Efficient Elicitation of Collective Disagreements

Resumen Técnico: Elicitación Eficiente de Desacuerdos Colectivos

Enunciado del Problema
La teoría de la elección social se ha centrado tradicionalmente en el consenso y las reglas de agregación de preferencias. Sin embargo, la toma de decisiones colectivas a menudo requiere confrontar y resolver desacuerdos antes de llegar a un acuerdo. La literatura existente ofrece diversas medidas de desacuerdo, polarización y divisividad, pero estas suelen basarse en clasificaciones completas de preferencias o en comparaciones pareadas. Los autores identifican una limitación crítica: las comparaciones pareadas (información de grado 2) son insuficientes para distinguir entre diferentes formas estructurales de desacuerdo. Por ejemplo, una población con clasificaciones distribuidas uniformemente y una población dividida en dos facciones opuestas pueden generar datos de comparaciones pareadas idénticos, a pesar de poseer estructuras de desacuerdo fundamentalmente diferentes. Además, elicitar clasificaciones completas impone una alta carga cognitiva a los votantes, creando una compensación entre la riqueza de la información y la usabilidad práctica. El artículo busca determinar la información agregada de preferencias mínima requerida para calcular medidas específicas de desacuerdo y diseñar protocolos de elicición que equilibren esta necesidad de información con la carga cognitiva de los votantes.

Metodología
Los autores introducen un modelo probabilístico de preferencias de los votantes y proponen una nueva representación llamada matriz de pluralidad.

• La Matriz de Pluralidad: Para un conjunto de alternativas $A$, la matriz registra, para cada subconjunto $S \subseteq A$ y cada alternativa $a \in S$, la probabilidad $p_S(a)$ de que $a$ sea clasificada en primer lugar dentro de $S$.
• Jerarquía de Grados: La matriz se estratifica según el tamaño del subconjunto $S$. Los datos de "grado $k$" se refieren a las entradas donde $|S|=k$. Las comparaciones pareadas corresponden al grado 2, mientras que las puntuaciones de pluralidad completas corresponden al grado $m$.
• Nivel de una Medida: Una medida de desacuerdo se define como de "nivel $k$" si puede expresarse utilizando datos de grado a lo sumo $k$, pero no de grado $k-1$.
• Protocolos de Elicitación: Para estimar la matriz de pluralidad sin requerir clasificaciones completas, los autores proponen dos protocolos basados en secuencias de comparaciones pareadas:
  1. $k$-cadena: Un votante realiza $k-1$ comparaciones pareadas secuenciales para determinar un ganador dentro de un subconjunto de tamaño $k$.
  2. $k$-clasificación: Un votante proporciona una clasificación completa de un subconjunto de tamaño $k$ mediante comparaciones pareadas.
     Los autores analizan la compensación entre el número total de votantes (presupuesto) y la carga cognitiva máxima (número de comparaciones por votante) requerida para lograr una precisión de estimación específica ($\epsilon$) con una confianza ($1-\delta$).

Contribuciones Clave

1. Formalización de la Matriz de Pluralidad: El artículo define la matriz de pluralidad como un marco para organizar datos de preferencias agregadas por tamaño de subconjunto, permitiendo el análisis de medidas de desacuerdo basadas en la información mínima requerida.
2. Análisis de Nivel de las Medidas de Desacuerdo:
   • Se demuestra que el Índice de Acuerdo es de nivel 2, dependiendo exclusivamente de comparaciones pareadas.
   • Se prueba que las medidas de Varianza de Clasificación y Divisividad son de nivel 3. Los autores demuestran que estas medidas no pueden calcularse únicamente a partir de datos pareados, ya que perfiles de preferencias distintos pueden compartir datos idénticos de grado 2 pero diferir en grado 3.
   • El artículo prueba la estricta jerarquía: para cualquier $k$, existen perfiles que coinciden hasta el grado $k$ pero difieren en el grado $k+1$.
   • Los autores construyen medidas específicas para cada nivel $k$, como el momento central $k$-ésimo de la distribución de rangos (nivel $k+1$), que captura propiedades como la asimetría (nivel 4) y la curtosis (nivel 5).
3. Supuestos Estructurales: Se muestra que la jerarquía colapsa al nivel 2 bajo supuestos estructurales específicos. Si las preferencias de los votantes siguen el modelo Plackett-Luce o son unipicadas, toda la información de grado superior puede recuperarse únicamente de las comparaciones pareadas.
4. Protocolos de Elicitación y Compensaciones: Se diseñan dos protocolos ($k$-cadena y $k$-clasificación) para estimar la matriz de pluralidad. El análisis teórico utilizando la desigualdad de Hoeffding caracteriza la compensación entre el número de votantes requeridos y la carga cognitiva por votante. Los autores muestran que las cadenas son óptimas para restricciones de baja carga cognitiva o poblaciones grandes, mientras que las clasificaciones son más eficientes para poblaciones más pequeñas dispuestas a responder consultas complejas.

Resultados

• Teóricos: El artículo establece que muchas medidas estándar de desacuerdo (Varianza de Clasificación, Divisividad) requieren inherentemente información más allá de las comparaciones pareadas (grado 3). Demuestra que ninguna medida de nivel $k$ puede distinguir entre perfiles que coinciden hasta el grado $k$.
• Experimentales/Sintéticos: Experimentos numéricos con datos sintéticos (utilizando modelos como Mallows, Plackett-Luce y Unipicado) ilustran que las medidas de grado superior (asimetría y curtosis) pueden distinguir entre distribuciones de rangos unimodales y bimodales que son indistinguibles en el nivel 3.
• Datos Reales: El análisis de datos electorales reales (STV de Glasgow, Asamblea Legislativa de NSW y encuesta presidencial francesa) muestra que los desacuerdos del mundo real ocupan el "plano de momentos" (asimetría frente a curtosis) de diversas maneras, incluidas distribuciones bimodales que señalan polarización de dos campos.
• Eficiencia del Protocolo: Los límites derivados muestran que, para una precisión fija, aumentar el tamaño del subconjunto $k$ (y por tanto la carga cognitiva) reduce el número de votantes requeridos, pero solo hasta el punto en que se cumple la restricción de carga cognitiva.

Significado y Afirmaciones
El artículo afirma proporcionar un marco fundamental para comprender los requisitos teóricos de la información de medir el desacuerdo colectivo. Al introducir el concepto de "nivel", aclara que las comparaciones pareadas son insuficientes para capturar estructuras de desacuerdo matizadas como la divisividad y la varianza de clasificación. El trabajo ofrece un camino práctico hacia adelante para la elicición: al identificar el grado específico de información necesario para una medida dada, los practicantes pueden diseñar protocolos que minimicen la carga cognitiva sin sacrificar la capacidad de detectar tipos específicos de desacuerdo. Los autores señalan que su marco se limita a medidas expresables mediante la matriz de pluralidad y asume respuestas veraces y libres de ruido, sugiriendo que trabajos futuros podrían extenderse a órdenes parciales, boletas de aprobación o modelos de respuesta ruidosa.