Vote par approbation pour les élections à vainqueurs multiples. Une famille générale de règles, leur complexité algorithmique et leur manipulabilité
Notice bibliographique
Résumé
Le vote par approbation est une procédure de vote utilisée, entre autres, pour élire des comités et qui permet aux votants de voter pour (d’approuver) autant de candidats qu’ils le souhaitent. Deux règles de vote ont été particulièrement utilisées pour élire des comités à l’aide du vote par approbation. La règle habituelle, appelée aussi minisum, choisit l’ensemble des candidats (éventuellement soumis à une contrainte de cardinalité) ayant été approuvés par le plus grand nombre de votants. La règle minimax élit un ensemble de candidats qui minimise le maximum, sur l’ensemble des votants, de la distance de Hamming à chacun des votes. Comme ces deux règles semblent trop extrêmes, nous les généralisons en un ensemble continu de règles de vote, par l’utilisation de l’opérateur de moyenne pondérée ordonnée (ordered weighted averaging, ou OWA). Cette règle est paramétrée par un vecteur de poids, noté w, qui permet de définir des règles de vote entre minisum et minimax. Nous nous intéressons aux vecteurs de poids croissants, et en particulier aux vecteurs de la forme w(i) = (0, .., 0, 1, .., 1), où i représente le nombre de 0. Nous étudions la complexité algorithmique de la détermination d’un comité gagnant, et de l’ensemble des comités gagnants pour des règles associées aux vecteurs w(i). Nous montrons qu’il est difficile de trouver un comité gagnant pour ces règles alors que cela est facile pour minisum. Enfin, nous prouvons la manipulabilité de ces règles quand elles sont paramétrées par des vecteurs croissants, et strictement croissants.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».