Информация каскадный или информационный каскад представляет собой феномен , описанный в поведенческой экономике и теории сетей , в которых число людей делает то же самое решение в последовательной форме. Это похоже на стадное поведение , но отличается от него . [1] [2] [3]
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 (обычно через наблюдение за действиями и их результатами других людей в аналогичных сценариях).
Двухэтапный процесс информационного каскада можно разбить на пять основных компонентов:
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. [4] Чаще всего проблема заключается в том , что концепция информационного каскада спутать с идеями , которые не соответствуют два ключевых условия процесса, такие как социальное доказательство , распространения информации , [5] и социальное влияние . Действительно, термин информационный каскад даже использовался для обозначения таких процессов. [6]
В этом разделе представлены некоторые основные примеры информационных каскадов, первоначально описанных Бикчандани и др. (1992). [7] С тех пор базовая модель была разработана в различных направлениях, чтобы изучить ее надежность и лучше понять ее значение. [8] [9]
Информационные каскады возникают, когда внешняя информация, полученная от предыдущих участников события, перекрывает собственный личный сигнал, независимо от того, правильность первого над вторым. Эксперимент, проведенный Андерсоном [10] 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 представляет собой метку 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 более ранним решениям над своим собственным частным сигналом. Это может привести к неправильному результату. Это явление известно как «Обратный каскад».
Сигнал человека, говорящий им принять, 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 - отвергнуть, люди с большей вероятностью увидят L- сигнал. По сути, это условная вероятность - вероятность H, когда правильным действием является принятие, или . Точно так же вероятность того, что агент получит L- сигнал, когда правильное действие отклонено. Если эти вероятности представленыq , то q > 0,5. Это кратко изложено в таблице ниже. [11]
Сигнал агента | Состояние истинной вероятности | |
---|---|---|
Отклонять | Принимать | |
L | q | 1- q |
ЧАС | 1- q | q |
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 :
Если агент получает сигнал H , то вероятность принятия получается путем вычисления . Уравнение говорит, что в силу того факта, что q > 0,5, первый агент, действуя только по своему личному сигналу, всегда будет увеличивать свою оценку p с помощью H- сигнала. Точно так же 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 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 его собственный сигнал, опять же рациональным образом. В общем, n- й агент учитывает решения предыдущих n -1 агентов и свой собственный сигнал. Он принимает решение на основе байесовских рассуждений, чтобы определить наиболее рациональный выбор.
Где a - количество принятых в предыдущем наборе плюс собственный сигнал агента, а b - количество отказов. Таким образом, . Решение основывается на том, как значение в правой части уравнения сравнивается с p . [11]
Исходная модель делает несколько предположений о человеческом поведении и мире, в котором люди действуют [7], некоторые из которых смягчены в более поздних версиях [11] или в альтернативных определениях аналогичных проблем, таких как распространение инноваций .
Существует литература, в которой исследуется, как отдельные лица или фирмы могут отреагировать 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 продавая дом, продавец может пожелать начать с высоких цен, поскольку неспособность продавать по низким ценам указывает на низкое качество и может вызвать каскад отказов от покупки, в то время как неспособность продать за высокие цены могут быть истолкованы как означающие, что дом просто переоценен, а затем цены могут быть снижены для продажи. Даниэль Сгрой (2002) [14]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) [15] показывает, что ранняя публичная тесты могут иметь аналогичный эффект (и, в частности, прохождение «жесткого теста», направленного против продавца, может спровоцировать каскад сам по себе). Bose et al. [16] исследовали, как цены, устанавливаемые монополистом, могут развиваться при наличии потенциального каскадного поведения, когда монополист и потребители не уверены в качестве продукции.
Информационные каскады возникают в ситуациях, когда многие люди делают один и тот же выбор, и это свидетельствует о том, что перевешивает 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 каскадом репутации , опоздавшие респонденты иногда соглашаются с решениями ранних респондентов не только потому, что опоздавшие считают, что ранние респонденты правы, но также потому, что они считают, что их репутация будет повреждена, если они будут не согласны с ранними. респонденты. [17]
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 колебания цен либо для всего рынка ( рыночный пузырь ), либо для конкретного актива, например акции. это становится чрезмерно популярным 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 первые клиенты действительно были удовлетворены 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. [18]
Пример - голливудские фильмы. Если тестовые показы показывают, что крупнобюджетный фильм может провалиться, студии часто решают потратить больше на первоначальный маркетинг, чем меньше, с целью заработать как можно больше денег в первые выходные, прежде чем станет известно, что это индейка. .
Информационные каскады экономисты обычно рассматривают:
Dotey et al. [19] утверждают, что информация в социальной сети течет каскадом . По мнению авторов, анализ вирусности 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 максимального повышения 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 отличии от работы по информационным каскадам в социальных сетях социального влияния модель распространения веры утверждает , что люди имеют некоторое представление о частных убеждениях тех , кто в их сети. [20] Модель социального влияния, таким образом, ослабляет предположение информационных каскадов, 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 на 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.
В дополнение к приведенным выше примерам, информационные каскады были показаны в нескольких эмпирических исследованиях. Возможно, лучший пример, приведенный выше, - это. [10] 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 они правильно угадают, что заставляет задуматься о рациональности.
Другие примеры включают
Негативные эффекты информационных каскадов иногда становятся юридической проблемой, и для их нейтрализации были приняты законы. Уорд Фарнсворт , профессор права, проанализировал правовые 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 (офицер самого низкого ранга голосует первый), и он предположил, что это может быть сделано для того, чтобы каскад не соблазнил младших офицеров голосовать с более старшими офицерами, которые, как полагают, имеют более точное суждение; Другой пример: в таких странах, как Израиль и Франция, действуют законы, запрещающие проведение голосования за несколько дней или недель довыборы, чтобы предотвратить эффект информационного каскада, который может повлиять на результаты выборов. [26]
Как указывалось 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 греческими и немецкими мыслительными процессами, основанные на их культурных и социально-экономических различиях. [27]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 из-за глобализации; приводя к нестабильности в потоках капитала и порождая неопределенность, от которой страдают центральные банки. [28] 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 группировкой Баадер-Майнхоф (также известной как Фракция Красной Армии [RAF]). [29]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. [30] Суммируя все эти моменты, можно сказать, что каскады, как общий термин, охватывают спектр различных концепций. Информационные каскады были основным звеном в том, как информация передается, перезаписывается и понимается в различных культурах из множества разных стран. [31]