본 논문은 명제 확률 논리에 기반한 확률 집계 프레임워크를 제안합니다. 기존의 판단 집계가 정적 합리성에 초점을 맞춘 것과 달리, 본 모델은 새로운 정보에 따라 집단적 신념이 일관되게 갱신되도록 함으로써 동적 합리성을 다룹니다. 중첩되지 않은 의제에 대한 합의 가능하고 독립적인 모든 집계 규칙이 선형적임을 보입니다. 또한, 개인들이 공통 기반(common ground)이라 불리는 특정 명제의 하위 집합에 대해 초기 합의를 이루고, 새로운 정보가 이 공유된 기반으로 제한되는 공정한 학습 과정에 대한 충분 조건을 제시합니다. 이는 베이즈 조건화를 통한 개인적 판단 갱신이 집계 전이나 후에 수행되든 동일한 집단적 신념을 생성함을 보장합니다. 본 프레임워크의 특징은 순차적 의사결정을 다루는 것으로, 확립된 공통 기반을 유지하면서 여러 단계를 통해 새로운 정보를 점진적으로 통합할 수 있습니다. 보건 및 이민 정책에 관한 정치적 시나리오를 예시로 연구 결과를 설명합니다.
