규범 게임의 임계선과 사회 네트워크 구조

초록

본 논문은 로버트 액셀로드가 제시한 규범 게임(Norm Game)을 모델 네트워크 상에서 사회 전염 현상으로 재구성하고, 처벌 강도와 처벌받음 강도를 매개변수로 하는 2차원 파라미터 평면에서 결함자(Defector)와 처벌자(Punisher) 두 안정 상태 사이의 임계선을 계산한다. 또한 항상 처벌만 하는 에이전트와 항상 결함만 하는 에이전트의 비율이 임계선 위치에 미치는 영향을 분석하고, 1990년대 폴란드 서부 지역의 범죄 통계와 연결시켜 해석한다.

상세 분석

논문은 먼저 기존의 규범 게임을 이산적 시간 단계에서 진행되는 사회 전염 모델로 변환한다. 네트워크는 무작위 그래프와 작은 세계 모델을 혼합한 구조를 채택했으며, 각 노드(에이전트)는 세 가지 행동 상태—협력(C), 결함(D), 처벌(P)—중 하나를 가진다. 시간 흐름에 따라 에이전트는 이웃의 행동을 관찰하고, 두 가지 확률적 규칙에 따라 상태를 전이한다. 첫 번째 규칙은 ‘결함 전이’로, 이웃 중 결함자가 많을수록 자신도 결함으로 전이될 확률이 증가한다. 두 번째 규칙은 ‘처벌 전이’로, 이웃 중 처벌자가 많고, 자신이 결함자일 경우 처벌을 받는 비용이 크면 처벌자로 전이될 가능성이 높아진다. 여기서 두 파라미터 β와 γ가 각각 처벌의 강도와 처벌받음의 강도를 정량화한다. β가 클수록 처벌자가 늘어나고, γ가 클수록 결함자가 억제된다.

임계선 계산은 평균장 이론과 몬테카를로 시뮬레이션을 병행한다. 평균장 접근에서는 전체 네트워크의 평균 결함 비율 f_D와 평균 처벌 비율 f_P에 대한 연립 방정식을 도출하고, 고정점의 안정성을 선형화하여 자이로스코프( Jacobian )의 고유값 부호를 검사한다. 시뮬레이션에서는 다양한 (β,γ) 조합에 대해 초기 조건을 무작위로 설정하고, 충분히 긴 시간 후 수렴된 상태를 관측한다. 두 방법이 일치하는 임계선은 β와 γ가 서로 보완적으로 작용하여 하나의 파라미터가 증가하면 다른 파라미터가 감소해야 두 안정 상태가 전이된다는 것을 보여준다.

특히 논문은 ‘항상 처벌만 하는 에이전트(고정 P)’와 ‘항상 결함만 하는 에이전트(고정 D)’의 비율을 파라미터 ρ_P와 ρ_D로 도입한다. 결과는 ρ_P가 증가할수록 임계선이 γ축에 가까워져, 작은 처벌 강도만으로도 전체 네트워크가 처벌자 지배 상태로 전이될 수 있음을 시사한다. 반면 ρ_D의 증가는 임계선에 비교적 미미한 영향을 미치며, 이는 결함자 집단이 자체적으로 네트워크를 붕괴시키는 메커니즘이 약함을 의미한다. 이러한 비대칭성은 사회적 규범 유지에 있어 ‘긍정적 모델’의 역할이 ‘부정적 모델’보다 훨씬 효율적임을 정량적으로 뒷받침한다.

마지막으로 저자들은 1990년대 폴란드 서부(특히 Wrocław 인근)의 범죄 데이터와 모델 결과를 비교한다. 해당 지역의 범죄율이 급격히 감소한 시기는 정책적으로 처벌 강도가 강화된 시점과 일치하며, 동시에 지역 사회 내 자원봉사자와 시민 감시 조직(고정 P)의 비중이 증가한 시점과도 맞물린다. 이는 모델이 제시하는 ‘고정 P 비율’이 실제 사회에서 규범 복원에 결정적인 요인임을 실증적으로 뒷받침한다.