본 논문은 전략적 학습 환경에서 점수 규칙에 대한 부분적인 정보가 공정성에 미치는 영향을 연구합니다. 전략적 학습에서 학습자는 점수 규칙을 사용하고, 에이전트는 결과를 개선하기 위해 비용을 들여 특징을 수정함으로써 전략적으로 반응합니다. 하지만 본 연구에서는 에이전트가 점수 규칙을 직접 관찰하지 않고, 해당 규칙에 대한 잡음이 포함된 신호를 받습니다. 본 논문은 두 가지 에이전트 모델, 즉 (i) 잡음이 포함된 신호를 그대로 받아들이는 순진한 에이전트와 (ii) 신호를 바탕으로 사전 확신을 업데이트하는 베이지안 에이전트를 고려합니다. 연구 목표는 특징 수정 비용이 다른 그룹 간에 결과의 불균형이 어떻게 발생하는지, 그리고 이러한 불균형이 학습자 규칙의 투명성 수준에 따라 어떻게 변하는지를 이해하는 것입니다. 순진한 에이전트의 경우, 유틸리티 불균형은 잡음과 함께 무한정 커질 수 있으며, 비용이 낮은 그룹이 투명성이 제한될 때 불균형적으로 피해를 입을 수 있음을 보여줍니다. 반면 베이지안 에이전트의 경우 불균형은 경계가 있습니다. 본 논문은 투명성 수준의 함수로 그룹 간 불균형을 완전히 특징짓고, 이것이 잡음에 따라 단조롭지 않게 변할 수 있음을 보여줍니다. 특히, 불균형은 중간 수준의 투명성에서 최소화되는 경우가 많습니다. 마지막으로, 그룹이 비용뿐만 아니라 사전 확신에서도 다르게 설정된 경우에 대한 분석을 확장하고, 이러한 비대칭이 공정성에 어떻게 영향을 미치는지 연구합니다.
