेंट विरोध करते हैं; कुछ प्रतिक्रिया स्वरूप अपना $O_i$ प्रो-एफएफ की ओर और भी बढ़ा सकते हैं।
4. आउटपुट मापन: समय के साथ अनुकरणित एसएफ खरीदारियों की समग्र बाज़ार हिस्सेदारी को ट्रैक करें। मॉडल आमतौर पर एक तेज़ प्रारंभिक वृद्धि के बाद एक पठार दिखाएगा। बिना अभियान के एक प्रतिघटनात्मक चलाने से एक सपाट या बहुत धीमी प्रवृत्ति दिखाई देती है।
5. संवेदनशीलता परीक्षण: अभियान को 18 महीने तक बढ़ाकर अनुकरण को फिर से चलाएं। परिणाम संभवतः दिखाएंगे कि महीने 12 के बाद अतिरिक्त लाभ न्यूनतम है, जो घटते प्रतिफल को दर्शाता है।

6. मौलिक विश्लेषण एवं आलोचनात्मक व्याख्या

मूल अंतर्दृष्टि: यह पेपर एक शक्तिशाली, प्रति-कथा अंतर्दृष्टि प्रदान करता है: फास्ट फैशन के खिलाफ लड़ाई में, राज्य केवल एक मूक दर्शक या एक कुंद उपकरण नहीं है, बल्कि आवश्यक उत्प्रेरक है। हालाँकि, इसकी शक्ति बिना शर्त नहीं है; यह उसी सामाजिक संरचना—विशेष रूप से ध्रुवीकरण स्तरों—द्वारा मध्यस्थ और नियंत्रित होती है जिसे बदलना चाहती है। यह निष्कर्ष कि अत्यधिक हस्तक्षेप घटते प्रतिफल देता है, नीति यथार्थवाद में एक उत्कृष्ट उदाहरण है, जो टिकाऊता क्षेत्रों में आम "अधिक बेहतर है" वकालत को सीधे चुनौती देता है।

तार्किक प्रवाह: तर्क सुंदर तर्क के साथ आगे बढ़ता है। 1) स्थापित करें कि व्यक्तिगत पसंद जटिल और सामाजिक रूप से अंतर्निहित है। 2) इस जटिलता को सुलझाने, चरों को अलग करने के लिए एबीएम का उपयोग करें। 3) माध्य मत बदलने के लिए प्राथमिक उत्तोलक के रूप में राज्य के अभियान की खोज करें। 4) महत्वपूर्ण रूप से, यह प्रकट करें कि इस उत्तोलक की दक्षता सामाजिक ध्रुवीकरण और सोशल मीडिया की प्रवर्धक/विकृत करने वाली भूमिका का एक कार्य है। 5) इष्टतम, गैर-स्थायी हस्तक्षेप के सूक्ष्म सिद्धांत के साथ निष्कर्ष निकालें। यह प्रवाह सामाजिक विज्ञान में मौलिक एबीएम कार्य की विश्लेषणात्मक कठोरता को दर्पण करता है, जैसे कि सांता फ़े इंस्टीट्यूट द्वारा समर्थित, जो जटिल अनुकूली प्रणालियों में उभरती घटनाओं का अध्ययन करने के लिए अनुकरण का उपयोग करता है।

शक्तियाँ एवं दोष: इसकी शक्ति जटिलता और इसकी नीति-संबंधी सूक्ष्मता को अपनाना है। यह उपभोक्ताओं के बारे में सरलीकृत नैतिक उपदेश से बचता है। मुख्य दोष, जिसे पीडीएफ़ के संक्षिप्त पाठ में स्वीकार किया गया है, संभवतः अमूर्तीकरण और पैरामीटरीकरण में है। "जागरूकता" और "ध्रुवीकरण" का वास्तव में मात्रात्मक मूल्यांकन और सत्यापन कैसे किया जाता है? मॉडल के आउटपुट उसके इनपुट धारणाओं के समान ही अच्छे हैं। स्पेनिश उपभोक्ता भावना पर वास्तविक दुनिया के डेटा से मज़बूत अनुभवजन्य अंशांकन के बिना, यह एक भविष्य कहनेवाला उपकरण होने के बजाय एक सम्मोहक "क्या-अगर" जनरेटर होने का जोखिम उठाता है—बड़े पैमाने पर आर्थिक मॉडलों को अंशांकित करने में सामने आने वाली चुनौतियों के समान।

कार्रवाई योग्य अंतर्दृष्टियाँ: नीति निर्माताओं के लिए, यह एक रणनीति पुस्तिका है: मज़बूत शुरुआत करें, व्यापक रूप से लक्ष्य करें, और जानें कि कब मोड़ लेना है। सतत अभियानों पर संसाधन बर्बाद न करें। इसके बजाय, ओवरटन विंडो को बदलने के लिए प्रारंभिक अभियानों का उपयोग करें, फिर परिवर्तन को बनाए रखने के लिए साथी-से-साथी और प्रभावशाली-नेतृत्व वाले तंत्रों को बढ़ावा दें। कार्यकर्ताओं के लिए, सबक यह है कि मुख्य रणनीति के रूप में स्मार्ट, साक्ष्य-आधारित राज्य हस्तक्षेप के लिए पैरवी करें, साथ ही उपभोग मुद्दों के आसपास सामाजिक ध्रुवीकरण को कम करने के लिए काम करें। लड़ाई केवल फास्ट फैशन ब्रांडों के खिलाफ नहीं है; यह उन खंडित मीडिया पारिस्थितिकी तंत्रों के खिलाफ है जो सामूहिक कार्रवाई को इतना कठिन बनाते हैं।

7. अनुप्रयोग संभावनाएँ एवं भविष्य की दिशाएँ

इस रूपरेखा के फास्ट फैशन से परे तत्काल अनुप्रयोग हैं:

• नीति अनुकरण मंच: सरकारें प्रस्तावित टिकाऊता अभियानों (जैसे, प्लास्टिक प्रतिबंध, इलेक्ट्रिक वाहन सब्सिडी) का शुभारंभ से पहले तनाव-परीक्षण करने के लिए इस एबीएम के अनुकूलित संस्करणों का उपयोग कर सकती हैं, जिससे उपयोग का अनुमान लगाया जा सके और संभावित प्रतिक्रिया की पहचान की जा सके।
• कॉर्पोरेट रणनीति: फैशन रिटेलर्स, फास्ट और टिकाऊ दोनों, नई लाइनों, विपणन संदेशों या पारदर्शिता पहलों के प्रति उपभोक्ता प्रतिक्रिया को मॉडल करने के लिए इसका उपयोग कर सकते हैं।
• भविष्य के शोध दिशाएँ:
  1. वास्तविक डेटा के साथ एकीकरण: एबीएम को बड़े पैमाने पर सोशल मीडिया भावना विश्लेषण (जैसे, ट्विटर/एक्स डेटा पर एनएलपी का उपयोग करके) के साथ जोड़कर ध्रुवीकरण और मत समूहों को गतिशील रूप से पैरामीटरीकृत करना।
  2. बहु-स्तरीय मॉडलिंग: उपभोक्ता एबीएम को आपूर्ति श्रृंखला के एजेंट-आधारित मॉडल से जोड़ना, यह अनुकरण करना कि मांग में बदलाव कैसे उत्पादन प्रथाओं और श्रम स्थितियों को प्रभावित करने के लिए प्रतिपुष्टि करते हैं।
  3. वैकल्पिक हस्तक्षेपों की खोज: वित्तीय उपकरणों (जैसे, वर्जिन पॉलिएस्टर पर कर, वस्त्र पुनर्चक्रण के लिए सब्सिडी) के प्रभाव को सूचनात्मक अभियानों के साथ मॉडल करना।
  4. अंतर-सांस्कृतिक सत्यापन: विभिन्न सांस्कृतिक संदर्भों (जैसे, यूएस, दक्षिण-पूर्व एशिया) के लिए ट्यून किए गए पैरामीटरों के साथ मॉडल को दोहराना, ताकि व्यक्तिवाद और संस्थानों में विश्वास के विभिन्न स्तरों वाले समाजों में नीति प्रभावकारिता की तुलना की जा सके।

8. संदर्भ

1. Castellano, C., Fortunato, S., & Loreto, V. (2009). Statistical physics of social dynamics. Reviews of Modern Physics, 81(2), 591.
2. DeGroot, M. H. (1974). Reaching a consensus. Journal of the American Statistical Association, 69(345), 118-121.
3. Geiger, N., & Swim, J. K. (2016). Climate of silence: Pluralistic ignorance as a barrier to climate change discussion. Journal of Environmental Psychology, 47, 79-90.
4. Kolk, A. (2014). The role of consumers in EU sustainability policy. In Handbook of Research on Sustainable Consumption. Edward Elgar Publishing.
5. Epstein, J. M., & Axtell, R. (1996). Growing Artificial Societies: Social Science from the Bottom Up. Brookings Institution Press.
6. Santa Fe Institute. (n.d.). Complexity Explorer: Agent-Based Modeling. Retrieved from https://www.complexityexplorer.org/