Overall conclusions and future perspectives

6.3.1 Simulating the process of social mobilisation: Solution concepts “at work”

It is the genuine purpose of the method of ABSS to describe the processes underlying  collective social  phenomena  and  to  scrutinise  their  implications by simulation. In  this  respect,  the  abstract  ABSS  HAPPenInGS‐A  explored  and  validated  the  macro‐level  consequences of the HAPPenInGS theory. The case study simulations HAPPenInGS‐N and  SoNARe  went  a  step  further  and  investigated  the  effectiveness  of  typical  solution  approaches for public good dilemmas. In doing so, simulations start out from a model  representation of the situation characteristics presently found in the respective case and  explore possible futures by simulation. The initial conditions observed in both case studies  correspond  to  a  situation where  public  good  provision  is unsuccessful  due  to  largely  defective behaviour. The  simulation  experiments assess possible intervention scenarios  which aim on changing the boundary conditions in the models systematically such that  collective  action  may  emerge.  The  results  of  such  experiments  contribute  to  the  understanding  of  processes  of  social  mobilisation  in  general  and  yield  policy  recommendations on promising intervention measures in particular. 

The types of interventions investigated in the two case study exercises are diverse but they  correspond to typical solution concepts for social dilemmas. The case of neighbourhood  support  considers  information  campaigns.  The  basic  idea  is  that  during  information 

campaigns  individuals  actively  refine  their  knowledge  about  useful  behaviours  in  the  dilemma situation. HAPPenInGS‐N demonstrated when and how this individual‐level process  results in the emergence of new social norms, new habits and subsequently in collective  action. The case of land reclamation investigates the effect of financial incentives. SoNARe  showed that limited but focused distribution of incentives best fosters collective action.  

Clearly, the types of solution approaches considered in HAPPenInGS‐N and SoNARe match  well the circumstances of the respective case. For the farmers in the Odra region financial  considerations play an important role while the case of neighbourhood support focuses on  voluntary behaviours which lack this economic dimension. However, the common conclusion  for such HAPPenInGS models is that focused intervention is more effective that unselective  intervention. This was shown for selective information campaigns in HAPPenInGS‐N and for  focused compensation payments in SoNARe. Apparently, the mode of providing incentives  to a population influences the success of an intervention irrespective of the particular kind  of incentive. 

For the case of neighbourhood support simulations point out that passive behaviour of  hedonistic lifestyles inhibits full mobilisation under the modelled information campaigns. 

However, there is some empirical evidence from an on‐going survey that especially these  lifestyles react sensitively to material incentives that reward contributing to neighbourhood  support. As a conclusion, selective incentives which parallel information campaigns could be  a promising approach to achieve comprehensive mobilisation. To this end further modelling  exercises are required. 

6.3.2 Empirical grounding

HAPPenInGS‐N and SoNARe share a common theoretical embedding of individual decision‐

making in the HAPPenInGS theory which implies a strong similarity of the models in terms of  the structures and processes they represent. However, the respective ABSS setups differ in  the way they use either empirical data or assumptions to initialise structures and processes. 

In HAPPenInGS‐N, the agent population is set up from large‐scale empirical data. This  includes the initialisation of agent preference profiles, agents’ spatial distribution, and social  networks. In addition, a regional climate projection is used as external driver. However,  empirical research which could be used to set up the production function of neighbourhood 

support was not available to the project. Therefore, the production function of the public  good is largely based on assumptions derived from theory. Consequently, the induced  dilemma structure is to an extent artificial and idealised in nature. 

In contrast, due to the lack of available data, agent initialisation in SoNARe is largely based  on  assumptions.  Nonetheless, the  assumptions  are  non‐arbitrary as  they  are  at  least  qualitatively related to empirical observations. In contrast, the environmental context of  agent decision‐making is represented as a coupled hydro‐agricultural simulation model of  the situation characteristics in the target region. The analysis of the induced “real‐world” 

social dilemma (cf. section 5.4.2) showed that incentives are not as “cleanly” in line with the  game‐theoretic conception of the incentive structure underlying HAPPenInGS‐N. To this end,  the case of land reclamation illustrates well our theoretical point that social dilemmas  emerge from the complex dynamics governing the temporal and spatial development of the  environmental context of individual decision‐making and acting. 

In particular for HAPPenInGS‐N a step‐wise refinement of the empirical grounding is a  promising direction of future work. During the simulated time span external social drivers  might  gain  importance.  In  the  simulations  agents  “ageing”  might  become  a  relevant  mechanism in order reflect demographic change in the region. This would feed back to the  public good dilemma because the need for neighbourhood support should in turn increase. 

Likewise, the lifestyle distribution in the population changes over time which is not yet  represented in the simulations. Finally, empirical founding can be further improved by  including results of on‐going surveys of the target area. This yet unexploited methodical link  between model and survey data is further discussed in the following section. 

In summary, both case‐specific ABSS exercises have strengths and limitations in terms of  their empirical soundness. Likewise, direct validation of simulation results is rarely feasible  due to the lack of available datasets. To this end, we have to rely on domain experts to  confirm that simulation results reasonably reflect the situation characteristics in the target  area.  All these points  have to  be  transparently  documented  and  clearly stated  when  simulation results and in particular policy implications are presented. 

6.3.3 The potential of the methodical approach of HAPPenInGS

The three agent‐based simulation models presented in this thesis are representatives of a  particular paradigm within the multitude of existing approaches in ABSS. The thesis framed  this school of modelling under the heading of psychologically sound middle‐range models. 

The distinctive property  of middle‐range agent‐based models  is that  they  capture the  observed individual and structural characteristics of a problem domain such that the model  remains  applicable  to  similarly  structured  cases.  Such  middle‐range  models  obtain  psychological soundness by grounding the model representation of individual decision‐

making adequately in psychological theory. In this respect, the models reported in this thesis  are built around the HAPPenInGS theory. This particular setup has some notable methodical  implications. 

First of all, the grounding of agent decision‐making in psychological theory ensures that all  relevant  drivers  of  behaviour  and  their  interaction  are  consistently  represented  and  therefore ensure the validity of a model’s structure. Secondly, HAPPenInGS is sufficiently  generic to remain transferable to simulation exercises for other empirical contexts involving  a public good dilemma. 

Finally, the fact that HAPPenInGS is embedded in the TPB and in theory on social value  orientations links the class of HAPPenInGS models to a rich toolbox of instruments from  empirical psychology: In principle, survey data from questionnaires for the TPB can be used  for model initialisation or validation (Schwarz & Ernst, 2009). Likewise, empirical methods  for  measuring  social  value  orientations  can  contribute  to  the  empirical  grounding  of  simulation models. In particular the latter implication of the methodical approach was not  explored in this thesis and indicates promising follow‐up research.