Editando Teorema del Jurado de Condorcet y la Demarquía (sección)

== VI. Críticas y Limitaciones ==

<div style="background: #ffebee; border: 2px solid #f44336; padding: 15px; margin: 15px 0; border-radius: 5px;">
'''Honestidad intelectual: Límites del Teorema de Condorcet'''
</div>

=== A. Supuesto de "Verdad Objetiva" ===

'''Crítica:''' El teorema asume que existe una '''alternativa objetivamente correcta'''. Pero muchas decisiones políticas son '''normativas''' (valores, no hechos).

'''Ejemplo:'''
* "¿Debemos priorizar economía o ecología?" → No hay respuesta "correcta", es trade-off de valores

'''Respuesta demárquica:'''

<div style="background: #f8f9fa; border-left: 4px solid #0645ad; padding: 12px; margin: 10px 0;">
1. '''Separación de juicios fácticos y normativos:'''
* '''Hechos''' (¿Reducirá emisiones X la política Y?) → Aplica Condorcet
* '''Valores''' (¿Cuánto pesar economía vs ecología?) → Aplica [[Votación Multidimensional y la Demarquía|Votación Multidimensional]] (no Condorcet)

2. '''Para valores:''' La [[Votación Multidimensional y la Demarquía|Votación Multidimensional]] no busca "respuesta correcta", sino '''representar fielmente la distribución de valores''' en la población

3. '''Resultado:''' Condorcet aplica donde hay verdad objetiva (mayoría de decisiones técnicas), votación multidimensional donde hay pluralidad legítima de valores
</div>

=== B. Dependencia Residual Inevitable ===

'''Crítica:''' Incluso con deliberación privada, asambleístas están expuestos a '''medios de comunicación comunes''' → ρ > 0 (alguna correlación inevitable).

'''Respuesta demárquica:'''

<div style="background: #f8f9fa; border-left: 4px solid #0645ad; padding: 12px; margin: 10px 0;">
1. '''IA multi-modelo''' diversifica fuentes de información → Reduce dependencia de medios comunes

2. '''ρ ≈ 0.05-0.10''' (dependencia residual) es '''mucho menor''' que ρ ≈ 0.3-0.7 en sistemas tradicionales

3. Incluso con ρ = 0.10, el teorema mantiene '''~99.99% confiabilidad''' (4-5 nueves) con N = 1.000 y p = 0.75

4. '''Mejora continua:''' Auditoría algorítmica detecta correlaciones anómalas → Ajuste de mecanismos
</div>

=== C. Estimación de p en la Práctica ===

'''Crítica:''' ¿Cómo saber que p > 0.5 en cada decisión específica? Podría ser '''p < 0.5''' en temas muy complejos.

'''Respuesta demárquica:'''

<div style="background: #f8f9fa; border-left: 4px solid #0645ad; padding: 12px; margin: 10px 0;">
1. '''[[MI Mercados de Información|MI]] como verificación externa:'''
* Si AsC decide X, abrir MI: "¿Tendrá éxito X según criterios Y?"
* Si precio de MI está muy lejos de predicción implícita de AsC → Señal de alarma (posible p < 0.5)

2. '''Evaluación retrospectiva:'''
* Auditar decisiones pasadas: ¿Tuvieron los resultados previstos?
* Si tasa de éxito es sistemáticamente >75% → Confirma p ≈ 0.75
* Si tasa de éxito cae <60% → Ajustar mecanismos (más formación, mejor IA)

3. '''Transparencia radical:''' Todas las decisiones y resultados son públicos → Aprendizaje colectivo continuo
</div>