“Seguiamo la maggioranza non perché è giusta, ma perché ci conviene.”
Sembra cinico, ma è ciò che la scienza sta iniziando a confermare. La nostra mente, quando si tratta di imparare dagli altri, non ragiona sempre in termini di verità, valori o ideali. Spesso sceglie semplicemente ciò che porta vantaggi. In altre parole: impariamo per ricompensa.
Questa nuova prospettiva sulla mente sociale, esplorata da Schultner, Molleman e Lindström, potrebbe cambiare il modo in cui intendiamo l’apprendimento sociale, la cultura e persino l’educazione.
L’intelligenza sociale ha un motore: il premio
Per decenni abbiamo pensato che le persone copiassero comportamenti sociali in base a strategie fisse (“segui i più anziani”, “imitare chi ha successo”, “adeguati alla maggioranza”). Ma queste regole sembrano insufficienti a spiegare la flessibilità e la variabilità con cui impariamo nella vita reale. Come mai, ad esempio, un giorno ascoltiamo un esperto e il giorno dopo ci affidiamo al gruppo?
La risposta è sorprendentemente semplice: il nostro cervello associa ogni informazione sociale a una forma di ricompensa, e agisce di conseguenza.
Come funziona?
Immagina di dover scegliere un ristorante. Uno è pieno, l’altro vuoto. Scegli quello pieno. Ti trovi bene. Il tuo cervello registra due informazioni: “quel piatto mi è piaciuto” e “l’ho scelto perché era affollato”. La prossima volta che dovrai scegliere, tenderai a seguire di nuovo la maggioranza, perché hai imparato che “la maggioranza” è un segnale che predice una ricompensa.
Il modello SFL (Social Feature Learning) funziona esattamente così:
-
Non impariamo “cosa” fare, ma quali caratteristiche sociali sono premianti (il numero di persone, l’età, il successo, lo status…).
-
Ogni volta che una scelta ci porta vantaggio, il cervello rafforza l’associazione tra quel “segnale sociale” e la ricompensa.
-
Questo meccanismo permette adattamenti rapidi, flessibili, individuali.
Il rovescio della medaglia: se premiamo i segnali sbagliati?
Questo modello aiuta a capire anche alcuni rischi del nostro tempo. Se l’ambiente sociale premia contenuti estremi, fake news, influencer manipolativi, il nostro cervello potrebbe imparare a considerarli scorciatoie valide. Non per stupidità, ma perché le ricompense sociali (like, visibilità, approvazione) vengono associate a quei segnali.
È così che possono nascere strategie disfunzionali come “copiare gli estremi” o “imitare chi urla di più”.
Tra apprendimento semplice e pensiero complesso
Il nostro apprendimento sociale può essere:
-
Model-free: impariamo per esperienza diretta, attraverso ricompense (es. “segui chi è premiato”).
-
Model-based: usiamo un modello mentale degli altri, riflettiamo, inferiamo (es. “quella persona è affidabile perché…”).
Il primo è rapido, economico, efficace in ambienti incerti. Il secondo è più accurato, ma richiede più energia mentale. La nostra mente oscilla continuamente tra questi due stili in base al contesto e alle risorse cognitive disponibili.
Una visione nuova sulla cultura: la ricompensa genera tradizione
Il modello SFL non spiega solo il comportamento individuale, ma anche la nascita delle norme culturali. Immagina un gruppo che inizia a seguire la maggioranza per evitare errori. Col tempo, la maggioranza diventa la norma. Chi la segue viene approvato. Chi devia, punito. Così si forma una cultura.
La cultura, insomma, non nasce dalla verità assoluta, ma da una complessa rete di ricompense sociali condivise.
E allora: siamo solo opportunisti?
No. Siamo organismi adattivi. E questo modello ci mostra una verità liberante: possiamo scegliere quali ricompense rafforzare nella nostra società. Possiamo progettare ambienti in cui l’empatia, la cooperazione e la curiosità siano premiate. E possiamo imparare a riconoscere—e disinnescare—i segnali sociali tossici.
Se ti interessa capire come apprendiamo dagli altri – o se senti il peso di dinamiche sociali complesse nella tua vita personale o lavorativa – su PsyToMeet puoi parlarne con un professionista, in modo semplice, riservato e personalizzato.
Link alla pubblicazione scientifica:
- DOI: 10.1016/j.tics.2025.06.012