Évaluation et comparaison des règles de vote derrière le voile de l’ignorance : tour d’horizon sélectif et analyse des règles de scores à deux paramètres
Bibliographic record
Abstract
Nous proposons un cadre général pour l’étude et l’évaluation des règles de vote derrière le « voile d’ignorance ». Nous montrerons comment de nombreuses contributions recensées dans notre revue de la littérature sur le vote peuvent être considérées comme des cas particuliers de ce modèle général. L’analyse se concentre ensuite sur l’optimisation utilitariste dans le cas d’élections à trois candidats et une spécification bayésienne où les préférences cardinales des électeurs entre trois options sont de l’information privée. Dans ce contexte spécifique, nous étudions les règles de vote qui sont des règles de score à deux paramètres, telles qu’introduites par Myerson (2002). Nous montrons que tous les équilibres bayésiens symétriques induits par ces règles de vote sont des équilibres sincères et ont une forme particulière. Ces équilibres sont uniques pour une vaste gamme de paramètres, ce qui nous permet de comparer la performance à l’équilibre de différentes règles de vote. Les résultats de nos calculs relatifs à l’efficacité des diverses règles de score (où l’efficacité est évaluée à l’aide d’une variation de la mesure proposée par Weber, 1978) permettent de conclure que les règles qui représentent le plus efficacement les préférences des électeurs permettent l’expression de l’intensité de ces préférences, contrairement aux règles plus couramment utilisées telles que la règle de pluralité et celle de Borda. Alors que la règle de vote par assentiment permet l’expression de l’intensité des préférences, elle ne maximise pas l’efficacité, car elle ne parvient pas à rendre sans ambiguïté les préférences ordinales des électeurs.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.007 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 teacher head, 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".