MétaCan
Menu
Retour à la cohorte
Enregistrement W3033462471 · doi:10.31235/osf.io/rm2tq

Choosing an Electoral Rule: Values and Self-Interest in the Lab

2020· article· en· W3033462471 sur OpenAlexafffund
Damien Bol, André Blais, Maxime Coulombe, Jean‐François Laslier, Jean‐Benoît Pilet

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueExperimental Behavioral Economics Studies
Établissements canadiensUniversité de Montréal
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaBritish Academy
Mots-clésPessimismOutcome (game theory)VotingDemocracyMajority ruleSelf-interestValue (mathematics)InstitutionPolitical scienceInterest groupPublic relationsSocial psychologyLaw and economicsEconomicsPsychologyMicroeconomicsLawEpistemologyMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

Citizens are increasingly involved in the design of democratic institutions, for instance via referendums. If they support the institution that best serves their self-interest, the outcome inevitably advantages the largest group and disadvantages minorities. In this paper, we challenge this pessimistic view with an original lab experiment in France and Great Britain. In the first phase, experimental subjects experience elections under plurality and approval voting. In the second phase, they decide which rule they want to use for extra elections. The treatment is whether they do or do not have information to determine where their self-interest lies before deciding. We find that self-interest shapes people’s decisions, but so do intrinsic egalitarian values that subjects have outside of the lab. The implications are: (1) people have consistent ‘value-driven preferences’ for electoral rules, and (2) putting them in a situation of uncertainty leads to an outcome that reflects these values.

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)0,000
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: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,235
Score d'incertitude au seuil0,572

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,095
Tête enseignante GPT0,362
Écart entre enseignants0,267 · 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'étudeQualitatif
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

Citations2
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetExperimental Behavioral Economics StudiesTravaux en français237 207