MétaCan
Menu
Retour à la cohorte
Enregistrement W1993402131 · doi:10.1561/100.00000011

Ethical Voters and Costly Information Acquisition

2006· article· en· W1993402131 sur OpenAlexaff
Timothy Feddersen

Notice bibliographique

RevueQuarterly Journal of Political Science · 2006
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueElectoral Systems and Political Participation
Établissements canadiensKellogg's (Canada)
Organismes subventionnairesnon disponible
Mots-clésFraction (chemistry)Information aggregationContrast (vision)Information qualityQuality (philosophy)Affect (linguistics)MicroeconomicsEconomicsEconometricsComputer sciencePolitical scienceInformation systemPsychologyInformation retrievalLawArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Game-theoretic and statistical models have emphasized the desirable information aggregation properties of large elections. However, such models do not explain why voters choose to acquire costly information. In this paper we use an ethical voter model to endogenize the decision to acquire information. We show that a significant fraction of the electorate will acquire costly information. However, even with negligible costs of acquiring information a fraction of the electorate will remain uninformed. Moreover, we show that as the quality of information increases information aggregation properties of election improve, but the fraction of informed voters may decrease. This result stands in contrast to previous models where the information aggregation properties of elections are insensitive to changes in the fraction informed. In addition, changes in the quality or cost of information affect the relative likelihood that each candidate wins the election.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,558
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,015
Tête enseignante GPT0,334
Écart entre enseignants0,320 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations68
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueQuarterly Journal of Political ScienceMême sujetElectoral Systems and Political ParticipationTravaux en français237 207