Informationen Kaskaden

FONT SIZE:

Kann 28, 2016 Natalie Hochstetter I 0 36

Ein Informations Kaskade tritt auf, wenn eine Person fest, die Handlungen anderer und dann trotz möglicher Widersprüche in seinem / ihrem eigenen privaten Informationssignale greift in derselben Tat. Eine Kaskade entsteht, dann, wenn die Leute "ihre eigenen Informationen zu Gunsten der Rückschlüsse basierend auf Handlungen der früheren Menschen aufzugeben". Informationskaskaden bieten eine Erklärung dafür, wie solche Situationen auftreten können, wie wahrscheinlich sie falsche Informationen oder Aktionen, wie ein solches Verhalten kann auftreten, zu unterlassen und sich rasch kaskadiert sind und wie effektive Versuche, eine Kaskade stammen neigen dazu, unter verschiedenen Bedingungen. Mit der Erklärung, all diese Dinge, suchte das Original Unabhängige Cascade Modell, um bei den Vorgängermodellen, die nicht in der Lage Kaskaden von irrationalem Verhalten, ein Kaskaden Fragilität oder der kurzlebigen Natur bestimmter Kaskaden zu erklären waren zu verbessern.

Es gibt vier Hauptbedingungen in einem Informationskaskadenmodell:

Agents Entscheidungen nacheinander machen
Agents Entscheidungen rational auf die Informationen, die sie haben, auf der Grundlage
Agenten haben keinen Zugriff auf die privaten Daten der anderen
Eine begrenzte Handlungsraum vorhanden ist.

Eine Übernahme von Informationen Cascades, die in Frage gestellt hat, ist das Konzept, dass Agenten immer rationale Entscheidungen treffen. Mehr soziale Perspektiven der Kaskaden, die das Mittel können irrational handeln, wenn der soziale Druck sind groß vorschlagen, existieren als Ergänzung zu dem Konzept der Informations Cascades. Während konkurrierende Modelle vorhanden sind, ist es häufig das Problem, dass das Konzept einer Informationskaskade mit Ideen, die nicht mit den beiden wichtigsten Bedingungen des Modells, wie zB soziale Beweise, Informationsverbreitung, und sozialen Einfluss übereinstimmen verschmolzen. Tatsächlich ist der Begriff Information Kaskade auch verwendet worden, um solche Prozesse beziehen.

Grundausführung

Qualitatives Beispiel

Informationskaskaden auftreten, wenn externe Informationen von ehemaligen Teilnehmern an einer Veranstaltung erhalten schreibt die eigene private Signal, unabhängig von der Richtigkeit der ehemaligen über die letzteren. Die in durchgeführten Experiment ist ein gutes Beispiel für diesen Prozess. Das Experiment bestand aus zwei Urnen mit A und B Urn A zwei Kugeln "a" und einem mit "b" gekennzeichnet. Urne B enthält eine Kugel "a" und zwei mit "b" gekennzeichnet. Die Urne aus dem ein Ball muss während jedem Lauf gezogen werden nach dem Zufallsprinzip und mit gleichen Wahrscheinlichkeiten bestimmt. Die Inhalte des gewählten Urne in eine neutrale Behälter entleert. Die Teilnehmer werden dann in zufälliger Reihenfolge, um einen Marmor aus diesem Behälter zu ziehen gebeten. Dieser gesamte Prozess kann einen "Durchlauf" bezeichnet werden, und eine Anzahl solcher Durchläufe durchgeführt werden.

Jedes Mal, wenn ein Teilnehmer nimmt ein Marmor, er ist zu entscheiden, welche Urne es gehört. Seine Entscheidung wird dann zum Vorteil der übrigen Teilnehmer in dem Raum angekündigt. Somit hat der th Teilnehmer Informationen zu den Entscheidungen von allen n Teilnehmer ihm vorangehenden gemacht, und auch sein eigenes Signal, das das Etikett auf dem Ball ist, dass er zieht während seines Zuges. Die Experimentatoren beobachtet, dass ein Informationskaskade wurde in 41 von 56 solchen Läufen beobachtet. Das bedeutet, dass in den Läufen, wo die Kaskade eingetreten ist, hat mindestens ein Teilnehmer Vorrang auf frühere Entscheidungen über seinen eigenen privaten Signal. Es ist möglich, ein solches Ereignis, das falsche Ergebnis zu erzeugen. Dieses Phänomen ist als "Rückwärts Cascade" bekannt.

Quantitative Beschreibung

Eine Person, die Signal ihnen zu sagen, zu akzeptieren, wird als "H" bezeichnet, und ein Signal, ihnen zu sagen, nicht zu akzeptieren ist "L". Das Modell geht davon aus, dass, wenn die richtige Entscheidung ist, zu akzeptieren, Personen werden eher auf ein "H" zu sehen, und umgekehrt, wenn die richtige Entscheidung ist, zurückweisen, sind eher ein "L" Signal sehen Individuen. Dies ist im Wesentlichen eine bedingte Wahrscheinlichkeit - die Wahrscheinlichkeit des "H", wenn die richtige Aktion zu übernehmen, oder P. Ähnlich P ist die Wahrscheinlichkeit, dass ein Agent erhält ein "L" -Signal, wenn die richtige Aktion ablehnen. Wenn diese Wahrscheinlichkeiten werden durch Q, dann q & gt; 0.5. Dies ist in der folgenden Tabelle zusammengefasst.

Das erste Mittel bestimmt, ob oder nicht zu akzeptieren, ausschließlich auf der Grundlage seiner eigenen Signal. Da das Modell geht davon aus, dass alle Wirtschaftssubjekte rational handeln, ist die Aktion der Agent fühlt sich eher ist die Aktion, die er wählen, um zu nehmen. Diese Entscheidung kann mit der Bayes-Regel erklärt werden:

Wenn der Agent ein "H" -Signal empfängt, dann ist die Wahrscheinlichkeit der Annahme wird durch Berechnung erhalten P. Die Gleichung sagt, dass, aufgrund der Tatsache, dass q & gt; 0,5, der erste Agent, nur auf seine private Signal handelt, wird immer seine Schätzung von p zu erhöhen mit einem "H" -Signal. In ähnlicher Weise kann gezeigt werden, dass ein Agent immer seine Erwartung p zu verringern, wenn er ein Low-Signal empfängt, werden. Hinweis darauf, ob der Wert "V", des Annehmens gleich dem Wert der Verwerfung ist, wird ein Agent zu akzeptieren, wenn er glaubt, dass p & gt; 0,5, und ansonsten zurückweisen. Da dieses Mittel begann mit der Annahme, dass sowohl die Annahme und Ablehnung gleichermaßen praktikable Möglichkeiten, wird die Beobachtung eines "H" Signal ihm erlauben den Schluss, dass die Annahme ist die rationale Wahl.

Das zweite Mittel dann berücksichtigt sowohl die Entscheidung der ersten Agenten und seinen eigenen Signal, wieder in einer vernünftigen Art und Weise. In der Regel ist der Auffassung, die n-te Mittel die Entscheidungen der vorherigen n-1 Mittel und sein eigenes Signal. Er trifft eine Entscheidung auf Basis von Bayes-Argumentation, um die vernünftigste Wahl zu bestimmen.

Wobei "a" ist die Anzahl der übernimmt im vorherigen Satz zzgl des Agenten eigenes Signal, und "b" ist die Anzahl der Ausschuss. Somit a + b = n. Die Entscheidung darüber, wie der Wert auf der rechten Seite der Gleichung verglichen mit p beruht.

Explizite Modellannahmen

Das ursprüngliche Modell macht einige Annahmen über menschliches Verhalten und die Welt, in der Menschen handeln, die zum Teil entspannt in späteren Versionen oder in alternativen Definitionen von ähnlichen Problemen, wie beispielsweise die Diffusion von Innovationen sind.

Begrenzt rational, Agenten: Die ursprüngliche Unabhängige Cascade Modell geht davon aus Menschen sind begrenzt rational, - das heißt, sie werden immer rationale Entscheidungen auf der Grundlage der Informationen, die sie beobachten können, aber die Informationen, die sie beobachten, kann nicht vollständig oder korrekt sein. In anderen Worten, Agenten keine vollständige Kenntnis der Welt um sie herum. Auf diese Weise gibt es einen Punkt, an dem, auch wenn eine Person hat richtige Kenntnis von der Idee oder Aktion Kaskadierung, können sie über sozialen Druck überzeugt sein, einige alternative, falsche Sicht der Welt zu verabschieden.
Unvollständige Wissen anderer: Das ursprüngliche Informationskaskade Modell geht davon aus, dass die Agenten haben unvollständigen Kenntnisse über die Mittel, die sie in der angegebenen Reihenfolge vorausgehen. Da die Definitionen in dem Mittel einige Kenntnisse des "private Daten" von früheren Agenten hielt dagegen, macht die aktuelle Mittel eine Entscheidung nur auf der beobachtbare Wirkung von denen, die ihn vorangehenden basiert. Es ist wichtig zu beachten, dass die ursprünglichen Schöpfer behaupten, dies ist ein Grund, warum Informationskaskaden können durch kleine Stöße verursacht werden.
Verhalten aller früheren Agenten bekannt ist

Folgezustände

Kaskaden besteht immer dann, wie erläutert, im einfachen Modus die Wahrscheinlichkeit einer Kaskade vorkommen hin zunimmt 1 als die Zahl der Entscheidungs gegen unendlich erhöht.
Cascades können nicht korrekt sein, da-Agenten treffen Entscheidungen sowohl mit eingeschränkter Rationalität und probabilistische Kenntnis der ursprünglichen Wahrheit kann das Fehlverhalten durch das System kaskadieren.
Cascades auf etwas stützen Informations-mathematisch, eine Kaskade von einer unendlichen Länge kann nur auf der Entscheidung von zwei Personen auf der Grundlage erfolgen. Allgemeiner kann eine kleine Gruppe von Menschen, die eine Idee stärker zu fördern als rationale schnell beeinflussen eine viel größere Teilmenge der allgemeinen Bevölkerung
Cascades sind zerbrechlich, weil Agenten erhalten keine zusätzlichen Informationen nach dem Unterschied zwischen a und b erhöht sich über 2, und weil solche Unterschiede können bei einer kleinen Anzahl von Agenten auftreten, können Agenten unter Berücksichtigung Meinungen von diesen Agenten, die Entscheidungen auf Basis von Ist-Daten werden davon abgehalten werden aus einer Auswahl nicht leicht. so nahe, dass Kaskaden sind anfällig für die Freigabe der Information der Öffentlichkeit. diskutiert auch dieses Ergebnis im Rahmen des Basiswertes p über die Zeit ändern, wobei in diesem Fall eine Kaskade schnell Kurs ändern.

Als Reaktion auf Informationskaskaden

Eine Literatur existiert, untersucht, wie Personen oder Firmen könnten auf die Existenz von Informationskaskaden zu reagieren, wenn sie Produkte zu verkaufen, sondern wo Käufer unsicher über die Qualität dieser Produkte sind. Curtis Taylor zeigt, dass, wenn ein Haus verkauft der Verkäufer möchte vielleicht mit hohen Preisen zu starten, als Versäumnis, mit niedrigen Preisen verkaufen, ist ein Hinweis auf niedrige Qualität und könnte eine Kaskade auf nicht zu kaufen zu beginnen, während die Nichteinhaltung hohen Preisen verkaufen konnten, wie aufgefasst werden was bedeutet, das Haus ist nur überteuert, und die Preise können dann reduziert werden, um einen Verkauf zu erhalten. Daniel Sgroi zeigt, dass die Unternehmen könnten "Versuchskaninchen" zu verwenden, die Möglichkeit, früh zu kaufen, um Kick-Start eine Informationskaskade durch ihre frühe und öffentliche Kaufentscheidungen, und die Arbeit von David Gill und Daniel Sgroi gegeben werden, zeigen, dass frühe öffentliche Tests kann ein haben ähnliche Wirkung. Bose et al. haben untersucht, wie sich die Preise durch einen Monopolisten setzen könnte in Anwesenheit von potenziellen Kaskadenverhalten, wo der Monopolisten und die Verbraucher nicht sicher sind, eine Produktqualität sind zu entwickeln.

Beispiele und Anwendungs

Informationskaskaden treten in Situationen, in denen zu sehen, den viele machen, die gleiche Wahl belegt, dass überwiegt das eigene Urteilsvermögen. Das heißt, man denkt: "Es ist eher wahrscheinlich, dass ich falsch liege, als dass alle, die anderen Menschen sind falsch Daher werde ich tun, was sie tun.".

In was wurde ein Reputations Kaskade bezeichnet, spät Responder gehen manchmal zusammen mit den Entscheidungen der frühen Responder, nicht nur, weil die späten Responder denke, dass die frühen Responder haben Recht, sondern auch, weil sie wahrnehmen, ihren Ruf beschädigt wird, wenn sie aus dem frühen Dissens Responder.

Markt Kaskaden

Informationskaskaden haben sich zu einem der Themen der Verhaltensökonomie, wie sie oft in die Finanzmärkte zu sehen, wo sie Spekulationen zu füttern und zu erstellen kumulative und exzessive Preisbewegungen, entweder für den gesamten Markt oder eines bestimmten Vermögenswertes, wie eine Aktie, die übermäßig populär wird unter den Anlegern.

Vermarkter auch die Idee von Kaskaden zu versuchen, erhalten eine Kauf Kaskade begann für ein neues Produkt. Wenn sie eine erste Reihe von Menschen zu veranlassen, das neue Produkt übernehmen, dann diejenigen, die Kaufentscheidungen später machen kann auch das Produkt, auch wenn es nicht besser als, oder vielleicht sogar noch schlimmer als, Konkurrenzprodukte zu erlassen. Dies ist am wirksamsten, wenn diese später Verbraucher in der Lage, um die Adoptionsentscheidungen zu beobachten sind, aber nicht, wie zufrieden die frühen Kunden tatsächlich waren mit der Wahl. Dies steht im Einklang mit der Idee, dass Kaskaden entstehen natürlich, wenn die Leute sehen können, was andere tun, aber nicht, was sie wissen.

Informationen Kaskaden werden in der Regel von den Ökonomen als:

als Produkte der rationalen Erwartungen an ihren Anfang,
als irrational Herdenverhalten, wenn sie zu lange andauern, die signalisiert, dass kollektive Emotionen kommen auch ins Spiel, um die Kaskade zu ernähren.

Soziale Netzwerkanalyse

Dotey et al. Zustand, dass Informationsflüsse in Form von Kaskaden auf dem sozialen Netzwerk. Nach Ansicht der Autoren kann Analyse virality Informationskaskaden in einem sozialen Netzwerk, um viele nützliche Anwendungen, wie die Bestimmung der einflussreichsten Personen in einem Netzwerk führen. Diese Informationen können zur Maximierung der Marktfähigkeit oder der Beeinflussung der öffentlichen Meinung eingesetzt werden. Verschiedene strukturelle und zeitliche Merkmale eines Netzwerks beeinträchtigen Kaskaden virality.

Im Gegensatz zu den auf Informationskaskaden in sozialen Netzwerken zu arbeiten, die Social Influence Modell des Glaubens Verbreitung argumentiert, dass die Menschen haben eine Vorstellung der privaten Überzeugungen derjenigen, in ihrem Netzwerk. Die sozialen Einfluss-Modell, dann entspannt sich die Übernahme von Informationskaskaden, die Menschen sind nur auf beobachtbaren Handlungen von anderen übernommen handeln. Darüber hinaus ist die soziale Einfluß Modell konzentriert sich auf Menschen in einem sozialen Netzwerk zu integrieren, im Gegensatz zu einer Warteschlange. Schließlich ist der soziale Einfluss Modell entspannt sich die Übernahme der Daten Kaskadenmodell, dass die Menschen entweder zu vervollständigen eine Aktion oder nicht, indem sie für eine kontinuierliche Skala von der "Stärke" eines Agenten Überzeugung, dass eine Aktion durchgeführt werden soll.

Historische Beispiele

Kleine Proteste begannen in Leipzig, Deutschland im Jahr 1989 mit nur einer Handvoll Aktivisten gegen die Deutsche Demokratische Republik. Seit fast einem Jahr traf Demonstranten jeden Montag wächst von ein paar Leuten jedes Mal. Als die Regierung versuchte, es im September 1989 zu adressieren, war es zu groß, um unterdrücken. Im Oktober ist die Zahl der Demonstranten erreichte 100.000 und von dem ersten Montag im November marschierten mehr als 400.000 Menschen in den Straßen von Leipzig. Zwei Tage später die Berliner Mauer wurde demontiert.

Die Akzeptanz der dürreresistente Hybridsamen Mais während der Großen Depression und Dust Bowl war trotz seiner erhebliche Verbesserung gegenüber den bisher verfügbaren Saatkorn langsam. Forscher an der Iowa State University waren daran interessiert, zu verstehen, zu zögern der Öffentlichkeit auf der Annahme dieses deutlich verbesserte Technologie. Nach der Durchführung 259 Interviews mit Bauern wurde festgestellt, dass die schleppenden Einführung war auf, wie die Bauern schätzten die Meinung ihrer Freunde und Nachbarn, statt das Wort eines Verkäufers. Sehen Sie für den ursprünglichen Bericht.

Empirische Studien

Zusätzlich zu den obigen Beispielen Informationskaskaden wurde gezeigt, dass in einigen empirischen Studien existieren. Vielleicht das beste Beispiel oben gegeben ist. Die Teilnehmer standen in einer Linie hinter einer Urne, die Kugeln in verschiedenen Farben hatten. Sequenziell würde den Teilnehmern eine Kugel aus der Urne holen, sieht es, und dann legt sie zurück in die Urne. Der Agent dann äußert ihre Meinung, welche Farbe der Kugeln befindet sich ein Großteil der in der Urne für den Rest der Teilnehmer zu hören. Die Teilnehmer erhalten eine finanzielle Belohnung, wenn sie richtig erraten, wodurch der Begriff der Rationalität.

Andere Beispiele umfassen

De Vany und Wände schaffen ein statistisches Modell der Informationskaskaden, wo eine Aktion erforderlich ist. Sie gelten für dieses Modell, um die Maßnahmen zu ergreifen, um die Menschen ins Kino gehen, die im Theater gekommen ist. De Vany und Walls validieren ihr Modell auf diesen Daten, die Suche nach einem ähnlichen Pareto-Verteilung der Einnahmen für verschiedene Filme.
Walden und Browne auch die ursprünglichen Informationen Cascade Modell zu übernehmen, sich hier in einen Betriebsmodell praktischer für realen Welt Studien, die für die Analyse auf Grundlage der beobachteten Variablen ermöglicht. Walden und Browne testen ihr Modell auf Daten über die Übernahme neuer Technologien durch Unternehmen, der Suche nach Unterstützung für ihre Hypothese, dass die Informationskaskaden spielen eine Rolle bei dieser Annahme

Rechtliche Aspekte

Die negativen Auswirkungen der Informationskaskaden manchmal eine rechtliche Anliegen geworden und wurden Gesetze erlassen, um sie zu neutralisieren. Ward Farnsworth, Jura-Professor, analysiert die rechtlichen Aspekte der Informationskaskaden und gab mehrere Beispiele in seinem Buch The Legal Analyst: in vielen Militärgerichte, die Offiziere der Abstimmung, um einen Fall Abstimmung im umgekehrten Rangordnung zu entscheiden, und er schlug vor, es getan werden kann so dass die niedrigeren Rangs Offiziere nicht durch den Kaskaden versucht, mit den mehr hochrangige Offiziere, die glaubten, um genauere Beurteilung haben, abgegeben werden; Ein weiteres Beispiel ist, dass Länder wie Israel und Frankreich haben Gesetze, die Polling-Tage oder Wochen vor den Wahlen zu verbieten, um die Wirkung der Informationskaskade, die die Wahlergebnisse beeinflussen können, zu verhindern.