Identifying strong voter support : Condorcet and Smith revisited
Notice bibliographique
Résumé
The conditions of strong Condorcet winner consistency and strong Condorcet loser consistency are, in essence, universally accepted as attractive criteria to evaluate the performance of social choice functions. However, there are many situations in which these conditions are silent because such winners and losers may not exist. Hence, weakening these desiderata in order to extend the domain of profiles where they apply is an appealing task. Yet, the often-proposed and accepted weak counterparts of these properties suffer from the shortcoming that a weak Condorcet winner can be a weak Condorcet loser at the same time. We propose new notions of Condorcet-type winners and losers that are between these two extremes: they share the intuitive appeal of strong Condorcet winner consistency and strong Condorcet loser consistency and avoid the contradictory recommendations that would derive from the double identification of candidates as being weak Condorcet winners and losers at the same time. We provide a thorough examination of the extent to which some important reference properties are satisfied by social choice functions that are consistent with our new proposals. In addition, we revisit the concept of Smith sets (Smith, 1973) and examine a possible modification. As is the case for our intermediate Condorcet winners and losers, these notions are intended to generalize Condorcet's ideas. Using our reference properties again, we discuss the social choice functions that are consistent with the selection of candidates from these sets. By contrasting the consequences of using the suggestions inspired by Smith with those that are implied by the intermediate Condorcet consistency conditions that we propose, we hope to shed new light on the possibilities of extending Condorcet's principles to a larger set of circumstances.
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 | 0,011 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,005 | 0,009 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| 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 ».