Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

Suppléants, rassemblez-vous ! Sélection des suppléants optimaux pour les assemblées citoyennes

작성자
  • Haebom

Auteur

Angelos Assos, Carmel Baharav, Bailey Flanigan, Ariel Procaccia

Contour

Cet article propose une méthode optimale de sélection des participants potentiels afin d'améliorer la représentativité de l'Assemblée Citoyenne, un organe décisionnel participatif. Pour remédier au problème de biais des membres résultant d'une faible participation à l'Assemblée Citoyenne, nous soulignons les limites des méthodes existantes de sélection des participants potentiels et proposons un algorithme utilisant des techniques d'apprentissage automatique pour prédire l'attrition des participants et maximiser la représentativité. L'analyse théorique offre des garanties contre la complexité de l'échantillon et les erreurs de prédiction de l'attrition. Les résultats expérimentaux utilisant des données réelles démontrent que cette méthode améliore significativement la représentativité tout en réduisant le nombre de participants potentiels par rapport aux méthodes existantes.

Takeaways, Limitations_

Takeaways:
En proposant un nouvel algorithme qui améliore la représentativité de l’Assemblée citoyenne, nous pouvons accroître l’efficacité et la légitimité de la démocratie participative citoyenne.
En optimisant le processus de sélection des participants potentiels à l’aide de techniques d’apprentissage automatique, nous pouvons atteindre une représentativité élevée même avec un petit nombre de participants potentiels.
L’efficacité et l’efficience de l’algorithme ont été vérifiées par une analyse théorique et une recherche empirique.
Limitations:
La performance d'un algorithme peut dépendre de la qualité des données historiques utilisées. Un biais dans les données peut réduire la précision de l'algorithme.
Des recherches supplémentaires sont nécessaires pour déterminer si l’algorithme proposé est applicable à tous les types d’assemblées citoyennes.
En raison de la complexité de l’algorithme, il peut y avoir des difficultés techniques dans son application aux opérations réelles d’assemblée des citoyens.
👍