論文の概要: Algorithmic Approaches to Opinion Selection for Online Deliberation: A Comparative Study
- arxiv url: http://arxiv.org/abs/2602.15439v1
- Date: Tue, 17 Feb 2026 09:03:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-18 16:03:18.019641
- Title: Algorithmic Approaches to Opinion Selection for Online Deliberation: A Comparative Study
- Title（参考訳）: オンライン討論におけるオピニオン選択に対するアルゴリズム的アプローチ:比較研究
- Authors: Salim Hafid, Manon Berriche, Jean-Philippe Cointet,
- Abstract要約: オンライン討論プラットフォームでは、アルゴリズムの選択が選択プロセスの自動化にますます利用されている。
それぞれのアプローチが、比例代表のような望ましい民主的基準にどのように影響するかは、まだ不明である。
本稿では,多様性とバランスの取れた表現概念の両方を選択戦略に取り入れた新しいアルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 1.5267938856942276
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: During deliberation processes, mediators and facilitators typically need to select a small and representative set of opinions later used to produce digestible reports for stakeholders. In online deliberation platforms, algorithmic selection is increasingly used to automate this process. However, such automation is not without consequences. For instance, enforcing consensus-seeking algorithmic strategies can imply ignoring or flattening conflicting preferences, which may lead to erasing minority voices and reducing content diversity. More generally, across the variety of existing selection strategies (e.g., consensus, diversity), it remains unclear how each approach influences desired democratic criteria such as proportional representation. To address this gap, we benchmark several algorithmic approaches in this context. We also build on social choice theory to propose a novel algorithm that incorporates both diversity and a balanced notion of representation in the selection strategy. We find empirically that while no single strategy dominates across all democratic desiderata, our social-choice-inspired selection rule achieves the strongest trade-off between proportional representation and diversity.
- Abstract（参考訳）: 審議プロセスの間、仲介者やファシリテーターは一般的に、後にステークホルダー向けの消化可能なレポートを作成するために使われる、小さく代表的な意見のセットを選択する必要がある。
オンラインの議論プラットフォームでは、このプロセスを自動化するためにアルゴリズムの選択がますます使われています。
しかし、このような自動化には結果がないわけではない。
例えば、コンセンサスを求めるアルゴリズム戦略を強制することは、対立する好みを無視したり、平らにしたりする可能性があるため、少数派の声を消し、コンテンツの多様性を低下させる可能性がある。
より一般的には、既存の選択戦略(例えば、コンセンサス、多様性)にまたがって、それぞれのアプローチが比例代表のような望ましい民主的基準にどのように影響するかは定かではない。
このギャップに対処するため、この文脈でいくつかのアルゴリズムアプローチをベンチマークする。
また,選択戦略における多様性と表現のバランスの取れた概念の両方を取り入れた新しいアルゴリズムを提案するために,社会的選択理論を構築した。
我々は、すべての民主的デシダータにおいて単一の戦略が支配的ではないが、我々の社会的選択に触発された選択規則が比例代表と多様性の最も強いトレードオフを達成することを実証的に見出した。
関連論文リスト
- Strategic Costs of Perceived Bias in Fair Selection [25.24305795734348]
メリトクラテスの制度は、技術と努力を公平に報酬することを目的としている。
人種、性別、階級の相違は この理想に挑戦します
我々は,異なる社会経済集団の候補者が選択後の知覚値が異なるゲーム理論モデルを構築した。
論文 参考訳（メタデータ） (2025-10-23T14:38:05Z) - What Voting Rules Actually Do: A Data-Driven Analysis of Multi-Winner Voting [5.880273374889066]
本稿では,様々な選好分布における投票規則が公理に違反する頻度を評価するためのデータ駆動型フレームワークを提案する。
投票ルールとして機能するニューラルネットワークは、公理違反を最小限に抑える従来のルールより優れていることを示す。
論文 参考訳（メタデータ） (2025-08-08T16:54:09Z) - EMO-Debias: Benchmarking Gender Debiasing Techniques in Multi-Label Speech Emotion Recognition [49.27067541740956]
EMO-Debiasは、マルチラベルSERに適用された13のデバイアス手法の大規模比較である。
本研究は, 事前処理, 正規化, 逆学習, バイアス学習者, 分散的ロバストな最適化といった手法を含む。
本分析は公平性と正確性の間のトレードオフを定量化し,どのアプローチが一貫して性差を減少させるのかを同定する。
論文 参考訳（メタデータ） (2025-06-05T05:48:31Z) - Alternates, Assemble! Selecting Optimal Alternates for Citizens' Assemblies [1.5624421399300306]
市民の集会は、無作為に選ばれた人々が政策問題について議論する、熟考民主主義の影響力のある形態である。
ドロップアウトはプリセレクトされた代替物に置き換えられるが、既存のメソッドはこれらの代替物を選択する方法に対処しない。
代替選択のための最適化フレームワークを提案する。
論文 参考訳（メタデータ） (2025-06-02T17:48:33Z) - Policy Aggregation [21.21314301021803]
我々は、マルコフ決定プロセスにおいて、異なる報酬関数と最適なポリシーを持つ複数の個人とAIバリューアライメントの課題を考察する。
我々は、この問題を政策集約の1つとして定式化し、そこでは、望ましい集団的政策を特定することを目的としている。
主要な洞察は、社会的選択法は、国家が占有するポリトープのサブセットのボリュームと順序的選好を識別することで再解釈できるということである。
論文 参考訳（メタデータ） (2024-11-06T04:19:50Z) - Aligning AI with Public Values: Deliberation and Decision-Making for Governing Multimodal LLMs in Political Video Analysis [48.14390493099495]
AIモデルが政治的トピックにどう対処すべきかは議論されているが、依然として困難であり、より優れたガバナンスが必要である。
本稿では、政治的に敏感なビデオを中心に、個人的および集団的な議論を通じて、大規模言語モデルのガバナンスについて検討する。
論文 参考訳（メタデータ） (2024-09-15T03:17:38Z) - Representation Bias in Political Sample Simulations with Large Language Models [54.48283690603358]
本研究は,大規模言語モデルを用いた政治サンプルのシミュレーションにおけるバイアスの同定と定量化を目的とする。
GPT-3.5-Turboモデルを用いて、米国選挙研究、ドイツ縦割り選挙研究、ズオビアオデータセット、中国家族パネル研究のデータを活用する。
論文 参考訳（メタデータ） (2024-07-16T05:52:26Z) - Tackling Diverse Minorities in Imbalanced Classification [80.78227787608714]
不均衡データセットは、様々な現実世界のアプリケーションで一般的に見られ、分類器の訓練において重要な課題が提示されている。
マイノリティクラスとマイノリティクラスの両方のデータサンプルを混合することにより、反復的に合成サンプルを生成することを提案する。
提案するフレームワークの有効性を,7つの公開ベンチマークデータセットを用いて広範な実験により実証する。
論文 参考訳（メタデータ） (2023-08-28T18:48:34Z) - Fairness in Selection Problems with Strategic Candidates [9.4148805532663]
選択問題における戦略的側面が公平性に与える影響について検討する。
合理的な候補者の人口は、彼らの品質を高めるために努力レベルを選択することで競います。
我々は、異なるパラメータのレジームにおけるこのゲームの(一意)平衡を特徴づける。
論文 参考訳（メタデータ） (2022-05-24T17:03:32Z) - Modularity in Reinforcement Learning via Algorithmic Independence in
Credit Assignment [79.5678820246642]
提案手法は, 事前決定の順序に対して, スパース変化のみを必要とする伝達問題に対して, 政策段階の手法よりも, より標本効率が高いことを示す。
我々は最近提案された社会的意思決定の枠組みをマルコフ決定プロセスよりもよりきめ細かい形式主義として一般化する。
論文 参考訳（メタデータ） (2021-06-28T21:29:13Z) - Multi-Stage Decentralized Matching Markets: Uncertain Preferences and
Strategic Behaviors [91.3755431537592]
本稿では、現実世界のマッチング市場で最適な戦略を学ぶためのフレームワークを開発する。
我々は,不確実性レベルが特徴の福祉対フェアネストレードオフが存在することを示す。
シングルステージマッチングと比較して、マルチステージマッチングで参加者がより良くなることを証明します。
論文 参考訳（メタデータ） (2021-02-13T19:25:52Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。