[论文解读] A Participatory Democratic Budgeting Algorithm
本文提出了一种多项式时间的参与式预算算法,通过整合去年的预算、处理部分选民偏好、具有不同成本的定量项目以及分层预算结构,计算出一个满足 Condorcet 原则的预算——即在多数支持下具有民主最优性,没有任何其他预算获得多数支持。该方法确保了合作社、城市或国家在预算制定过程中实现公平、透明且计算高效的民主决策。
The budget is the key means for effecting policy in democracies, yet its preparation is typically an excluding, opaque, and arcane process. We aim to rectify this by providing for the democratic creation of complete budgets --- for cooperatives, cities, or states. Such budgets are typically (i) prepared, discussed, and voted upon by comparing and contrasting with last-year's budget, (ii) quantitative, in that items appear in quantities with potentially varying costs, and (iii) hierarchical, reflecting the organization's structure. Our process can be used by a budget committee, the legislature or the electorate at large. We allow great flexibility in vote elicitation, from perturbing last-year's budget to a complete ranked budget proposal. We present a polynomial-time algorithm which takes such votes, last-year's budget, and a budget limit as input and produces a budget that is provably "democratically optimal" (Condorcet-consistent), in that no proposed change to it has majority support among the votes.
研究动机与目标
- 解决传统民主预算过程中存在的排他性、不透明性和非参与性问题。
- 开发一种方法,将去年的预算作为基线,反映现实世界中的预算实践。
- 实现灵活的选民偏好收集,包括部分序和具有递减边际成本的定量项目。
- 支持分层预算,允许高层级预算由结构化的子预算组成。
- 确保计算出的预算在理论上具有民主最优性,通过满足 Condorcet 一致性。
提出的方法
- 该算法采用预算的广义 Condorcet 准则,选择在成对多数比较中击败所有其他预算的预算。
- 通过迭代应用 Schwartz 的锦标赛解决方案,识别 Smith 集,并从中选择获胜预算。
- 选民偏好被建模为弱序(有序划分),允许部分排序和并列。
- 该方法将前一年的预算作为参考点,确保连续性并减少剧烈变动。
- 支持任意成本的定量、不可分项目,能够建模递减的边际成本。
- 该算法在多项式时间内运行,使其可扩展应用于大规模参与式预算场景。
实验结果
研究问题
- RQ1能否设计一种参与式预算算法,使其在多议题、定量和分层设置下,既计算高效又符合 Condorcet 原则?
- RQ2如何正式地将去年的预算整合到民主预算过程中,以确保连续性和合法性?
- RQ3一种有效且灵活的选民偏好收集方式是什么,能够超越简单的批准或 k-批准,包括部分序和成本敏感的估值?
- RQ4如何对分层预算结构进行建模和计算,以在各层级间保持民主一致性?
- RQ5应采用何种机制确保最终预算不受多数支持的变更影响,从而真正体现多数决并保持稳定?
主要发现
- 当存在 Condorcet 胜出预算时,所提出的算法可在多项式时间内计算出该预算,确保民主最优性。
- 当不存在 Condorcet 胜出预算时,该算法返回 Smith 集中的一个成员,维持强大的民主基础。
- 通过将项目视为离散、不可分的单位,该方法成功处理了具有不同成本的定量项目,包括具有递减边际成本的项目。
- 通过在每一层递归应用该算法,支持分层预算,确保各部分之间的一致性和连贯性。
- 该算法在多种偏好收集格式下保持稳健,包括批准、部分序和排序偏好。
- 可通过应用特定的破局机制来促进多样性与项目数量,例如按成本或预算历史排序,从而增强公平性和包容性。
更好的研究,从现在开始
从阅读论文到最终审阅,大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成,并经人工编辑审核。