MétaCan
Menu
Retour à la cohorte
Enregistrement W4315929026 · doi:10.1016/j.joep.2023.102602

Choosing an electoral rule: Values and self-interest in the lab

2023· article· en· W4315929026 sur OpenAlexafffund
Damien Bol, André Blais, Maxime Coulombe, Jean‐François Laslier, Jean‐Benoît Pilet

Notice bibliographique

RevueJournal of Economic Psychology · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueExperimental Behavioral Economics Studies
Établissements canadiensUniversité de Montréal
Organismes subventionnairesH2020 European Research CouncilEuropean Research CouncilSocial Sciences and Humanities Research Council of CanadaBritish Academy
Mots-clésPessimismMajority ruleVotingOutcome (game theory)DemocracyPoliticsDecision ruleContext (archaeology)Value (mathematics)MicroeconomicsSocial psychologySocial choice theoryEconomicsPolitical sciencePositive economicsPsychologyLawStatisticsMathematicsEpistemology

Résumé

récupéré en direct d'OpenAlex

We study the choice of multi-person bargaining protocols in the context of politics. In politics, citizens are increasingly involved in the design of democratic rules, for instance via referendums. If they support the rule that best serves their self-interest, the outcome inevitably advantages the largest group. In this paper, we challenge this pessimistic view with an original lab experiment, in which 252 subjects participated. In the first stage, these subjects experience elections under plurality and approval voting. In the second stage, they decide which rule they want to use for extra elections. We find that egalitarian values that subjects hold outside of the lab shape their choice of electoral rule in the second stage when a rule led to a fairer distribution of payoffs compared to the other one in the first stage. The implication is that people have consistent ‘value-driven preferences’ for decision rules.

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)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0030,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,115
Tête enseignante GPT0,439
Écart entre enseignants0,323 · 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'étudeExpérimental (laboratoire)
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

Citations8
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Economic PsychologyMême sujetExperimental Behavioral Economics StudiesTravaux en français237 207