MétaCan
Menu
Retour à la cohorte
Enregistrement W2789272717 · doi:10.7202/1043690ar

Gouverner par des « coups de pouce » (nudges) : instrumentaliser nos biais cognitifs au lieu de légiférer ?

2018· article· fr· W2789272717 sur OpenAlexvenueno aff
Alexandre Flückiger

Notice bibliographique

RevueLes Cahiers de droit · 2018
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueFrench Urban and Social Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical sciencePhilosophyArt

Résumé

récupéré en direct d'OpenAlex

En visant la partie inconsciente et émotionnelle de notre esprit, les sciences affectives et comportementales ont démontré la possibilité d’orienter nos actions sans recourir à la contrainte. Dans ces conditions, la tentation était vive de chercher à exploiter les résultats de telles recherches pour gouverner nos conduites au lieu de légiférer. Par d’habiles « coups de pouce » (nudges), l’État devient ainsi l’architecte de nos choix (choice architect), chargé de créer un environnement incitant, à notre insu, à obéir comme il le souhaite. En d’autres termes, donner un « coup de pouce » revient à créer un environnement comportemental incitateur (choice architecture) offrant un contexte propice à l’adoption d’un comportement déterminé sans contrainte apparente. Un tel mécanisme présente l’indéniable intérêt de contribuer à mettre en oeuvre les lois et les politiques publiques de manière plus souple. L’incitation doit en effet être préférée à la coercition si la première se révèle suffisamment efficace. Pourtant, la création d’environnements comportementaux incitateurs est un moyen possiblement très intrusif, susceptible de court-circuiter notre libre arbitre. Il reviendra donc aux autorités de ne retenir que ceux d’entre eux dont la nature n’est pas manipulatoire. Fondés sur une base légale, visant un intérêt public, proportionnés, conformes à la bonne foi, transparents et non discriminatoires, ces environnements ont en revanche toute leur place dans la panoplie d’un État de droit.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,013
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,018
Communication savante0,0110,011
Science ouverte0,0010,005
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0120,003

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 Opus0,019
Tête enseignante GPT0,244
Écart entre enseignants0,225 · 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 source (Gemma direct ou Codex distillé), 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

Citations10
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLes Cahiers de droitMême sujetFrench Urban and Social StudiesTravaux en français237 207