Este artículo propone un marco de agregación probabilística basado en la lógica de probabilidad proposicional. A diferencia de los enfoques existentes de agregación de juicios que se centran en la racionalidad estática, este modelo aborda la racionalidad dinámica al garantizar que las creencias colectivas se actualicen constantemente en respuesta a nueva información. Demostramos que todas las reglas de agregación consensuales e independientes para agendas no superpuestas son lineales. Además, presentamos condiciones suficientes para un proceso de aprendizaje justo, donde los individuos inicialmente acuerdan un subconjunto de proposiciones, denominado terreno común, y la nueva información se limita a este terreno compartido. Esto garantiza que las actualizaciones de juicios individuales mediante condicionalización bayesiana generen creencias colectivas idénticas, ya sea que se realicen antes o después de la agregación. Una característica clave de este marco es su capacidad para gestionar la toma de decisiones secuencial, lo que permite la integración gradual de nueva información en múltiples etapas, manteniendo al mismo tiempo el terreno común establecido. Ilustramos nuestros hallazgos con ejemplos de escenarios políticos relacionados con las políticas de salud e inmigración.
