Las personas con menos recursos contribuyen en mayor medida a las acciones contra el cambio climático. Este es el principal resultado de una investigación que, a través de un experimento de ciencia ciudadana, propone actuar colectivamente contra el calentamiento global. El estudio, en el que se ha medido cómo actúa un grupo de personas ante un perjuicio común, ha puesto de manifiesto que las personas están dispuestas a aportar más o menos dinero para combatir el cambio climático según su poder adquisitivo. La investigación, publicada en la revista PLOS ONE, la han llevado a cabo investigadores de varias universidades españolas.

Para conseguirlo, los investigadores han diseñado un experimento de ciencia ciudadana en el que han participado más de 320 personas divididas en 54 grupos de seis. El funcionamiento ha sido el siguiente: distribuían 240 euros a cada grupo, cuyos miembros ni se conocían ni se podían relacionar entre ellos. A cada miembro del grupo se le daba una cantidad concreta de dinero. En la mitad de los grupos, todos dispusieron del mismo capital: 40 euros cada uno. En la otra mitad, el dinero se distribuyó de forma desigual: desde 20 hasta 60 euros a cada miembro.

A partir de aquí, cada persona debía aportar dinero a un bote común con el reto de lograr, después de diez rondas, un total de 120 euros dedicado a una acción contra el cambio climático. Con el dinero que les quedaba obtenían vales de compra. Al empezar el experimento, todos sabían con qué cantidad de dinero contaba cada uno y en cada ronda podían conocer cuánto había aportado cada participante.

De este modo, se ponía a prueba el esfuerzo económico que está dispuesto a hacer cada uno por un beneficio colectivo, en este caso relacionado con el cambio climático. Los resultados constataron que, a pesar de que todos los grupos consiguieron el objetivo colectivo de llegar a los 120 euros, “la distribución del esfuerzo fue muy poco equitativa”, explica el investigador Jordi Duch.

Concretamente, los participantes con menos recursos contribuyeron significativamente más al bien público que los más ricos, en ocasiones, hasta dos veces más. Los investigadores concluyeron que los más pobres formaban parte de los considerados “grupos generosos”, mientras que los más ricos se clasificaban mayoritariamente en un “grupo agresivo”.

Los resultados sugieren que las políticas futuras se beneficiarían tanto de reforzar las acciones de justicia climática como de educar en la equidad, en lugar de centrarse en la comprensión de las consecuencias climáticas genéricas o globales, puesto que esta sensibilización no ha demostrado generar aportaciones equitativas.

“De hecho, el estudio demuestra una vez más que la cooperación es mejor que la competición a la hora de conseguir alcanzar metas socialmente deseables, y que en el caso del cambio climático es necesaria la cooperación entre todos los agentes involucrados”, señala otro de los autores del estudio, Anxo Sánchez, catedrático de Matemáticas.

Más pobres y más vulnerables

El análisis de los resultados indica que en los grupos en los que no había desigualdades en el capital se han podido diferenciar dos comportamientos: uno que coopera con cantidades que se considerarían justas -aproximadamente con la mitad de su capital inicial- y otra parte que cooperan mucho más del justo. Sin embargo, en los grupos que partían de la desigualdad inicial, hay muchas más diferencias. Quienes disponían de más dinero (50 o 60 euros) contribuían menos de lo que se considera justo, al contrario de quienes tenían menos (20 o 30 euros) que contribuían proporcionalmente mucho más.

Estos resultados evidencian que “dadas las desigualdades, los grupos más pobres son más vulnerables y, por tanto, quienes más sufren”, explica Julián Vicens, actualmente investigador del grupo OpenSystems y miembro del Instituto de Sistemas Complejos.

El dispositivo experimental, implementado en tablets, simula interacciones sociales estratégicas basadas en la teoría de los juegos y plantean dilemas sociales que ponen en tensión el interés individual y el bien común y se han aplicado mecanismos de machine learning para identificar patrones de comportamiento.