Social learning, diversity and polarization

• Autor(a) principal: Cunha, Douglas Bokliang Ang
• Data de Publicação: 2020
• Tipo de documento: Tese
• Idioma: eng
• Título da fonte: Repositório Institucional do FGV (FGV Repositório Digital)
• Texto Completo: http://hdl.handle.net/10438/29205
• topic: Economics - Psychological aspects; Social learning; Probabilities; Algorithms; Economia - Aspectos psicológicos; Aprendizagem social; Probabilidades; Algoritmos; Economia; Economia - Aspectos psicológicos; Aprendizagem social; Probabilidades; Algoritmos

Esta tese é composta por dois ensaios sobre aprendizagem social, um ramo da teoria econômica. Ambos consideram agentes que precisam escolher, em cada período, uma entre duas ações com resultados desconhecidos. Eles também observam o que um outro agente (escolhido de forma aleatória) decidiu fazer. Nesse modelo, os agentes aprendem o quão boa é uma ação através de suas próprias experiências e pelas observações que fazem dos outros. No primeiro capítulo, nós estudamos a importância da diversidade em um ambiente social. Mostramos que a sociedade asintoticamente aprende o efeito de cada ação quando os agentes são heterogêneos. Isso não acontece em geral quando os agentes são homogêneos, já que eles eventualmente optam pela mesma ação (possivelmente a pior) e, portanto, observar o que outros escolhem é mais fraco para ajudar a distinguir entre estados da natureza no longo prazo. No segundo capítulo, nosso objetivo é mostrar que aprendizagem social pode contribuir para polarização de crenças. Se a observação sobre os outros é viesada, os agentes podem acreditar que a proporção de pessoas escolhendo cada opção é diferente daquela verdadeira. Atualmente, esse tipo de ambiente é provável de ocorrer por causa de algoritmos de mídias sociais que selecionam o que os usuários observam. Se os agentes não são conscientes disso, nós mostramos em nosso modelo que a sociedade pode ficar divididas em dois grupos de pessoas, cada um fazendo uma escolha diferente e achando que a outra opção é muito pior do que realmente é.