Visto e ‘rebanho’: o movimento coletivo em multidões é amplamente determinado pelo campo de visão dos participantes.
Como bandos de pássaros ou cardumes de peixes, multidões de humanos também tendem a se mover em massa – quase como se estivessem pensando como um só. Os cientistas propuseram diferentes teorias para explicar esse tipo de comportamento coletivo de pedestres.
Um novo modelo de pesquisadores da Brown University considera o ponto de vista de um membro individual da multidão e é notavelmente preciso em prever o fluxo real da multidão, dizem seus desenvolvedores.
O modelo, descrito em um artigo da Proceedings of the Royal Society B, ilustra o papel da percepção visual no movimento da multidão. Ele mostra como os membros da multidão que são visíveis do ponto de vista de um participante determinam como esse participante segue a multidão e qual caminho eles seguem.
Essa abordagem é diferente dos modelos anteriores, que operam do ponto de vista de um “observador onisciente”, disse o autor do estudo, William H. Warren, professor de ciências cognitivas, linguísticas e psicológicas em Brown. Em outras palavras, o movimento da multidão foi analisado em estudos anteriores a partir da perspectiva de quem observa a multidão à distância.
“A maioria dos modelos oniscientes foram baseados na física – em forças de atração e repulsão – e não explicam completamente por que os humanos em um grupo interagem da maneira que fazem”, disse Warren.
Em uma série de experimentos liderados por membros do laboratório de Warren, que envolveu o rastreamento dos movimentos de pessoas usando fones de ouvido de realidade virtual, os pesquisadores puderam prever o movimento de um indivíduo com base na visão de uma multidão virtual.
“Somos o primeiro grupo a fornecer uma base sensorial para esse tipo de movimento coordenado”, disse Warren. “O modelo fornece uma melhor compreensão do que os indivíduos em uma multidão estão experimentando visualmente, para que possamos fazer previsões melhores sobre como todo um grupo de pessoas se comportará”.
Warren disse que os modelos de movimento de multidões têm uma variedade de aplicações e podem ser usados para informar o projeto de espaços públicos, infraestrutura de transporte e planos de resposta a emergências.
Rastrear um indivíduo para entender um grupo
Nas multidões humanas, como em muitos outros grupos de animais, o comportamento de “reunir” surge das interações entre os indivíduos, explicou Warren. Compreender essas interações envolve a identificação de regras de engajamento que governam como um indivíduo responde a seus vizinhos em uma multidão e como vários vizinhos são combinados.
Para produzir uma trajetória individual realista de movimento, a equipe realizou experimentos por meio do Virtual Environment Navigation Lab (VENLab) de Warren. Os participantes do estudo em uma grande sala aberta usavam fones de ouvido de realidade virtual que mostravam seres humanos virtuais animados em 3D que eram manipulados para se mover de maneiras diferentes – por exemplo, algumas pessoas na multidão virtual podem se virar em uma direção, enquanto outras continuam como um grupo. Os participantes foram instruídos a caminhar com a multidão, enquanto os pesquisadores acompanhavam seus movimentos e seu caminho.
Os pesquisadores sabiam de seu trabalho anterior em pares de pedestres que um seguidor tende a acompanhar a direção e a velocidade de um líder. A partir de seus novos experimentos, eles descobriram que cada pedestre controla a direção e a velocidade de sua caminhada usando dois movimentos visuais. Primeiro, eles andam de uma forma que reduz o movimento lateral dos vizinhos no campo de visão. Ao mesmo tempo, caminham para diminuir a expansão e contração do campo de visão, que acontece quando um vizinho se aproxima ou se afasta. Ao usar essas duas variáveis para controlar a caminhada, eles acabam igualando a direção e a velocidade médias da multidão.
Eles também descobriram que os participantes pedestres responderam menos a humanos virtuais que estavam mais distantes, como era de se esperar, mas isso foi impulsionado por dois fatores visuais, disse Warren: a lei da ótica (coisas que estão mais distantes no espaço têm movimentos visuais menores) e o princípio da oclusão (vizinhos mais distantes provavelmente serão parcialmente bloqueados por vizinhos mais próximos, tornando-os mais difíceis de ver – e mais difíceis de seguir).
Modelos anteriores levaram em consideração o efeito da distância no comportamento da multidão, mas não de uma perspectiva visual. “Descobrimos que as respostas diminuem com a distância por dois motivos que não eram totalmente compreendidos ou apreciados anteriormente”, disse Warren, “e ambos têm a ver com quem as pessoas na multidão podem ver”.
Quando os pesquisadores usaram os resultados do experimento para criar uma nova teoria do movimento coletivo, ela previu com sucesso as trajetórias individuais tanto em experimentos de multidões virtuais quanto em dados de multidões reais.
Warren explicou que as pessoas em um grupo usam informações visuais para guiar sua própria caminhada – para virar à esquerda ou à direita, acelerar ou desacelerar para evitar colisões. A maneira como eles usam essa informação para controlar seus movimentos é chamada de acoplamento visual, disse ele. Os outros indivíduos do grupo também estão se comportando de acordo com os mesmos princípios.
Comportamento coletivo em multidões online e espaços virtuais
Warren acrescentou que as descobertas de estudos de caso como esse podem ser extrapoladas para outras situações em que pessoas ou animais inconscientemente coordenam seu comportamento – como nas mídias sociais.
Ao invés de serem acopladas visualmente como uma multidão em um espaço público, as pessoas nas redes sociais são acopladas eletronicamente através da internet. Em ambas as situações, existe a mesma forte tendência de uma pessoa imitar os outros ao seu redor e seguir aqueles que estão se movendo em uma direção semelhante (tanto ideológica quanto fisicamente). Mas, como o estudante de pós-graduação de Warren e Brown, Trent Wirth, descobriu em outros experimentos, quando um grupo começa a divergir muito da “direção” atual de uma pessoa, a pessoa rejeitará esse grupo e seguirá outro grupo se movendo em uma direção menos divergente.
“A rede visual entre as pessoas em uma multidão não é muito diferente de uma rede social nas mídias sociais, em termos de como as pessoas estão interagindo”, disse ele. “Você vê tipos análogos de consenso e polarização.”
Warren disse que estudos futuros de seu laboratório continuarão a explorar as redes coletivas e a tomada de decisão coletiva, especialmente como os grupos decidem se dividir ou bifurcar para seguir caminhos diferentes no espaço físico ou em uma rede social online.
“Há todos os tipos de decisões sendo tomadas no nível individual, mas também coletivamente em grupos”, disse Warren. “Nosso novo estudo é apenas um estudo de caso desse comportamento coletivo auto-organizado”.
O papel é baseado em uma idéia desenvolvida por Gregory Dachner, que obteve seu Ph.D. na Brown em 2020 e é coautor do estudo.
Esta pesquisa foi apoiada pelos Institutos Nacionais de Saúde (concede R01EY010923, R01EY029745 e T32 EY018080) e a National Science Foundation (concede BCS-1431406 e BCS-1849446).
Fonte da história:
Materiais fornecidos pela Brown University.
Referência do periódico :
- Gregory C. Dachner, Trenton D. Wirth, Emily Richmond, William H. Warren. O acoplamento visual entre vizinhos explica as interações locais subjacentes ao ‘rebanho’ humano . Proceedings of the Royal Society B: Ciências Biológicas , 2022; 289 (1970) DOI: 10.1098/rspb.2021.2089
