Résumé IA · arXiv: 2611.13194v1 · econ.GN

Taste or Strategy? Nationalistic Bias and Competitor Penalties in Figure Skating Judging

Jialin Liu, Shu Shen
Article original Soumis à arXiv le 09 Nov. 2026 Licence : CC BY 4.0 Aussi en : en

Comment lire ce résumé ? Guide illustré

L’essentiel

Les scores des juges en patinage artistique présentent des biais nationaux stratégiques, qui peuvent influer sur les compétitions serrées et sont peu atténués par la moyenne tronquée.

Question

L’étude cherche à distinguer le favoritisme stratégique envers les compatriotes des explications non intentionnelles, comme les préférences communes ou une meilleure connaissance des athlètes. Elle examine aussi si les juges pénalisent les rivales de leurs compatriotes et si ces biais influencent les résultats.

Méthode

Les auteurs analysent les protocoles de 172 compétitions internationales entre 2016/17 et 2025/26 : 23 254 performances, 2 470 patineurs et 206 983 observations juge-performance. Des régressions avec effets fixes exploitent notamment l’ordre de passage, parfois tiré au sort, la composition des panels et les résultats connus au moment de noter; des simulations contrefactuelles réévaluent les épreuves olympiques de Milan 2026 sous des panels admissibles redessinés.

Résultats

  • Résultat Un juge accorde en moyenne à un compatriote un score total supérieur de 1,73 % de l’échelle, et pénalise les rivales proches de ce compatriote; la pénalité est particulièrement nette au deuxième segment.
    Voir le passage dans l’article
    On average, a judge marks a skater from her own federation 1.73 percent of the scale higher on TSS than the other judges on the same panel, 2.64 and 1.82 percent higher for GOE and PCS respectively.
  • Interprétation des auteurs Dans les premiers segments à ordre de passage tiré au sort, la prime accordée au compatriote diminue avec sa position, ce que les auteurs interprètent comme un indice de comportement stratégique plutôt que de goût partagé seul.
    Voir le passage dans l’article
    If the compatriot premium is pure taste, we would not expect it to depend on a randomly assigned start position.
  • Résultat La pénalité contre une rivale qui passe après le compatriote disparaît lorsque celui-ci n’est plus en lice, et son ampleur augmente avec la position de départ du compatriote au deuxième segment.
    Voir le passage dans l’article
    When the compatriot has already skated and is out of contention, the penalty on TSS ($\beta_{2}^{-,out}$) is both small and statistically insignificant.
  • Résultat Dans le cycle de Pékin, la prime envers le compatriote augmente lorsque ses rivales qui passent plus tard ont des juges compatriotes sur le panel; ce résultat ne se retrouve pas dans l’analyse du cycle suivant.
    Voir le passage dans l’article
    The compatriot premium rises with the trained premia of the later rivals.
  • Résultat Dans les simulations des Jeux de Milan 2026, le champion change selon la composition du panel dans 45 à 57 % des tirages en danse sur glace et 20 à 27 % chez les femmes; la moyenne tronquée ne retire qu’une faible part d’un biais typique.
    Voir le passage dans l’article
    The counterfactual analysis shows that, in ice dance, the top placement changes in 45-57% of the 90,090 admissible pairs of panels, with the exact number depending on how the shock is handled.

Limites

  • Les rivales sont identifiées à partir de l’ordre de passage, qui ne reflète qu’imparfaitement la rivalité réelle et tend à atténuer l’estimation de la pénalité.
    Voir le passage dans l’article
    The cost is that the start order identifies a compatriot’s competitors with noise and biases the estimated penalty toward zero.
  • Les estimations propres à chaque juge peuvent être instables, surtout pour les juges peu présents dans les données; les auteurs mettent en garde contre leur interprétation individuelle.
    Voir le passage dans l’article
    To properly identify the most nationalistic judges in the data, proper statistical methods for ranking and selection such as Armstrong et al. (2022); Gu and Koenker (2023); Mogstad et al. (2024); Andrews et al. (2024), among others, need to be adopted.
  • Les résultats des analyses de composition des panels et des simulations contrefactuelles portent sur des compétitions et événements spécifiques; les auteurs signalent aussi que les classements observés comportent un désaccord honnête entre juges.
    Voir le passage dans l’article
    Since there is only one placement outcome for each performance, compared to 6-9 judge synthetic scores used in earlier sections, regressions run in this section are far less precisely estimated, even with our large dataset.

Portée

L’étude apporte des éléments reliant les primes aux compatriotes et les pénalités ciblées à des incitations stratégiques, grâce aux variations d’ordre de passage et de composition des panels. Les auteurs recommandent de tenir les fédérations des patineurs susceptibles de monter sur le podium à l’écart des panels lorsque c’est possible, et de surveiller statistiquement les notes plutôt que de confier l’évaluation à des machines.

Rédigé par une IA à partir de l’article. Les passages cités sont vérifiés mot pour mot dans le texte analysé ; le reste peut contenir des erreurs.

Mots clés générés par l'IA : patinage artistique biais des juges fédérations nationales comportement stratégique composition des panels

Pour aller plus loin

  • Résumé Complet
  • Résumé vulgarisé
  • Article de blog
  • Abstract original
L’article examine si l’avantage accordé par les juges de patinage artistique aux athlètes de leur propre fédération s’explique uniquement par des préférences partagées ou une meilleure connaissance de ces athlètes, ou s’il relève également d’une stratégie visant à améliorer leur classement. Il étudie aussi les pénalités infligées aux concurrentes proches de ces athlètes et le rôle de la composition des panels. Les auteurs exploitent les règles de notation et d’attribution des juges, qui permettent de comparer les notes de plusieurs juges pour une même performance et, dans certaines épreuves, de tirer au sort l’ordre de passage ou la composition des panels. Le jeu de données couvre 172 compétitions majeures disputées entre 2016-2017 et 2025-2026. Il comprend 23 254 performances, 2 470 athlètes et 206 983 couples performance-juge. Les auteurs analysent des scores normalisés de notes techniques, de composantes artistiques et de scores segmentaires synthétiques. Leurs régressions intègrent des effets fixes pour les performances et les juges, ce qui leur permet de comparer les notes attribuées à une même prestation tout en tenant compte de la sévérité générale de chaque juge. Pour distinguer les comportements stratégiques des explications non intentionnelles, les auteurs examinent comment les écarts varient selon l’ordre de passage, la position de l’athlète dans le classement provisoire et la présence, sur le panel, de juges liés aux rivales. Ces dernières sont principalement définies par leur proximité dans l’ordre de passage, plutôt que par leur classement final, afin de limiter les problèmes de causalité inverse. Les résultats révèlent un avantage moyen important pour les compatriotes des juges : leur score segmentaire synthétique est supérieur de 1,73 point de pourcentage de l’échelle. L’écart atteint 2,64 points pour les notes d’exécution technique et 1,82 point pour les composantes artistiques. Les juges attribuent également des notes plus faibles aux rivales proches, avec un écart moyen de −0,124 point pour le score synthétique. Dans le deuxième segment, où l’ordre de passage reflète davantage les résultats précédents, la pénalité atteint −0,204 point. Cette pénalité est ciblée. Une rivale qui passe après la compatriote du juge est davantage pénalisée tant que cette dernière reste en lice pour un bon classement; la pénalité disparaît presque lorsqu’elle n’a plus de chances de bien se classer. Dans le deuxième segment, la pénalité augmente aussi avec la position de départ de la compatriote, qui indique ses chances de monter sur le podium. L’indice le plus net d’un comportement stratégique provient des premiers segments, où l’ordre de passage est tiré au sort. L’avantage accordé à une compatriote diminue de 0,70 point entre la première et la dernière position. Comme le tirage est aléatoire, cette tendance s’explique difficilement par une simple préférence esthétique liée à la nationalité. Selon les auteurs, au moins un cinquième de l’avantage moyen nécessite une explication autre que le goût ou la familiarité. Lors du cycle olympique de Pékin, l’avantage augmente également avec le nombre de rivales proches dont la fédération est représentée par un juge au sein du panel. L’effet est encore plus marqué lorsque ces juges ont reçu des primes nationales estimées élevées au cours d’une période antérieure. Ce résultat est beaucoup moins net pour le cycle suivant.

Cette synthèse vous a-t-elle été utile ?

Note : 0

Pourquoi avons-nous besoin de votes ?

Les votes sont utilisés pour déterminer si nous devons réexécuter nos outils de synthèse. Si le compte atteint -10, nos outils peuvent être redémarrés.

Figures et graphiques

Posez une question sur une figure en indiquant son numéro ou en utilisant son bouton de question pour demander une analyse visuelle. Au maximum deux figures et quatre panneaux par question. Les valeurs lues sur les graphiques sont approximatives ; vérifiez les données originales.

Instructions pour utiliser l'assistant IA ?

Outils pour cet article

Expliquer autrement 1 réécriture gratuite restante aujourd'hui
Enregistrer dans une collection Regroupez des articles en collections pour les comparer, les interroger et les exporter. Continuer avec Google Créer un compte gratuit Se connecter

Outils avancés Premium

Pour suivre un domaine de près : alertes de citations, diapositives de journal club, comparaison des versions et envoi vers Zotero. Découvrir Premium

Zotero Guide Zotero
Alertes de citation Guide des alertes de citations
Lettre hebdomadaire Présenté dans « Économie et finance cette semaine » du 16 novembre 2026. Économie et finance cette semaine : les règles du jeu changent les résultats · En recevoir une par email gratuitement

Les articles autour de celui-ci

Les voir sur une carte

Classés selon la proximité de leur titre et de leur résumé avec ceux de cet article. Sélectionnez-en pour les lire ensemble.

Les articles les plus proches

  1. Apparenté Contexte plus large
    Biased forecasts and voting
    Jacopo Bizzotto, Davide Cipullo, André Reslow · 2026 · The Scandinavian Journal of Economics · Pas encore résumé

    « Biased forecasts and voting » étudie des prévisionnistes qui biaisent stratégiquement leurs rapports pour influencer un vote, tandis que l’article examine le favoritisme stratégique des juges sportifs.

    Résumé scientifique

    We introduce macroeconomic forecasters as strategic agents who may bias their reports to influence their audience. We test the motives of forecasters using monthly forecaster‐level data around the Brexit referendum. To guide our analysis, we model the way in which a referendum voter forms expectations based on the reports of a politically motivated forecaster. The forecaster trades off its reputation for honesty against the opportunity to influence the vote. The model predicts that the forecaster lies selectively and continues to do so even after the referendum. Our analysis finds that forecasters exposed to financial losses from Brexit issued significantly less accurate GDP growth forecasts…

  2. Apparenté Contexte plus large
    The Price of Diversity
    Hari Bandi, Dimitris Bertsimas · 2021 · Computers and Society · preprint, non relu par les pairs · Résumé IA disponible

    « The Price of Diversity » propose de modifier des décisions de sélection pour réduire les biais de genre, de race et d’ethnicité, plutôt que d’étudier les juges de patinage.

    Résumé scientifique

    Systemic bias with respect to gender, race and ethnicity, often unconscious, is prevalent in datasets involving choices among individuals. Consequently, society has found it challenging to alleviate bias and achieve diversity in a way that maintains meritocracy in such settings. We propose (a) a novel optimization approach based on optimally flipping outcome labels and training classification models simultaneously to discover changes to be made in the selection process so as to achieve diversity without significantly affecting meritocracy, and (b) a novel implementation tool employing optimal classification trees to provide insights on which attributes of individuals lead to flipping of thei…

  3. Apparenté Contexte plus large
    Inherent Trade-Offs in the Fair Determination of Risk Scores
    Jon Kleinberg, Sendhil Mullainathan, Manish Raghavan · 2016 · Machine Learning · cité 2 257 fois · Résumé IA disponible

    « Inherent Trade-Offs in the Fair Determination of Risk Scores » formalise des incompatibilités entre critères d’équité algorithmique, sans analyser le favoritisme dans des jurys sportifs.

    Résumé scientifique

    Recent discussion in the public sphere about algorithmic classification has involved tension between competing notions of what it means for a probabilistic classification to be fair to different groups. We formalize three fairness conditions that lie at the heart of these debates, and we prove that except in highly constrained special cases, there is no method that can satisfy these three conditions simultaneously. Moreover, even satisfying all three conditions approximately requires that the data lie in an approximate version of one of the constrained special cases identified by our theorem. These results suggest some of the ways in which key notions of fairness are incompatible with each o…

  4. Apparenté Contexte plus large
    A Statistical Model of Serve Return Impact Patterns in Professional Tennis
    Stephanie A. Kovalchik, Jim Albert · 2022 · Methodology · cité 4 fois · Résumé IA disponible

    « A Statistical Model of Serve Return Impact Patterns in Professional Tennis » modélise les retours au tennis à partir de données de suivi, tandis que l’article étudie les notes de juges en patinage.

    Résumé scientifique

    The spread in the use of tracking systems in sport has made fine-grained spatiotemporal analysis a primary focus of an emerging sports analytics industry. Recently publicized tracking data for men's professional tennis allows for the first detailed spatial analysis of return impact. Mixture models are an appealing model-based framework for spatial analysis in sport, where latent variable discovery is often of primary interest. Although finite mixture models have the advantages of interpretability and scalability, most implementations assume standard parametric distributions for outcomes conditioned on latent variables. In this paper, we present a more flexible alternative that allows the lat…

  5. Apparenté Contexte plus large
    How to Find a Needle in a Haystack
    Theodora Helimäki, Åsa von Schoultz · 2024 · Political Behaviour in Contemporary Finland · Pas encore résumé

    « How to Find a Needle in a Haystack » examine les critères et heuristiques du choix des candidats par les électeurs, plutôt que les biais des juges sportifs.

    Résumé scientifique

    Candidate choices are characterized by a more personal and intricate decision-making process compared to party choices. In this more complex choice, not only substantive evaluations but also perceived competences and the personal characteristics of candidates can affect voters’ choice of candidates. In this chapter, we present voters subjective evaluation of what matters for their choice of candidate and how these have developed over the last five latest parliamentary elections. We then move on to explore which type of voters are prone to use certain types of heuristics in their decision-making process. Here, we use register data on candidates in combination with stated candidate choice in t…

  6. Apparenté Contexte plus large
    A Spectral Approach for the Dynamic Bradley-Terry Model
    Xin-Yu Tian, Jian Shi, Xiaotong Shen et al. · 2023 · Methodology · cité 8 fois · Pas encore résumé

    « A Spectral Approach for the Dynamic Bradley-Terry Model » classe des concurrents à partir de comparaisons sportives temporelles, tandis que l’article étudie les notes et biais des juges.

    Résumé scientifique

    The dynamic ranking, due to its increasing importance in many applications, is becoming crucial, especially with the collection of voluminous time-dependent data. One such application is sports statistics, where dynamic ranking aids in forecasting the performance of competitive teams, drawing on historical and current data. Despite its usefulness, predicting and inferring rankings pose challenges in environments necessitating time-dependent modeling. This paper introduces a spectral ranker called Kernel Rank Centrality, designed to rank items based on pairwise comparisons over time. The ranker operates via kernel smoothing in the Bradley-Terry model, utilizing a Markov chain model. Unlike th…

  7. Apparenté Contexte plus large
    AI Oversight and Human Mistakes: Evidence from Centre Court
    David Almog, Romain Gauriot, Lionel Page et al. · 2024 · Machine Learning · cité 16 fois · Pas encore résumé

    « AI Oversight and Human Mistakes: Evidence from Centre Court » étudie comment Hawk-Eye modifie les erreurs des arbitres de tennis, tandis que l’article analyse le favoritisme des juges de patinage.

    Résumé scientifique

    Powered by the increasing predictive capabilities of machine learning algorithms, artificial intelligence (AI) systems have begun to be used to overrule human mistakes in many settings. We provide the first field evidence this AI oversight carries psychological costs that can impact human decision-making. We investigate one of the highest visibility settings in which AI oversight has occurred: the Hawk-Eye review of umpires in top tennis tournaments. We find that umpires lowered their overall mistake rate after the introduction of Hawk-Eye review, in line with rational inattention given psychological costs of being overruled by AI. We also find that umpires increased the rate at which they c…

  8. Apparenté Contexte plus large
    Goodhart in the Planner: Sampling-Based Control Exploits Rewards Learned from Human Preferences
    Soovadeep Bakshi, Apurba Bose · 2026 · Robotics · Résumé IA disponible

    « Goodhart in the Planner » montre que l’optimisation peut exploiter des récompenses apprises de préférences humaines, contrairement à l’analyse du favoritisme dans les notes sportives.

    En bref

    La recherche MPPI guidée par des préférences peut exploiter les erreurs du modèle de récompense; une régularisation calibrée sur des comparaisons oracle limite les pertes observées.

Comment ces articles sont-ils trouvés ?

Nous comparons le titre et le résumé de cet article avec ceux de tous les articles résumés sur ce site, et avec les articles que Semantic Scholar recommande, ceux qu’il cite et ceux qui le citent (pour un article très cité, ses citations les plus récentes et, depuis OpenAlex, les plus citées). Parmi les travaux antérieurs et les suites, les articles qui s’utilisent en profondeur, une méthode qu’il utilise et les suites très citées remontent un peu. Les niveaux (très proche, proche, apparenté) viennent de la similarité des textes, pas d’un jugement de qualité ; * signale un article sans résumé, comparé par son titre. La phrase sous un article est écrite par une IA à partir des deux résumés : vérifiez-la dans les articles. Un article jugé hors sujet par trois lecteurs quitte la liste.

Mis à jour le 16 novembre 2026.

Le guide illustré des articles autour d’un article

Avertissement : Notre outil de synthèse basé sur l'IA et l'assistant virtuel fournis sur ce site Web peuvent ne pas toujours fournir des résumés complets ou des réponses exactes. Nous vous encourageons à examiner attentivement et à évaluer le contenu généré pour vous assurer de sa qualité et de sa pertinence par rapport à vos besoins.