Efficient Elicitation of Collective Disagreements

技術的概要：集団的対立の効率的な引き出し

問題定義
社会選択理論は、伝統的に合意と選好集約規則に焦点を当ててきた。しかし、集団的意思決定においては、合意に到達する前に対立に直面し、それを解決することがしばしば必要となる。既存の文献は対立、分極、分断性のさまざまな尺度を提供しているが、これらは通常、完全な選好順位またはペアワイズ比較に依存している。著者らは、重要な限界を特定している：ペアワイズ比較（次数 2 の情報）は、異なる構造を持つ対立形式を区別するには不十分である。例えば、一様に分布した順位を持つ集団と、二つの対立する派閥に分裂した集団は、同一のペアワイズ比較データを生成し得るが、本質的に異なる対立構造を有している。さらに、完全な順位を引き出すことは有権者に高い認知的負荷を課し、情報の豊かさと実用的な使いやすさの間にトレードオフを生じさせる。本論文は、特定の対立尺度を計算するために必要な最小限の集約選好情報を特定し、この情報需要と有権者の認知的負荷のバランスを取る引き出しプロトコルを設計することを目的としている。

手法
著者らは有権者の選好に関する確率モデルを導入し、**plurality matrix（多数決行列）**と呼ばれる新しい表現を提案する。

• Plurality Matrix（多数決行列）： 代替案の集合 $A$ に対して、この行列は、すべての部分集合 $S \subseteq A$ とすべての代替案 $a \in S$ について、$S$ 内で $a$ が 1 位にランクされる確率 $p_S(a)$ を記録する。
• 次数の階層： この行列は、部分集合 $S$ のサイズによって階層化される。「次数 $k$ のデータ」とは、$|S|=k$ である項を指す。ペアワイズ比較は次数 2 に相当し、完全な plurality スコアは次数 $m$ に相当する。
• 尺度のレベル： ある対立尺度が「レベル $k$」であると定義されるのは、次数 $k$ 以下のデータを用いて表現可能であり、かつ次数 $k-1$ のデータでは表現できない場合である。
• 引き出しプロトコル： 完全な順位を必要とせずに plurality matrix を推定するために、著者らはペアワイズ比較の系列に基づく 2 つのプロトコルを提案する。
  1. $k$-chain： 有権者が $k-1$ 回の逐次的なペアワイズ比較を行い、サイズ $k$ の部分集合内の勝者を決定する。
  2. $k$-ranking： 有権者がペアワイズ比較を通じて、サイズ $k$ の部分集合の完全な順位を提供する。
     著者らは、特定の推定精度（$\epsilon$）を信頼度（$1-\delta$）で達成するために必要な有権者総数（予算）と、1 人あたりの有権者への最大認知的負荷（比較回数）との間のトレードオフを分析する。

主要な貢献

1. Plurality Matrix の形式化： 本論文は、集約された選好データを部分集合のサイズごとに整理する枠組みとして plurality matrix を定義し、必要な最小限の情報に基づいた対立尺度の分析を可能にする。
2. 対立尺度のレベル分析：
   • 合意指数（Agreement Index）は、ペアワイズ比較のみに依存するレベル 2 であることが示される。
   • **順位分散（Rank Variance）と分断性（Divisiveness）**の尺度は、レベル 3 であることが証明される。著者らは、これらの尺度がペアワイズデータのみでは計算できないことを示す。なぜなら、異なる選好プロファイルが同一の次数 2 のデータを共有しつつ、次数 3 で異なる場合があるからである。
   • 本論文は、階層の厳密性を証明する：任意の $k$ に対して、次数 $k$ まで一致するが次数 $k+1$ で異なるプロファイルが存在する。
   • 著者らは、各レベル $k$ に対して特定の尺度を構成する。例えば、順位分布の $k$ 次中心モーメント（レベル $k+1$）は、歪度（レベル 4）や尖度（レベル 5）のような特性を捉える。
3. 構造的仮定： 特定の構造的仮定の下では、この階層はレベル 2 に収束することが示される。有権者の選好がPlackett-Luce モデルに従う場合、または単一ピーク性を持つ場合、すべての高次情報はペアワイズ比較のみから回復可能である。
4. 引き出しプロトコルとトレードオフ： 2 つのプロトコル（$k$-chain と $k$-ranking）は、plurality matrix を推定するように設計されている。Hoeffding の不等式を用いた理論的分析は、必要な有権者数と 1 人あたりの認知的負荷との間のトレードオフを特徴づける。著者らは、低認知的負荷の制約下または大規模な集団ではチェーンが最適であり、複雑なクエリに応じる意思のある小規模な集団ではランキングの方が効率的であることを示す。

結果

• 理論的： 本論文は、多くの標準的な対立尺度（順位分散、分断性）が本質的にペアワイズ比較を超えた情報（次数 3）を必要とすることを確立する。また、レベル $k$ の尺度は、次数 $k$ まで一致するプロファイルを区別できないことを証明する。
• 実験的/合成データ： Mallows、Plackett-Luce、Single-Peaked などのモデルを用いた合成データ上の数値実験は、高次の尺度（歪度と尖度）が、レベル 3 では区別できない単峰性と二峰性の順位分布を区別できることを示している。
• 実データ： グラスゴーの STV、NSW 立法議会、フランスの大統領選挙に関する世論調査といった実選挙データ的分析は、現実世界の対立が「モーメント平面（歪度対尖度）」を多様な方法で埋め尽くすことを示しており、二つの陣営の分極を示す二峰性分布も含まれている。
• プロトコルの効率性： 導出された境界は、固定された精度において、部分集合のサイズ $k$（したがって認知的負荷）を増加させることは必要な有権者数を減少させるが、認知的負荷の制約が満たされる点までに限られることを示している。

意義と主張
本論文は、集団的対立を測定するための情報理論的要件を理解するための基盤となる枠組みを提供すると主張している。「レベル」という概念を導入することで、対立構造のニュアンス（分断性や順位分散など）を捉えるにはペアワイズ比較では不十分であることを明確にしている。この研究は、引き出しにおける実践的な前進の道筋を提供する：特定の尺度に必要な情報の次数を特定することで、実践者は特定の種類の対立を検出する能力を犠牲にすることなく、認知的負担を最小化するプロトコルを設計できる。著者らは、自らの枠組みが plurality matrix を通じて表現可能な尺度に限定され、真実でノイズのない回答を仮定していることに言及しており、今後の研究として、部分順序、承認投票、またはノイズのある回答モデルへの拡張が考えられると示唆している。