Algorithmic Decision-Making When Humans Disagree About Ends
Notice bibliographique
Résumé
Which interpretive tasks should be delegated to machines? This question has become a focal point of “tech governance” debates. One familiar answer is that machines are capable, in principle, of implementing tasks whose ends are uncontroversial, but machine delegation is inappropriate for tasks that elude human consensus. After all, if even (human) experts cannot agree about the nature of a task, what hope is there for machines? Here, we turn this position around. In fact, when humans disagree about the nature of a task, that should be prima facie grounds for machine-delegation, not against it. The reason comes back to a fairness concern: affected parties should be able to predict the outcomes of particular cases. Indeterminate decision-making environments—those in which human disagree about ends—are inherently unpredictable in the sense that, for any given case, the distribution of likely outcomes will depend on a specific decision-maker’s view of the relevant end. This injects an irreducible—and, we argue, intolerable—dynamic of randomization into the decision-making process from the perspective of non-repeat players. To the extent machine decisions aggregate across disparate views of a task’s relevant ends, they promise improvement, as such, on this specific dimension of predictability; whatever the other virtues and drawbacks of machine decision-making, this gain should be recognized and factored into governance. The essay has two halves. In the first, we elaborate the formal point, drawing a distinction between determinacy and certainty as epistemic properties and fashioning a taxonomy of decision-types. In the second half, we bring the formal point alive through the case study of criminal sentencing.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,028 | 0,085 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,021 |
| Communication savante | 0,013 | 0,014 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,007 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 source (Gemma direct ou Codex distillé), 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 ».