Reviewing algorithmic decision making in administrative law
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
L’intelligence artificielle est peut-etre le changement technologique le plus important depuis la popularisation de l’Internet dans les annees de declin du XXe siecle. L’intelligence artificielle promet d'affecter la plupart des secteurs de l'economie moderne, du camionnage et du transport aux soins medicaux et a la recherche. Notre systeme juridique a deja commence a envisager comment des systemes de prise de decision artificiellement intelligents sont susceptibles d'affecter l’equite des procedures et l'acces a la justice. Ces effets ont ete sous-evalues dans le domaine du droit administratif, dans lequel des systemes artificiellement intelligents pourraient etre utilises pour accelerer la prise de decision, assurer un traitement relativement egal de cas similaires et lutter contre la discrimination. Mais l’adoption de systemes artificiellement intelligents par les decideurs administratifs souleve egalement de graves questions. Cet essai se concentre sur une de ces questions : les decisions administratives prises par des systemes artificiellement intelligents sont-elles capables de repondre au devoir d'equite procedurale du aux sujets de ces decisions ? L’essai est divise en trois parties. Dans la premiere, j’expose brievement l’utilisation croissante des systemes artificiellement intelligents dans le contexte administratif. Nous etudierons principalement les algorithmes d'apprentissage machine en decrivant le defi technique d’inexplicabilite qu’ils posent. Dans la deuxieme section, j’expose le devoir des decideurs administratifs d'expliquer leur raisonnement dans certains contextes. Dans la troisieme section, je soutiens que les processus administratifs qui utilisent des systemes artificiellement intelligents compliqueront l’accomplissement efficace de cette tâche. Les personnes soumises a certains types de decisions administratives peuvent etre privees des motifs auxquels elles ont droit. Je soutiens que l’intelligence artificielle pourrait nous amener a repenser la justification des decisions en droit administratif.
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 découle