Информационный каскад
Из Википедии, свободной энциклопедии
  (Перенаправлено с информационного каскада )
Перейти к навигации Перейти к поиску

Информационный каскад или информационный каскад — это явление, описанное в поведенческой экономике и теории сетей, когда несколько людей последовательно принимают одно и то же решение. Это похоже на стадное поведение , но отличается от него . [1] [2] [3]

Информационный каскад обычно рассматривается как двухэтапный процесс. Чтобы каскад начался, человек должен столкнуться со сценарием с решением, обычно бинарным. Во-вторых, на это решение могут повлиять внешние факторы (как правило, через наблюдение за действиями и их результатами других людей в аналогичных сценариях).

Двухэтапный процесс информационного каскада можно разбить на пять основных компонентов:

  1. Нужно принять решение – например; внедрить ли новую технологию, носить новый стиль одежды, поесть в новом ресторане или поддержать определенную политическую позицию
  2. Существует ограниченное пространство для действий (например, принять/отклонить решение)
  3. Люди принимают решение последовательно, и каждый человек может наблюдать выбор, сделанный теми, кто действовал раньше.
  4. У каждого человека есть некоторая информация, помимо его собственной, которая помогает принять решение
  5. Человек не может непосредственно наблюдать информацию извне, которую знают другие люди, но он или она может делать выводы об этой информации на основании того, что они делают.

Социальные перспективы каскадов, предполагающие, что агенты могут действовать иррационально (например, против того, что они считают оптимальным), когда социальное давление велико, существуют как дополнение к концепции информационных каскадов. [4] Чаще проблема заключается в том, что понятие информационного каскада смешивают с идеями, которые не соответствуют двум ключевым условиям процесса, таким как социальное доказательство , распространение информации [5] и социальное влияние . Действительно, термин информационный каскад даже использовался для обозначения таких процессов. [6]

Базовая модель

В этом разделе представлены некоторые основные примеры информационных каскадов, первоначально описанных Bikchandani et al. (1992). [7] С тех пор базовая модель была разработана в различных направлениях, чтобы проверить ее надежность и лучше понять ее последствия. [8] [9]

Качественный пример

Информационные каскады возникают, когда внешняя информация, полученная от предыдущих участников события, преобладает над собственным частным сигналом, независимо от того, является ли первая достоверной по сравнению со второй. Эксперимент, проведенный Андерсоном [10] является полезным примером этого процесса. Эксперимент состоял из двух урн, помеченных буквами А и В. Урна А содержит два шара, помеченных буквой «а», и один шар, помеченный буквой «б». Урна B содержит один шар с надписью «a» и два с надписью «b». Урна, из которой должен быть извлечен шар при каждом прогоне, определяется случайным образом и с равными вероятностями (из броска игральной кости). Содержимое выбранной урны высыпается в нейтральный контейнер. Затем участников просят в случайном порядке вытащить шарик из этого контейнера. Весь этот процесс можно назвать «прогоном», и выполняется несколько таких прогонов.

Каждый раз, когда участник поднимает шарик, он должен решить, какой урне он принадлежит. Затем его решение объявляется в пользу остальных участников комнаты. Таким образом, (n+1)-й участник обладает информацией о решениях, принятых всеми предшествующими ему n участниками, а также своим приватным сигналом — меткой на шаре, которую он вытаскивает в свой ход. Экспериментаторы заметили, что информационный каскад наблюдался в 41 из 56 таких запусков. Это означает, что в прогонах, где произошел каскад, по крайней мере один участник отдал приоритет более ранним решениям своему собственному частному сигналу. Такое событие может привести к неправильному результату. Это явление известно как «обратный каскад».

Количественное описание

Сигнал человека, говорящий ему принять, обозначается как H (высокий сигнал, где высокий означает, что он должен принять), а сигнал, говорящий ему не принимать, обозначается как L (низкий сигнал). Модель предполагает, что, когда правильным решением является принятие, люди с большей вероятностью увидят H , и наоборот, когда правильным решением будет отказ, люди с большей вероятностью увидят сигнал L. По сути, это условная вероятность — вероятность H , когда правильным действием будет принятие, или . Точно так же вероятность того, что агент получит сигнал L , когда правильным действием является отклонение. Если эти вероятности представленыq , то q > 0,5. Это обобщено в таблице ниже. [11]

Сигнал агентаСостояние истинной вероятности
ОтклонятьПринимать
лд1 -к
ЧАС1 -кд

Первый агент определяет, принимать ли его или нет, исключительно на основании своего собственного сигнала. Поскольку модель предполагает, что все агенты действуют рационально, действие (принятие или отклонение), которое агент считает более вероятным, является действием, которое он выберет. Это решение можно объяснить с помощью правила Байеса :

Если агент получает сигнал H , то вероятность принятия определяется вычислением . Уравнение говорит, что в силу того факта, что q > 0,5, первый агент, действуя только на свой частный сигнал, всегда будет увеличивать свою оценку p с сигналом H. Точно так же можно показать, что агент всегда будет уменьшать свое ожидание p , когда он получает низкий сигнал. Напомним, что если значение V для принятия равно значению отклонения, то агент примет, если он считает , что p > 0,5, и отклонит в противном случае. Потому что этот агент начал с предположения, что и 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 свой собственный сигнал, опять же рациональным образом. В общем случае n -й агент учитывает решения предыдущих n - 1 агентов и свой собственный сигнал. Он принимает решение, основанное на байесовских рассуждениях, чтобы определить наиболее рациональный выбор.

Где a — это количество допусков в предыдущем наборе плюс собственный сигнал агента, а b — это количество отклонений. Таким образом, . Решение основано на том, как значение в правой части уравнения сравнивается с p . [11]

Явные допущения модели

Первоначальная модель делает несколько предположений о человеческом поведении и мире, в котором действуют люди, [7] некоторые из которых смягчены в более поздних версиях [11] или в альтернативных определениях подобных проблем, таких как распространение инноваций .

  1. Ограниченно рациональные агенты: исходная модель независимого каскада предполагает, что люди ограниченно рациональны [12] , то есть они всегда будут принимать рациональные решения на основе информации, которую они могут наблюдать, но информация, которую они видят, может быть неполной или верной. Другими словами, агенты не обладают полным знанием окружающего мира (что позволило бы им принимать правильное решение в любых и всех ситуациях). Таким образом, есть точка, в которой, даже если человек имеет правильное представление о каскаде идей или действий, его можно убедить с помощью социального давления принять какой-то альтернативный, неверный взгляд на мир.
  2. Неполное знание других: Исходная информационная каскадная модель предполагает, что агенты имеют неполные знания об агентах, которые предшествуют им в указанном порядке. В отличие от определений, в которых агенты имеют некоторое знание «частной информации», которой владеют предыдущие агенты, текущий агент принимает решение, основанное только на наблюдаемом действии (подражать или нет) предшествующих ему. Важно отметить, что первоначальные создатели утверждают, что это причина, по которой информационные каскады могут быть вызваны небольшими потрясениями.
  3. Поведение всех предыдущих агентов известно

Результирующие условия

  1. Каскады будут возникать всегда — как уже говорилось, в простом режиме вероятность возникновения каскада увеличивается до 1 по мере того, как количество людей, принимающих решения, увеличивается до бесконечности.
  2. Каскады могут быть неправильными — поскольку агенты принимают решения как с ограниченной рациональностью, так и с вероятностным знанием 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 возникнуть только на основании решения двух человек. В более общем смысле, небольшая группа людей, активно продвигающая идею как рациональную, может быстро повлиять на гораздо большее подмножество населения в целом.
  4. Каскады хрупки - поскольку агенты не получают дополнительной информации после того, как разница между a и b превышает 2, и поскольку такие различия могут возникать при небольшом числе агентов, агенты могут не учитывать мнения тех агентов, которые принимают решения на основе фактической информации. от выбора достаточно легко. [7] Это говорит о том, что каскады подвержены разглашению публичной информации. [7] также обсуждает этот результат в контексте основного значения p, изменяющегося с течением времени, и в этом случае каскад может быстро изменить курс.

Отвечая

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. Curtis Taylor (1999) [13] показывает, что при продаже дома продавец может начать с высокой цены, поскольку неспособность продать по низкой цене свидетельствует о низком качестве и может привести к каскадному отказу от покупки, в то время как неспособность продать по низкой цене высокие цены могут быть истолкованы как означающие, что дом просто переоценен, а затем цены могут быть снижены, чтобы получить продажу. Дэниел Сгрой (2002) [14]показывает, что фирмы могут использовать «морских свинок», которым предоставляется возможность совершать покупки раньше, чтобы запустить информационный каскад посредством своих ранних и публичных решений о закупках, а работы Дэвида Гилла и Дэниела Сгроя (2008) [15] показывают, что тесты могут иметь аналогичный эффект (и, в частности, прохождение «жесткого теста», предвзятого против продавца, может само по себе спровоцировать каскад). Бозе и др. [16] исследовали, как цены, устанавливаемые монополистом, могут развиваться при наличии потенциального каскадного поведения, когда монополист и потребители не уверены в качестве продукта.

Примеры и области применения

Информационные каскады возникают в ситуациях, когда наблюдение за тем, как многие люди делают один и тот же выбор, дает доказательства, которые перевешивают собственное суждение. То есть человек думает: «Вероятнее, что я ошибаюсь, чем все эти люди не правы. Поэтому я поступлю так, как они».

В так называемом репутационном каскаде те, кто поздно реагируют, иногда соглашаются с решениями тех, кто быстро реагирует, не только потому, что поздно реагирующие считают, что ранние реагирующие правы, но и потому, что они понимают, что их репутация будет подорвана, если они будут не согласны с ранними ответами. ответчики. [17]

Рыночные каскады

Информационные каскады стали одной из тем поведенческой экономики , поскольку их часто можно увидеть 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, такого как акция. который становится чрезмерно популярным среди инвесторов.

Маркетологи также используют идею каскадов, чтобы попытаться запустить каскад покупок для нового продукта. Если они могут побудить первоначальную группу людей принять новый продукт, то те, кто принимает решение о покупке позже, также могут принять этот продукт, даже если он не лучше, а может быть, даже хуже, чем продукты конкурентов. Это наиболее эффективно, если эти более поздние потребители могут наблюдать за решениями о внедрении, но не за тем, насколько на самом деле удовлетворены выбором первые потребители. Это согласуется с идеей о том, что каскады возникают естественным образом, когда люди могут видеть, что делают другие, но не то, что они знают. [18]

Пример - голливудские фильмы. Если тестовые показы предполагают, что высокобюджетный фильм может оказаться провальным, 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 их начале,
  • как иррациональное стадное поведение , если они сохраняются слишком долго, что сигнализирует о том, что коллективные эмоции также вступают в игру, чтобы подпитывать каскад.

Анализ социальных сетей

Дополнительная информация: анализ социальных сетей .

Дотей и др. [19] констатируют, что потоки информации в социальной сети носят каскадный характер . По мнению авторов, анализ виральности информационных каскадов в социальной сети может привести ко многим полезным приложениям, таким 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 виральность каскада. Кроме того, эти модели широко используются в проблеме распространения слухов в социальных сетях для их расследования и снижения их влияния в онлайновых социальных сетях.

В отличие от работы над информационными каскадами в социальных сетях, модель распространения убеждений социального влияния утверждает, что люди имеют некоторое представление о личных убеждениях тех, кто находится в их сети. [20] Таким образом, модель социального влияния ослабляет предположение об информационных каскадах, согласно которому люди действуют только в результате наблюдаемых действий, предпринимаемых 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 протесты начались в Лейпциге , Германия, в 1989 году, когда лишь горстка активистов бросила вызов Германской Демократической Республике . [21] В течение почти года протестующие собирались каждый понедельник, прибавляя каждый раз на несколько человек. [21] К тому времени, когда правительство попыталось решить эту проблему в сентябре 1989 года, она была слишком большой, чтобы ее отменить. [21] В октябре число протестующих достигло 100 000 человек, а к первому понедельнику ноября более 400 000 человек прошли маршем по улицам Лейпцига. Через два дня Берлинская стена была демонтирована. [21]
  • Скорость внедрения засухоустойчивой гибридной семенной кукурузы во время Великой депрессии и Пыльного котла была низкой, несмотря на ее значительное улучшение по сравнению с ранее доступной семенной кукурузой. Исследователи из Университета штата Айова интересовались, почему общественность сомневается в принятии этой значительно улучшенной технологии. После проведения 259 интервью с фермерами [22] было замечено, что низкие темпы принятия были связаны с тем, что фермеры ценили мнение своих друзей и соседей, а не слово продавца. См. [23] для оригинального отчета.

Эмпирические исследования

В дополнение к приведенным выше примерам, в нескольких эмпирических исследованиях было показано существование информационных каскадов. Пожалуй, лучший пример, приведенный выше, таков. [10] Участники стояли в линию за урной, в которой были шары разных цветов. Последовательно участники выбирали мяч из урны, смотрели на него, а затем клали обратно в урну. Затем агент озвучивает свое мнение о том, шаров какого цвета (красных или синих) больше всего в урне, чтобы его услышали остальные участники. Участники получают денежное вознаграждение, если они угадывают правильно, заставляя концепцию рациональности.

Другие примеры включают

  • Де Вани и Уоллс [24] создают статистическую модель информационных каскадов, где требуется действие. Они применяют эту модель к действиям, которые люди предпринимают, чтобы пойти посмотреть фильм, который вышел в кинотеатре. Де Вани и Уоллс проверяют свою модель на этих данных, обнаруживая сходное распределение доходов по Парето для разных фильмов.
  • Уолден и Браун также используют первоначальную модель информационного каскада, превратив ее в операционную модель, более подходящую для исследований в реальном мире, которая позволяет проводить анализ на основе наблюдаемых переменных. Уолден и Браун проверяют свою модель на данных о внедрении новых технологий предприятиями, обнаружив поддержку своей гипотезы о том, что информационные каскады играют роль в этом внедрении [25] .

Правовые аспекты

Негативные последствия информационных каскадов иногда вызывают юридическую озабоченность, и принимаются законы для их нейтрализации. Уорд Фарнсворт , профессор права, проанализировал юридические аспекты информационных каскадов и привел несколько примеров в своей книге The Legal Analyst : во многих военных судах офицеры, голосующие за решение дела, голосуют в обратном порядке (голосует офицер низшего ранга). во-первых), и он предположил, что это может быть сделано для того, чтобы младшие офицеры не соблазнялись каскадом голосовать с более старшими офицерами, которые, как считается, имеют более точные суждения; другим примером является то, что в таких странах, как Израиль и Франция , действуют законы, запрещающие проведение голосования за несколько дней или недель довыборов для предотвращения эффекта информационного каскада, который может повлиять на результаты выборов. [26]

Глобализация

Как указывалось ранее, информационные каскады — это логические процессы, описывающие, как процесс принятия решений человеком изменяется на основе внешней информации. Каскады никогда не были нарицательным; в лучшем случае они существуют гипотетически. За последние несколько десятилетий популярность каскадов в различных областях обучения возросла. В частности, они оказались весьма полезными при сравнении мыслительных процессов между греческими и немецкими фермерами, занимающимися органическим земледелием. Вышеупомянутое исследование предполагает расхождения между мыслительными процессами греков и немцев, основанные на их культурных и социально-экономических различиях. [27]Более того, каскады были экстраполированы на такие идеи, как финансовая волатильность и денежно-кредитная политика. В 2004 году Гельмут Вагнер и Вольфрам Бергер предложили каскады в качестве аналитического инструмента для изучения изменений на финансовом рынке по мере того, как он становился все более глобальным. Вагнер и Бергер заметили структурные изменения в структуре понимания финансовых рынков из-за глобализации; вызывая волатильность потоков капитала и порождая неопределенность, которая затронула центральные банки. [28] Кроме того, информационные каскады полезны для понимания истоков террористической тактики. Когда в 1972 году произошло нападение «Черного сентября», трудно было не заметить сходства между их тактикой и тактикой группы Баадера-Майнхоф (также известной как Фракция Красной Армии [RAF]). [29]Все эти примеры показывают, как применялся процесс каскадов. 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. [30] Подводя итог всем этим пунктам, каскады, как общий термин, охватывают спектр различных концепций. Информационные каскады были основной нитью в том, как информация передается, перезаписывается и понимается в различных культурах, охватывающих множество разных стран. [31]

Смотрите также

  • Эксперименты по соответствию Аша
  • Соответствие
  • Групповое мышление
  • Групповая поляризация
  • Стадное поведение
  • овца
  • Социальное доказательство
  • Эффект Вузла
  • Другие подходы к моделированию
    • Гипотеза адаптивного рынка
    • Агентная вычислительная экономика
    • Финансовая экономика # Проблемы и критика
    • Шумная рыночная гипотеза
    • Гипотеза случайного блуждания # Гипотеза неслучайного блуждания

использованная литература

  1. ^ Дуань, Вэньцзин; Гу, Бин; Уинстон, Эндрю Б. (март 2009 г.). «Информационные каскады и внедрение программного обеспечения в Интернете: эмпирическое исследование». МИС ежеквартально . Рочестер, Нью-Йорк. 33 (1): 23–48. дои : 10.2307/20650277 . hdl : 2144/42029 . JSTOR  20650277 . ССРН  1103165 .
  2. ^ «Разница между информационными каскадами и стадным поведением: блог курса по сетям для INFO 2040 / CS 2850 / Econ 2040 / SOC 2090» . Проверено 15 апреля 2019 г. .
  3. ^ Челен, Богачан; Карив, Шахар (май 2004 г.). «Отличие информационных каскадов от стадного поведения в лаборатории». Американский экономический обзор . 94 (3): 484–498. CiteSeerX 10.1.1.357.3265 . дои : 10.1257/0002828041464461 . ISSN 0002-8282 .  
  4. ^ Шиллер, Р. Дж. (1995). «Разговор, информация и стадное поведение». Риторика и экономическое поведение . 85 (3): 181–185.
  5. ^ Грул, Дэниел; Гуха, Р .; Либен-Ноуэлл, Д.; Томкинс, А. (2004). Распространение информации через пространство блогов . WWW . стр. 491–501. CiteSeerX 10.1.1.131.4532 . дои : 10.1145/988672.988739 . ISBN  978-1581138443.
  6. ^ Садиков, Э .; Медина, М.; Лесковец, Дж.; Гарсия-Молина, Х. (2011). «Исправление отсутствующих данных в информационных каскадах» (PDF) . ВДМ .
  7. ^ a b c d Бикчандани, С .; Хиршлейфер, Д .; Уэлч, И. (1992). «Теория причуд, моды, обычаев и культурных изменений как информационных каскадов» (PDF) . Журнал политической экономии . 100 (5): 992–1026. дои : 10.1086/261849 . S2CID 7784814 . Архивировано из оригинала (PDF) 13 июля 2011 г.  
  8. ^ Бикчандани, Сушил; Хиршлейфер, Дэвид; Уэлч, Иво (1998). «Изучение поведения других: соответствие, причуды и информационные каскады» . Журнал экономических перспектив . 12 (3): 151–170. doi : 10.1257/jep.12.3.151 . ISSN 0895-3309 . 
  9. ^ Смит, Лоунс; Соренсен, Питер (март 2000 г.). «Патологические результаты наблюдательного обучения» . Эконометрика . 68 (2): 371–398. дои : 10.1111/1468-0262.00113 . hdl : 1721.1/64049 . ISSN 0012-9682 . 
  10. ^ б Андерсон, Л.Р .; Холт, Калифорния (1997). «Информационные каскады в лаборатории». Американский экономический обзор . 87 (5): 847–862.
  11. ^ a b c Исли, Дэвид (2010). Сети, толпы и рынки: рассуждения о мире с высокой степенью связи . Издательство Кембриджского университета. стр. 483–506.
  12. ^ Ньюэлл, А. (1972). Решение проблем человека . Энглвуд Клиффс, Нью-Йорк: Прентис Холл.
  13. ^ Тейлор, К. (1999). «Время на рынке как признак качества» . Обзор экономических исследований . 66 (3): 555–578. дои : 10.1111/1467-937x.00098 .
  14. ^ Сгрой, Д. (2002). «Оптимизация информации в стаде: морские свинки, прибыль и благосостояние» (PDF) . Игры и экономическое поведение . 39 : 137–166. doi : 10.1006/game.2001.0881 .
  15. ^ Гилл, Д .; Д. Сгрой (2008). «Последовательные решения с тестами». Игры и экономическое поведение . 63 (2): 663–678. CiteSeerX 10.1.1.322.7566 . doi : 10.1016/j.geb.2006.07.004 . S2CID 5793119 .  
  16. ^ Бозе, С .; Г. Оросел; М. Оттавиани; Л. Вестерлунд (2006). «Динамическое монополистическое ценообразование и стадо». РЭНД Журнал экономики . 37 (4): 910–928. CiteSeerX 10.1.1.493.1834 . doi : 10.1111/j.1756-2171.2006.tb00063.x . S2CID 2984643 .  
  17. ↑ Лемье, Пьер (зима 2003–2004 гг.). «Следуя за стадом» (PDF) . Регулирование . Институт Катона : 21. Архивировано из оригинала (PDF) 16 июня 2010 г .. Проверено 14 июля 2010 г. .
  18. ^ http://research.ivo-welch.info/palgrave.pdf [ постоянная мертвая ссылка ]
  19. ^ Доти, А., Ром, Х. и Вака С. (2011). «Распространение информации в социальных сетях» (PDF) . Стэндфордский Университет. {{cite web}}: CS1 maint: несколько имен: список авторов ( ссылка )
  20. ^ Фридкин, Ной Э .; Джонсен, Юджин С. (2009). Теория сетей социального влияния . Кембридж: Издательство Кембриджского университета. дои : 10.1017/cbo9780511976735 . ISBN 978-0-511-97673-5.
  21. ^ a b c d Ширки, Клей (2008). Сюда идут все: сила организации без организаций . Нью-Йорк: Пингвин Пресс . стр.  161–164 . ISBN 978-1-59420-153-0.
  22. ^ Карбоно, Кларк (2005). «Использование распространения инноваций и академической детализации для распространения практики, основанной на фактических данных». Журнал качества здравоохранения . 27 (2): 48–52. doi : 10.1111/j.1945-1474.2005.tb01117.x . PMID 16190312 . S2CID 6946662 .  
  23. ^ Бил, Джордж М .; Болен, Джо М. (ноябрь 1981 г.). «Процесс распространения» (PDF) . Специальный отчет № 18 . Государственный университет науки и технологий Айовы в Эймсе, штат Айова. Архивировано из оригинала (PDF) 08 апреля 2009 г .. Проверено 11 ноября 2008 г. .
  24. ^ Де Вани, А .; Д. Уоллс (1999). «Неопределенность в киноиндустрии: уменьшает ли сила звезды кассовые сборы?» Журнал экономики культуры . 23 (4): 285–318. doi : 10.1023/a:1007608125988 . S2CID 54614446 . 
  25. ^ Уолден, Эрик; Браун, Гленн (2002). «Информационные каскады при внедрении новых технологий» . Труды ICIS .
  26. ^ Фарнсворт, Уорд (2007). Юридический аналитик: набор инструментов для размышлений о праве . Чикаго: Издательство Чикагского университета. ISBN 978-0-226-23835-7. OCLC  76828864 .
  27. ^ Хатзимихаэль, Константинос; Гений, Маргарита; Цувелекас, Вангелис (03 июля 2013 г.). «Информационные каскады и внедрение технологий: данные греческих и немецких производителей органических продуктов» (PDF) . Журнал продовольственной политики . 49 : 186–195. doi : 10.1016/j.foodpol.2014.08.001 .
  28. ^ Вагнер, Гельмут; Бергер, Вольфрам (01.06.2004). «Глобализация, финансовая нестабильность и денежно-кредитная политика». Эмпирика . 31 (2–3): 163–184. CiteSeerX 10.1.1.466.2938 . doi : 10.1007/s10633-004-0915-4 . ISSN 0340-8744 . S2CID 53471608 .   
  29. ^ 1981-, Пассмор, Лейт (3 ноября 2011 г.). Ульрике Майнхоф и фракция Красной Армии: терроризм (первое изд.). Нью-Йорк. ISBN 9780230370777. OCLC  904285976 .{{cite book}}: CS1 maint: числовые названия: список авторов ( ссылка )
  30. ^ Гамлет, Патрик В.; Кобб, Майкл Д. (01.11.2006). «Возможные решения проблем общественного обсуждения: структурированные обсуждения и каскады поляризации». Журнал политических исследований . 34 (4): 629–648. doi : 10.1111/j.1541-0072.2006.00195.x . ISSN 1541-0072 . 
  31. ^ Дрезнер, Дэниел В. (2010). «Взвешивание чаш весов: влияние Интернета на отношения между государством и обществом». Браун Журнал мировых дел . 16 (2): 31–44. JSTOR 24590907 . 

внешняя ссылка

  • Информационные каскады и рациональное стадо: аннотированная библиография и справочник ресурсов
  • Библиография информационных каскадов и стадных эффектов
  • Как пузырь остался незамеченным, статья Роберта Шиллера в NYT, может потребоваться вход в систему.
  • Как каскад с низким содержанием жира и низким содержанием фактов продолжает развиваться, Джон Тирни, 9 октября 2007 г., блог NYT, вход в систему не требуется.
  • Шопенгауэр о каскадах, Джон Тирни, 10 октября 2007 г., блог NYT, вход в систему не требуется.
  • Является ли Джастин Тимберлейк продуктом совокупного преимущества? Информационный каскад с другим названием, статья NYT, может потребовать авторизации.
  • Информационные каскады в магии
Получено с " https://en.wikipedia.org/w/index.php?title=Information_cascade&oldid=1024877772 "
Contribute a better translation