cascada de información

Las cascadas de información ocurren cuando la información externa obtenida de participantes anteriores en un evento anula la señal privada de uno mismo, independientemente de la veracidad de la primera sobre la segunda. El experimento realizado por Anderson ^{[ 10 ]} es un ejemplo útil de este proceso. El experimento consistió en dos urnas etiquetadas como A y B. La urna A contiene dos bolas etiquetadas como "a" y una etiquetada como "b". La urna B contiene una bola etiquetada como "a" y dos etiquetadas como "b". La urna de la que se debe extraer una bola durante cada ronda se determina aleatoriamente y con igual probabilidad (mediante el lanzamiento de un dado). El contenido de la urna elegida se vacía en un recipiente neutral. Luego, se pide a los participantes, en orden aleatorio, que extraigan una canica de este recipiente. Todo este proceso puede denominarse una "ronda", y se realizan varias de estas rondas.

Cada vez que un participante toma una canica, debe decidir a qué urna pertenece. Su decisión se anuncia para beneficio de los demás participantes en la sala. De esta manera, el participante (n+1) tiene información sobre las decisiones tomadas por los n participantes anteriores, así como su señal privada, que es la etiqueta de la canica que extrae durante su turno. Los experimentadores observaron una cascada de información en 41 de 56 ejecuciones. Esto significa que, en las ejecuciones donde ocurrió la cascada, al menos un participante dio prioridad a las decisiones anteriores sobre su propia señal privada. Es posible que tal suceso produzca un resultado erróneo. Este fenómeno se conoce como "cascada inversa".

La señal de una persona que le indica que acepte se denota como H (una señal alta, donde alta significa que debe aceptar), y una señal que le indica que no acepte es L (una señal baja). El modelo asume que cuando la decisión correcta es aceptar, los individuos tendrán más probabilidades de ver una H , y, a la inversa, cuando la decisión correcta es rechazar, los individuos tendrán más probabilidades de ver una señal L. Esto es esencialmente una probabilidad condicional : la probabilidad de H cuando la acción correcta es aceptar, o${\displaystyle P[H|A]}$. Similarmente${\displaystyle P[L|R]}$es la probabilidad de que un agente reciba una señal L cuando se rechaza la acción correcta. Si estas probabilidades se representan por q , entonces q > 0,5. Esto se resume en la tabla siguiente. ^{[ 11 ]}

El primer agente determina si acepta o no basándose únicamente en su propia señal. Dado que el modelo asume que todos los agentes actúan racionalmente, la acción (aceptar o rechazar) que el agente considera más probable es la que elegirá. Esta decisión puede explicarse mediante la regla de Bayes :

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

Si el agente recibe una señal H , entonces la probabilidad de aceptar se obtiene calculando${\displaystyle P[A|H]}$La ecuación indica que, dado que q > 0,5, el primer agente, actuando únicamente en función de su señal privada, siempre aumentará su estimación de p con una señal H. De manera similar, se puede demostrar que un agente siempre disminuirá su expectativa de p cuando reciba una señal baja. Recordemos que, si el valor V de aceptar es igual al valor de rechazar, entonces un agente aceptará si cree que p > 0,5 y rechazará en caso contrario. Dado que este agente partió de la suposición de que tanto aceptar como rechazar son opciones igualmente viables ( p = 0,5), la observación de una señal H le permitirá concluir que aceptar es la opción racional.

El segundo agente considera entonces tanto la decisión del primer agente como su propia señal, nuevamente de forma racional. En general, el n -ésimo agente considera las decisiones de los n -1 agentes anteriores y su propia señal. Toma una decisión basada en el razonamiento bayesiano para determinar la opción más racional.

$${\displaystyle P(A|{\text{Anterior}},{\text{Señal personal}})={\frac {pq^{a}(1-q)^{b}}{pq^{a}(1-q)^{b}+(1-p)(1-q)^{a}q^{b}}}}$$

Donde a es el número de aceptaciones en el conjunto anterior más la propia señal del agente, y b es el número de rechazos. Por lo tanto ,${\displaystyle a+b=n}$La decisión se basa en cómo se compara el valor del lado derecho de la ecuación ^con p . [ ^{11 ]}

El modelo original hace varias suposiciones sobre el comportamiento humano y el mundo en el que actúan los humanos, ^{[ 7 ]} algunas de las cuales se relajan en versiones posteriores ^{[ 11 ]} o en definiciones alternativas de problemas similares, como la difusión de innovaciones .

1. Agentes con racionalidad limitada : El modelo original de cascada independiente presupone que los humanos tienen una racionalidad limitada ^{[ 12 ]} , es decir, que siempre tomarán decisiones racionales basándose en la información que pueden observar, pero esta información puede no ser completa ni correcta. En otras palabras, los agentes no poseen un conocimiento completo del mundo que los rodea (lo que les permitiría tomar la decisión correcta en cualquier situación). De este modo, existe un punto en el que, incluso si una persona tiene un conocimiento correcto de la idea o acción que se desencadena, puede ser persuadida por presiones sociales para adoptar una visión alternativa e incorrecta del mundo.
2. Conocimiento incompleto de los demás: El modelo original de cascada de información presupone que los agentes tienen un conocimiento incompleto de los agentes que los preceden en el orden especificado. A diferencia de las definiciones en las que los agentes poseen cierto conocimiento de la "información privada" de los agentes anteriores, el agente actual toma una decisión basándose únicamente en la acción observable (si imitar o no) de quienes lo preceden. Los creadores originales argumentan que esta es una de las razones por las que las cascadas de información pueden ser provocadas por pequeños choques.
3. Se conoce el comportamiento de todos los agentes anteriores.

1. Las cascadas siempre ocurrirán ; como ya se ha comentado, en el modo simple, la probabilidad de que ocurra una cascada aumenta hacia 1 a medida que el número de personas que toman decisiones aumenta hacia el infinito.
2. Las cascadas de decisiones pueden ser incorrectas , ya que los agentes toman decisiones con racionalidad limitada y conocimiento probabilístico de la verdad inicial (por ejemplo, si aceptar o rechazar es la decisión correcta), por lo que el comportamiento incorrecto puede propagarse en cascada por todo el sistema.
3. Las cascadas pueden basarse en poca información ; matemáticamente, una cascada de longitud infinita puede ocurrir basándose únicamente en la decisión de dos personas. En términos más generales, un pequeño grupo de personas que promueven firmemente una idea como racional puede influir rápidamente en un subconjunto mucho mayor de la población general.
4. Las cascadas son frágiles , ya que los agentes no reciben información adicional una vez que la diferencia entre a y b supera el valor de 2, y debido a que tales diferencias pueden ocurrir con un número reducido de agentes, los agentes que consideran las opiniones de aquellos que toman decisiones basadas en información real pueden ser disuadidos de una elección con bastante facilidad. ^{[ 7 ]} Esto sugiere que las cascadas son susceptibles a la divulgación de información pública. ^{[ 7 ]} también analiza este resultado en el contexto del cambio del valor subyacente p a lo largo del tiempo, en cuyo caso una cascada puede cambiar de rumbo rápidamente.

Las cascadas de información se han convertido en uno de los temas de la economía conductual , ya que se observan con frecuencia en los mercados financieros, donde pueden alimentar la especulación y generar movimientos de precios acumulativos y excesivos , ya sea para todo el mercado ( burbuja de mercado ) o para un activo específico, como una acción que se vuelve demasiado popular entre los inversores.

Los especialistas en marketing también utilizan el concepto de cascada para intentar iniciar una cadena de compras para un nuevo producto. Si logran que un grupo inicial de personas adopte el nuevo producto, quienes tomen decisiones de compra posteriormente también podrían adoptarlo, incluso si no es mejor que los productos de la competencia, o incluso si es peor. Esto resulta más efectivo si estos consumidores posteriores pueden observar las decisiones de adopción, pero no el grado de satisfacción de los primeros clientes con su elección. Esto concuerda con la idea de que las cascadas surgen de forma natural cuando las personas pueden observar lo que hacen los demás, pero no lo que saben.

Un ejemplo son las películas de Hollywood. Si las proyecciones de prueba sugieren que una película de gran presupuesto podría ser un fracaso, los estudios a menudo deciden gastar más en marketing inicial en lugar de menos, con el objetivo de ganar la mayor cantidad de dinero posible en el fin de semana de estreno, antes de que se corra la voz de que es un fiasco.

Las cascadas de información suelen ser consideradas por los economistas:

• como productos de expectativas racionales en su inicio,
• como comportamiento gregario irracional si persisten durante demasiado tiempo, lo que indica que las emociones colectivas también entran en juego para alimentar la cascada.

Dotey et al. ^{[ 18 ]} afirman que la información fluye en forma de cascadas en la red social . Según los autores, el análisis de la viralidad de las cascadas de información en una red social puede conducir a numerosas aplicaciones útiles, como la identificación de los individuos más influyentes dentro de la red. Esta información puede utilizarse para maximizar la eficacia del mercado o influir en la opinión pública . Diversas características estructurales y temporales de una red afectan la viralidad de las cascadas. Además, estos modelos se utilizan ampliamente en el problema de la propagación de rumores en redes sociales para investigarla y reducir su influencia en las redes sociales en línea.

A diferencia del trabajo sobre cascadas de información en redes sociales, el modelo de influencia social de propagación de creencias sostiene que las personas tienen cierta noción de las creencias privadas de quienes forman parte de su red. ^{[ 19 ]} El modelo de influencia social, por lo tanto, flexibiliza el supuesto de las cascadas de información de que las personas actúan únicamente en función de las acciones observables de otros. Además, el modelo de influencia social se centra en la integración de las personas dentro de una red social, en lugar de una cola. Finalmente, el modelo de influencia social flexibiliza el supuesto del modelo de cascada de información de que las personas completarán o no una acción, al permitir una escala continua de la "intensidad" de la creencia de un agente de que una acción debe completarse.

Las cascadas de información también pueden reestructurar las redes sociales por las que pasan. Por ejemplo, si bien hay un nivel bajo y constante de rotación en los vínculos sociales en Twitter —en un mes cualquiera, alrededor del 9 % de todas las conexiones sociales cambian—, a menudo hay un pico en la actividad de seguir y dejar de seguir después de una cascada de información, como la difusión de un tuit viral. ^{[ 20 ]} A medida que la cascada de difusión de tuits pasa por la red, los usuarios ajustan sus vínculos sociales, particularmente aquellos conectados con el autor original del tuit viral: el autor de un tuit viral verá una pérdida repentina de seguidores anteriores y un aumento repentino de nuevos seguidores.

Como parte de este proceso de reorganización impulsado por cascadas, las cascadas de información también pueden crear redes sociales asociativas , donde las personas tienden a conectarse con otras que son similares en alguna característica. Las cascadas de tweets aumentan la similitud entre los usuarios conectados, ya que los usuarios pierden vínculos con usuarios más disímiles y agregan nuevos vínculos con usuarios similares. ^{[ 20 ]} Las cascadas de información creadas por la cobertura de noticias en los medios también pueden fomentar la polarización política al clasificar las redes sociales según líneas políticas : los usuarios de Twitter que siguen y comparten cobertura de noticias más polarizada tienden a perder vínculos sociales con usuarios de la ideología opuesta. ^{[ 21 ]}

• En 1989, en Leipzig , Alemania, comenzaron pequeñas protestas con apenas un puñado de activistas que desafiaban a la República Democrática Alemana . ^{[ 22 ]} Durante casi un año, los manifestantes se reunieron todos los lunes, aumentando el número de personas en cada ocasión. ^{[ 22 ]} Para cuando el gobierno intentó abordar la situación en septiembre de 1989, era demasiado grande para sofocarla. ^{[ 22 ]} En octubre, el número de manifestantes alcanzó los 100 000 y, para el primer lunes de noviembre, más de 400 000 personas marcharon por las calles de Leipzig. Dos días después, el Muro de Berlín fue desmantelado. ^{[ 22 ]}

• La tasa de adopción de semillas de maíz híbrido resistentes a la sequía durante la Gran Depresión y el Dust Bowl fue lenta a pesar de su significativa mejora con respecto a las semillas de maíz disponibles anteriormente. Investigadores de la Universidad Estatal de Iowa estaban interesados ​​en comprender la reticencia del público a adoptar esta tecnología significativamente mejorada. Tras realizar 259 entrevistas con agricultores ^{[ 23 ]} , se observó que la lenta tasa de adopción se debía a que los agricultores valoraban más la opinión de sus amigos y vecinos que la de un vendedor. ^{[ 24 ]}

Information cascades have been shown to exist in several empirical studies, such as Anderson's urn study.^[10] Other examples include:

• De Vany and Walls^[25] create a statistical model of information cascades where an action is required. They apply this model to the actions people take to go see a movie that has come out at the theatre. De Vany and Walls validate their model on this data, finding a similar Pareto distribution of revenue for different movies.
• Walden and Browne also adopt the original Information Cascade model, here into an operational model more practical for real world studies, which allows for analysis based on observed variables. Walden and Browne test their model on data about adoption of new technologies by businesses, finding support for their hypothesis that information cascades play a role in this adoption^[26]