Estudio de la influencia de los tiempos de decisión, el género y la edad sobre la cooperación humana en los juegos de bienes públicos

Abstract

El Trabajo Fin de Grado (TFG) que se expone a continuación se centra en el campo de la teoría de juegos, concretamente en los Juegos de Bienes Públicos (PGG) y en la influencia de diferentes factores en la cooperación humana. La teoría de juegos analiza, bajo métodos maten áticos, situaciones de interacción social entre dos o más individuos que pueden elegir actuar de distintas maneras. A estas situaciones de interacción social se las conoce como “juegos”, que no se deben confundir con actividades recreativas. Dentro de los muchos tipos de juegos se encuentran los PGG, en los que cada individuo debe decidir cuánto aporta de X recursos para contribuir a la creación de un bien público y cuánto gastar en bienes privados. La teoría de juegos empezó a constituirse como campo independiente en 1928, pero fue durante La Guerra Fría en la década de los 50, cuando experimentó un rápido desarrollo, principalmente como parte de una estrategia nuclear global. A partir de entonces, la teoría de juegos ha sido aplicada numerosas veces al campo de la economía. Aplicaciones a la política, la biología, la filosofía y sociología son más recientes y están desarrollándose rápidamente en la actualidad, entre ellas los PGG cuyas primeras investigaciones datan de 1988. Una de esas aplicaciones recientes de la teoría de juegos surgió bajo el contexto del proyecto IBSEN, perteneciente al programa europeo de tecnologías emergentes con alto riesgo, Horizon 2020 FET. IBSEN pretendía encontrar las reglas que rigen el comportamiento humano en sistemas grandes, en comparación con los sistemas pequeños que habían sido estudiados hasta el momento. Distintos casos de estudio surgieron dentro del proyecto IBSEN, incluyendo: redes de intercambio, burbujas en mercados económicos, cambio climático y cooperación humana. Precisamente en ese último caso de estudio, el de cooperación humana, se desarrolló la investigación cuyas observaciones sirven hoy de punto de partida a este TFG: “Large scale and information effects on cooperation in public good games”. En ella, se analizaron los resultados obtenidos de un experimento PGG a gran escala (> 1000 participantes) con el objeto de investigar la influencia de diferentes formas de presentar información y de grandes grupos sobre la cooperación. Con los datos recogidos por dicho experimento, comienza el análisis de este TFG. Siguiendo un método de estudio inductivo, se aplican múltiples técnicas estadísticas a este conjunto de datos con el objetivo de extraer conclusiones significativas a partir de ellos. Se han elaborado hipótesis con el objetivo de contrastarlas estadísticamente, buscando conclusiones aplicables a la población general. Algunas de las herramientas aplicadas en este trabajo han sido: Regresión lineal, Test ANOVA, Test de Tukey HSD y Clustering entre otras. Dado el tamaño del conjunto de datos estudiado (10.843 observaciones) se ha comenzado con un preprocesado de éste, agrupando las observaciones según distintos criterios para facilitar y aumentar la eficacia de tratamientos posteriores. Por ejemplo, agrupando las decisiones según el jugador que las tomó o según el nivel cooperativo de éstas. Se han realizado cuatro análisis sobre la muestra, buscando diferencias significativas en la cooperación y los tiempos de decisión según el jugador, según los niveles de contribución, según el género y según la edad. También se ha realizado un ejercicio de clustering, usando el algoritmo k-means con el objetivo de agrupar a los jugadores en conjuntos significativamente diferentes. El nivel de significación con el que se ha trabajado en este TFG es de α = 0,05 Se ha seguido una estricta metodología para la ejecución de los análisis pertinentes, comenzando con la elaboración de hipótesis y pasando a su contraste apoyado tanto en representaciones gráficas como en tests estadísticos específicos. Se ha intentado en todo momento, dentro de lo posible, variar los recursos empleados con el objetivo de aumentar el carácter didáctico del TFG. La mayor parte de estos análisis han arrojado resultados no significativos, no permitiéndonos afirmar la existencia de relaciones entre la cooperación y las variables estudiadas. Sin embargo, sí que se ha obtenido algún resultado significativo. Por otro lado, múltiples tendencias han sido localizadas y se sugiere que, con un análisis más exhaustivo, puedan desembocar en resultados positivos. En cuanto a la técnica de clustering empleada, como ya se ha comentado, se empleó el algoritmo k-means con el objeto de dividir a la población en diferentes grupos que presentaran características diferentes. Varios modelos fueron realizados simultáneamente, descartándose los que no superaron el proceso de validación. Con éste método se ha perseguido encontrar patrones de comportamiento ocultos entre los jugadores; y que éstos fuesen clasificados en diferentes grupos acorde a ello. Se consigue clasificar satisfactoriamente a los jugadores en grupos que presentan diferencias estadísticamente significativas, tanto en el modelo de dos grupos, como en el de tres. Tras el análisis, se da paso a la discusión de resultados, en la que se resumen y discuten todos los indicadores estadísticos obtenidos, proponiéndose modificaciones en la recogida de datos, que puedan mejorar los resultados obtenidos. También se valoran los impactos de este TFG y la Responsabilidad Legal, Ética y Profesional. Seguidamente a la discusión, se presentan las conclusiones obtenidas y las posibles líneas de desarrollo futuras, de especial importancia dado el marcado carácter de investigación de este TFG. Por último, se expone la planificación y presupuesto del proyecto, con la EDP y Diagrama de Gantt pertinentes.