دوم، در تحقیقات مشاهده‌ای موجود این بررسی دیده نمی‌شود که آیا کمپین‌ها استراتژی‌های خاصی را اتخاذ می‌کنند تا بسیج توده‌ای را معطوف به بریدگان و رویگردانان از قدرت سازند. همچنین در مقایسه‌ی نسبی با بررسی‌هایی که در مورد بسیج توده‌ای به تنهایی شده است، در مورد فواید نسبی اتخاذ استراتژی‌هایی که معطوف به رویگردانی از قدرت می‌شوند فاقد شواهد مشاهده‌ای هستیم. گفتمان عمومی در مورد جنبش‌های توده‌ای حاکی از این است که بسیج توده‌ای اغلب خودجوش و بدون رهبر است، و بسیج در مقیاس بزرگ اغلب بدون استراتژی سازمان‌یافته برای تأثیرگذاری بر، یا تضعیف ستون‌های حمایتیِ حریف رخ می‌دهد. البته یک دیدگاه جایگزین رایج در مطالعات جامعه‌شناختی این است که کیفیت سازمانی، بسیج منابع و انتخاب‌های استراتژیک همگی در اولویت هستند [۱۰]. با این حال اما، ما از بسیاری از مطالعاتی که از مدل‌سازی محاسباتی برای ارزیابی سیستماتیک نتایج نهایی استراتژی‌های مختلف جنبش‌های توده‌ای غیرخشونت‌آمیز استفاده می‌کنند، آگاه نیستیم.
این مقاله به دنبال پرداختن به این دو موضوع با یک مدل محاسباتی است که آستانه‌های مشارکت، و همچنین استراتژی‌هایی که توسط فعالان برای تأثیرگذاری بر توازن قوای سیاسی استفاده می‌شوند را تغییر می‌دهد. دامنه‌ی مطالعه‌ی ما مبتنی بر مدل‌های محاسباتی موجودی است که مرزهای موفقیت انقلابی را مورد توجه قرار می‌دهند، البته این مدل‌ها بر انقلاب‌های مسلحانه تمرکز می‌کنند، لذا پارامترهای انقلاب موفق در این مدل‌ها، برای ما، نه عملی هستند و نه مطلوب، زیرا شامل کشتن تعداد زیادی از مخالفان جنبش می‌شوند [۱۱، ۱۲]. درست است که چنین مدل‌هایی بینش‌های مهمی در مورد پویایی انقلاب خشونت‌آمیز به دست داده‌اند، جنبش‌های انقلابی توده‌ای در دوران معاصر اما - از جمله قیام‌های بهار عربی ۲۰۱۰-۲۰۱۱ در تونس، مصر، بحرین و یمن - عمدتاً به جای قیام مسلحانه یا جنگ چریکی، حتی زمانی که با رژیم‌های خشونت‌گرای وحشی مواجه شدند بر بسیج غیرمسلحانه و خشونت‌پرهیز تکیه کرده‌اند [۱۳]. در نتیجه، پارامترهای مدلی که مستلزم کشتن یا دستگیری مسلحانه‌ی مخالفان حکومت و نیز نیروهای امنیتی است، نسبت به پارامترهایی که مستلزم رویگردانی‌های خشونت‌پرهیز در ستون‌های حمایتی رژیم هستند، ارتباط کمتری با انقلاب‌های معاصر دارند. لذا، ما یک مدل محاسباتی متمرکز بر پدیده‌ی مقاومت‌های خشونت‌پرهیزی که در بیش از پنج دهه‌ی گذشته تجربه شده‌اند ارائه می‌کنیم؛ این مدل در مواجهه‌ی تحلیلی با تمام ۱۱۰ بسیج خشونت‌پرهیزِ توده‌ای که از سال‌های ۱۹۴۵ تا ۲۰۱۴ با هدف سرنگونی دولت‌های وقتشان ایجاد شده بودند، موفقیت‌آمیز بوده است. در انجام این کار، ما از یک روند امیدوارکننده‌ی استفاده از داده‌های تاریخی برای کالیبره کردن پارامترهای مدل استفاده کرده‌ایم [۱۴_۱۶]. این مدل استراتژی‌های متمرکز بر تأثیرگذاری بر ستون‌های حمایتی رژیمِ هدف، و همچنین بسیج سریع غیرنظامیان و فعالان را محاسبه و مقایسه می‌کند. مدل ما اگرچه مستقیماً استراتژی‌های بالقوه‌ای که ممکن است رژیم برای جلوگیری از رویگردانی حامیانش به کار گیرد را در نظر نمی‌گیرد - مسئله‌ای که در نتیجه‌گیری به آن می‌پردازیم - نتایج ما اما نشان می‌دهند که استراتژی‌هایی که فاصله‌ی اجتماعی بین فعالان و ستون‌های حمایتی رژیم را کاهش می‌دهند، منجر به بالا رفتن شانس موفقیت جنبش در مقایسه با تکیه بر بسیج توده‌ای صرف می‌شود.
در مجموع، این مشاهدات نشان دهنده‌ی اهمیت اطلاعات دقیق در مورد اپوزیسیون، تمرکز شکاف‌های موجود در ستون‌های حامی قدرت، بسیج سریع شرکت‌کنندگان غیرنظامی، و یک پایگاه فعال پایدار برای ایجاد موفقیت جنبش است. این یافته‌ها روشن می‌کنند که چرا برخی از کمپین‌های مقاومت خشونت‌پرهیز با وجود اینکه اندازه‌ی نسبتاً کوچکی دارند موفق می‌شوند، در حالی که برخی دیگر علی‌رغم بسیج توده‌ای در مقیاس بزرگ شکست می‌خورند.

طراحی و داده‌های مطالعه
یک مدلِ پایه-عامل (agent-based، مدلی که مبتنی بر عامل است و نه ساختار) ما را قادر می‌سازد تغییراتی که در طول زمان در رفتارهای فردی و دسته‌بندی شده (در سطح گروهی) رخ می‌دهند را ببینیم؛ این تغییرات در رفتارهایی مطابق با چیدمان‌های متفاوتی از قواعدی (پارامترها) که منعکس‌کننده‌ی ویژگی‌های مشاهده‌شده‌ی کنش جمعی خشونت‌پرهیز هستند، دیده می‌شوند. مدل‌سازی مبتنی بر عامل (کنشگر)، دیدی پویا از الگوهای بسیج و اثرات آستانه به ما می‌دهد. برای به کار گرفتن مدل‌سازی موجود از مقاومت‌های خشونت‌آمیز در بررسی مقاومت‌های خشونت‌پرهیز، ما مدل انقلاب خشونت‌آمیز پایه‌-عامل الساندرو مورو را برای یکپارچه کردن ویژگی‌های مشخص قیام‌های خشونت‌پرهیز به کار گرفته و گسترش می‌دهیم[۱۲]. مورو از عوامل اصلی خود به عنوان «شهروندان» یاد می‌کند که ما در مطالعه‌ی خود آنها را به «غیرنظامیان» تغییر داده‌ایم. مدل ما همچنین دو نوع عامل جدید را معرفی می‌کند؛ اول اینکه به جای انقلابیونی که به مقاومت خشونت‌آمیز متعهد هستند، فعالان انقلابیِِ متعهد به مقاومت خشونت‌پرهیز را شامل می‌شود، و دوم اینکه عواملی را اضافه می‌کنیم که نمایان‌گر ستون‌های حمایتی رژیم هستند - نخبگان قدرتمند سیاسی، اقتصادی، یا اجتماعی که رژیم برای حفظ قدرت به همکاری آنها وابسته است؛ و یک قاعده‌ی جدید نیز معرفی می‌کنیم که به ستون‌های حمایتی و نیروهای امنیتی امکان می‌دهد از قدرت حاکمه روی گردانند.
بنابراین، مدل ما شامل چهار نوع عامل تیپیکال است که در سیاست‌های مشاجره‌آمیز یافت می‌شوند:
غیرنظامیان: اینها اکثریت عوامل را تشکیل می‌دهند. آنها می‌توانند تصمیم بگیرند که غیرفعال بمانند یا اینکه به مقاومت بپیوندند. اگر بپیوندند، آنها را «غیرنظامیان خشونت‌پرهیز» می‌نامیم. پس از پیوستن‌شان، وارد چرخه‌ای از زمان می‌شوند که بین اعتراض و انفعال متناوب است (گاهی معترض‌اند و گاهی انفعال پیشه می‌کنند). بسته به پارامترهای مدل، آنها همچنین می‌توانند مقاومت را ترک کنند و به طور کلی از اعتراض دست بردارند. (چیزی شبیه به فرسودگی شغلی یا دینامیسم خستگی در دنیای واقعی).
کنش‌گران: این عوامل در هر شرایطی به مقاومت خشونت‌پرهیز متعهد هستند. آنها نیز مانند غیرنظامیانِ خشونت‌پرهیز، وارد چرخه‌های متناوب اعتراضِ فعال و خستگی می‌شوند.
ستون‌ها: این عوامل نشان دهنده‌ی پایه‌های سیاسی، اجتماعی و اقتصادی جامعه هستند. ستون‌هایی که قدرت‌شان حامی رژیم است، و وفاداری‌شان برای حفظ وضعیت موجود ضروری است.
پلیس: اینها نیروهای امنیتی‌ای هستند که نماینده‌ی پرسنل ارتش یا پلیس محسوب می‌شوند. آنها غیرنظامیان و فعالان را دستگیر می‌کنند یا می‌کشند؛ در عین حال اما می‌توانند از سرکوب فعالان و غیرنظامیان خشونت‌پرهیز سر باز زنند و دست بردارند.
در ادامه‌ی کارهای مشابه [۱۱_۱۲]، این مدل نیز عامل‌ها را روی یک شبکه‌ی ۴۰×۴۰ توروس قرار می‌دهد (یعنی شبکه‌ای شطرنجی که در آن لبه‌ی سمت چپ به لبه‌ی سمت راست و بالا به پایین متصل می‌شود). همه‌ی قواعد مربوط به یک عامل و محدوده‌ی آن است. منظور از محدوده‌، دایره‌ی اطراف عامل است که با تصویرسازی پارامتر ۴ تعریف شده است، به این معنی که یک عامل می‌تواند هر عاملی را که در شعاع چهارگانه‌ی فضای اطرافش قرار دارد ببیند. شکل ۱ شبکه را در مرحله‌ای پایانی از یک توالی مدلینگ نشان می‌دهد که مقاومت خشونت‌پرهیزِ بزرگی را شبیه‌سازی می‌کند.

شکل ۱: مثالی از جنبش مقاومت در یک مرحله‌ی زمانی پیشرفته.

آنچنان که در بالا اشاره شد، تنها کنش‌گران و غیرنظامیانِ خشونت‌پرهیز می‌توانند اعتراض کنند؛ البته ممکن است غیرنظامیان در نوبت‌های پیشین اعتراض کرده باشند. لذا، دایره‌های سبزی که با مرزهای سیاه مشخص شده‌اند، غیرنظامیانی هستند که تحول خود را با اعتراض آغاز کرده‌اند (مثلاً در آغاز به «غیرنظامیان خشونت‌پرهیز» تبدیل شده‌اند) اما سپس مقاومت را ترک کرده و از اینکه غیرنظامیان خشونت‌پرهیز باشند دست کشیده‌اند.
اگرچه شبکه در درجه‌ی اولْ عامل‌ها را در فواصل فیزیکی نشان می‌دهد، اما به فاصله‌های اجتماعی نیز به طور نمادین می‌پردازد. یک ایده‌ی بنیادین و کلیدی برای این مدل (و به طور کلی تمام مدل‌سازی‌های مبتنی بر عامل) این است که عوامل یا افراد لزوماً به اطلاعات مربوط به کل جامعه حساسیت نشان نمی‌دهند، اما به آنچه "می‌بینند" و مستقیماً تجربه می‌کنند واکنش نشان می‌دهند. به عنوان مثال، اگر فردی بشنود که ۰. ۱٪ از جمعیت در جایی از کشور اعتراض می‌کنند، تاثیر این اطلاعِ شنیداری به اندازه‌ی تاثیری نیست که از مواجهه‌ی نزدیک با معترضینِ پیرامون خود خواهد پذیرفت، حتی اگر تنها تفاوت موجود دوری و نزدیکی فیزیکی فرد مذکور به آن ۰. ۱٪ باشد.

قوانین
قوانین زیر نحوه‌ی عملکرد عامل‌ها را توضیح می‌دهند.
قانون C: غیرنظامیان به مقاومت خشونت‌پرهیز می‌پیوندند.
اقدام اساسی در این مدل، بسیج عوامل غیرنظامیِ فردی است، کسانی که می‌توانند غیرفعال بمانند یا به مقاومت خشونت‌پرهیز بپیوندند (یعنی تبدیل به غیرنظامیان خشونت‌پرهیز شوند). اپستین (۲۰۰۲) و مورو (۲۰۱۶) از قانون زیر برای تعیین زمان فعال شدن یک غیرنظامی در شورش مسلحانه استفاده کرده‌اند:

با این حال، بر اساس تحقیقاتی که در مورد عوامل تعیین‌کننده‌ی مشارکتِ اعتراضی انجام شده، واضح است که ارتباطات اجتماعی و گزینه‌های اعتراضی بر تصمیمات افراد در مورد شرکت در قیام‌های توده‌ای، از طریق فشار همتایان و نیز آبشارهای اطلاعاتی، تأثیر می‌گذارد [۱۷_۱۹]. بنابراین، مدل ما تلاش می‌کند تا نقش ارتباطات اجتماعی و اطلاعات در مورد فرصت‌های اعتراضی را در شکل‌دهی انگیزه‌ی غیرنظامیان برای پیوستن به مقاومت توضیح دهد [۲۰_۲۴]. در نتیجه، ما اصطلاح فشار همتایان را به عنوان واژه‌ی اختصاری برای بیان این اثرات دوگانه در نظر می‌گیریم. غیرنظامیان زمانی به مقاومت می‌پیوندند که:

نارضایتی و شکایت (Grievance) مقداری بین ۰ و ۱ است که به عنوان تابعی از سختی‌هایی در نظر گرفته شده که عامل به طور اختصاصی متحمل شده است. این مقدار در برآورد مشروعیت حکومت، مقداری متغیر و غیرثابت دانسته می‌شود. محاسبه‌ی سختی بر اساس سطح درآمدی است که برای هر عامل به طور انحصاری تخصیص داده شده است. با مدل‌سازی تابع لاجیتِ معکوس از درآمد مورد نظر در جمعیتی که درآمدی کمتر از عامل دارند، سختی عامل بین ۱ تا ۰ متغیر است و با درآمد بالاتر کاهش می‌یابد. این محاسبه نسبت به مدل مورو بدون تغییر است[۱۲]. مشروعیت دولت یک متغیر جهانی است. در حالی که مورو از یک مقدار ثابت برای مشروعیت دولت استفاده می‌کند، مدل ما از یک مقدار آغازین استفاده می‌کند که می‌توان آن را بر اساس اقدامات پلیس کاهش داد، که در زیر توضیح داده خواهد شد.

در تغییرات آتیِ مدل، هر عامل بر اساس آنچه در حال حاضر تجربه می‌کند؛ آنچه از ابتدای تظاهرات تجربه کرده‌ است، و/ یا اینکه آیا اطلاعات در سراسر ارتباطات اجتماعی پخش می‌شود یا خیر، می‌تواند دریافت متفاوتی از مشروعیت دولتی داشته باشد.
حد Peer Pressure (فشار همتایان) نیز مقداری بین ۰ و ۱ است و تابعی از تعداد عامل‌هایی است که به طور فعال در محدوده‌ی (پیرامون) یک غیرنظامی اعتراض می‌کنند، و به این صورت تعریف می‌شود:

هنگامی که سمت راست معادله بزرگ‌تر از ۱ باشد، حد فشار همتایان بر روی ۱ تنظیم می‌شود. در حالی که حد فشار همتایان میزان فشاری را اندازه می‌گیرد که عامل تجربه می‌کند، PPN یک متغیر تظاهرات است و طوری تنظیم شده که یک PPN بزرگتر به معترضین بیشتری در محدوده‌ی عامل نیاز دارد تا عامل همان مقدار فشار را احساس کند.
با استفاده از قانون اصلاح شده‌ی مورو [۱۲]، هزینه‌ی شورش به صورت زیر محاسبه می‌شود:

احتمال دستگیری تابعی است از تعداد پلیس‌ها و معترضانی که در پیرامون عامل هستند. استفاده از انواع عامل در مدل ما:

این تحمیل‌ها A را بین ۰ و ۱ قرار می‌دهند. متغیرهای npo و npr تعداد پلیس‌ها و معترضانی‌اند که در محدوده‌ی (پیرامون) عامل هستند. متغیر w برای قاعده‌ی فوق روی ۲. ۳ تنظیم شده است به طوری که احتمال دستگیری ۰. ۹ است، یعنی وقتی که تنها یک پلیس و یک عاملی که تصمیم دارد مقاومت کند در محدوده‌ی عمل باشند، احتمال بازداشت ۹۰٪ است.

مورو [۱۲] به هر عامل یک ریسک مخالفت بر اساس سطح درآمد و پارامتر تعیین‌کننده‌ی حداکثر مجازات زندان اختصاص داده است، با این فرض که فرد ثروتمندتر ریسکی نخواهد کرد که موجب از دست دادن درآمدش می‌شود. ما نیز این موضوع را در نظر گرفته‌ایم، اما موضوعی دیگر را نیز اضافه کرده‌ایم که در آن افراد بسیار فقیر نیز خطری نمی‌کنند که منتهی به از دست دادن درآمدشان شود. این موضوع، با یافته‌های پژوهشی در مورد ارتباط غیریکنواخت بین ثروت و مشارکت با اعتراض مطابقت دارد [۲۵، ۲۶].

ثابت آستانه‌ی F، یک پارامتر مدل است که برای مَچ کردن نتایج مدل با داده‌های تاریخی، به شرح زیر، تنظیم شده است [۲۷]. حدود مقادیر بررسی شده کمی بزرگتر از ۰ است، به این معنی که حاصل ضرب نارضایتی و شکایت (Grievance) در فشار همتایان (Peer Pressure) باید کمی بزرگتر از هزینه (Cost) باشد، و مقدار برگزیده‌ای که بهترین مَچ‌شدگی را با داده‌های تاریخی دارد ۰. ۰۷۰۶ است. مقادیر بسیار بزرگتر یا کوچکتر به ترتیب منجر به پیوستن خیلی کم یا خیلی زیاد به مقاومت می‌شود.
همانطور که در بالا ذکر شد، قانون C بر این اساس است که هر یک از عامل‌ها، اعتراض فعالان و غیرنظامیان خشونت‌پرهیز را در محدوده‌ی خود می‌بینند، اما تنها بخشی از معترضین جدید نسبت به مقاومت قویا متعهد هستند، و سایرین وقتی اعتراض دیگران را نمی‌بینند، مقاومت را ترک می‌کنند. بنابراین ما یک پارامتر مدل به نام درصدِ تعهد را معرفی کرده‌ایم که تعیین می‌کند چند درصد از عوامل به مقاومت می‌پیوندند اما به محض توقف اعتراض در محدوده‌شان، به سرعت مقاومت را ترک می‌کنند. به عبارتی دیگر، غیرنظامیانِ متعهدِ خشونت‌پرهیز، بر اساس قانون C به مقاومت خواهند پیوست و تا زمانی که دستگیر یا کشته نشوند، یا تا زمانی که تظاهرات به پایان نرسد، فعال باقی خواهند ماند. غیرنظامیانِ خشونت‌پرهیزِ ناپایدار به مقاومت خواهند پیوست، اما اگر دیگر مشارکت‌کنندگان را در محدوده‌ و پیرامون خود نبینند، به سرعت دست از مقاومت خواهند کشید.

قانون NV: کنش‌گران و غیرنظامیان خشونت‌پرهیز اعتراض می‌کنند.
در مدل مورو [۱۲]، انقلابیون سعی در کشتن پلیس‌ها دارند. این قانون در مدل ما طوری اصلاح شده که در آن فعالان و غیرنظامیان خشونت‌پرهیز می‌توانند اعتراض خود را انتخاب کنند، البته مانند قانون مورو، آنها برای نیروهای امنیتی قابل مشاهده می‌شوند و به احتمال زیاد هنگام اعتراض دستگیر یا کشته می‌شوند.
فعالان و غیرنظامیان خشونت‌پرهیز زمانی اعتراض می‌کنند که تعداد معترضین پیرامون‌شان (به استثنای خودشان) از یک پارامتر آستانه به نام nNV تجاوز کند.

وقتی شرط معادله برآورده شود، عامل اقدام به اعتراض می‌کند و چرخه‌ی اعتراضش آغاز می‌شود. چرخه‌ی اعتراض تعداد مراحل زمانی تعیین‌شده توسط متغیر Protest Cycle است که مانع از اعتراض مستمر عامل‌ها می‌شود. در این چرخه تعداد مراحل زمانی اعتراضِ عاملین برابر با پارامتر Protest Duration (مدت اعتراض) است و در باقیمانده‌ی چرخه عاملین اعتراض نمی‌کنند، اما حضورشان به دیگران جسارت می‌بخشد که اعتراض کنند. هنگامی که این چرخه کامل می‌شود، فعالان و غیرنظامیان خشونت‌پرهیز دوباره اعتراض می‌کنند و وارد چرخه‌ای دیگر می‌شوند. اگر یک غیرنظامی خشونت‌پرهیز متعهد نباشد و عامل‌های معترض به اندازه‌ی کافی در آن نزدیکی وجود نداشته باشند، دوباره به یک شهروند (غیرنظامی) عادی تبدیل می‌شود و اقدام به از سرگیری اعتراض نمی‌کند، اما می‌تواند دوباره در مراحل زمانی آینده فعال شود. وقتی فردی مقاومت را ترک می‌کند و بعد از مدتی به آن می‌پیوندد، چرخه‌ی اعتراض دوباره تنظیم می‌شود. در نتیجه، این امکان وجود دارد که به واسطه‌ی ترک کردن و پیوستن مکرر به مقاومت، حضور عامل‌ها منتج به اعتراضات بیشتری شود.
نسبت درصدِ پارامترِ اعتراضِ فوری به ترتیبِ قواعدی که توسط یک عامل دنبال می‌شود بستگی دارد، زیرا تعیین می‌کند که چه تعداد غیرنظامی اعتراض فوری می‌کنند. اگر یک غیرنظامی بلافاصله اعتراض کند، از قاعده‌ی NV که مربوط به اعتراض است پیروی کرده است؛ قاعده‌ای که پس از قاعده‌ی C، که مربوط به تصمیم گرفتن برای پیوستن به مقاومت است، قرار دارد. غیرنظامی‌ای که فوراً اعتراض نمی‌کند ممکن است ابتدا به عامل خشونت‌پرهیز تبدیل شود و در نوبت‌های بعدی اعتراض کند. البته باید گفت که ممکن است قبل از وقوع نوبت‌های بعدی دستگیر شود یا وضعیت در محدوده‌ی عمل طوری تغییر کند که دیگر تحت تأثیر اعتراض قرار نگیرد.

قانون D: رویگردانی ستون‌ها و پلیس‌ها.
یک پلیس یا ستون در مقابل مقاومت خشونت‌پرهیز زمانی که موارد زیر در محدوده‌ی فعالیتش صادق باشد، دچار رویگردانی از قدرت می‌شود:

هر ستون دارای آستانه‌ی رویگردانی رَندومی است که مختص به خودش است و توسط پارامترهای مدل Defection Threshold (آستانه‌ی رویگردانی) به عنوان مقدار میانگین و Defection Threshold St Dev به عنوان برگشت استاندارد تعیین می‌شود. در مدل، اکثر رویگردانی‌های مرتبط با Defection Threshold St Dev روی صفر تنظیم شده‌اند. اما هنگامی که یک ستون یا پلیس از قدرت روی برمی‌گرداند، در حالت رویگردانی باقی می‌مانند و دوباره به حالت وفاداری به قدرت برنمی‌گردند.

قانون P: پلیس یا بازداشت می‌کند یا می‌کشد.
این قانون ابتدا بررسی می‌کند که آیا یک پلیس از قدرت روی برگردانده است. اگر چنین است، او تلاشی برای دستگیری یا کشتن فعالان یا معترضان خشونت‌پرهیز نمی‌کند. در غیر این صورت، پلیس تصمیم می‌گیرد که آیا کسی را هدف قرار دهد یا خیر. در این حالت یک عدد تصادفی بین ۰ تا ۱۰۰ ایجاد می‌شود که اگر کمتر از پارامترِ شانسِ هدفِ خشونت‌پرهیز (Chance Target Nonviolent) باشد، پلیس اقدام به کشتن یا دستگیری غیرنظامی یا فعال می‌کند. اگر معترض قابل مشاهده باشد، پلیس او را هدف قرار می‌دهد. اگر نه، یک عدد تصادفی دیگر ایجاد می‌شود که اگر کمتر از پارامترِ شانسِ یافتنِ خشونت‌پرهیز (Chance Find Nonviolent) باشد، پلیس می‌تواند یک فعال یا غیرنظامی خشونت‌پرهیز را هدف قرار دهد.
هنگام هدف قرار دادن یک فرد، یک عدد تصادفی دیگر تولید می‌شود و با پارامترِ شانسِ کشتنِ خشونت‌پرهیز (Chance Kill Nonviolent) مقایسه می‌شود. اگر رقم کمتر از آستانه باشد، فرد کشته می‌شود، اگر بالاتر باشد دستگیر می‌شود. برخلاف مدل مورو [۱۲]، هیچ پارامتری برای دقت پلیسی وجود ندارد که امکان موفقیت قتل را تعیین کند، اما از آنجا که معترضینْ غیرمسلح و در ملاء عام هستند، فرض بر این است که نیروهای امنیتی همیشه در صورت اقدام به کشتن یا دستگیری موفق می‌شوند.
یکی از جنبه‌های بسیار مهم این مدل این است که هرگاه یک غیرنظامی یا فعال خشونت‌پرهیز کشته شود، متغیر مشروعیت دولت اندکی کاهش می‌یابد. این شبیه‌سازیِ نتیجه‌ی معکوس است: فرآیندی رایج که در آن مردم مشروعیت دولت را پس از یک جنایت زیر سوال می‌برند - به‌ویژه زمانی که پلیس یک فعال غیرمسلح را می‌کشد [۲۸-۳۵]. همچنین با این ایده همسو می‌شود که؛ دولت‌هایی که برای بازگرداندن نظم به زور متوسل می‌شوند، ثابت می‌کنند که مشروعیت کمتری نسبت به دولت‌هایی دارند که مردم را به اطاعت داوطلبانه و اختیاری وامی‌دارند، از این رو:

ضریب نتیجه‌ی معکوس در مدل‌های اجرا شده، برای این مقاله برابر با ۰. ۹۹ است که باعث کاهش مشروعیت دولت در نتیجه‌ی قتل می‌شود.
وقتی یک عامل دستگیر می‌شود، یک زمانِ زندان بین ۰ و پارامترِ حداکثر زمان زندان (اشد مجازات حبسی که یک فعال ممکن است به آن محکوم شود) تعیین می‌شود. در این مراحل زمانی، فعالین نمی‌توانند تحرک داشته باشند، اعتراض کنند، یا بر دیگر عامل‌ها تأثیر بگذارند تا خشونت‌پرهیزشان کنند.

قانون M: حرکت
همه‌ی عامل‌ها، به جز ستون‌های حامی و فعالانی که در زندان هستند، می‌توانند به مکانی باز در محدوده‌ی قابل مشاهده‌ی خود بروند که توسط پارامتر چشم‌اندازشان تعیین می‌شود. این مورد در مدل ما نسبت به کار اپستین تغییر نکرده است [۱۱] و امکان تغییر محدوده‌های عمل را فراهم می‌کند.
همانطور که در بخش نتایج توضیح داده خواهد شد، ما یک استراتژی ترکیبی-سازنده برای کنش‌گران (فعالان) اضافه کرده‌ایم که بنا بر آن فعالان به طور هدفمند به ستون‌ها نزدیک می‌شوند. اگر پارامتر-مدلی که عنوانش Pillar Prox Strategy (استراتژی نزدیکی (یا چسبیدن) به ستون‌) است برابر با ۰ باشد، تحرک فعالان به طور تصادفی مانند سایر عامل‌هاست، اگر Pillar Prox Strategy برابر با ۱ باشد، آنها تا حد امکان به یکی از ستون‌های رژیم در محدوده‌ی عمل خود نزدیک می‌شوند. اگر Pillar Prox Strategy برابر با ۲ باشد، کنش‌گران به دنبال ستونی با کمترین حد آستانه‌ی رویگردانیِ فردی در یک محدوده‌ی عمل با چشم‌اندازی بزرگ می‌گردند که با پارامتر Activist Search Vision (چشم‌انداز جستجوی فعال) تعریف می‌شود. در واقع در چنین وضعیتی، کنش‌گران با آنکه می‌توانند در هر مرحله‌ی زمانی تنها در محدوده‌ی خود تحرک داشته باشند اما تا جایی که ممکن است به آن ستون آسیب‌پذیرتر نزدیک می‌شوند.

شرایط پیروزی
این مدل تا زمانی اجرا می‌شود که یکی از شروط پیروزی برای رژیم یا مقاومت حاصل شود؛ یا تا زمانی که مدل به حداکثر حد مجاز تعیین‌شده توسط پارامتر Max Steps (بالاترین مراحل) برسد. مرگ تمام فعالان یکی از شروطی است که پیروزی برای رژیم را مفروض می‌گیرد. یکی دیگر از شروط پیروزی رژیم این است که فعالیت مستمر مدل، قبل از اینکه مقاومت به شرط پیروزی خود دست یابد، متوقف شود؛ به این معنی که وضعیت موجود آن‌چنان که هست، باقی بماند. از آنجایی که انقلاب‌های بی‌خشونت با متقاعد کردن ستون‌های کلیدیِ حامیِ رژیم به سرکشی و رویگردانی موفق می‌شوند، شرط پیروزی مقاومت متضمن درصد معینی از رویگردانی ستون‌ها است. در واقع، برخی رویگردانی‌ها به طور ضروری رخ می‌دهند اما برای موفقیت جنبش‌ها کافی نیستند و این رویگردانی‌ها باید به آن درصد معین برسند[۳۶، ۷، ۶]. کشورها از نظر تعداد ستون‌هایی که برای موفقیت یک جنبش باید سرکشی کنند و از قدرت روی برگردانند، و اینکه ستون‌های حیاتی در کدام بخش‌ها قرار دارند، متفاوت هستند. به عنوان مثال، در تونس در سال ۲۰۱۰ در میان نخبگان تجاری و اقتصادی، سازمان‌های کارگری، گروه‌های حرفه‌ای مانند وکلا و متخصصان پزشکی و نیروهای امنیتی ارشد، سرکشی‌ها و جدایی‌هایی رخ داد که در نهایت منجر به برکناری رئیس‌جمهور بن علی در سال ۲۰۱۱ شد. در مصر در سال ۲۰۱۱، ستون کلیدی‌ای که از قدرت روی برگرداند و جدا شد، ارتش بود که از حمایت حسنی مبارک در برابر قیام مردمی که او را در فوریه ۲۰۱۱ سرنگون کرد، سر باز زد.
برای نزدیکی با واقعیت و مچ شدن داده‌های تاریخی، یکی از پارامترهایی که تغییر داده‌ایم درصدِ رویگردانی ستون‌هاست که برای تحقق شرط پیروزی مورد نیاز است. با توجه به این، تعداد ستون‌هایی که برای رسیدن به پیروزی نیاز است از قدرت روی برگردانن‌د حداقل ۱٪ و حداکثر ۸۰٪ است. لازم به ذکر است که ستون‌ها (و پلیس) وقتی تظاهراتی به اندازه‌ی کافی گسترده‌ را در مجاورت خود مشاهده کرده‌اند، از قدرت رویگردان شده‌اند، که البته مشروط به آستانه‌ی رویگردانی فردی آنها بوده که مبتنی بر وفاداری شخصی‌شان به رژیم است. مجدداً تأکید می‌کنیم که تمرکز ما بر روی سرکشی ستون‌های حامی قدرت و رویگردانی‌شان از هسته‌ی قدرت است، زیرا مدل‌های پیشین که نیازمند کشته شدن تمام نیروهای امنیتی برای دستیابی جنبش به پیروزی هستند، نمی‌توانند درباره‌ی مدل‌های انقلاب‌های خشونت‌پرهیز صدق کنند.

در ایجاد مدل مبتنی بر عامل، برای مچ‌شدگی بهتر با داده‌های تاریخی موجود، پارامترهای مدل را کالیبره کردیم. داده‌ها با مشاهدات همه انقلاب‌های عمدتاً خشونت‌پرهیز در سراسر جهان از سال‌های ۱۹۴۵ تا ۲۰۱۴ مچ بودند. این داده‌ها از مجموعه داده‌های پروژه‌ی کمپین‌ها و نتایج خشونت‌پرهیز و خشونت‌آمیز (NAVCO) استخراج شده‌اند، و شامل تمام نمونه‌های شناخته‌شده‌ای است که در آن حداقل هزار شرکت‌کننده مشاهده شده‌اند که از طریق اعتراضات، اعتصاب‌ها، تحریم‌ها و سایر روش‌های غیرمسلحانه برای سرنگونی یک رهبر حاکم بسیج شده‌اند. این نمونه‌ها در مجموع ۱۱۰ مورد را تشکیل می‌دهند[۲۷]. با توجه به آنچه در این مطالعه لحاظ شده است، ما کمپین‌های مقاومتی که موضوعشان سرزمینی بوده، مانند کمپین‌های ضد استعماری و تجزیه‌طلبانه، که اغلب پویایی‌های اجتماعی و مکانی متفاوتی نسبت به کمپین‌های ضدحکومتی دارند، و همچنین کمپین‌هایی که هم‌زمان در کنار کمپین‌های خشونت‌آمیز رخ داده‌اند، کنار گذارده‌ایم، چراکه خشونت می‌تواند اقدامات پلیس و ستون‌ها را تغییر دهد[۹، ۳۵]. علاوه بر این، داده‌های جنبش‌های اجتماعی با مطالبات اصلاح‌طلبانه مانند حقوق مدنی، سیاسی، اجتماعی یا اقتصادی را هم کنار گذاشته‌ایم. بدین ترتیب، دامنه‌ی مطالعه‌ی ما محدود به کمپین‌هایی با اهداف حداکثری یا انقلابی شده است. در واقع داده‌های تاریخی مورد استفاده‌ی ما در این مطالعه شامل شاخص‌هایی در مورد اوج مشارکت در کمپین، سرکشی و رویگردانی نیروهای امنیتی از قدرت، و اینکه آیا کمپین در مدت یک سال بعد از اوج بسیج موفق به سرنگونی حاکم وقت شده است یا نه، می‌شود [۲۷].
از آنجا که پارامترهای کلیدی در مدل محاسباتی را تغییر داده‌ بودیم، مدل خود را بر اساس داده‌های تاریخی در انداختیم تا مناسب و درخور بودنش را اندازه‌گیری کنیم. این امر به ما امکانی داد تا پارامترها را با داده‌های تاریخی وفق دهیم. وقتی این مرحله را تکمیل کردیم، سپس به ارزیابی میزان استراتژی‌های متفاوت کنش‌گران و غیرنظامیان بر بهبود عملکرد مدل نسبت به نتایج تاریخی پرداختیم و ...

نتایج
معمولاً انتظار ما این است که جنبش مقاومتی که نسبتاً کوچک آغاز می‌شود و متشکل از یک هسته‌ی متعهد است، با گسترش سریع و پیوسته‌ی کمی (عددی)، شانس موفقیت خود را افزایش دهد. حال اما حتی زمانی که جنبش کوچک باقی می‌ماند، ما این انتظار را داریم که کمپین‌ها بتوانند نرخ موفقیت خود را نسبت به میزان مشارکت‌شان بهبود بخشند، مشروط به این که به طور خودآگاه ستون‌های حامی قدرت را متقاعد به رویگردانی از قدرت کنند یا مختل کردن زندگی روزمره‌شان را هدف قرار دهند. همچنین انتظار داریم که وقتی فعالین جنبش به اطلاعاتی مبنی بر تزلزل در وفاداری یکی از ستون‌‌های ویژه‌ی رژیم دست می‌یابند، موفقیت‌شان در دستیابی به رویگردانی اساسی آن ستون از قدرت افزایش یابد.

جستجوی استراتژی‌ای برای بسیج سریع نونیروها (recruits):
پس از ایجاد یک مدل پایه، در مرحله‌ی بعد استراتژی‌های مقاومت بالقوه را با اصلاح متغیرها بررسی می‌کنیم و برای شروع سراغ پارامتر درصد اعتراض فوری می‌رویم. افزایش این درصد موجب می‌شود که غیرنظامیان بیشتری بلافاصله پس از تصمیم برای پیوستن به مقاومت خشونت‌پرهیز اقدام به کنش اعتراضی کنند. اگرچه این ممکن است بازتاب تمایلات اعتراضی مختلف در میان افراد باشد، در عین حال اما می‌تواند برتراویده از استراتژی‌ای باشد که در آن رهبری مقاومت، اقدام فوری تماشاگران را تشویق می‌کند. شکل ۲ نشان می‌دهد که افزایش درصد اعتراض فوری هم میانگین اوج اعتراض و هم احتمال موفقیت را افزایش می‌دهد:

شکل ۲. مشارکت و موفقیت با درصد اعتراض فوری افزایش می‌یابد.

وقتی بین پیوستن به مقاومت خشونت‌پرهیز و اعتراض تداخل و درهم‌ریختگی رخ می‌دهد، ممکن است عاملْ اعتراض نکند، که به نوبه‌ی خود شتاب پیوستن و اعتراضِ دیگر غیرنظامیان را کاهش می‌دهد. از این‌رو، نتیجه می‌شود که یک درصد اعتراض فوری بالاتر منتج به بزرگ‌تر شدن اندازه‌ی اعتراضات و افزایش موفقیت خواهد شد. آن‌چنان که در شکل ۲ هم نشان داده شده است.
درصد اعتراض فوری در عین حال که احتمال موفقیت کلی را به وضوح بهبود می‌بخشد، بر احتمال موفقیت به عنوان تابعی از حداکثر اندازه‌ی اعتراض نیز تأثیر می‌گذارد. (همانطور که در ضمیمه بحث شده است، محور x در شکل ۳ و سایر شکل‌ها، لگاریتم رایج - یا لگاریتم با پایه ۱۰ - درصد اوج مشارکت را بر خلاف لگاریتم طبیعی نشان می‌دهد.) برای مثال، احتمال موفقیت زمانی که اوج مشارکت در حدود ۱٪ باشد (log۱۰ = ۰) در مقایسه با ۰. ۱٪ (log۱۰ = -۱) بالاتر می‌رود. این روند شهودی است، چه، این نتیجه را نیز می‌دهد که این امر تنها زمانی تأثیر خود را خواهد داشت که پیروزی به تعداد بیشتری از غیرنظامیان خشونت‌پرهیز وابسته باشد. وقتی اوج مشارکت پایین است، نتیجه به بسیج گسترده‌ی غیرنظامیان در جهت مقاومت یا اینکه کنش‌گران موفق به اغوای رویگردانی در ستون‌های حامی قدرت شوند یا نه وابسته نیست. هنگامی که اوج مشارکت بالا است، پس باید بسیاری از غیرنظامیان ملحق شده باشند، بنابراین پارامتری که بر غیرنظامیان تأثیر می‌گذارد می‌تواند نتیجه‌ی مدل را تغییر دهد. این پارامتر شیب رگرسیون لجستیک را افزایش می‌دهد. اگرچه سطوح موفقیت مشابهی برای اعتراضی با اندازه‌ی کم هم وجود دارد اما موفقیت بیشتر برای اعتراضی در اندازه‌ی بزرگ است.

شکل ۳. احتمال موفقیت در یک اوج مشارکت معین با درصد اعتراض فوری متغیر.

بررسی استراتژی حفظ پیروان متعهد:
همانطور که پارامتر درصد اعتراض فوری را قدری اصلاح کردیم، درصد تعهد را نیز تغییر داده‌ایم. وقتی این پارامتر روی ۰ تنظیم می‌شود، هیچ یک از غیرنظامیان خشونت‌پرهیز متعهد نیستند، به این معنی که وقتی دیگر عامل‌های اعتراضی را پیرامون خود نمی‌بینند، بخشی از مقاومت نیستند و به آن تعهد ندارند. اگر آنها به عنوان بخشی از مقاومت به آن متعهد نباشند، دیگر غیرنظامیان را برای اعتراض تحت تأثیر قرار نمی‌دهند.
درصد تعهد سطح تعهد غیرنظامیان را توصیف می‌کند و می‌تواند تحت تأثیر استراتژی‌های جنبش قرار گیرد. اگر رهبران مقاومت اعضای خود را برای تاثیرگذاری بر دیگران فعال نگه بدارند، حتی زمانی که در حالت اعتراضی نیستند، موجب می‌شود مقدار درصد تعهد بالاتر برود. در شکل‌های ۴ و ۵، اثر پارامتر را بر اوج مشارکت، تعداد کل موفقیت‌ها و احتمال موفقیت برای یک مشارکت حداکثری معین رسم می‌کنیم.

شکل ۴: مشارکت و موفقیت بیشتر با افزایش درصد تعهد افزایش می‌یابد.

شکل ۵: احتمال موفقیت در یک اوج مشارکت معین با درصد تعهد متغیر.

اگرچه فزونیِ درصد تعهد معمولاً موجب اوج گرفتن بیشتر مشارکت و بالا رفتن احتمال موفقیت می‌شود، اما این افزایش نسبتاً کمی است. به این معنی که؛ درصدِ تعهدِ بیشتر گاهی ممکن است موجب پایین آمدن میانگین اوج مشارکت شود، یا تنزل میانگین اوج مشارکت ممکن است با احتمال کمی بیشتر (و نه بسیار زیاد) موفقیت تطابق داشته باشد. این برای این است که شبیه‌سازی‌ها به مقادیری بستگی دارند که بسیار تصادفی تولید می‌شوند. به عنوان مثال، اگرچه احتمال موفقیت برای ۱۰۰٪ تعهد - با وجود پایین بودن میانگین اوج مشارکت - بیشتر است، اما فواصل اطمینان در ۹۵٪ با هم همپوشانی دارند. دوباره می‌بینیم که استفاده از یک استراتژی متمرکز بر حفظ تاثیرگذاری بسیج معترضان اولیه، مشارکت و در نتیجه احتمال موفقیت را افزایش می‌دهد. اما وقتی که افراد کمی به مقاومت می‌پیوندند، احتمال موفقیت افزایش نمی‌یابد.

بررسی دو استراتژی متمرکز بر ستون‌ها:
ما ثابت کرده‌ایم که استراتژی‌های مقاومتِ متمرکز بر جذب نیروی تازه، احتمال موفقیت را به طور کلی افزایش می‌دهند، اما نه زمانی که مقاومت کوچک است. در نتیجه، ما دو راهبرد متمرکز بر ستون‌ها معرفی می‌کنیم که در آنها کنش‌گران بر نزدیک شدن به ستون‌ها تمرکز می‌کنند تا از نزدیک به آنها اعتراض کنند. هر دو استراتژی دو اثر ترکیبی دارند. اول اینکه خودِ فعالان بر ستون‌ها تأثیر می‌گذارند تا دچار رویگردانی از قدرت شوند. دوم اینکه، فعالان بر غیرنظامیان نزدیک به ستون‌ها نیز تأثیر می‌گذارند تا اعتراض کنند، که موجب تاثیر بیشتر بر ستون‌ها می‌شود.
این استراتژی‌ها در بخش روش‌ها توضیح داده شده‌اند، اما به طور خلاصه به شرح زیر می‌باشند:
وقتی که استراتژی نزدیکی ستون = ۱، فعالان به سمت نزدیکترین ستون حرکت می‌کنند (شکل ۶).
وقتی استراتژی نزدیکی ستون = ۲، فعالان به سمت ستونی حرکت می‌کنند که کمترین حد آستانه‌ی رویگردانی را در ناحیه‌ی گسترده‌‌ی چشم‌اندازشان دارد (شکل ۷).
نمودارهای اصلاح شده، عوامل فعال و ستون‌ها را برای توضیح بهتر نمایش می‌دهند.

شکل ۶: فعالان با استفاده از استراتژی Pillar Prox = یک (حرکت به نزدیکترین ستون).

شکل ۷: فعالان با استفاده از استراتژی Pillar Prox = دو (حرکت به ستونی با کمترین آستانه‌ی رویگردانی).

شکل ۸ احتمال موفقیت استراتژی‌های نزدیکی به ستونِ ۱ و ۲ (Pillar Prox Strategy 1 and 2) را با فعالانی مقایسه می‌کند که به طور تصادفی و بدون هیچ استراتژیِ معطوف به ستون‌ها حرکت می‌کنند (یعنی استراتژی نزدیکی به ستون = ۰). از آنجایی که استراتژی نزدیکی به ستون ۲ به ستون‌های انفرادی‌ای نیاز دارد که آستانه‌های رویگردانی متفاوتی داشته باشند، شکل ۸ شامل آستانه‌های رویگردانی فردی متنوعی است که توسط پارامتری به نام Defect Threshold Std Dev تعریف شده است.

شکل ۸: مقایسه‌ی احتمال موفقیت برای استراتژی‌های نزدیکی به ستون.

میانگین احتمال موفقیت وقتی در رابطه با ستون‌ها هیچ استراتژی‌ای وجود نداشته باشد (استراتژی = ۰) ۴۸درصد و برای استراتژی‌های ۱ و ۲ به ترتیب ۶۸درصد و ۸۸درصد است. به عبارتی دیگر، استراتژی‌های نزدیکی به ستون به وضوح احتمال موفقیت را افزایش می‌دهند. اما قابل توجه‌ترین نکته‌ی مفهومی این است که آنها همچنین احتمال موفقیت را در زمانی که اوج مشارکت بسیار کم است افزایش می‌دهند. در واقع، مهم‌ترین پیشرفت در احتمال موفقیت زمانی مشاهده می‌شود که اوج مشارکت تنها ۰. ۱٪ باشد (log۱۰ = -۱)، در این شرایط، احتمال موفقیت، به طور تقریبی، از ۲۰٪ برای استراتژی‌های ۱ و ۲، به ترتیب، به ۵۰٪ و ۸۵٪ افزایش می‌یابد. به عبارتی دیگر، حتی زمانی که یک گروه کوچک از فعالانِ متعهد نمی‌توانند بخش بزرگی از مردم را به اهداف و مطالبات خود جذب کنند، با تمرکز بر ستون‌های حامی رژیم، احتمال موفقیت خود را بسیار افزایش می‌دهند. علاوه بر این، وقتی که اوج مشارکت به اندازه‌ی کافی بزرگ باشد، استراتژی‌های ستونی یا تاثیر کمی دارند یا هیچ تاثیری ندارند. چه، مردم در مکان‌هایی که نیازی به تمرکز بر موقعیت ستون‌ها نیست، در اعتراضات به اندازه‌ی کافی مشارکت می‌کنند.

مباحثه
مطالعه‌ی ما یک مدل پایه-عامل پویا را با داده‌های تاریخی کالیبره کرده، و به ما این امکان را داده تا مدلی را توسعه دهیم که می‌تواند تاثیراتی که استراتژی‌های جنبش‌ها بر نتایج‌شان دارند را ارزیابی کند. ما با استفاده از این مدل سه استراتژی را بررسی کرده‌ایم. اولی بر بسیج سریع، و دومی بر حفظ فعالیت‌هایی متمرکز بود که معطوف به جذب غیرنظامیانِ خشونت‌پرهیزِ جدید می‌شود. این دو استراتژی، اگرچه هم اوج مشارکت و هم موفقیت جنبش را برای کمپین‌های بزرگ‌تر افزایش می‌دهند، اما احتمال موفقیت را برای جنبش‌هایی که کوچک باقی می‌مانند بالا نمی‌برد. استراتژی سوم اما - که به فعالیت اعتراضی در نزدیکی ستون‌های کلیدی می‌پردازد، و به‌عنوان آلترناتیو، می‌تواند اطلاعاتی در مورد اینکه کدام ستون‌ها بیشتر دچار رویگردانی می‌شوند را به کار گیرد - احتمال موفقیت کمپین‌های کوچک‌تر را بسیار بیشتر از کمپین‌هایی می‌کند که از نظر اندازه بسیار بزرگ شده‌اند اما چنین راهبردی را به کار نمی‌بندند. این یافته به ما اجازه می‌دهد تا توضیح دهیم که چرا و چگونه برخی جنبش‌های مقاومت کوچک‌تر می‌توانند با ترکیب آگاهانه‌ی تلاش‌ها برای بر هم زدن رابطه‌ی رژیم با ستون‌های حمایتی‌اش موفق شوند، حتی جایی که جنبش‌های بزرگ‌تر بدون چنین استراتژی‌هایی با شکست مواجه می‌شوند.
چند محدودیت نظری و عملی برای مطالعه‌ی حاضر وجود دارد. اولاً، دامنه‌ی مطالعه به کمپین‌های ضد‌دولتی‌ای محدود می‌شود که در آنها به درجه‌ی یکسانی از فاصله‌ی اجتماعی بین تمامی عامل‌های مدل اطمینان داریم، و معترضین با سرکوب فعال حکومت مواجه می‌شوند. تحقیقات کنونی نشان می‌دهند که وقتی درجه بالایی از فاصله‌ی اجتماعی بین مقاومت و رژیم وجود دارد، ستون‌های کلیدی کمتر دچار سرکشی و رویگردانی می‌شوند - و جنبش‌ها شانس موفقیت کمتری دارند [۳۷]. این فواصل اجتماعی، برای مثال می‌توانند از تفاوت‌های نژادی، قومیتی، طبقاتی، کاستی و/ یا جنسیتیِ بین معترضین و پلیس سرچشمه بگیرند، و ممکن است به‌ طور ویژه در موقعیت‌های بسیار نابرابر یا سلسله‌مراتبی (hierarchy) برجسته شوند. رژیم‌های کمتر سرکوبگر، یا رژیم‌هایی که در چگونگی و اندازه‌ی سرکوب گروه‌های مختلف تفاوت قائل‌اند، ممکن است با همان اثر معکوسی که در مدل ثبت شده مواجه نشوند. علاوه بر این، برخی رژیم‌ها ممکن است فعالانه تلاش کنند تا با استفاده از انگیزه‌های اجتماعی یا مالی متنوع، از رویگردانی ستون‌های مختلف جلوگیری کنند. چنین استراتژی‌هایی ممکن است به توضیح تغییرات در تناسب مدل با داده‌های تاریخی کمک کند. در توسعه‌های آتی مدل می‌توان این استراتژی‌ها را نیز در نظر گرفت.
دوم، در این مطالعه فرض شده است که مشروعیت دولت با قتل‌های پلیس کاهش می‌یابد. احتمالاً نکات قابل ذکر مهمی برای این فرض وجود داشته باشد. برای مثال، مشروعیت دولت ممکن است تنها در میان کسانی که به آن رویداد نزدیکتر هستند (مثلاً در محدوده‌ی قتل هستند)، یا در میان کسانی که به عنوان قربانی با کشته شدگان هویت مشترک دارند، کاهش یابد. از سوی دیگر، مردم می‌توانند به قتل‌های پلیس در فضایی قطبی‌شده واکنش نشان دهند، مثلاً با قتل‌های پلیس درک و دریافتی که از مشروعیت وجود دارد، در میان برخی از اقشار مردم (مثل وفاداران به رژیم یا کسانی که به گروه‌هایی تعلق دارند که هویت اجتماعی متفاوتی نسبت به معترضین دارند) افزایش یابد، در حالی که در برخی دیگر این میزان کاهش یابد [۳۸]. مطالعاتی که این مدل را بسط و توسعه می‌دهند، می‌توانند با اصلاح پارامترهای مدل با توجه به مشروعیت دولت، این تغییرات بالقوه را مورد بررسی قرار دهند.
سوم، در مدل، تنها تاکتیک مقاومتی که برای عاملین در دسترس می‌باشد اعتراض است، هرچند احتمال دارد که تاکتیک‌های مختلف اثرات متفاوتی بر ستون‌ها داشته باشند. به عنوان مثال، یک ستون اقتصادی یا تجاری ممکن است با یک کنش بایکوتی بیشتر متقاعد به رویگردانی شود تا یک کنش اعتراضی. به این ترتیب، محدوده‌ی ستون نشان‌دهنده‌ی یک محدوده‌ی جغرافیایی نیست، بلکه نماد فضای جامعه‌ای است که برای آنها اهمیت دارد. تحقیقات بیشتر می‌توانند اثرات تاکتیک‌های مقاومتی مختلف را بر روی ستون‌های متفاوت با استفاده از داده‌های تاریخی جزیی‌تر و دقیق‌تر ارزیابی کنند.
چهارم، تحقیقات بیشتر می‌توانند چگونگی تعامل ستون‌ها با یکدیگر و نیز اینکه کدام ستون‌ها ممکن است در ایجاد زنجیره‌های سرکشی و رویگردانی مؤثرتر باشند را بررسی کنند. به عنوان مثال، به جای اینکه شرط پیروزی بدون‌خشونت‌ بر تعداد ستون‌های رویگردان استوار شود، یک مدل پایه-عامل را می‌توان به جای اهمیت هر ستون بر نکات متفاوتِ متعدد بنا کرد. این به این واقعیت نزدیک است که منابع کلیدی قدرت اجتماعی و سیاسیِ متفاوتی در جامعه وجود دارند - برای مثال، نخبگان تجاری و نیروهای امنیتی بسته به نوع کشور و رژیم، تأثیر نایکسانی بر نتیجه دارند. افزودن این وجه ترکیبی به این معنی است که مدل نیازی به تغییر شرایط پیروزی در هر اجرا ندارد، زیرا در عوض می‌تواند ویژگی‌های ستون را از یک اجرا به اجرای دیگر تغییر دهد.
با این وجود، مطالعه‌ی ما اطلاعات جدید مهمی در مورد کارایی بسیج توده‌ای و کنش استراتژیک خشونت‌پرهیز ارائه می‌دهد. از آنجایی که در ادبیات پیشین تاکید شده که احتمال موفقیت یک جنبشِ مقاومت تا حد زیادی به اندازه‌ی آن بستگی دارد، فعالان ممکن است تمام تلاش خود را بر افزودن مستمر اعضا و افزایش مشارکت در اقدامات خشونت‌پرهیز متمرکز کنند. اما مدل مبتنی بر عامل (پایه-عامل) ما به عوامل کلیدی‌ای در مورد رژیم اشاره می‌کند که به طور قابل توجهی بر موفقیت جنبش تاثیر می‌گذارند. به طور خاص، این مهم است که سیستم پشتیبانی رژیم چقدر به سرکشی و رویگردانی نزدیک است. اگر چند ستون نزدیک به رویگردانی باشند و بتوانند به راحتی بقیه را تحت تأثیر قرار دهند، آنگاه فعالان می‌توانند حتی در اندازه‌های کوچک مشارکت به موفقیت دست یابند. اما اگر ستون‌ها بسیار متعهد به رژیم باشند، پس فعالان کار بسیار سخت‌تری در پیش دارند. اینجاست که این مدل نشان می‌دهد تحریک مردم برای اعتراضِ فوری ممکن است به اندازه‌ی کسب تعهد پایدار مهم باشد.
در عین حال، نتایج مدل به وضعی اشاره می‌کنند که فعالان می‌توانند عاملیت خود را اعمال کنند، حتی زمانی که ستون‌های حامی رژیم‌ها در ابتدا تمایلی به رویگردانی ندارند. نتایج ما رهبران مقاومت را تشویق می‌کند تا به این ارزیابی بپردازند که مهمترین ستون‌های جامعه چه کسانی هستند؛ احتمال رویگردانی‌شان چقدر است، و اینکه آیا در وفاداری‌شان به رژیم مردد شده‌اند. هرچه مقاومت در مورد این مورد آخر اطلاعات بیشتری داشته باشد، احتمال بیشتری دارد که بتواند درس‌های استراتژی نزدیکی ستون ۲ را به کار گیرد. اگرچه اتخاذ این استراتژی (یعنی تمرکز تلاش‌ها بر روی ستون‌هایی که بالاترین احتمال رویگردانی را دارند) بیشترین موفقیت را به همراه دارد، اما بدون اطلاعات معتبر در مورد وفاداری ستون‌ها استراتژی‌ای غیرواقع‌بینانه است.

بنابراین، این یافته‌ها به دو ظرفیت حیاتی برای جنبش‌های موفق در رژیم‌های سرکوبگر اشاره می‌کند. اول اینکه، توانایی سازماندهی و هماهنگی یک استراتژی مقاومت قابل دوام - به ویژه استراتژی‌ای که جهت‌گیری‌اش برانگیختن رویگردانی ستون‌ها از قدرت است - ممکن است به پیروزی جنبش‌ها کمک کند. دوم اینکه، توانایی جمع‌آوری اطلاعات معتبر درباره‌ی تمایل ستون‌های خاص به سرکشی و رویگردانی از قدرت، به جنبش این امکان را می‌دهد تا از موثرترین استراتژی موجود، که همانا مقاومت سازمان‌یافته در برابر ستون‌های متزلزل است، استفاده کند. به طور کلی، جنبش‌هایی با ساختارهای اطلاعاتی متمرکزتر ممکن است نسبت به جنبش‌های بدون رهبر موفق‌تر باشند. جنبش‌های بدون رهبر شاید در بسیج مشارکت توده‌ای برتری داشته باشند، اما زمانی که نوبت به سازماندهی یک استراتژی شفاف و پردازش اطلاعات می‌رسد، کوتاهی می‌کنند. در برخی موارد، عموم مردم ممکن است مقادیر قابل توجهی اطلاعات در مورد ستون‌ها، احتمال رویگردانی آنها، آنچه می‌تواند آنها را تحت تأثیر قرار دهد و کدام یک بیشترین تأثیر را دارند، داشته باشند؛ اینها اغلب جنبش‌های «همه‌رهبر» (جنبش‌هایی که قائل به رهبری همگانی هستند) نامیده می‌شوند. اگر فعالان فراملی و شبکه‌های همبستگی بخواهند از کمپین‌های خشونت‌پرهیز حمایت کنند، تحقیق و جمع‌آوری اطلاعات در مورد ارزش‌های سیاسی و اقتصادی ستون‌های کلیدی می‌تواند راه ثمربخشی برای حمایت باشد.

منابع:
1.Chenoweth E, Stephan MJ. Why civil resistance works: The strategic logic of nonviolent conflict. New York: Columbia University Press; 2011.
2.DeNardo J. Power in numbers: The political strategy of protest and rebellion. Princeton: Princeton University Press; 1985.
3.Lichbach M. The rebel's dilemma. Ann Arbor: University of Michigan Press; 1995.
4.Marwell G, Oliver P. The critical mass in collective action. New York: Cambridge University Press, 1993.
5.Chenoweth E, Belgioioso M. The physics of dissent: The effect of movement momentum. Nat Hum Behav. 2019; 3: 1088-1095. https://doi.org/10.1038/s41562-019-0665-8 pmid:31384022
6.Nepstad S. Mutiny and nonviolence in the Arab Spring: Exploring military defections and loyalty in Egypt, Bahrain, and Syria. J Peace Res. 2013; 3: 337-349.
7.Binnendijk A, Marovic I. Power and persuasion: Nonviolent strategies to influence state security forces in Serbia (2000) and Ukraine (2004). Comm Post-Comm Stu. 2006; 39: 411-429. https://doi.org/10.1016/j.postcomstud.2006.06.003.
8.Butcher C, Pinckney J. Friday on my mind: Re-assessing the impact of protest size on government concessions. J Con Res. 2022; forthcoming https://doi.org/10.1177/00220027221099887.
9.Chenoweth E. 2021. Civil resistance: What everyone needs to know. New York: Oxford University Press.
10.McAdam D, Tarrow S, Tilly C. Dynamics of contention. New York: Cambridge University Press, 2001.
11.Epstein J. Modeling civil violence: An agent-based computational approach. PNAS. 2002; 3: 7243-7250.
12.Moro A. Understanding the dynamics of violent political revolutions in an agent-based framework. PLOS One. 2016; https://doi.org/10.1371/journal.pone.0154175.
13.Lawson G. Anatomies of revolution. Cambridge: Cambridge University Press; 2019.
14.Fievet L, Sornette D. Calibrating emergent phenomena in stock markets with agent based models. PLOS One. 2018; 13. https://doi.org/10.1371/journal.pone.0193290 pmid:29499049
15.Khashanah K, Alsulaiman T. Network theory and behavioral finance in a heterogeneous market environment. Complex. 2016; 21: 530-554. https://doi.org/10.1002/cplx.21834.
16.Recchioni M, Tedeschi G, Gallegati M. A calibration procedure for analyzing stock price dynamics in an agent-based framework. J Econ Dyn Cont. 2015; 60: 1-25. https://doi.org/10.1016/j.jedc.2015.08.003.
17.Granovetter M. The strength of weak ties. Am J Soc. 1973; 6: 1360-1380.
18.Kuran T. Now out of never: The element of surprise in the Eastern European Revolution of 1989. World Pol. 1991; 1: 7-48.
19.Lohmann S. The dynamics of informational cascades: The Monday Demonstrates in Leipzig, East Germany, 1989-1991. World Pol. 1994; 1: 42-101.
20.Battaglini M, Morton R, Patacchini E. Social groups and the effectiveness of protests. National Bureau of Economic Research, No. w26757, 2020. Available from: https://www.nber.org/system/files/working_papers/w26757/w26757.pdf.
21.Barbera S, Jackson M. A model of protests, revolution, and information. HiCIN Working Paper 243, 2019. Available from: http://hicn.isdc.org/wp-content/uploads/sites/10/2012/06/HiCN-WP-243.pdf.
22.Jasper J. A strategic approach to collective action: Looking for agency in social-movement choices. Mobilization. 2004; 1: 1-16.
23.Oberschall A. Rational choice in collective protests. Rat Soc. 1994; 1: 79-100.
24.Wallace S, Zepeda‐Millán C, Jones‐Correa M. 2014. Spatial and temporal proximity: Examining the effects of protests on political attitudes. Am J Pol Sci. 2014; 2: 433-448.
25.Dahlum S, Knutsen C, Wig T. Who revolts? Empirically revisiting the social origins of democracy. J Pol. 2019; 4: 1494-1499.
26.Turner K. Education bulges and mass protest: How higher education influences protest onset and outcomes. Ph.D. Dissertation, Southern Illinois University. 2021. Available from: https://opensiuc.lib.siu.edu/dissertations/1951/.
27.Chenoweth E, Shay C. The NAVCO 1.2 dataset; 2019. Database: Harvard Dataverse [Internet]. Available from: https://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/0UZOTX.
28.Aytaç SE, Schiumerini L, Stokes S. Why do people join backlash protests? Lessons from Turkey. J Con Res. 2018; 62: 1205-1228. doi: 10.1177/0022002716686828.
29.Lawrence A. Repression and activism among the Arab Spring's first movers: Evidence from Morroco's February 20th Movement. Brit J Pol Sci. 2016; 3: 699-718. doi: 10.1017/S0007123415000733.
30.Lichbach M. Deterrence or escalation? The puzzle of aggregate studies of repression and dissent. J Con Res. 1987; 2: 266-297.
31.Martin B. Justice ignited: The dynamics of backfire. Boston: Lexington Press; 2007.
32.Opp KD. Repression and revolutionary action East Germany in 1989. Rat Soc. 1994; 1: 101-138.
33.Opp KD, Roehl W. Repression, micromobilization, and political protest. Soc For. 1990; 2: 521-547.
34.Concessions Rasler K., repression, and political protest in the Iranian Revolution. Am Soc Rev. 1996; 1: 132-152.
35.Wasow O. 2020. Agenda seeding: How 1960s protest moved elites, public opinion, and voting. Am Pol Sci Rev. 2020; 3: 638-659.
36.Ackerman P. The checklist to end tyranny: How dissidents will win 21st century civil resistance campaigns. Washington, DC: ICNC Press; 2021.
37.Thurber C. Social ties and the strategy of nonviolent resistance. Int Stu Q; 2019; 4: 974-986.
38.Manekin D, Mitts T. Effective for whom? Ethnic identity and nonviolent resistance. Am Pol Sci Rev. 2021; 1: 161-180.