通信趋势下的社会意见形成与决策

本研究考察了在部分且随机的信息共享下，社交网络上的学习过程。在传统社会学习模型中，智能体在试图推断真实自然状态时彼此交换完整的信念信息。我们研究智能体仅共享关于单一假设（即趋势话题）的信息之情形，该话题在每次迭代中可能随机变化。我们表明，即便智能体不讨论真实假设，也能以与传统社会学习相当的速度学习到真实假设。我们还表明，以自身信念作为估计邻居未传递信念的先验，可能造成阻碍完全置信学习的意见簇。当对应于真相的单一假设在所有时刻被独占交换时，会出现此现象。然而，此种做法避免了在任何信息交换过程下对真相的完全拒绝——若先验为均匀则可能发生完全拒绝。