In Praise of Computation
Identification
- Clé publique
- radar:r-61b48737fc7574fcb056f8d980a50064
- Auteurs
- Cass Robert Sunstein · Lucia A. Reisch
- Année déclarée
- 2025
- Langue déclarée
- en
- Type source
- article
- Première détection
- 2026-11-14T02:45:41.114800+00:00
- Dernière observation des métadonnées
- 2026-11-14T02:45:41.114800+00:00
- Dernière vérification HTTP
- Non effectuée
Institutions déclarées par la source
Harvard University · University of Cambridge
Pays d’affiliation déclarés
GB · US
Résumé documentaire — langue originale
Abstract A great deal of work in behavioral science emphasizes that statistical predictions often outperform clinical predictions. Formulas tend to do better than people do, and algorithms tend to outperform human beings, including experts. One reason is that algorithms do not show inconsistency or “noise”; another reason is that they are often free from cognitive biases. These points have broad implications for risk assessment in domains that include health, safety, and the environment. Still, there is evidence that many people distrust algorithms and would prefer a human decisionmaker. We offer a set of preliminary findings about how a tested population chooses between a human being and an algorithm. In a simple choice between the two across diverse settings, people are about equally divided in their preference. We also find that that a significant number of people are willing to shift in favor of algorithms when they learn something about them, but also that a significant number of people are unmoved by the relevant information. These findings have implications for current findings about “algorithm aversion” and “algorithm appreciation.”
Identifiants
- OPENALEX
- https://openalex.org/W4406865985
- DOI
- 10.1007/s10640-025-00958-2
Repères documentaires
- Famille documentaire
- article
- Types déclarés par les sources
- article
- Éditeurs
- Springer Science+Business Media
Les mentions d’entités ne constituent pas une preuve de reconnaissance juridique. La juridiction étudiée est distincte du pays d’affiliation des auteurs.
Sources
OpenAlex · Document 1
Citer cette référence
Cass Robert Sunstein; Lucia A. Reisch. In Praise of Computation. 2025. https://doi.org/10.1007/s10640-025-00958-2
JSON · CSL-JSON · BibTeX · RIS · CSV · JSON-LD ·
APA, Chicago, ISO 690 : formats bibliographiques fondés sur les champs disponibles. OSCOLA / Bluebook : données structurées uniquement ; aucune conformité juridique complète n’est revendiquée sans vérification des éléments nécessaires.
- APA
- Cass Robert Sunstein; Lucia A. Reisch. (2025). In Praise of Computation. https://doi.org/10.1007/s10640-025-00958-2
- Chicago
- Cass Robert Sunstein; Lucia A. Reisch. In Praise of Computation. 2025. https://doi.org/10.1007/s10640-025-00958-2
- ISO 690
- Cass Robert Sunstein; Lucia A. Reisch. In Praise of Computation. 2025. https://doi.org/10.1007/s10640-025-00958-2
Warning: Undefined array key "last_link_verified" in /home/clients/e27d81e12f04d2bfd747aa264540ac56/sites/_UDTR_APP/legal_library_reference.php on line 31
UDTR — Bibliothèque juridique mondiale des droits de la Nature. In Praise of Computation. Notice documentaire: https://www.declarationuniverselledesdroitsdelarbre.org/global-rights-of-nature-radar/reference/r-61b48737fc7574fcb056f8d980a50064/ · Dernière vérification HTTP : non effectuée
Données de cette version figée
Dossiers et relations documentaires
Rôles des sources
Source bibliographique / publication d’origine · https://doi.org/10.1007/s10640-025-00958-2
Un lien vers une autorité ne prouve pas à lui seul une affirmation juridique. Les résumés et les textes intégraux restent soumis aux conditions de leur source.
Statut documentaire
Pertinence à examiner
Bibliothèque
Cette identité n’est pas encore intégrée à la Bibliothèque juridique.