Does one Bayesian make a difference?

این مقاله یک مدل تعامل مکرر در شبکه های اجتماعی میان عوامل با درجه های مختلف پیچیده را توسعه می دهد. تمرکز مدل یادگیری مشاهدات است؛ بدین معنی است که هر عامل اطلاعات خصوصی اولیه را دریافت می کند و از طریق تعامل مکرر با همسایگان خود در شبکه، نتیجه گیری های مربوط به اطلاعات خصوصی دیگران را می دهد. سوال اصلی این است که چگونه عوامل خصوصی اطلاعات خصوصی را از طریق تعاملات محلی خود جمع می کنند. من نشان می دهم که در شبکه های محدودی که به طور انحصاری از عوامل غیر بیس (محدود و منطقی) تشکیل شده اند، که انتخاب های خود را به صورت میانگین در مقایسه با انتخاب های مشاهده شده در دوره قبلی تجدید نظر می کنند، تمام عوامل قادر به جمع آوری اطلاعات خصوصی هستند. با این وجود، حضور حداقل یک نماینده بیزی در یک شبکه قوی متصل، به طور عمومی برای هر عامل، بویژه بیسین یا غیر بیس، به اندازه کافی برای جمع آوری اطلاعات خصوصی همه عوامل، مناسب است.