Democratic legitimacy in global platform governance
Notice bibliographique
Résumé
The goal of this paper is to propose a democratic legitimacy framework for evaluating platform-goverance proposals, and in doing so clarify terms of debate in this area, allowing for more nuanced policy assessments. It applies a democratic legitimacy framework originally created to assess the European Union's democratic bona fides – Vivian Schmidt's (2013) modification of Scharpf's (1999) well-known taxonomy of forms of democratic legitimacy – to various representative platform governance proposals and policies. The first section discusses briefly the issue of legitimacy in internet and platform governance, while the second outlines our analytical framework. The second section describes the three forms of legitimacy that, according to this framework, are necessary for democratic legitimation: input, throughput and output legitimacy. The third section demonstrates our framework's utility by applying it to four paradigmatic proposals/regimes: Facebook's Oversight Board (self-governance regimes); adjudication-focused proposals such as the Manila Principles for Intermediary Liability (rule-of-law-focused regimes); the human-rights-focused framework proposed by then-UN Special Rapporteur on the promotion and protection of the right to freedom of opinion and expression; and the United Kingdom's Online Harms White Paper (domestic regime). Section four describes our four main findings regarding the case studies: non-state proposals seem to focus on throughput legitimacy; input legitimacy requirements are frequently under examined; state regulation is usually side-lined as a policy option; and output legitimacy is a limited standard to be adopted in supranational contexts. We conclude that only by considering legitimacy as a multifaceted phenomenon based in democratic accountability will it be possible to design platform-governance models that will not only stand the test of time, but will also be accepted by the people whose lives they affect.
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 | 0,041 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,034 |
| Communication savante | 0,018 | 0,016 |
| Science ouverte | 0,002 | 0,012 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».