Информационный каскад - Википедия - Information cascade

An Информация каскад или же информационный каскад это явление описано в поведенческая экономика и теория сети в котором несколько человек последовательно принимают одно и то же решение. Он похож на, но отличается от стадное поведение.[1][2][3]

Информационный каскад обычно считается двухэтапным процессом. Для начала каскада индивидуум должен столкнуться со сценарием с решением, обычно бинарным. Во-вторых, внешние факторы могут повлиять на это решение (как правило, путем наблюдения за действиями и их результатами других людей в аналогичных сценариях).

Двухэтапный процесс информационного каскада можно разбить на пять основных компонентов:

1. Есть решение будет принято - Например; принять ли новую технологию, носить ли новый стиль одежды, поесть в новом ресторане или поддержать определенную политическую позицию

2. Существует ограниченное пространство для действий (например, принятие / отклонение решения)

3. Люди принимают решение последовательно, и каждый может наблюдать за выбором, сделанным теми, кто действовал раньше.

4. У каждого человека есть некоторая информация помимо своей, которая помогает ему принять решение.

5. Человек не может напрямую наблюдать за внешней информацией, которую знают другие люди, но он или она может сделать выводы об этой информации из того, что они делают.

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 понятие информационного каскада путают с идеями, которые не соответствуют двум ключевым условиям процесса, например: социальное доказательство, распространение информации,[5] и влияние общества. Действительно, термин информационный каскад даже использовался для обозначения таких процессов.[6]

Базовая модель

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]

Качественный пример

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 является меткой 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 ранее принятым решениям над своим собственным частным сигналом. Это может привести к неправильному результату. Это явление известно как «Обратный каскад».

Количественное описание

Сигнал человека, говорящий ему принять, обозначается как ЧАС (высокий сигнал, где высокий означает, что он должен принять), и сигнал, говорящий им не принимать, является L (слабый сигнал). Модель предполагает, что когда правильное решение - принять, люди с большей вероятностью увидят ЧАСи наоборот, когда правильным решением является отказ, люди с большей вероятностью увидят L сигнал. По сути, это условная возможность - вероятность ЧАС когда правильное действие - принять, или . по аналогии вероятность того, что агент получит L сигнал, когда правильное действие отклонено. Если эти вероятности представлены q, тогда q > 0,5. Это кратко изложено в таблице ниже.[11]

Сигнал агентаСостояние истинной вероятности
ОтклонятьПринимать
Lq1-q
ЧАС1-qq

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 Правило Байеса:

Если агент получает ЧАС сигнал, то вероятность принятия получается путем вычисления . Уравнение говорит, что в силу того, что q > 0,5, первый агент, действуя только по своему личному сигналу, всегда будет увеличивать свою оценку п с ЧАС сигнал. Точно так же можно показать, что агент всегда будет уменьшать свое ожидание п когда он получает слабый сигнал. Напоминая, что если значение, V, принятия равно значению отклонения, тогда агент примет, если он считает п > 0,5, в противном случае отклонить. Поскольку этот агент исходил из предположения, что и принятие, и отклонение являются одинаково жизнеспособными вариантами (п = 0,5), наблюдение ЧАС сигнал позволит ему сделать вывод, что принятие - это рациональный выбор.

Затем второй агент рассматривает как решение первого агента, так и его собственный сигнал, опять же рациональным образом. В целом п-й агент учитывает решения предыдущего п-1 агентов, и свой сигнал. Он принимает решение на основе байесовских рассуждений, чтобы определить наиболее рациональный выбор.

Где а - количество принятых в предыдущем наборе плюс собственный сигнал агента, и б количество брака. Таким образом, . Решение основывается на том, как значение в правой части уравнения сравнивается с п.[11]

Явные предположения модели

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

  1. Ограниченно рационально 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 наблюдают, может быть неполной или правильной. Другими словами, агенты не обладают полным знанием окружающего мира (что позволило бы им принимать правильные решения в любой и любой ситуации). Таким образом, наступает момент, когда человек, даже если он правильно знает о каскадной идее или действии, может быть убежден с помощью социального давления принять какой-то альтернативный, неправильный взгляд на мир.
  2. Неполное знание of Others: Исходная модель информационного каскада предполагает, что агенты не полностью знают агентов, которые предшествуют им в указанном порядке. В отличие от определений, в которых агенты имеют некоторое знание «частной информации», хранимой предыдущими агентами, текущий агент принимает решение, основываясь только на наблюдаемых действиях (имитировать или не имитировать) предшествующих ему агентов. Важно отметить, что первоначальные создатели утверждают, что это причина того, что информационные каскады могут быть вызваны небольшими потрясениями.
  3. Известно поведение всех предыдущих агентов

Результирующие условия

  1. Каскады будут всегда - как обсуждалось, в простом режиме вероятность возникновения каскада увеличивается до 1, поскольку 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 каскадом распространяться по системе.
  3. Каскады могут быть основаны на небольшом количестве информации - математически каскад бесконечной длины может возникнуть только по решению двух человек. В более общем плане, небольшая группа людей, которые решительно продвигают идею как рациональную, может быстро влиять на гораздо большую часть населения в целом.
  4. Каскады хрупкие - поскольку агенты не получают дополнительной информации после того, как разница между a и b превышает 2, и поскольку такие различия могут возникать у небольшого числа агентов, агенты, учитывая мнения тех агентов, которые принимают решения на основе фактической информации, могут быть отговорены от выбора довольно легко.[7] Это говорит о том, что каскады чувствительны к раскрытию публичной информации.[7] также обсуждается этот результат в контексте изменения основного значения p со временем, и в этом случае каскад может быстро изменить курс.

Ответ

Существует литература, в которой исследуется, как отдельные лица или фирмы могут реагировать на существование информационных каскадов, когда у них есть продукты для продажи, но когда покупатели не уверены в качестве этих продуктов. Кертис Тейлор (1999)[13] показывает, что продавая дом, продавец может пожелать начать с высоких цен, поскольку неспособность продать по низким ценам свидетельствует о низком качестве и может вызвать каскад отказа от покупки, в то время как отказ продать по высоким ценам может быть истолкован как означающий дом просто переоценен, и 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, и работа Дэвида Гилла и Дэниела Сгрои (2008)[15] показать, что ранние публичные тесты могут иметь аналогичный эффект (и, в частности, прохождение "жесткого теста", направленного против продавца, может спровоцировать каскад сам по себе). Bose и другие.[16] исследовали, как цены, устанавливаемые монополистом, могут развиваться при наличии потенциального каскадного поведения, когда монополист и потребители не уверены в качестве продукции.

Примеры и области применения

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 репутационный каскад, поздно отвечающие иногда соглашаются с решениями ранних респондентов не только потому, что те, кто поздно отвечает, думают, что ранние респонденты правы, но также потому, что они считают, что их репутация будет повреждена, если они не согласятся с теми, кто раньше ответил.[17]

Рыночные каскады

Информационные каскады стали одной из тем поведенческая экономика, как их часто можно увидеть на финансовых рынках, где они могут подпитывать спекуляции и создавать кумулятивные и чрезмерные цена движется, либо для всего рынка (рыночный пузырь ) или конкретный актив, например акция, которая становится слишком популярной среди инвесторов.

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 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 на самом деле были удовлетворены этим выбором первые клиенты. 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:

  • как продукты рациональные ожидания в их начале,
  • как иррациональный стадное поведение если они сохраняются слишком долго, что сигнализирует о том, что коллективные эмоции также вступают в игру, подпитывая каскад.

Анализ социальных сетей

Дальнейшая информация: анализ социальных сетей

Dotey et al.[19] констатируют, что информация течет в виде каскадов по социальная сеть. По мнению авторов, анализ вирусность 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 максимизация рыночной эффективности или же влияющий общественное мнение. Различные структурные и временные особенности сети влияют на каскадную виральность. Кроме того, эти модели широко используются в проблеме Слух распространился в соцсети исследовать его и уменьшить его влияние в социальных сетях.

В отличие от работы над информационными каскадами в социальных сетях, влияние общества модель распространение веры утверждает, что люди имеют некоторое представление о личных убеждениях участников их сети.[20] Таким образом, модель социального влияния ослабляет предположение об информационных каскадах, 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 в очередь. Наконец, модель социального влияния ослабляет предположение модели информационного каскада о том, что люди либо завершат действие, либо нет, допуская непрерывный масштаб «силы» убеждения агентов в том, что действие должно быть завершено.

Исторические примеры

  • Небольшие протесты начались в Лейпциг, Германия в 1989 году с горсткой активистов, бросивших вызов Германская Демократическая Республика.[21] Почти год протестующие собирались каждый понедельник, каждый раз их число увеличивалось 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 количество протестующих достигло 100 000 человек, а к первому понедельнику ноября более 400 000 человек вышли на улицы Лейпцига. Два дня спустя Берлинская стена был разобран.[21]
  • Скорость внедрения засухоустойчивых гибридных семян кукурузы в Великая депрессия и Чаша для пыли был медленным, несмотря на его значительное улучшение по сравнению с ранее доступной семенной кукурузой. Исследователи из Государственный университет Айовы были заинтересованы в понимании колебаний общественности по поводу принятия этой значительно усовершенствованной технологии. После проведения 259 интервью с фермерами[22] Было замечено, что низкая скорость усыновления объяснялась тем, что фермеры ценили мнение своих друзей и соседей, а не слова продавца. Видеть[23] для исходного отчета.

Эмпирические исследования

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 шар 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 угадают правильно, что заставляет задуматься о рациональности.

Другие примеры включают

  • Де Ван и Уоллс[24] создать статистическую модель информационных каскадов, где требуется действие. Они применяют эту модель к действиям, которые люди предпринимают, чтобы посмотреть фильм, который выходит в кинотеатре. Де Вани и Уоллс проверяют свою модель на этих данных, обнаруживая аналогичный Распределение Парето дохода от различных фильмов.
  • Уолден и Браун также применяют исходную модель информационного каскада, здесь она превращается в операционную модель, более практичную для исследований реального мира, которая позволяет проводить анализ на основе наблюдаемых переменных. Уолден и Браун тестируют свою модель на данных о внедрении новых технологий предприятиями, обнаруживая поддержку своей гипотезы о том, что информационные каскады играют роль в этом принятии.[25]

Правовые аспекты

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 Юридический аналитик: во многих военные суды, офицеры, голосующие для принятия решения по делу, голосуют в обратном порядке (первым голосует офицер самого низкого ранга), и он предположил, что это можно сделать, чтобы каскад не соблазнил младших офицеров проголосовать с более старшим. офицеры, которые, как считается, имеют более точное суждение; другой пример - такие страны, как Израиль и Франция есть законы, запрещающие выборы за несколько дней или недель до выборы предотвратить эффект информационного каскада, который может повлиять на результаты выборов.[26]

Глобализация

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 каскады стали популярны в различных областях исследований. 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 в связи с глобализацией; 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 группой 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, 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]

Смотрите также

Рекомендации

  1. ^ Дуань, Вэньцзин; Гу, Бин; Уинстон, Эндрю Б. (март 2009 г.). «Информационные каскады и внедрение программного обеспечения в Интернете: эмпирическое исследование». MIS Ежеквартально. Рочестер, штат Нью-Йорк. 33 (1): 23–48. Дои:10.2307/20650277. JSTOR  20650277. SSRN  1103165.
  2. ^ «Разница между информационными каскадами и поведением стада: блог курса по сетям для INFO 2040 / CS 2850 / Econ 2040 / SOC 2090». Получено 2019-04-15.
  3. ^ Челен, Божачан; Карив, Шахар (май 2004 г.). «Отличие информационных каскадов от поведения стада 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 поведение стада». Риторика и экономическое поведение. 85 (3): 181–185.
  5. ^ Груль, Даниэль; Guha, R .; Liben-Nowell, D .; Томкинс, А. (2004). Распространение информации через блог. WWW. С. 491–501. CiteSeerX  10.1.1.131.4532. Дои:10.1145/988672.988739. ISBN  978-1581138443.
  6. ^ Садыков, Э .; Медина, М .; Leskovec, J .; Гарсия-Молина, Х. (2011). «Исправление отсутствующих данных в информационных каскадах» (PDF). WSDM.
  7. ^ а б c d Bikhchandani, S .; 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 оригинал (PDF) на 2011-07-13.
  8. ^ Бихчандани, Сушил; Хиршлейфер, Дэвид; Уэлч, Иво (1998). «Обучение на чужом поведении: конформность, причуды и информационные каскады». Журнал экономических перспектив. 12 (3): 151–170. Дои:10.1257 / jep.12.3.151. ISSN  0895-3309.
  9. ^ Голуб, Бен; Сэдлер, Эван (2016-04-14), Брамулле, Янн; Галеотти, Андреа; Роджерс, Брайан (ред.), «Обучение в социальных сетях», Оксфордский справочник по экономике сетей, Oxford University Press, стр. 503–542, Дои:10.1093 / oxfordhb / 9780199948277.013.12, ISBN  978-0-19-994827-7, получено 2020-05-30
  10. ^ а б Андерсон, Л.Р .; Холт, К.А. (1997). «Информационные каскады в лаборатории». Американский экономический обзор. 87 (5): 847–862.
  11. ^ а б c Исли, Дэвид (2010). Сети, толпы и рынки: рассуждения о мире с высокими связями. Издательство Кембриджского университета. С. 483–506.
  12. ^ Ньюэлл, А. (1972). Решение человеческих проблем. Энглвуд Клиффс, Нью-Йорк: Прентис-Холл.
  13. ^ Тейлор, К. (1999). «Время выхода на рынок 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. Дои:10.1006 / игра.2001.0881.
  15. ^ Gill, D .; Д. Сгрой (2008). «Последовательные решения с тестами». Игры и экономическое поведение. 63 (2): 663–678. CiteSeerX  10.1.1.322.7566. Дои:10.1016 / j.geb.2006.07.004. S2CID  5793119.
  16. ^ Bose, S .; Г. Орозель; М. Оттавиани; Л. Вестерлунд (2006). «Динамическое монопольное ценообразование и стадо». РЭНД Журнал экономики. 37 (4): 910–928. CiteSeerX  10.1.1.493.1834. Дои:10.1111 / j.1756-2171.2006.tb00063.x. S2CID  2984643.
  17. ^ Лемье, Пьер (зима 2003–2004 гг.). "За стадом" (PDF). Регулирование. Институт Катона: 21. Архивировано из оригинал (PDF) на 2010-06-16. Получено 2010-07-14.
  18. ^ http://research.ivo-welch.info/palgrave.pdf[постоянная мертвая ссылка ]
  19. ^ Доти, А., Ром, Х. и Вака К. (2011). «Распространение информации в социальных сетях» (PDF). Стэндфордский Университет.CS1 maint: несколько имен: список авторов (связь)
  20. ^ Фридкин, Ной Э .; Йонсен, Юджин К. (2009). Теория сети социального влияния. Кембридж: Издательство Кембриджского университета. Дои:10.1017 / cbo9780511976735. ISBN  978-0-511-97673-5.
  21. ^ а б c d Ширки, Глина (2008). А вот и все: сила организации без организаций. Нью-Йорк: Penguin Press. стр.161–164. ISBN  978-1-59420-153-0.
  22. ^ Карбоно, Кларк (2005). "Использование распространения инноваций и академической детализации для распространения практики, основанной на фактах". Журнал качества здравоохранения. 27 (2): 48–52. Дои: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). Спецрепортаж № 18. Государственный университет науки и технологий штата Айова, Эймс, штат Айова. Архивировано из оригинал (PDF) на 2009-04-08. Получено 2008-11-11.
  24. ^ Де Вани, А .; Д. Уоллс (1999). «Неопределенность в киноиндустрии: уменьшает ли сила звезд ужас кассовых сборов?». Журнал экономики культуры. 23 (4): 285–318. Дои:10.1023 / а: 1007608125988. S2CID  54614446.
  25. ^ Уолден, Эрик; Браун, Гленн (2002). «Информационные каскады в освоении новых технологий». Протоколы ICIS.
  26. ^ Фарнсворт, Уорд (2007). Юридический аналитик: инструментарий для размышлений о праве. Чикаго: Издательство Чикагского университета. ISBN  978-0-226-23835-7. OCLC  76828864.
  27. ^ Хатзимихаил, Константинос; Гений, Маргарита; Цувелекас, Вангелис (03.07.2013). «Информационные каскады и внедрение технологий: данные греческих и немецких производителей органических продуктов» (PDF). Журнал продовольственной политики. 49: 186–195. Дои:10.1016 / j.foodpol.2014.08.001.
  28. ^ Вагнер, Гельмут; Бергер, Вольфрам (01.06.2004). «Глобализация, финансовая нестабильность и денежно-кредитная политика». Empirica. 31 (2–3): 163–184. CiteSeerX  10.1.1.466.2938. Дои:10.1007 / s10633-004-0915-4. ISSN  0340-8744. S2CID  53471608.
  29. ^ 1981-, Пассмор, Лейт (2011-11-03). Ульрике Майнхоф и фракция Красной армии: терроризм (Первое изд.). Нью-Йорк. ISBN  9780230370777. OCLC  904285976.CS1 maint: числовые имена: список авторов (связь)
  30. ^ Гамлет, Патрик В .; Кобб, Майкл Д. (01.11.2006). «Возможные решения проблем общественного обсуждения: структурированные обсуждения и поляризационные каскады». Журнал политических исследований. 34 (4): 629–648. Дои:10.1111 / j.1541-0072.2006.00195.x. ISSN  1541-0072.
  31. ^ Дрезнер, Дэниел В. (2010). «Взвешивание весов: влияние Интернета на отношения между государством и обществом». Коричневый журнал мировых дел. 16 (2): 31–44. JSTOR  24590907.

внешняя ссылка