Информационный каскад

редактировать

Информационный каскад или информационный каскад - явление описывается в поведенческой экономике и теории сетей, в которых несколько людей последовательно принимают одно и то же решение. Это похоже на стадное поведение.

, но отличается от него. Информационный каскад обычно считается двухэтапным процессом. Чтобы каскад начался, индивидуум должен столкнуться со сценарием с решением, обычно бинарным. Во-вторых, внешние факторы могут повлиять на это решение (как правило, путем наблюдения за действиями и их результатами других людей в аналогичных сценариях).

Двухэтапный процесс информационного каскада можно разбить на пять основных компонентов:

1. Необходимо принять решение - например; принять ли новую технологию, носить ли новый стиль одежды, поесть в новом ресторане или поддержать определенную политическую позицию

2. Имеется ограниченное пространство для действий (например, решение принять / отклонить)

3. Люди принимают решения последовательно, и каждый может наблюдать за выбором, сделанным теми, кто действовал ранее

4. У каждого человека есть некоторая информация, помимо своей, которая помогает ему принять решение

5. Человек не может напрямую наблюдать за внешней информацией, которую знают другие люди, но он или она может делать выводы об этой информации из того, что они делают

Социальные перспективы каскадов, которые предполагают, что агенты могут действовать иррационально (например, против того, что они считают оптимальным), когда социальное давление велико, существуют как дополнения к концепции информационных каскадов. Чаще проблема заключается в том, что понятие информационного каскада путают с идеями, которые не соответствуют двум ключевым условиям процесса, таким как социальное доказательство, распространение информации и социальное влияние. Действительно, термин информационный каскад даже использовался для обозначения таких процессов.

Содержание
  • 1 Базовая модель
    • 1.1 Качественный пример
    • 1.2 Количественное описание
    • 1.3 Явные допущения модели
    • 1.4 Результат условия
  • 2 Ответ
  • 3 Примеры и области применения
    • 3.1 Рыночные каскады
    • 3.2 Анализ социальных сетей
    • 3.3 Исторические примеры
    • 3.4 Эмпирические исследования
  • 4 Юридические аспекты
  • 5 Глобализация
  • 6 См. Также
  • 7 Ссылки
  • 8 Внешние ссылки
Базовая модель

В этом разделе представлены некоторые основные примеры информационных каскадов, как первоначально описано Бикчандани и др. (1992). С тех пор базовая модель была разработана в различных направлениях для проверки ее надежности и лучшего понимания ее последствий.

Качественный пример

Информационные каскады возникают, когда внешняя информация, полученная от предыдущих участников события, имеет приоритет перед свой собственный личный сигнал, независимо от того, правильно ли первый над вторым. Эксперимент, проведенный Андерсоном, является полезным примером этого процесса. Эксперимент состоял из двух урн, обозначенных A и B. Урна A содержит два шара, обозначенных "a", и один, обозначенный "b". Урна B содержит один шар с меткой «a» и два с меткой «b». Урна, из которой должен быть извлечен шар во время каждого забега, определяется случайным образом и с равной вероятностью (от броска кости). Содержимое выбранной урны выгружается в нейтральный контейнер. Затем участников просят в случайном порядке вытащить шарик из этого контейнера. Весь этот процесс можно назвать «запуском», и выполняется ряд таких запусков.

Каждый раз, когда участник поднимает шарик, он должен решить, к какой урне он принадлежит. Затем его решение объявляется в пользу остальных участников в комнате. Таким образом, (n + 1) -й участник имеет информацию о решениях, принятых всеми предшествующими ему n участниками, а также его личный сигнал, который является меткой на шаре, который он вытягивает во время своего хода. Экспериментаторы заметили, что информационный каскад наблюдался в 41 из 56 таких прогонов. Это означает, что в прогонах, в которых произошел каскад, по крайней мере один участник отдавал предпочтение ранее принятым решениям над своим собственным частным сигналом. Это может привести к неправильному результату. Это явление известно как «Обратный каскад».

Количественное описание

Сигнал человека, говорящий им о принятии, обозначается как H (высокий сигнал, где высокий означает, что он должен принять), а сигнал, говорящий им не принимать, - L ( низкий сигнал). Модель предполагает, что, когда правильное решение - принять, люди с большей вероятностью увидят H, и наоборот, когда правильное решение - отклонить, люди с большей вероятностью увидят сигнал L. По сути, это условная вероятность - вероятность H, когда правильным действием является принятие, или P [H | А] {\ Displaystyle P [H | A]}{\ displaystyle P [H | A]} . Аналогично P [L | R] {\ displaystyle P [L | R]}{\ displaystyle P [L | R]} - вероятность того, что агент получит сигнал L, когда правильное действие будет отклонено. Если эти вероятности представлены как q, то q>0,5. Это суммировано в таблице ниже.

Сигнал агентаСостояние истинной вероятности
ОтклонитьПринять
Lq1-q
H1-qq

Первый агент определяет, принимать или нет, исключительно на основании своего собственного сигнала. Поскольку модель предполагает, что все агенты действуют рационально, действие (принятие или отклонение), которое, по мнению агента, более вероятно, является действием, которое он решит предпринять. Это решение можно объяснить с помощью правила Байеса :

P (A | H) = P (A) P (H | A) P (H) = P (A) P (H | A) P (A) П (ЧАС | А) + п (р) п (ЧАС | р) = pqpq + (1 - р) (1 - q)>п {\ displaystyle {\ begin {выровнено} P \ влево (A | H \ справа) = {\ frac {P \ left (A \ right) P \ left (H | A \ right)} {P \ left (H \ right)}} \\ = {\ frac {P \ left ( A \ right) P \ left (H | A \ right)} {P \ left (A \ right) P \ left (H | A \ right) + P \ left (R \ right) P \ left (H | R \ right)}} \\ = {\ frac {pq} {pq + \ left (1-p \ right) \ left (1-q \ right)}} \\>p \ end {align}}}{\begin{aligned}P\left(A|H\right)={\frac {P\left(A\right)P\left(H|A\right)}{P\left(H\right)}}\\={\frac {P\left(A\right)P\left(H|A\right)}{P\left(A\right)P\left(H|A\right)+P\left(R\right)P\left(H|R\right)}}\\={\frac {pq}{pq+\left(1-p\right)\left(1-q\right)}}\\>p \ end {align}}

Если агент получает сигнал H, то вероятность принятия определяется путем вычисления P [A | H] {\ displaystyle P [A | H]}{\ displaystyle P [A | H]} . Уравнение говорит, что в силу того факта, что q>0,5, первый агент, действуя только по его личному сигналу, всегда будет увеличивать свою оценку p с помощью сигнала H. Точно так же i Можно показать, что агент всегда будет уменьшать свое ожидание p, когда он получает низкий сигнал. Напомним, что если значение V принятия равно значению отклонения, то агент примет, если он считает, что p>0,5, и отклонит в противном случае. Поскольку этот агент исходил из предположения, что принятие и отклонение являются одинаково жизнеспособными вариантами (p = 0,5), наблюдение сигнала H позволит ему сделать вывод, что принятие является рациональным выбором.

Затем второй агент рассматривает как решение первого агента, так и его собственный сигнал, опять же рационально. В общем, n-й агент рассматривает решения предыдущих n-1 агентов и свой собственный сигнал. Он принимает решение на основе байесовских рассуждений, чтобы определить наиболее рациональный выбор.

P (A | Предыдущий, Персональный сигнал) = pqa (1 - q) bpqa (1 - q) b + (1 - p) (1 - q) aqb {\ displaystyle P (A | {\ text {Предыдущий) }}, {\ text {Персональный сигнал}}) = {\ frac {pq ^ {a} (1-q) ^ {b}} {pq ^ {a} (1-q) ^ {b} + (1 -p) (1-q) ^ {a} q ^ {b}}}}P (A | {\ text {Previous}}, {\ text {Personal signal}}) = {\ frac {pq ^ {a} (1-q) ^ {b}} {pq ^ {a} (1-q) ^ {b} + (1-p) (1-q) ^ {a} q ^ {b}}}

Где a - количество принятых в предыдущем наборе плюс собственный сигнал агента, а b - количество отклоненных. Таким образом, a + b = n {\ displaystyle a + b = n}{ \ displaystyle a + b = n} . Решение основывается на том, как значение в правой части уравнения сравнивается с p.

Явные допущения модели

Исходная модель делает несколько предположений о человеческом поведении и мире, в котором люди действия, некоторые из которых смягчены в более поздних версиях или в альтернативных определениях аналогичных проблем, таких как распространение инноваций.

  1. Boundedly Rational Agents: исходная модель Independent Cascade предполагает, что люди ограниченно рациональны, то есть, они всегда будут принимать рациональные решения на основе информации, которую они могут наблюдать, но информация, которую они наблюдают, может быть неполной или правильной. Другими словами, агенты не обладают полным знанием окружающего мира (что позволило бы им принимать правильные решения в любой и любой ситуации). Таким образом, наступает момент, когда, даже если человек имеет правильные знания о каскадных идеях или действиях, их можно убедить с помощью социального давления принять какой-то альтернативный, неправильный взгляд на мир.
  2. Неполное знание других: Исходная модель информационного каскада предполагает, что агенты не полностью знают агентов, которые предшествуют им в указанном порядке. В отличие от определений, в которых агенты имеют некоторое знание «частной информации», хранимой предыдущими агентами, текущий агент принимает решение, основываясь только на наблюдаемых действиях (имитировать или не имитировать) предшествующих ему агентов. Важно отметить, что первоначальные создатели утверждают, что это причина того, почему информационные каскады могут быть вызваны небольшими потрясениями.
  3. Поведение всех предыдущих агентов известно

Результирующие условия

  1. Каскады всегда будут происходить - как обсуждалось, в простом режиме вероятность возникновения каскада увеличивается до 1 по мере того, как количество людей, принимающих решения, увеличивается до бесконечности.
  2. Каскады могут быть неверными - потому что агенты принимают решения с ограниченной рациональностью и вероятностное знание исходной истины (например, является ли принятие или отклонение правильным решением), неправильное поведение может каскадно распространяться по системе.
  3. Каскады могут быть основаны на небольшом количестве информации - математически, каскад бесконечной длины может произойти только по решению двух человек. В более общем плане небольшая группа людей, которые активно продвигают идею как рациональную, может быстро влиять на гораздо большую часть населения в целом
  4. Каскады хрупки - потому что агенты не получают дополнительной информации после разницы между a и b увеличивается за пределы 2, и поскольку такие различия могут возникать у небольшого числа агентов, агентов, принимающих во внимание мнения тех агентов, которые принимают решения на основе фактической информации, можно довольно легко отговорить от выбора. Это говорит о том, что каскады чувствительны к раскрытию публичной информации. также обсуждает этот результат в контексте изменения базового значения p со временем, и в этом случае каскад может быстро изменить курс.
Ответ

Существует литература, в которой исследуется, как отдельные лица или фирмы могут реагировать на существование информационных каскадов, когда у них есть продукты для продажи, но покупатели не уверены в качестве этих продуктов. Кертис Тейлор (1999) показывает, что при продаже дома продавец может пожелать начать с высоких цен, поскольку отказ продать по низким ценам свидетельствует о низком качестве и может вызвать каскад отказа от покупки, в то время как неспособность продать по высоким ценам может может быть истолковано как означающее, что дом просто переоценен, и затем цены могут быть снижены для продажи. Даниэль Сгрой (2002) показывает, что фирмы могут использовать «подопытных кроликов», которым дается возможность совершить покупку на раннем этапе, чтобы запустить информационный каскад через их ранние и публичные решения о закупках, а работа Дэвида Гилла и Дэниела Сгрои (2008) показывает, что ранние публичные тесты могут иметь аналогичный эффект (и, в частности, прохождение «жесткого теста», направленного против продавца, может спровоцировать каскад сам по себе). Bose et al. исследовали, как цены, устанавливаемые монополистом, могут развиваться при наличии потенциального каскадного поведения, когда монополист и потребители не уверены в качестве продукции.

Примеры и области применения

Информационные каскады возникают в ситуациях, когда многие люди делают один и тот же выбор, что дает свидетельство, перевешивающее собственное суждение. То есть кто-то думает: «Более вероятно, что я ошибаюсь, чем все остальные люди. Поэтому я буду поступать так, как они».

В том, что было названо репутационным каскадом, поздно отвечающие иногда соглашаются с решениями ранних респондентов не только потому, что поздно отвечающие думают, что ранние респонденты правы, но и потому, что они считают, что их репутация будет повреждена, если они не согласятся с первыми ответчиками.

Рыночные каскады

Информационные каскады стали одной из тем поведенческой экономики, как это часто бывает наблюдаются на финансовых рынках, где они могут подпитывать спекуляции и создавать кумулятивные и чрезмерные ценовые движения либо для всего рынка (рыночный пузырь ), либо для конкретного актива, например, акции, которая становится слишком популярной среди инвесторов.

Маркетологи также используют идею каскадов, чтобы попытаться запустить каскад покупок нового продукта. Если они могут побудить начальную группу людей принять новый продукт, то те, кто принимает решение о покупке позже, также могут принять продукт, даже если он не лучше или, возможно, даже хуже, чем у конкурирующих продуктов. Это наиболее эффективно, если эти более поздние потребители могут наблюдать за решениями об усыновлении, но не в том, насколько на самом деле были удовлетворены первоначальные клиенты этим выбором. Это согласуется с идеей, что каскады возникают естественным образом, когда люди могут видеть то, что делают другие, но не то, что они знают.

Примером могут служить голливудские фильмы. Если тестовые показы предполагают, что крупнобюджетный фильм может провалиться, студии часто решают потратить больше на первоначальный маркетинг, а не меньше, с целью заработать как можно больше денег в первые выходные, прежде чем станет известно, что это индейка..

Информационные каскады обычно рассматриваются экономистами:

  • как продукты рациональных ожиданий в самом начале,
  • как иррациональные стадное поведение, если они сохраняются слишком долго, что свидетельствует о том, что коллективные эмоции также вступают в игру, подпитывая каскад.

Анализ социальных сетей

Dotey et al. заявляют, что информация течет каскадом в социальной сети. По мнению авторов, анализ виральности информационных каскадов в социальной сети может привести к множеству полезных приложений, таких как определение наиболее влиятельных лиц в сети. Эта информация может быть использована для максимизации эффективности рынка или влияния на общественное мнение. Различные структурные и временные особенности сети влияют на каскадную виральность. Кроме того, эти модели широко используются в проблеме распространения слухов в социальных сетях, чтобы исследовать их и уменьшить их влияние в социальных сетях.

В отличие от работы с информационными каскадами в социальных сетях, модель социального влияния утверждает, что люди имеют некоторое представление о личных убеждениях тех, кто находится в их сети. Таким образом, модель социального влияния ослабляет предположение об информационных каскадах, что люди действуют только в соответствии с наблюдаемыми действиями, предпринимаемыми другими. Кроме того, модель социального влияния фокусируется на встраивании людей в социальную сеть, а не в очередь. Наконец, модель социального влияния ослабляет предположение модели информационного каскада о том, что люди либо завершат действие, либо нет, допуская непрерывную шкалу «силы» убеждения агентов в том, что действие должно быть завершено.

Исторические примеры

  • Небольшие акции протеста начались в Лейпциге, Германия, в 1989 году, когда лишь горстка активистов выступила против Германской Демократической Республики. Почти год протестующие собирались каждый понедельник, каждый раз их число увеличивалось на несколько человек. К тому времени, когда правительство попыталось решить эту проблему в сентябре 1989 года, оно было слишком большим, чтобы его отменить. В октябре количество протестующих достигло 100 000 человек, а к первому понедельнику ноября более 400 000 человек вышли на улицы Лейпцига. Двумя днями позже была демонтирована Берлинская стена.
  • Темпы внедрения засухоустойчивой гибридной кукурузы во время Великой депрессии и Dust Bowl были медленными, несмотря на его значительное улучшение по сравнению с ранее доступной семенной кукурузой. Исследователи из Государственного университета Айовы были заинтересованы в том, чтобы понять, как люди не решаются принять эту значительно улучшенную технологию. После проведения 259 интервью с фермерами было замечено, что медленный темп усыновления объясняется тем, что фермеры ценят мнение своих друзей и соседей, а не слова продавца. См. Исходный отчет.

Эмпирические исследования

Помимо приведенных выше примеров, в нескольких эмпирических исследованиях было показано, что существуют информационные каскады. Возможно, лучший пример, приведенный выше, - это. Участники выстроились в линию за урной с шарами разного цвета. Последовательно участники выбирали мяч из урны, смотрели на него, а затем клали обратно в урну. Затем агент высказывает свое мнение о том, какого цвета шары (красные или синие) больше всего в урне, чтобы остальные участники могли услышать. Участники получают денежное вознаграждение, если угадают правильно, что заставляет задуматься о рациональности.

Среди других примеров:

  • Де Вани и Уоллс создают статистическую модель информационных каскадов, в которых требуется действие. Они применяют эту модель к действиям, которые люди предпринимают, чтобы посмотреть фильм, который выходит в кинотеатре. Де Вани и Уоллс проверяют свою модель на этих данных, обнаруживая аналогичное распределение Парето дохода для разных фильмов.
  • Уолден и Браун также применяют исходную модель информационного каскада, здесь в качестве операционной модели. более практичен для исследований в реальном мире, что позволяет проводить анализ на основе наблюдаемых переменных. Уолден и Браун тестируют свою модель на данных о внедрении новых технологий предприятиями, находя поддержку своей гипотезы о том, что информационные каскады играют роль в этом принятии
Правовые аспекты

Негативные эффекты информационных каскадов иногда становятся юридические проблемы и законы были приняты для их нейтрализации. Уорд Фарнсворт, профессор права, проанализировал правовые аспекты информационных каскадов и привел несколько примеров в своей книге «Юридический аналитик»: во многих военных судах офицеры голосуют для вынесения решения по делу. в обратном порядке (первым голосует офицер самого низкого ранга), и он предположил, что это можно сделать, чтобы каскад не соблазнил младших офицеров проголосовать за более старших офицеров, которые, как считается, имеют более точные суждение; Другой пример: в таких странах, как Израиль и Франция действуют законы, запрещающие проведение голосования за дни или недели до выборов, чтобы предотвратить эффект информационного каскада, который может повлиять на выборы. результаты.

Глобализация

Как было сказано ранее, информационные каскады - это логические процессы, описывающие, как индивидуальный процесс принятия решений изменяется на основе внешней информации. Cascades никогда не были нарицательным; в лучшем случае они существуют гипотетически. За последние несколько десятилетий популярность каскадов возросла в различных областях исследования. В частности, они были весьма полезны при сравнении мыслительных процессов греческих и немецких фермеров, выращивающих экологически чистые продукты. Вышеупомянутое исследование предполагает расхождения между мыслительными процессами греков и немцев, основанные на их культурных и социально-экономических различиях. Более того, каскады были экстраполированы на такие идеи, как финансовая нестабильность и денежно-кредитная политика. В 2004 году Хельмут Вагнер и Вольфрам Бергер предложили каскады в качестве аналитического инструмента для изучения изменений на финансовом рынке по мере того, как он становится более глобализированным. Вагнер и Бергер заметили структурные изменения в структуре понимания финансовых рынков в связи с глобализацией; приводя к нестабильности в потоках капитала и порождая неопределенность, от которой страдают центральные банки. Кроме того, информационные каскады полезны для понимания истоков террористической тактики. Когда в 1972 году произошла атака «Черного сентября», было трудно не заметить сходства между их тактикой и группой Баадера-Майнхоф (также известной как Фракция Красной Армии [RAF]). Все эти примеры показывают, как применялся каскадный процесс. Более того, важно понимать структуру каскадов, чтобы двигаться вперед в более глобализированном обществе. Создание основы для понимания прохождения информации через транснациональные и многонациональные организации и даже больше имеет решающее значение для зарождающегося современного общества. Суммируя все эти моменты, каскады, как общий термин, охватывают спектр различных концепций. Информационные каскады лежали в основе того, как информация передается, перезаписывается и понимается в различных культурах из множества разных стран.

См. Также
Ссылки
Внешние ссылки
Последняя правка сделана 2021-05-24 14:44:56
Содержание доступно по лицензии CC BY-SA 3.0 (если не указано иное).
Обратная связь: support@alphapedia.ru
Соглашение
О проекте