Agregação Proporcional de Preferências para Tomada de Decisão Sequencial

Estudamos o problema da tomada de decisão sequencial justa, dada as preferências dos eleitores. Em cada rodada, uma regra de decisão deve escolher uma decisão de um conjunto de alternativas onde cada eleitor informa quais dessas alternativas aprova. Em vez de optar pela escolha mais popular em cada rodada, buscamos a representação proporcional, usando axiomas inspirados na literatura de votação com múltiplos vencedores. Os axiomas exigem que todo grupo de α% dos eleitores, se concordar em cada rodada (ou seja, aprovar uma alternativa comum), então esses eleitores devem aprovar pelo menos α% das decisões. Uma versão mais forte dos axiomas requer que todo grupo de α% dos eleitores que concorda em uma fração β de rodadas deve aprovar β⋅α% das decisões. Mostramos que três regras de votação atraentes satisfazem axiomas desse tipo. Uma delas (Phragmén Sequencial) toma suas decisões online, enquanto as outras duas satisfazem versões ampliadas dos axiomas, mas tomam decisões semi-online (Método de Volumes Iguais) ou totalmente offline (Votação com Aprovação Proporcional). Apresentamos resultados empíricos para essas regras com base em dados sintéticos e nas eleições políticas dos EUA. Também realizamos experimentos usando o conjunto de dados da máquina moral sobre dilemas éticos. Treinamos modelos de preferência com base nas respostas dos usuários de diferentes países e deixamos os modelos votarem. Descobrimos que agregar esses votos usando nossas regras resulta em uma distribuição de utilidade mais igualitária entre as demografias do que tomar decisões usando um único modelo de preferência global.