1 / 40

IMAGES project (FAIR 3 CT2092) Cemagref - LISC

Un modèle individu-centré de diffusion de l’innovation Le cas de l'agriculture biologique dans l'Allier. IMAGES project (FAIR 3 CT2092) Cemagref - LISC. Aperçu de la présentation. Enjeux et objectifs du projet IMAGES Modèles existants Stratégie de modélisation

alpha
Download Presentation

IMAGES project (FAIR 3 CT2092) Cemagref - LISC

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Un modèle individu-centré de diffusion de l’innovationLe cas de l'agriculture biologique dans l'Allier IMAGES project (FAIR 3 CT2092) Cemagref - LISC

  2. Aperçu de la présentation • Enjeux et objectifs du projet IMAGES • Modèles existants • Stratégie de modélisation • Cas particulier : la conversion à l’agriculture biologique dans l’Allier • Un modèle individu-centré de la conversion à l’Agribio • Résultats • Discussion autour du (des) modèles

  3. Enjeux du projet IMAGES ???

  4. Modèles de diffusion de l’innovation existants • Paradigmes sociologiques : • Masse critique • Effet de seuil • Courbe d’adoption en S • Modèles trop généraux pour permettre la décision • Méthode classique : • Isolation d’un cas d’étude • Recueil des données • Élaboration d’un modèle statistique • Modèles trop liés aux données pour être répétables

  5. Modèles de diffusion de l’innovation existants • Modèles d’automates cellulaires : • Étude de la dynamique d’un système • Règle d’interactions simples (influence, diffusion) • Bonne connaissance des propriétés du modèle

  6. Modèles de diffusion de l’innovation existants • Modèles d’automates cellulaires : • Boite noire • Rationalité des décisions mal étudiée • Hypothèse d’homogénéité des agents • Agents structurellement équivalents • Notre objectif : ouvrir la boite noire !!!

  7. Stratégie de modélisation • Modélisation = (experts  modélisateurs) • Le choix de modèles individus-centrés • Qu’est-ce que c’est ? • Comportement à l’échelle de l’individu

  8. Stratégie de modélisation • Modélisation = (experts  modélisateurs) • Le choix de modèles individus-centrés • Qu’est-ce que c’est ? • Comportement à l’échelle de l’individu • Modèle d’interactions

  9. Stratégie de modélisation • Modélisation = (experts  modélisateurs) • Le choix de modèles individus-centrés • Qu’est-ce que c’est ? • Comportement à l’échelle de l’individu • Modèle d’interactions • Modèle d’environnement

  10. Stratégie de modélisation • Modélisation = (experts  modélisateurs) • Le choix de modèles individus-centrés • Pourquoi ? • Système = « ensemble d’objets en interaction » • Modélisation plus intuitive, pédagogique…

  11. Stratégie de modélisation • Modélisation = (experts  modélisateurs) • Le choix de modèles individus-centrés • Nourrir les agents avec des données (interviews) • ModèleS d’abstraction décroissante

  12. Modélisation pas à pas…

  13. Conversion à l’agribio dans l’Allier • Objectifs : • Modéliser l’adoption de la mesure « conversion à l’agriculture biologique dans l’Allier » • Simuler l’évolution des opinions des agriculteurs / AgriBio • Simuler l’adoption de la mesure

  14. Deux types d’agents • Les agents agriculteurs • Les agents institutions

  15. Rationalité des agents agriculteurs • Décision multi-critère : • Anticipations • Motivations • 3 critères retenus par les experts : • Impact de la mesure sur le revenu • Image de la mesure • Technicité liée à l’adoption

  16. pess • Pas intéréssé opt • Incertain opt pess opt pess • Intéressé Seuil T Incertitude et états cognitifs Aggrégation des anticipations Etat cognitif +1 -1 -1 +1 -1 +1

  17. Influence des autres agents • Phénomènes en jeu : • Pression sociale • Conformisme • Constitution de groupes antagonistes • Peu de modèles dans la littérature

  18. Influence des autres agents • Décomposition : • Critères personnels (évaluables) • Critères sociaux • Influence structurée • Interprétation de l’influence par l’incertitude : • « plus je suis incertain, plus je suis influençable »

  19. Etat cognitif et comportement

  20. Etat cognitif et comportement

  21. Etat cognitif et comportement

  22. Propagation des discussions

  23. Agent institution: variables • Réseau d’agriculteurs • Evaluations optimiste et pessimiste de la mesure • Niveau d’information • Présence de techniciens et nb de fermes visitées par jours • Scenario d’actions : • Changements d’évaluation ou d’information • Organisation de réunions • Visite des exploitations

  24. Agent Institution : dynamique • Transmet l’évaluation et l’information • Visite les agriculteurs • Controllée par le scénario. Types d’évènements : • Réunion • Change d’évaluation et d’information • Débute ou arrête les visites

  25. Particularités de l’agent institution • L’agent institution • Input extérieurs (scénarios) • Reconstitution des scénarios institutionnels passés (modèle explicatif) • Interface acteur institutionnel / modèle pour le test de scénarios

  26. Localisation des exploitations

  27. Un exemple de réseau social reconstitué

  28. Comparaison du comportement qualitatif / biblio

  29. Comparaison du résulat qualitatif / données

  30. Groupes antagonistes ?

  31. Discussion sur les modèles sociaux • Les systèmes sociaux sont des systèmes complexes • Problèmes spécifiques de données • Moins faciles a tester

  32. Discussion sur les modèles à base d’agents • De nombreux problèmes liés aux SMAs pour les modèles sociaux : • Validation (systèmes complexes) • Stabilité (modèles stochastiques) • Taille mémoire (6000 agents => choix d’implémentation) • Données individus pour initialiser

  33. Apport des SMAs en modélisation • Le SMA facilite la communication entre experts et modélisateurs • Agent = un objet facilement appréhendable • Facile à manipuler • Modélisation intuitive…

  34. Des questions ????

  35. Initialisation des évaluations • Pour chacun des critères : • Distribution normale sur l’ensemble de la population pour les évaluations pessimistes et optimistes

  36. Initialisation des motivations • Sur chacun des critères • L’ensemble de la population a la même motivation (paramètre du modèle) • Cas particulier de ce modèle dans le projet : • Sur certaines zones interviews de 50% des exploitants • Sur l’Allier 6000 agriculteurs…

  37. Localisation des exploitations • Données disponibles • Statistiques général au niveau communal • Statistiques détaillées par canton (RGA) • Prototypes au niveau de la région (RICA) • Méthode employée • Duplication des prototypes • De manière à satisfaire les contraintes statistiques au niveau cantonal

  38. Prévisions pessimistes et optimistes • Motivations opt pess • Revenu -1 +1 0 pess opt 0 • Image -1 +1 opt pess 0 • Technicité -1 +1 pess opt • Etats pessimiste et optimiste de la décision -1 +1 Fonction de décision

  39. pess opt F pess opt F’ pess opt F pess opt F’ Influences sociales (paramètre m) Transmission d’information (param w) • Un critère • Information • Avant l’interaction • oui • non Après l’interaction • oui • oui (avec la proba w)

  40. Évaluation personnelle plus approndie d’un critère • L’agent réalise cette évaluation quand : • Il est incertain ou intéressé • Il a l’information nécessaire • L’évaluation = sous-modèle (expert) dépendant : • Des caractéristiques de l’exploitation • Des spécifications de la mesure • Des paramètres donnés par les experts (baisse de productivité, prix, etc.. )

More Related