Bibliographic record
Abstract
Cet article illustre les difficultés inhérentes au processus démocratique à partir des résultats d’une consultation tenue à l’Université Laval, dans le cadre de la nomination d’un doyen. Lors de ce scrutin, les votants devaient en principe ordonner tous les candidats, au nombre de quatre. La compilation des résultats s’avérait donc un exercice d’agrégation des ordres (préférences) individuels en ordre (préférence) collectif. L’article emprunte abondamment à la littérature sur la théorie des choix sociaux et constitue en quelque sorte un survol partiel de cette dernière. Il montre d’abord comment des résultats, en apparence si clairs selon la règle de la pluralité, peuvent venir en contradiction avec le principe de la majorité préconisé par Condorcet. Ce dernier veut qu’un candidat, que la majorité des votants placent avant un autre, se retrouve également avant ce dernier dans l’ordre collectif. L’article présente ensuite les procédures de vote pondéré, les plus connues étant celles de la pluralité et de Borda. Il discute des possibilités de manipulation de ces procédures selon le système de pondération choisi. Pour revenir au principe de Condorcet, son application à toutes les paires de candidats peut malheureusement donner des cycles dans les préférences collectives. C’est le fameux paradoxe de Condorcet. Plusieurs méthodes ont été proposées pour briser ces cycles. L’article présente la méthode dite du maximum de vraisemblance comme celle qui se rapproche davantage de l’esprit du principe de Condorcet. Plusieurs exemples sont fournis tout au long de l’article.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.009 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.011 | 0.026 |
| Scholarly communication | 0.020 | 0.013 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.017 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".