Информационный каскад

Поведенческий феномен

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

Информационный каскад обычно принимается как двухэтапный процесс. Для начала каскада индивидуум должен столкнуться со сценарием с решением, обычно бинарным. Во-вторых, на это решение могут влиять внешние факторы, например, наблюдение индивидуумом выбора других и очевидных результатов.

Двухэтапный процесс информационного каскада можно разбить на пять основных компонентов:

1. Необходимо принять решение , например, внедрить ли новую технологию, носить новый стиль одежды, обедать в новом ресторане или поддерживать определенную политическую позицию.
2. Существует ограниченное пространство для действий (например, решение принять/отклонить)
3. Люди принимают решения последовательно, и каждый человек может наблюдать выбор, сделанный теми, кто действовал ранее.
4. У каждого человека есть некоторая информация, помимо его собственной, которая помогает ему принять решение.
5. Человек не может напрямую наблюдать внешнюю информацию, известную другим людям, но он или она может делать выводы об этой информации из того, что они делают.

Социальные перспективы каскадов, которые предполагают, что агенты могут действовать нерационально (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 путается 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 приведены некоторые основные примеры информационных каскадов, первоначально описанные Бикчандани и др. (1992). ^[7] С тех пор базовая модель была разработана в различных направлениях для проверки ее надежности и лучшего понимания ее последствий. ^{[8] [9]}

Качественный пример

Информационные каскады возникают, когда внешняя информация, полученная от предыдущих участников события, переопределяет собственный личный сигнал, независимо от правильности первого над вторым. Эксперимент, проведенный Андерсоном ^[10], является полезным примером этого процесса. Эксперимент состоял из двух урн, помеченных как A и B. Урна A содержит два шара, помеченных как «a», и один, помеченный как «b». Урна B содержит один шар, помеченный как «a», и два, помеченных как «b». Урна, из которой должен быть вынут шар во время каждого забега, определяется случайным образом и с равной вероятностью (броском 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 «забегом», и выполняется ряд таких забегов.

Каждый раз, когда участник берет шарик, он должен решить, к какой урне он принадлежит. Затем его решение объявляется для всех остальных участников в комнате. Таким образом, (n+1)-й участник имеет информацию о решениях, принятых всеми n участниками до него, а также свой личный сигнал, который является меткой на шарике, который он вытаскивает во время своего хода. Экспериментаторы заметили, что информационный каскад наблюдался в 41 из 56 таких запусков. Это означает, что в запусках, где произошел каскад, по крайней мере один участник отдал приоритет более ранним решениям над своим собственным личным сигналом. 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, — L (низкий сигнал). Модель предполагает, что когда правильным решением является принятие, люди с большей вероятностью увидят сигнал H , и наоборот, когда правильным решением является отклонение, люди с большей вероятностью увидят сигнал L. Это по сути условная вероятность — вероятность H , когда правильным действием является принятие, или . Аналогично существует вероятность того, что агент получит сигнал L , когда правильным действием является отклонение. Если эти вероятности представлены как q , то q > 0,5. Это суммировано в таблице ниже. ^[11] ${\displaystyle P[H|A]}$ ${\displaystyle P[L|R]}$

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

${\displaystyle {\begin{aligned}P\left(A|H\right)&={\frac {P\left(A\right)P\left(H|A\right)}{P\left(H\right)}}\\&={\frac {P\left(A\right)P\left(H|A\right)}{P\left(A\right)P\left(H|A\right)+P\left(R\right)P\left(H|R\right)}}\\&={\frac {pq}{pq+\left(1-p\right)\left(1-q\right)}}\\&>p\end{aligned}}}$

Если агент получает сигнал H , то вероятность принятия получается путем вычисления . Уравнение гласит, что в силу того факта, что q > 0,5, первый агент, действующий только на свой личный сигнал, всегда увеличит свою оценку p с сигналом H. Аналогично можно показать, что агент всегда уменьшит свое ожидание p , когда он получает низкий сигнал. Вспоминая, 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 начал с предположения, что как принятие, так и отклонение являются одинаково жизнеспособными вариантами ( p = 0,5), наблюдение сигнала H позволит ему сделать вывод, что принятие является рациональным выбором. ${\displaystyle P[A|H]}$

Затем второй агент рассматривает как решение первого агента, так и свой собственный сигнал, снова рациональным образом. 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.

${\displaystyle P(A|{\text{Previous}},{\text{Personal signal}})={\frac {pq^{a}(1-q)^{b}}{pq^{a}(1-q)^{b}+(1-p)(1-q)^{a}q^{b}}}}$

Где a — это количество принятых в предыдущем наборе плюс собственный сигнал агента, а b — это количество отклоненных. Таким образом, ⁠ ⁠ ${\displaystyle a+b=n}$ . Решение принимается на основе того, как значение в правой части уравнения сравнивается с p . ^[11]

Явные предположения 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 схожих проблем, таких как распространение инноваций .

1. Ограниченно рациональные агенты: оригинальная модель Independent Cascade 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 наблюдают, может быть неполной или неправильной. Другими словами, агенты не обладают полным знанием окружающего их мира (что позволило бы им принимать правильное решение в любой и всех ситуациях). Таким образом, есть точка, в которой, даже если человек имеет правильное знание каскада идеи или действия, его можно убедить с помощью социального давления принять некое альтернативное, неправильное представление о мире.
2. Неполное знание других: Исходная модель информационного каскада предполагает, что агенты имеют неполное знание агентов, которые предшествуют им в указанном порядке. В отличие от определений, где агенты имеют некоторое знание «личной информации», которой владеют предыдущие агенты, текущий агент принимает решение, основанное только на наблюдаемых действиях (подражать или нет) тех, кто предшествовал ему. Важно отметить, что исходные создатели утверждают, что это причина, по которой информационные каскады могут быть вызваны небольшими шоками.
3. Поведение всех предыдущих агентов известно

Результирующие условия

1. Каскады будут возникать всегда — как уже обсуждалось, в простом режиме вероятность возникновения каскада возрастает до 1 по мере того, как число людей, принимающих решения, увеличивается до бесконечности.
2. Каскады могут быть неверными — поскольку агенты принимают решения как с ограниченной рациональностью, так и с вероятностным знанием первоначальной истины (например, является ли принятие или отклонение правильным решением), неправильное поведение может каскадно передаваться по всей системе.
3. Каскады могут основываться на небольшом количестве информации – математически каскад бесконечной длины может возникнуть на основе решения только двух человек. В более общем смысле, небольшая группа людей, которые активно продвигают идею как рациональную, может быстро повлиять на гораздо большую подгруппу населения в целом
4. Каскады хрупки , поскольку агенты не получают дополнительной информации после того, как разница между a и b увеличивается более чем на 2, и поскольку такие различия могут возникать при небольшом количестве агентов, агенты, учитывающие мнения тех агентов, которые принимают решения на основе фактической информации, могут быть довольно легко отговорены от выбора. ^[7] Это говорит о том, что каскады восприимчивы к раскрытию публичной информации. ^[7] также обсуждает этот результат в контексте изменения базового значения p с течением времени, и в этом случае каскад может быстро изменить курс.

Отвечая

Существует литература, в которой рассматривается, 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) ^[13] показывает, что при продаже дома продавец может захотеть начать с высоких цен, поскольку неудача в продаже по низким ценам свидетельствует о низком качестве и может запустить каскад не покупки, в то время как неудача в продаже по высоким ценам может быть истолкована как означающая, что дом просто переоценен, и цены затем можно снизить, чтобы добиться продажи. Дэниел Сгрой (2002) ^[14] показывает, что фирмы могут использовать «подопытных кроликов», которым предоставляется возможность купить раньше, чтобы запустить информационный каскад посредством их ранних и публичных решений о покупке, а работа Дэвида Гилла и Дэниела Сгроя (2008) ^[15] показывает, что ранние публичные тесты могут иметь аналогичный эффект (и в частности, что прохождение «жесткого теста», который предвзят против продавца, может само по себе спровоцировать каскад). Бозе и др. ^[16] исследовали, как цены, установленные монополистом, могут меняться при наличии потенциального каскадного поведения, когда монополист и потребители не уверены в качестве продукции.

Примеры и области применения

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

В том, что было названо репутационным каскадом , те, кто отреагировал поздно, иногда соглашаются с решениями тех, кто отреагировал рано, не только потому, что те, кто отреагировал поздно, считают, что те, кто отреагировал рано, правы, но и потому, что они считают, что их репутация будет испорчена, если они не согласятся с теми, кто отреагировал рано. ^[17]

Рыночные каскады

Информационные каскады стали одной из тем поведенческой экономики , поскольку они часто наблюдаются на финансовых рынках, где они могут подпитывать спекуляции и создавать кумулятивные и чрезмерные движения цен , как для всего рынка ( рыночный пузырь ), так и для конкретного актива, например, акций, которые становятся чрезмерно популярными среди инвесторов. ^{[ требуется ссылка ]}

Маркетологи также используют идею каскадов, чтобы попытаться запустить каскад покупок для нового продукта. Если они могут побудить начальную группу людей принять новый продукт, то те, кто принимает решения о покупке позже, также могут принять продукт, даже если он не лучше, или, возможно, даже хуже, чем конкурирующие продукты. Это наиболее эффективно, если эти более поздние потребители могут наблюдать решения о принятии, но не то, насколько ранние клиенты были удовлетворены выбором на самом деле. Это согласуется с идеей о том, что каскады возникают естественным образом, когда люди могут видеть, что делают другие, но не то, что они знают. ^{[ необходима цитата ]}

Примером могут служить голливудские фильмы. Если тестовые показы показывают, 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 разнесется слух, что фильм провалился. ^{[ необходима цитата ]}

Информационные каскады обычно рассматриваются экономистами: ^{[ необходима цитата ]}

• как продукты рациональных ожиданий в их начале,
• как иррациональное стадное поведение , если оно сохраняется слишком долго, что является сигналом о том, что коллективные эмоции также вступают в игру, подпитывая каскад.

Социальные сети и социальные медиа

Дотей и др. ^[18] утверждают, что информация распространяется в виде каскадов в социальной сети . 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 социальной сети для ее изучения и снижения ее влияния в онлайн-социальных сетях.

В отличие от работы над информационными каскадами в социальных сетях, модель социального влияния распространения убеждений утверждает, что люди имеют некоторое представление о личных убеждениях тех, кто находится в их сети. ^[19] Таким образом, модель социального влияния ослабляет предположение об информационных каскадах, что люди действуют только в ответ на наблюдаемые действия, предпринимаемые 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, что люди либо выполнят действие, либо нет, допуская непрерывную шкалу «силы» убеждения агентов в том, что действие должно быть выполнено.

Информационные каскады также могут реструктурировать социальные сети, через которые они проходят. Например, хотя в Twitter наблюдается постоянный низкий уровень оттока социальных связей — в любой месяц меняются около 9% всех социальных связей — часто наблюдается всплеск активности подписок и отписок после информационного каскада, например, распространения вирусного твита. ^[20] По мере того, как каскад распространения твитов проходит через сеть, пользователи корректируют свои социальные связи, особенно те, которые связаны с первоначальным автором вирусного твита: автор вирусного твита увидит как внезапную потерю предыдущих подписчиков, так и внезапное увеличение новых подписчиков.

Как часть этого каскадного процесса реорганизации, информационные каскады также могут создавать ассортативные социальные сети , где люди, как правило, связаны с другими, которые похожи по некоторым характеристикам. Каскады твитов увеличивают сходство между связанными пользователями, поскольку пользователи теряют связи с более непохожими пользователями и добавляют новые связи с похожими пользователями. ^[20] Информационные каскады, созданные новостным освещением в СМИ, также могут способствовать политической поляризации, сортируя социальные сети по политическим линиям : пользователи Twitter, которые следят и делятся более поляризованным новостным освещением, как правило, теряют социальные связи с пользователями противоположной идеологии. ^[21]

Исторические примеры

• Небольшие протесты начались в Лейпциге , Германия, в 1989 году, когда всего лишь горстка активистов бросила вызов Германской Демократической Республике . ^[22] В течение почти года протестующие собирались каждый понедельник, каждый раз увеличиваясь на несколько человек. ^[22] К тому времени, когда правительство попыталось решить эту проблему в сентябре 1989 года, она была слишком большой, чтобы ее подавить. ^[22] В октябре число протестующих достигло 100 000, а к первому понедельнику ноября более 400 000 человек прошли маршем по улицам Лейпцига. Два дня спустя была демонтирована Берлинская стена . ^[22]

• Скорость принятия засухоустойчивой гибридной семенной кукурузы во время Великой депрессии и Пыльной бури была медленной, несмотря на ее значительное улучшение по сравнению с ранее доступной семенной кукурузой. Исследователи из Университета штата Айова хотели понять колебания общественности в отношении принятия этой значительно улучшенной технологии. После проведения 259 интервью с фермерами ^[23] было отмечено, что медленная скорость принятия была связана с тем, как фермеры ценили мнение своих друзей и соседей вместо слова продавца. См. ^[24] для оригинального отчета.

Эмпирические исследования

В дополнение к примерам выше, было показано, что информационные каскады существуют в нескольких эмпирических исследованиях. Возможно, лучшим примером, приведенным выше, является. ^[10] Участники стояли в очереди за урной, в которой были шары разных цветов. Последовательно участники выбирали шар из урны, смотрели на него, а затем клали обратно в урну. Затем агент озвучивал свое мнение о том, шаров какого цвета (красного или синего) больше всего в урне, чтобы его услышали остальные участники. Участники получают денежное вознаграждение, если они угадают правильно, что заставляет придерживаться концепции рациональности.

Другие примеры включают в себя

• Де Вани и Уоллс ^[25] создают статистическую модель информационных каскадов, где требуется действие. Они применяют эту модель к действиям, которые предпринимают люди, чтобы пойти посмотреть фильм, который вышел в кинотеатре. Де Вани и Уоллс проверяют свою модель на этих данных, обнаруживая похожее распределение Парето доходов для разных фильмов.
• Уолден и Браун также принимают оригинальную модель информационного каскада, здесь в операционную модель, более практичную для исследований реального мира, которая позволяет проводить анализ на основе наблюдаемых переменных. Уолден и Браун проверяют свою модель на данных о принятии новых технологий предприятиями, находя подтверждение своей гипотезе о том, что информационные каскады играют роль в этом принятии ^[26]

Правовые аспекты

Негативные эффекты информационных каскадов иногда становятся правовой проблемой, и были приняты законы 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, голосующие за решение дела, голосуют в обратном порядке рангов (офицер самого низкого ранга голосует первым), и он предположил, что это может быть сделано для того, чтобы офицеры более низкого ранга не соблазнялись каскадом голосовать вместе 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 голосование за несколько дней или недель до выборов, чтобы предотвратить эффект информационного каскада, который может повлиять на результаты выборов. ^[27]

Глобализация

В одном исследовании информационного каскада сравнивались мыслительные процессы между греческими и немецкими фермерами, занимающимися органическим земледелием, что указывает на различия, основанные на культурных и социально-экономических различиях. ^[28] Более того, каскады были экстраполированы на такие идеи, как финансовая волатильность и денежно-кредитная политика. В 2004 году Хельмут Вагнер и Вольфрам Бергер предложили каскады в качестве аналитического средства для изучения изменений на финансовом рынке по мере его глобализации. Вагнер и Бергер заметили структурные изменения в структуре понимания финансовых рынков из-за глобализации; что привело к волатильности потоков капитала и породило неопределенность, которая повлияла на центральные банки. ^[29] Кроме того, информационные каскады полезны для понимания истоков террористической тактики. Когда в 1972 году произошла атака «Черного сентября», было трудно не увидеть сходства между их тактикой и группой Баадера-Майнхоф (также известной как Фракция Красной Армии [RAF]). ^[30] Все эти примеры показывают, как был введен в действие процесс каскадов. Более того, важно понимать структуру каскадов, чтобы двигаться вперед в более глобализованном обществе. Создание основы для понимания прохождения информации через транснациональные и многонациональные организации, и даже больше, имеет решающее значение для зарождающегося современного общества. ^[31] 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 через различные культуры, охватывающие множество разных стран. ^[32]

Смотрите также

• Эксперименты по конформизму Аша
• Соответствие
• Групповое мышление
• Групповая поляризация
• Стадное поведение
• Овцы
• Социальное доказательство
• Эффект Woozle
• Другие подходы к моделированию
  • Гипотеза адаптивного рынка
  • Агентно-ориентированная вычислительная экономика
  • Финансовая экономика
  • Гипотеза шумного рынка
  • Гипотеза случайного блуждания

Ссылки

1. Дуань, Вэньцзин; Гу, Бин; Уинстон, Эндрю Б. (март 2009 г.). «Информационные каскады и внедрение программного обеспечения в Интернете: эмпирическое исследование». MIS Quarterly . 33 (1). Рочестер, Нью-Йорк: 23–48. doi : 10.2307/20650277. hdl : 2144/42029 . JSTOR  20650277. S2CID  909115. SSRN  1103165.
2. "Разница между информационными каскадами и стадным поведением: блог курса по сетям для INFO 2040/CS 2850/Econ 2040/SOC 2090" . Получено 15 апреля 2019 г.
3. Çelen, Boğaçhan; Kariv, Shachar (май 2004 г.). «Отличие информационных каскадов от стадного поведения в лаборатории». American Economic Review . 94 (3): 484–498. CiteSeerX 10.1.1.357.3265 . doi :10.1257/0002828041464461. 
4. Шиллер, Р. Дж. (1995). «Разговор, информация и стадное поведение». Риторика и экономическое поведение . 85 (3): 181–185.
5. Грюль, Даниэль; Гуха, Р.; Либен-Ноуэлл, Дэвид; Томкинс, Эндрю (2004). «Распространение информации через блог-пространство». Труды 13-й международной конференции по Всемирной паутине . С. 491–501. CiteSeerX 10.1.1.131.4532 . doi :10.1145/988672.988739. ISBN  978-1-58113-844-3. S2CID  526158.
6. Садиков, Эльдар; Медина, Монтсеррат; Лесковец, Юре; Гарсия-Молина, Гектор (2011). «Исправление пропущенных данных в информационных каскадах». Труды четвертой международной конференции ACM по веб-поиску и добыче данных . стр. 55–64. doi :10.1145/1935826.1935844. ISBN 978-1-4503-0493-1. S2CID  6978077.
7. Бикхчандани, Сушил; Хиршлейфер, Дэвид; Уэлч, Иво (октябрь 1992 г.). «Теория причуд, моды, обычаев и культурных изменений как информационных каскадов» (PDF) . Журнал политической экономии . 100 (5): 992–1026. doi :10.1086/261849. S2CID  7784814.
8. Бикхчандани, Сушил; Хиршлейфер, Дэвид; Уэлч, Иво (август 1998 г.). «Извлечение уроков из поведения других: конформизм, мода и информационные каскады». Журнал экономических перспектив . 12 (3): 151–170. doi : 10.1257/jep.12.3.151 . hdl : 2027.42/35413 .
9. Смит, Лонес; Соренсен, Питер (март 2000 г.). «Патологические результаты наблюдательного обучения». Econometrica . 68 (2): 371–398. doi :10.1111/1468-0262.00113. hdl : 1721.1/64049 . S2CID  14414203.
10. Андерсон, Лиза Р.; Холт, Чарльз А. (1997). «Информационные каскады в лаборатории». The American Economic Review . 87 (5): 847–862. JSTOR  2951328.
11. Изли, Дэвид (2010). Сети, толпы и рынки: рассуждения о высокосвязанном мире. Cambridge University Press. С. 483–506.
12. Ньюэлл, А. (1972). Решение человеческих проблем . Энглвуд Клиффс, Нью-Йорк: Prentice Hall. ISBN 9780134454030.
13. Тейлор, К. (1999). «Время на рынке как признак качества». Обзор экономических исследований . 66 (3): 555–578. doi : 10.1111/1467-937x.00098 .
14. Sgroi, D. (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 монопольное ценообразование и стадность». RAND Journal of Economics . 37 (4): 910–928. CiteSeerX 10.1.1.493.1834 . doi :10.1111/j.1756-2171.2006.tb00063.x. S2CID  2984643. 
17. Лемье, Пьер (22 декабря 2003 г.). «Следуя за стадом: почему некоторые идеи внезапно становятся популярными, а затем так же быстро умирают?». Положение . 26 (4): 16–22. SSRN  505764. Гейл  A113304115.
18. Дотей, А., Ром, Х. и Вака К. (2011). «Распространение информации в социальных сетях» (PDF) . Стэнфордский университет.{{cite web}}: CS1 maint: multiple names: authors list (link)
19. Фридкин, Ноа Э.; Джонсен, Юджин К. (2009). Теория сетей социального влияния . Кембридж: Cambridge University Press. doi : 10.1017/cbo9780511976735. ISBN 978-0-511-97673-5.
20. Myers, Seth A.; Leskovec, Jure (2014). «Взрывная динамика информационной сети Twitter». Труды 23-й международной конференции по Всемирной паутине . С. 913–924. arXiv : 1403.2732 . doi :10.1145/2566486.2568043. ISBN 978-1-4503-2744-2. S2CID  6353961.
21. Tokita, Christopher K.; Guess, Andrew M.; Tarnita, Corina E. (14 декабря 2021 г.). «Поляризованные информационные экосистемы могут реорганизовать социальные сети через информационные каскады». Труды Национальной академии наук . 118 (50): e2102147118. Bibcode : 2021PNAS..11802147T. doi : 10.1073/pnas.2102147118 . PMC 8685718. PMID  34876511 . 
22. Ширки, Клей (2008). Here Comes Everybody: The Power of Organizing Without Organizations . Нью-Йорк: Penguin Press . С. 161–164. ISBN 978-1-59420-153-0.
23. Карбонау, Кларк (2005). «Использование диффузии инноваций и академической детализации для распространения практик, основанных на фактических данных». Журнал качества здравоохранения . 27 (2): 48–52. doi :10.1111/j.1945-1474.2005.tb01117.x. PMID  16190312. S2CID  6946662.
24. Beal, George M.; Bohlen, Joe M. (ноябрь 1981 г.). "Процесс диффузии" (PDF) . Специальный отчет № 18. Университет науки и технологий штата Айова в Эймсе, штат Айова. Архивировано из оригинала (PDF) 2009-04-08 . Получено 2008-11-11 .
25. Де Вани, А.; Д. Уоллс (1999). «Неопределенность в киноиндустрии: уменьшает ли сила звезд ужас кассовых сборов?». Журнал культурной экономики . 23 (4): 285–318. doi :10.1023/a:1007608125988. S2CID  54614446.
26. Уолден, Эрик; Браун, Гленн (2002). «Информационные каскады при внедрении новых технологий». Труды ICIS .
27. Фарнсворт, Уорд (2007). Юридический аналитик: набор инструментов для размышлений о праве . Издательство Чикагского университета. ISBN 978-0-226-23835-7. OCLC  76828864.^{[ нужна страница ]}
28. Хатзимихаэль, Константинос; Гений, Маргарита; Цувелекас, Вангелис (декабрь 2014 г.). «Информационные каскады и внедрение технологий: данные греческих и немецких производителей органической продукции» (PDF) . Продовольственная политика . 49 : 186–195. doi :10.1016/j.foodpol.2014.08.001.
29. Вагнер, Хельмут; Бергер, Вольфрам (июнь 2004 г.). «Глобализация, финансовая волатильность и денежно-кредитная политика». Empirica . 31 (2–3): 163–184. CiteSeerX 10.1.1.466.2938 . doi :10.1007/s10633-004-0915-4. S2CID  53471608. 
30. Пассмор, Л. (2011). Ульрике Майнхоф и Фракция Красной Армии: Исполнение Террора . Springer. ISBN 978-0-230-37077-7. OCLC  904285976.^{[ нужна страница ]}
31. Хамлетт, Патрик В.; Кобб, Майкл Д. (ноябрь 2006 г.). «Потенциальные решения проблем публичного обсуждения: структурированные обсуждения и каскады поляризации». Журнал политических исследований . 34 (4): 629–648. doi :10.1111/j.1541-0072.2006.00195.x.
32. Дрезнер, Дэниел В. (2010). «Взвешивание весов: влияние Интернета на отношения между государством и обществом». The Brown Journal of World Affairs . 16 (2): 31–44. JSTOR  24590907.

Внешние ссылки

• Информационные каскады и рациональное стадное поведение: аннотированная библиография и справочник ресурсов
• Библиография информационных каскадов и стадного эффекта
• Шиллер, Роберт Дж. (2 марта 2008 г.). «Как пузырь остался незамеченным». The New York Times .
• Тирни, Джон (9 октября 2007 г.). «Как каскад с низким содержанием жиров и низким содержанием фактов продолжает развиваться». TierneyLab .
• Тирни, Джон (10 октября 2007 г.). «Шопенгауэр о каскадах». TierneyLab .
• Уоттс, Дункан Дж. (15 апреля 2007 г.). «Является ли Джастин Тимберлейк продуктом кумулятивного преимущества?». The New York Times .
• Информационные каскады в магии