stringtranslate.com

Cascada de información

Una cascada de información o cascada informativa es un fenómeno descrito en la economía del comportamiento y la teoría de redes en el que varias personas toman la misma decisión de manera secuencial. Es similar, pero distinta, al comportamiento de rebaño . [1] [2] [3]

En general, se acepta que una cascada de información es un proceso de dos pasos. Para que comience, el individuo debe encontrarse con un escenario que le permita tomar una decisión, normalmente una decisión binaria. En segundo lugar, factores externos pueden influir en esta decisión, como por ejemplo, que el individuo observe las elecciones de los demás y los resultados aparentes.

El proceso de dos pasos de una cascada de información se puede dividir en cinco componentes básicos:

  1. Hay que tomar una decisión , por ejemplo, si adoptar una nueva tecnología, usar un nuevo estilo de ropa, comer en un nuevo restaurante o apoyar una determinada posición política.
  2. Existe un espacio de acción limitado (por ejemplo, una decisión de adoptar o rechazar)
  3. Las personas toman la decisión de forma secuencial y cada persona puede observar las elecciones realizadas por quienes actuaron antes.
  4. Cada persona tiene alguna información aparte de la suya que ayuda a orientar su decisión.
  5. Una persona no puede observar directamente la información externa que conocen otras personas, pero puede hacer inferencias sobre esta información a partir de lo que hacen.

Las perspectivas sociales de las cascadas, que sugieren que los agentes pueden actuar irracionalmente (por ejemplo, en contra de lo que creen que es óptimo) cuando las presiones sociales son grandes, existen como complementos del concepto de cascadas de información. [4] Más a menudo el problema es que el concepto de cascada de información se confunde con ideas que no coinciden con las dos condiciones clave del proceso, como la prueba social , la difusión de la información [5] y la influencia social . De hecho, el término cascada de información incluso se ha utilizado para referirse a tales procesos. [6]

Modelo básico

En esta sección se ofrecen algunos ejemplos básicos de cascadas de información, tal como las describieron originalmente Bikchandani et al. (1992). [7] Desde entonces, el modelo básico se ha desarrollado en diversas direcciones para examinar su solidez y comprender mejor sus implicaciones. [8] [9]

Ejemplo cualitativo

Las cascadas de información se producen cuando la información externa obtenida de participantes anteriores en un evento prevalece sobre la propia señal privada, independientemente de la exactitud 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 A y B. La urna A contiene dos bolas etiquetadas "a" y una etiquetada "b". La urna B contiene una bola etiquetada "a" y dos etiquetadas "b". La urna de la que se debe extraer una bola durante cada tirada se determina aleatoriamente y con probabilidades iguales (a partir del lanzamiento de un dado). El contenido de la urna elegida se vacía en un recipiente neutro. A continuación, se pide a los participantes en orden aleatorio que extraigan una canica de este recipiente. Todo este proceso puede denominarse una "tirada", y se realizan varias de estas tiradas.

Cada vez que un participante coge una canica, debe decidir a qué urna pertenece. Su decisión se anuncia entonces para beneficio de los demás participantes en la sala. De este modo, el participante (n+1) tiene información sobre las decisiones tomadas por todos los n participantes que le preceden, y también su señal privada, que es la etiqueta de la bola que saca durante su turno. Los experimentadores observaron que se observó una cascada de información en 41 de 56 de estas jugadas. Esto significa que, en las jugadas en las que se produjo la cascada, al menos un participante dio prioridad a las decisiones anteriores sobre su propia señal privada. Es posible que tal ocurrencia produzca un resultado erróneo. Este fenómeno se conoce como "cascada inversa".

Descripción cuantitativa

La señal que una persona envía para que acepte se denota como H (una señal alta, donde alta significa que debe aceptar), y una señal que le dice que no acepte es L (una señal baja). El modelo supone 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. Esta es esencialmente una probabilidad condicional : la probabilidad de H cuando la acción correcta es aceptar, o . De manera similar, es la probabilidad de que un agente obtenga una señal L cuando la acción correcta es rechazar. Si estas probabilidades están representadas por q , entonces q > 0,5. Esto se resume en la siguiente tabla. [11]

El primer agente decide si acepta o no basándose únicamente en su propia señal. Como el modelo supone que todos los agentes actúan racionalmente, la acción (aceptar o rechazar) que el agente considere más probable será la que elija realizar. Esta decisión se puede explicar utilizando la regla de Bayes :

Si el agente recibe una señal H , entonces la probabilidad de aceptar se obtiene calculando . La ecuación dice que, en virtud del hecho de que q > 0,5, el primer agente, actuando solo sobre 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 recibe una señal baja. Recordando 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. Debido a que este agente comenzó con el supuesto 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 elección racional.

El segundo agente considera entonces tanto la decisión del primer agente como su propia señal, nuevamente de manera 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.

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, ⁠ ⁠ . La decisión se basa en cómo el valor del lado derecho de la ecuación se compara con p . [11]

Supuestos explícitos del modelo

El modelo original hace varias suposiciones sobre el comportamiento humano y el mundo en el que los humanos actúan, [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 racionales limitados : el modelo original de la cascada independiente supone que los seres humanos son racionales limitados [12] , es decir, siempre tomarán decisiones racionales basadas en la información que puedan observar, pero la información que observen puede no ser completa o correcta. En otras palabras, los agentes no tienen un conocimiento completo del mundo que los rodea (lo que les permitiría tomar la decisión correcta en todas y cada una de las situaciones). De esta manera, hay un punto en el que, incluso si una persona tiene un conocimiento correcto de la idea o acción en cascada, se la puede convencer a través de presiones sociales de adoptar una visión alternativa e incorrecta del mundo.
  2. Conocimiento incompleto de los demás: el modelo original de cascada de información supone 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 tienen algún conocimiento de la "información privada" que poseen los agentes anteriores, el agente actual toma una decisión basándose únicamente en la acción observable (si imitar o no) de los agentes que lo anteceden. Es importante señalar que los creadores originales argumentan que esta es una razón por la que las cascadas de información pueden ser causadas por pequeños shocks.
  3. Se conoce el comportamiento de todos los agentes anteriores.

Condiciones resultantes

  1. Siempre se producirán cascadas : como se ha explicado, en el modo simple, la probabilidad de que se produzca una cascada aumenta hacia 1 a medida que el número de personas que toman decisiones aumenta hacia el infinito.
  2. Las cascadas pueden ser incorrectas : debido a 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), el comportamiento incorrecto puede propagarse por todo el sistema.
  3. Las cascadas pueden basarse en poca información : matemáticamente, una cascada de una 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 : debido a que los agentes no reciben información adicional después de que la diferencia entre a y b aumenta más allá de 2, y debido a que tales diferencias pueden ocurrir en pequeñas cantidades de agentes, los agentes que consideran las opiniones de aquellos agentes 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 valor subyacente p que cambia con el tiempo, en cuyo caso una cascada puede cambiar rápidamente de curso.

Respondiendo

Existe una literatura que examina cómo los individuos o las empresas podrían responder a la existencia de cascadas de información cuando tienen productos para vender pero donde los compradores no están seguros de la calidad de esos productos. Curtis Taylor (1999) [13] muestra que al vender una casa, el vendedor podría desear comenzar con precios altos, ya que no vender a precios bajos es indicativo de baja calidad y podría iniciar una cascada de no comprar, mientras que no vender a precios altos podría interpretarse como que la casa está sobrevaluada, y los precios pueden entonces reducirse para lograr una venta. Daniel Sgroi (2002) [14] muestra que las empresas podrían usar "conejillos de indias" a quienes se les da la oportunidad de comprar temprano para iniciar una cascada de información a través de sus decisiones de compra tempranas y públicas, y el trabajo de David Gill y Daniel Sgroi (2008) [15] muestra que las pruebas públicas tempranas podrían tener un efecto similar (y en particular que pasar una "prueba difícil" que está sesgada en contra del vendedor puede instigar una cascada por sí sola). Bose et al. [16] han examinado cómo los precios fijados por un monopolista podrían evolucionar en presencia de un posible comportamiento en cascada donde el monopolista y los consumidores no están seguros de la calidad de un producto.

Ejemplos y campos de aplicación

Las cascadas de información se producen en situaciones en las que ver a muchas personas hacer la misma elección proporciona evidencia que pesa más que el propio juicio. Es decir, uno piensa: "Es más probable que yo esté equivocado a que todas esas otras personas estén equivocadas. Por lo tanto, haré lo mismo que ellos".

En lo que se ha denominado una cascada de reputación , los que responden tarde a veces aceptan las decisiones de los que responden temprano, no sólo porque piensan que los que responden temprano tienen razón, sino también porque perciben que su reputación se verá dañada si disienten de los que responden temprano. [17]

Cascadas de mercado

Las cascadas de información se han convertido en uno de los temas de la economía del comportamiento , ya que a menudo se ven en los mercados financieros donde pueden alimentar la especulación y crear 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. [ cita requerida ]

Los especialistas en marketing también utilizan la idea de las cascadas para intentar iniciar una cascada de compras de un nuevo producto. Si pueden inducir a un grupo inicial de personas a adoptar el nuevo producto, entonces quienes tomen decisiones de compra más adelante también pueden adoptar el producto incluso si no es mejor que los productos de la competencia, o tal vez incluso peor. Esto es más eficaz si estos consumidores posteriores pueden observar las decisiones de adopción, pero no cuán satisfechos estaban realmente los primeros clientes con la elección. Esto es coherente con la idea de que las cascadas surgen de manera natural cuando las personas pueden ver lo que hacen los demás, pero no lo que saben. [ cita requerida ]

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 suelen decidir 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 fracaso. [ cita requerida ]

Los economistas suelen considerar las cascadas de información: [ cita requerida ]

Redes sociales y medios sociales

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 muchas aplicaciones útiles, como determinar los individuos más influyentes dentro de una red. Esta información se puede utilizar para maximizar la efectividad del mercado o influir en la opinión pública . Varias características estructurales y temporales de una red afectan la viralidad en cascada. Además, estos modelos se explotan ampliamente en el problema de la propagación de rumores en la red social para investigarlo 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 alguna noción de las creencias privadas de quienes están en su red. [19] El modelo de influencia social, entonces, relaja el supuesto de las cascadas de información de que las personas actúan solo en acciones observables tomadas por otros. Además, el modelo de influencia social se centra en integrar a las personas dentro de una red social, en lugar de una cola. Finalmente, el modelo de influencia social relaja el supuesto del modelo de cascada de información de que las personas completarán una acción o no al permitir una escala continua de la "fuerza" 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 de vínculos sociales en Twitter (en un mes determinado, aproximadamente el 9% de todas las conexiones sociales cambian), a menudo hay un aumento en la actividad de seguimiento y abandono después de una cascada de información, como el intercambio de un tuit viral. [20] A medida que la cascada de intercambio de tuits pasa por la red, los usuarios ajustan sus vínculos sociales, en particular los conectados con el autor original del tuit viral: el autor de un tuit viral verá tanto una pérdida repentina de seguidores anteriores como un aumento repentino de seguidores nuevos.

Como parte de este proceso de reorganización impulsado por cascadas, las cascadas de información también pueden crear redes sociales selectivas , donde las personas tienden a estar conectadas con otras que son similares en alguna característica. Las cascadas de tweets aumentan la similitud entre usuarios conectados, ya que los usuarios pierden vínculos con usuarios más diferentes 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 una cobertura de noticias más polarizada tienden a perder vínculos sociales con usuarios de la ideología opuesta. [21]

Ejemplos históricos

Estudios empíricos

Además de los ejemplos anteriores, se ha demostrado que existen cascadas de información en varios estudios empíricos. Quizás el mejor ejemplo, dado anteriormente, es el siguiente: [10] Los participantes se pusieron en fila detrás de una urna que tenía bolas de diferentes colores. Secuencialmente, los participantes sacaron una bola de la urna, la miraron y luego la volvieron a colocar en la urna. Luego, el agente expresó su opinión sobre qué color de bolas (rojas o azules) hay mayoritariamente en la urna para que el resto de los participantes la escuchara. Los participantes obtienen una recompensa monetaria si adivinan correctamente, lo que refuerza el concepto de racionalidad.

Otros ejemplos incluyen

Aspectos legales

Los efectos negativos de las cascadas informativas a veces se convierten en una preocupación legal y se han promulgado leyes para neutralizarlos. Ward Farnsworth , profesor de derecho, analizó los aspectos legales de las cascadas informativas y dio varios ejemplos en su libro The Legal Analyst : en muchos tribunales militares , los oficiales que votan para decidir un caso votan en orden de rango inverso (el oficial de menor rango vota primero), y sugirió que se puede hacer para que los oficiales de menor rango no se sientan tentados por la cascada a votar con los oficiales de mayor rango, que se cree que tienen un juicio más preciso; otro ejemplo es que países como Israel y Francia tienen leyes que prohíben las votaciones días o semanas antes de las elecciones para evitar el efecto de la cascada informativa que puede influir en los resultados electorales. [27]

Globalización

Un estudio de cascadas de información comparó los procesos de pensamiento entre agricultores orgánicos griegos y alemanes, sugiriendo discrepancias basadas en diferencias culturales y socioeconómicas. [28] Más aún, las cascadas se han extrapolado a ideas como la volatilidad financiera y la política monetaria. En 2004, Helmut Wagner y Wolfram Berger sugirieron cascadas como un vehículo analítico para examinar los cambios en el mercado financiero a medida que se volvía más globalizado. Wagner y Berger notaron cambios estructurales en el marco de comprensión de los mercados financieros debido a la globalización, lo que dio lugar a volatilidad en el flujo de capital y generó incertidumbre que afectó a los bancos centrales. [29] Además, las cascadas de información son útiles para comprender los orígenes de las tácticas terroristas. Cuando ocurrió el ataque de Septiembre Negro en 1972, era difícil no ver las similitudes entre sus tácticas y el grupo Baader-Meinhof (también conocido como la Fracción del Ejército Rojo [RAF]). [30] Todos estos ejemplos retratan cómo se puso en uso el proceso de cascadas. Además, es importante comprender el marco de las cascadas para avanzar en una sociedad más globalizada. Establecer una base para comprender el paso de la información a través de organizaciones transnacionales y multinacionales, y más aún, es fundamental para la sociedad moderna en ciernes. [31] Resumiendo todos estos puntos, las cascadas, como término general, abarcan un espectro de diferentes conceptos. Las cascadas de información han sido el hilo conductor de cómo se transfiere, sobrescribe y comprende la información a través de diversas culturas que abarcan una multitud de países diferentes. [32]

Véase también

Referencias

  1. ^ Duan, Wenjing; Gu, Bin; Whinston, Andrew B. (marzo de 2009). "Cascadas informativas y adopción de software en Internet: una investigación empírica". MIS Quarterly . 33 (1). Rochester, NY: 23–48. doi :10.2307/20650277. hdl : 2144/42029 . JSTOR  20650277. S2CID  909115. SSRN  1103165.
  2. ^ "La diferencia entre cascadas de información y comportamiento de rebaño: blog del curso de redes para INFO 2040/CS 2850/Econ 2040/SOC 2090" . Consultado el 15 de abril de 2019 .
  3. ^ Çelen, Boğaçhan; Kariv, Shachar (mayo de 2004). "Distinguir las cascadas informativas del comportamiento de rebaño en el laboratorio". American Economic Review . 94 (3): 484–498. CiteSeerX 10.1.1.357.3265 . doi :10.1257/0002828041464461. 
  4. ^ Schiller, RJ (1995). "Conversación, información y comportamiento gregario". Retórica y comportamiento económico . 85 (3): 181–185.
  5. ^ Gruhl, Daniel; Guha, R.; Liben-Nowell, David; Tomkins, Andrew (2004). "Difusión de información a través del blogspace". Actas de la 13.ª conferencia internacional sobre la World Wide Web . pp. 491–501. CiteSeerX 10.1.1.131.4532 . doi :10.1145/988672.988739. ISBN .  978-1-58113-844-3. Número de identificación del sujeto  526158.
  6. ^ Sadikov, Eldar; Medina, Montserrat; Leskovec, Jure; Garcia-Molina, Hector (2011). "Corrección de datos faltantes en cascadas de información". Actas de la cuarta conferencia internacional de la ACM sobre búsqueda web y minería de datos . pp. 55–64. doi :10.1145/1935826.1935844. ISBN 978-1-4503-0493-1.S2CID6978077  .​
  7. ^ abcd Bikhchandani, Sushil; Hirshleifer, David; Welch, Ivo (octubre de 1992). "Una teoría de las modas, la moda, las costumbres y el cambio cultural como cascadas informativas" (PDF) . Revista de Economía Política . 100 (5): 992–1026. doi :10.1086/261849. S2CID  7784814.
  8. ^ Bikhchandani, Sushil; Hirshleifer, David; Welch, Ivo (agosto de 1998). "Aprendiendo del comportamiento de los demás: conformidad, modas y cascadas informativas". Journal of Economic Perspectives . 12 (3): 151–170. doi : 10.1257/jep.12.3.151 . hdl : 2027.42/35413 .
  9. ^ Smith, Lones; Sorensen, Peter (marzo de 2000). "Resultados patológicos del aprendizaje observacional". Econometrica . 68 (2): 371–398. doi :10.1111/1468-0262.00113. hdl : 1721.1/64049 . S2CID  14414203.
  10. ^ ab Anderson, Lisa R.; Holt, Charles A. (1997). "Cascadas de información en el laboratorio". The American Economic Review . 87 (5): 847–862. JSTOR  2951328.
  11. ^ abc Easley, David (2010). Redes, multitudes y mercados: razonamiento sobre un mundo altamente conectado. Cambridge University Press. págs. 483–506.
  12. ^ Newell, A. (1972). Solución de problemas humanos . Englewood Cliffs, NY: Prentice Hall. ISBN 9780134454030.
  13. ^ Taylor, C. (1999). "El tiempo en el mercado como signo de calidad". Revista de Estudios Económicos . 66 (3): 555–578. doi : 10.1111/1467-937x.00098 .
  14. ^ Sgroi, D. (2002). "Optimización de la información en el rebaño: conejillos de indias, ganancias y bienestar" (PDF) . Juegos y comportamiento económico . 39 : 137–166. doi :10.1006/game.2001.0881.
  15. ^ Gill, D.; D. Sgroi (2008). "Decisiones secuenciales con pruebas". Juegos y comportamiento económico . 63 (2): 663–678. CiteSeerX 10.1.1.322.7566 . doi :10.1016/j.geb.2006.07.004. S2CID  5793119. 
  16. ^ Bose, S.; G. Orosel; M. Ottaviani; L. Vesterlund (2006). "Precios de monopolio dinámicos y comportamiento gregario". 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. ^ Lemieux, Pierre (22 de diciembre de 2003). "Seguir al rebaño: ¿por qué algunas ideas se vuelven populares de repente y luego mueren con la misma rapidez?". Regulación . 26 (4): 16–22. SSRN  505764. Gale  A113304115.
  18. ^ Dotey, A., Rom, H. y Vaca C. (2011). "Difusión de información en las redes sociales" (PDF) . Universidad de Stanford.{{cite web}}: CS1 maint: multiple names: authors list (link)
  19. ^ Friedkin, Noah E.; Johnsen, Eugene C. (2009). Teoría de redes de influencia social . Cambridge: Cambridge University Press. doi :10.1017/cbo9780511976735. ISBN . 978-0-511-97673-5.
  20. ^ ab Myers, Seth A.; Leskovec, Jure (2014). "La dinámica explosiva de la red de información de Twitter". Actas de la 23.ª conferencia internacional sobre la World Wide Web . págs. 913–924. arXiv : 1403.2732 . doi :10.1145/2566486.2568043. ISBN. 978-1-4503-2744-2.S2CID6353961  .​
  21. ^ Tokita, Christopher K.; Guess, Andrew M.; Tarnita, Corina E. (14 de diciembre de 2021). "Los ecosistemas de información polarizada pueden reorganizar las redes sociales a través de cascadas de información". Actas de la Academia Nacional de Ciencias . 118 (50): e2102147118. Bibcode :2021PNAS..11802147T. doi : 10.1073/pnas.2102147118 . PMC 8685718 . PMID  34876511. 
  22. ^ abcd Shirky, Clay (2008). Aquí viene todo el mundo: el poder de organizarse sin organizaciones . Nueva York: Penguin Press . pp. 161–164. ISBN 978-1-59420-153-0.
  23. ^ Carboneau, Clark (2005). "Uso de la difusión de innovaciones y de la información académica para difundir prácticas basadas en evidencia". Revista de calidad de la atención sanitaria . 27 (2): 48–52. doi :10.1111/j.1945-1474.2005.tb01117.x. PMID  16190312. S2CID  6946662.
  24. ^ Beal, George M.; Bohlen, Joe M. (noviembre de 1981). "El proceso de difusión" (PDF) . Informe especial n.º 18. Universidad Estatal de Ciencia y Tecnología de Iowa de Ames, Iowa. Archivado desde el original (PDF) el 8 de abril de 2009. Consultado el 11 de noviembre de 2008 .
  25. ^ De Vany, A.; D. Walls (1999). "Incertidumbre en la industria cinematográfica: ¿el poder de las estrellas reduce el terror de la taquilla?". Journal of Cultural Economics . 23 (4): 285–318. doi :10.1023/a:1007608125988. S2CID  54614446.
  26. ^ Walden, Eric; Browne, Glenn (2002). "Cascadas de información en la adopción de nuevas tecnologías". Actas del ICIS .
  27. ^ Farnsworth, Ward (2007). El analista jurídico: un conjunto de herramientas para pensar sobre la ley . University of Chicago Press. ISBN 978-0-226-23835-7.OCLC 76828864  .[ página necesaria ]
  28. ^ Chatzimichael, Konstantinos; Genius, Margarita; Tzouvelekas, Vangelis (diciembre de 2014). "Cascadas informativas y adopción de tecnología: evidencia de productores orgánicos griegos y alemanes" (PDF) . Política alimentaria . 49 : 186–195. doi :10.1016/j.foodpol.2014.08.001.
  29. ^ Wagner, Helmut; Berger, Wolfram (junio de 2004). "Globalización, volatilidad financiera y política monetaria". Empirica . 31 (2–3): 163–184. CiteSeerX 10.1.1.466.2938 . doi :10.1007/s10633-004-0915-4. S2CID  53471608. 
  30. ^ Passmore, L. (2011). Ulrike Meinhof y la Fracción del Ejército Rojo: terrorismo en acción . Springer. ISBN 978-0-230-37077-7.OCLC 904285976  .[ página necesaria ]
  31. ^ Hamlett, Patrick W.; Cobb, Michael D. (noviembre de 2006). "Posibles soluciones a los problemas de deliberación pública: deliberaciones estructuradas y cascadas de polarización". Policy Studies Journal . 34 (4): 629–648. doi :10.1111/j.1541-0072.2006.00195.x.
  32. ^ Drezner, Daniel W. (2010). "Pesando la balanza: el efecto de Internet en las relaciones entre el Estado y la sociedad". The Brown Journal of World Affairs . 16 (2): 31–44. JSTOR  24590907.

Enlaces externos