Résumé IA · arXiv: 2611.13194v1 · econ.GN
Taste or Strategy? Nationalistic Bias and Competitor Penalties in Figure Skating Judging
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.
Posez des questions sur cet article à notre assistant IA
Comment discuter avec cet article ? Guide illustré
Vous pouvez aussi discutez avec plusieurs papiers à la fois ici.
Gardez cette conversation — un compte gratuit conserve vos questions et réponses, vos collections d’articles et vos alertes.
Continuer avec Google Créer un compte gratuitOutils pour cet article
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
Les articles autour de celui-ci
Les voir sur une carteClassés 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
-
Biased forecasts and votingJacopo 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…
-
The Price of DiversityHari 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…
-
Inherent Trade-Offs in the Fair Determination of Risk ScoresJon 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…
-
A Statistical Model of Serve Return Impact Patterns in Professional TennisStephanie 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…
-
How to Find a Needle in a HaystackTheodora 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…
-
A Spectral Approach for the Dynamic Bradley-Terry ModelXin-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…
-
AI Oversight and Human Mistakes: Evidence from Centre CourtDavid 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…
-
Goodhart in the Planner: Sampling-Based Control Exploits Rewards Learned from Human PreferencesSoovadeep 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.
Aller plus loin
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.
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.