Hızlı Moda Tüketiminin Ajan Tabanlı Modellemesi: Tüketici Davranışındaki Değişimlerin Simülasyonu

1. Giriş ve Genel Bakış

Bu araştırma, hızlı moda tüketiminin arkasındaki karmaşık itici güçleri analiz etmek için Ajan Tabanlı Modelleme (ABM) kullanmakta ve özellikle İspanya pazarına odaklanmaktadır. Çalışma, basit suçlama modellerinin ötesine geçerek, çevresel ve işçilik sorunlarına ilişkin farkındalık, eğitim, akran baskısı, sosyal medya ve devlet politikası gibi unsurlarla şekillenen bireysel kararların, piyasa çapında eğilimlere nasıl dönüştüğünü simüle etmektedir. Temel soru, insanların neden hızlı moda satın aldığı değil, aynı zamanda hangi koşullarda kritik bir kitlenin daha sürdürülebilir tüketim kalıplarına yöneldiğidir.

Model, tüketici tercihinin içsel inançlar ve dışsal sosyal etkilerin bir fonksiyonu olduğunu varsaymaktadır. Model, önemli CO₂ emisyonlarından ve sosyal eşitsizlikten sorumlu olan tek kullanımlık moda paradigmasından uzaklaşmak için müdahalelerin sistemik bir değişimi en etkili şekilde nasıl tetikleyebileceğini belirlemeyi amaçlamaktadır.

2. Metodoloji ve Model Çerçevesi

Simülasyon, her biri bir tüketiciyi temsil eden özerk ajanlardan oluşan bir popülasyon üzerine kuruludur. Sanal bir ortamdaki etkileşimleri, kolektif davranışın ortaya çıkan kalıplarını üretir.

2.1 Ajan Tasarımı ve Nitelikleri

Her i ajanı, bir dizi dinamik değişken ile karakterize edilir:

• Görüş (O_i): Ajanın sürdürülebilir moda konusundaki duruşunu temsil eden sürekli bir değer (örneğin, -1 "hızlı moda yanlısı" ile +1 "sürdürülebilirlik yanlısı" arasında).
• Farkındalık Düzeyi (A_i): Çevresel etki ve işçilik koşulları hakkındaki bilgi.
• Duyarlılık (S_i): Ajanın akranlarından, medyadan veya kampanyalardan ne ölçüde etkilendiği.
• Kutuplaşma Eğilimi (P_i): Ajanın görüş değişikliğine açık olup olmadığını (kutuplaşmamış) veya başlangıçtaki inançlarını güçlendirip güçlendirmediğini (kutuplaşmış) belirleyen sabit bir parametre.

2.2 Görüş Dinamikleri ve Kutuplaşma

Model, iki farklı sosyal yapıyı içerir:

• Kutuplaşmamış Nüfus: Ajan görüşleri, sosyal öğrenme yoluyla zamanla birleşir; bu, görüşlerin komşuların görüşlerinin ağırlıklı ortalaması olarak güncellendiği DeGroot modeli gibi klasik modellere benzer: $O_i(t+1) = \sum_j w_{ij} O_j(t)$.
• Kutuplaşmış Nüfus: Ajanlar onay yanlılığı sergiler. Fikir ayrılığı yaşanan ajanlarla etkileşimler, görüşleri yumuşatmak yerine önceden var olan görüşleri güçlendiren geri tepme etkilerine yol açabilir; bu, uyumsuz karşılaşmalarda görüş uçlaşmasını artıran fonksiyonlarla modellenir.

2.3 Etki Mekanizmaları

Üç temel dışsal güç modellenmiştir:

1. Akran Baskısı: Ajanların yakın sosyal çevrelerine dayanarak görüşlerini ayarladığı yerel ağ etkileri.
2. Sosyal Medya Etkisi: Duyarlı ajanların görüşlerini hızla değiştirebilen ve genellikle kutuplaşmış görüşleri güçlendiren yayın mekanizması.
3. Devlet Müdahalesi: Hedeflenen bir kesimin farkındalık düzeyini A_i tek tip şekilde artıran, karar fonksiyonunda sürdürülebilirlik özelliklerini daha belirgin hale getiren tepeden inme kampanyalar.

3. Temel Bulgular ve Sonuçlar

3.1 Devlet Kampanyalarının Etkisi

Simülasyon sonuçları, devlet eylemini büyük ölçekli davranış değişikliğini başlatmak için en belirleyici faktör olarak güçlü bir şekilde tanımlamaktadır. Kamuoyu farkındalığını artıran kampanyalar, söylem için yeni bir "temel" oluşturarak sürdürülebilirlik konularını daha ana akım hale getirir. Ancak, etkinlikleri mutlak değildir.

3.2 Sosyal Medya ve Kutuplaşmanın Rolü

Devlet politikasının başarısı, sosyal ortam tarafından koşullandırılır. Kutuplaşmış nüfuslarda, sosyal medya genellikle dengeleyici bir güç olarak işlev görerek nüfusu böler ve tepeden inme mesajlara direnen yankı odaları yaratır. Bu tür senaryolarda, kampanyalar yalnızca kutuplaşmamış çoğunlukta başarılı olabilirken, kutuplaşmış bir azınlığın muhalefetini sertleştirebilir. Daha az kutuplaşmış ortamlarda ise sosyal medya, devlet liderliğindeki mesajların yayılmasına ve güçlendirilmesine yardımcı olabilir.

3.3 Aşırı Müdahalenin Azalan Getirileri

Önemli ve sezgisel olmayan bir bulgu, "daha fazla" devlet müdahalesinin her zaman "daha iyi" olmadığıdır. Model, açık bir şekilde azalan getiriler göstermektedir. İlk, güçlü bir kampanya, kamuoyunda önemli değişimler sağlar. Ancak, uzun süreli veya aşırı agresif kampanyalar doygunluğa yol açar ve ek yatırımlar minimal ek davranış değişikliği getirir. Ayrıca, kutuplaşmış bağlamlarda aşırı müdahale, dirençli gruplar arasında tepkiyi tetikleyebilir.

4. Teknik Detaylar ve Matematiksel Çerçeve

Bir ajanın hızlı moda (FF) yerine sürdürülebilir moda (SF) satın alma kararı, görüşü ve farkındalığından etkilenen olasılıksal bir seçim olarak modellenmiştir. i ajanının hızlı modayı seçme olasılığı $P_{FF}(i)$, lojistik bir fonksiyonla temsil edilebilir:

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

Burada $\beta_0$ temel bir yanlılık, $\beta_1$ kişisel görüşün gücünü, $\beta_2$ farkındalığın etkisini (negatif işaret beklenir) temsil eder ve $\epsilon$, modellenmemiş faktörleri temsil eden rastgele bir gürültü terimidir.

j ajanıyla etkileşime giren kutuplaşmamış bir ajan için görüş güncellemesi, sınırlı güven veya ortalama alma kuralını izler:

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

Kutuplaşmış ajanlar için, güncelleme kuralı, anlaşmazlıkla karşılaştıklarında mevcut görüşlerinin yönünü güçlendiren bir terim içerebilir.

5. Analiz Çerçevesi: Örnek Vaka

Senaryo: Bir hükümet, tekstil atığının çevresel maliyetini vurgulayan 6 aylık bir ulusal kampanya başlatır.

1. Model Başlatma: Görüşleri hafif pro-FF ortalaması etrafında normal dağılım gösteren 10.000 ajan oluşturun. %30'unu "kutuplaşmış" olarak atayın. Başlangıç farkındalığını düşük ayarlayın.
2. Müdahale: 1. ayda, ajanların %70'i için farkındalık parametresi $A_i$'yi artırın (kampanya erişimini simüle eder).
3. Sosyal Dinamikler: Ajanların etkileşime girmesine izin verin. Artan farkındalığa sahip kutuplaşmamış ajanlar, akranlarından etkilenerek görüşlerini $O_i$ sürdürülebilirliğe doğru kademeli olarak kaydırır. Kutuplaşmış ajanlar direnir; bazıları tepki olarak $O_i$'yi pro-FF yönünde daha da kaydırabilir.
4. Çıktı Ölçümü: Zaman içinde simüle edilen SF satın alımlarının toplam pazar payını takip edin. Model tipik olarak hızlı bir başlangıç artışını ve ardından bir plato dönemini gösterir. Kampanya olmadan karşıt gerçekliği çalıştırmak, düz veya çok daha yavaş bir eğilim gösterir.
5. Duyarlılık Testi: Kampanyayı 18 aya uzatarak simülasyonu yeniden çalıştırın. Sonuçlar muhtemelen 12. aydan sonraki ek kazancın minimal olduğunu, azalan getirileri gösterecektir.

6. Özgün Analiz ve Eleştirel Yorum

Temel İçgörü: Bu makale, hızlı modaya karşı mücadelede devletin sadece bir seyirci veya kör bir araç değil, temel katalizör olduğuna dair güçlü, karşı-anlatısal bir içgörü sunmaktadır. Ancak, gücü koşulsuz değildir; değiştirmeye çalıştığı sosyal dokunun -özellikle kutuplaşma düzeylerinin- aracılığıyla ve modülasyonuyla şekillenir. Aşırı müdahalenin azalan getiriler sağladığı bulgusu, sürdürülebilirlik çevrelerinde yaygın olan "daha fazlası daha iyidir" savunuculuğuna doğrudan meydan okuyan, politika gerçekçiliğinde bir ustalık eseridir.

Mantıksal Akış: Argüman zarif bir mantıkla ilerler. 1) Bireysel seçimin karmaşık ve sosyal olarak gömülü olduğunu belirler. 2) Bu karmaşıklığı çözmek ve değişkenleri izole etmek için ABM'yi kullanır. 3) Ortalama görüşü değiştirmek için devletin kampanyasını birincil kaldıraç olarak keşfeder. 4) Kritik olarak, bu kaldıracın verimliliğinin toplumsal kutuplaşmanın ve sosyal medyanın güçlendirici/çarpıtıcı rolünün bir fonksiyonu olduğunu ortaya koyar. 5) Optimal, kalıcı olmayan müdahale ilkesiyle sonuçlanır. Bu akış, karmaşık uyarlanabilir sistemlerde ortaya çıkan fenomenleri incelemek için simülasyon kullanan Santa Fe Enstitüsü'nün savunduğu gibi, sosyal bilimlerdeki temel ABM çalışmalarının analitik titizliğini yansıtır.

Güçlü ve Zayıf Yönler: Güçlü yanı, karmaşıklığı ve politika ile ilgili nüansları kucaklamasıdır. Tüketiciler hakkında basit ahlakçılıktan kaçınır. PDF'teki kısaltılmış metinde kabul edildiği gibi, ana zayıflık muhtemelen soyutlama ve parametreleştirmededir. "Farkındalık" ve "kutuplaşma" gerçekte nasıl nicelleştirilir ve doğrulanır? Modelin çıktıları, girdi varsayımları kadar iyidir. İspanyol tüketici eğilimlerine ilişkin gerçek dünya verilerinden sağlam bir ampirik kalibrasyon olmadan, tahmine dayalı bir araçtan ziyade ikna edici bir "ya şöyle olsaydı" üreticisi olma riski taşır - bu, büyük ölçekli ekonomik modelleri kalibre etmede karşılaşılanlara benzer bir zorluktur.

Uygulanabilir İçgörüler: Politika yapıcılar için bu bir oyun kitabıdır: Güçlü başlayın, geniş hedefleyin ve ne zaman yön değiştireceğinizi bilin. Sürekli kampanyalara kaynak harcamayın. Bunun yerine, ilk kampanyaları Overton penceresini kaydırmak için kullanın, ardından değişimi sürdürmek için eşler arası ve etkileyici liderliğindeki mekanizmaları teşvik edin. Aktivistler için ders, tüketim sorunları etrafındaki toplumsal kutuplaşmayı azaltmak için çalışırken, köşe taşı strateji olarak akıllı, kanıta dayalı devlet müdahalesi için lobi yapmaktır. Mücadele sadece hızlı moda markalarına karşı değil, aynı zamanda kolektif eylemi bu kadar zorlaştıran parçalanmış medya ekosistemlerine karşıdır.

7. Uygulama Öngörüsü ve Gelecek Yönelimler

Bu çerçevenin hızlı modanın ötesinde acil uygulamaları vardır:

• Politika Simülasyon Platformu: Hükümetler, bu ABM'nin uyarlanmış versiyonlarını, başlatmadan önce önerilen sürdürülebilirlik kampanyalarını (örneğin, plastik yasakları, elektrikli araç sübvansiyonları) stres testi yapmak, katılımı tahmin etmek ve potansiyel tepkileri belirlemek için kullanabilir.
• Kurumsal Strateji: Hem hızlı hem de sürdürülebilir moda perakendecileri, tüketicilerin yeni ürün serilerine, pazarlama mesajlarına veya şeffaflık girişimlerine tepkisini modellemek için bunu kullanabilir.
• Gelecek Araştırma Yönelimleri:
  1. Gerçek Verilerle Entegrasyon: ABM'yi büyük ölçekli sosyal medya duygu analiziyle (örneğin, Twitter/X verileri üzerinde NLP kullanarak) birleştirerek kutuplaşma ve görüş kümelerini dinamik olarak parametreleştirmek.
  2. Çok Ölçekli Modelleme: Tüketici ABM'sini tedarik zincirinin ajan tabanlı bir modeliyle bağlayarak, talepteki değişimlerin üretim uygulamalarını ve işçilik koşullarını nasıl etkilediğini simüle etmek.
  3. Alternatif Müdahaleleri Keşfetme: Finansal araçların (örneğin, ham polyester vergileri, giysi geri dönüşümü sübvansiyonları) etkisini bilgilendirme kampanyalarıyla birlikte modellemek.
  4. Kültürler Arası Doğrulama: Modeli, farklı kültürel bağlamlar (örneğin, ABD, Güneydoğu Asya) için ayarlanmış parametrelerle çoğaltarak, bireycilik ve kurumlara güven düzeyleri farklılık gösteren toplumlarda politika etkinliğini karşılaştırmak.

8. Kaynaklar

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. (t.y.). Complexity Explorer: Agent-Based Modeling. https://www.complexityexplorer.org/ adresinden alındı.