{"id":17033,"date":"2026-08-23T11:52:48","date_gmt":"2026-08-23T09:52:48","guid":{"rendered":"https:\/\/www.proefschriftmaken.nl\/portfolio\/mayesha-tasnim\/"},"modified":"2026-08-23T11:52:55","modified_gmt":"2026-08-23T09:52:55","slug":"mayesha-tasnim","status":"publish","type":"us_portfolio","link":"https:\/\/www.proefschriftmaken.nl\/en\/portfolio\/mayesha-tasnim\/","title":{"rendered":"Mayesha Tasnim"},"content":{"rendered":"","protected":true},"excerpt":{"rendered":"","protected":true},"author":8,"featured_media":17034,"comment_status":"closed","ping_status":"closed","template":"","meta":{"_acf_changed":false,"footnotes":""},"us_portfolio_category":[45],"class_list":["post-17033","us_portfolio","type-us_portfolio","status-publish","post-password-required","hentry","us_portfolio_category-new-template"],"acf":{"main_text":"","naam_van_het_proefschift":"One-Sided Matching Under Strategic Reporting","samenvatting":"Eenzijdige matchingalgoritmen bepalen wie toegang krijgt tot schaarse publieke voorzieningen, van plaatsen op middelbare scholen tot sociale woningbouw en de plaatsing van vluchtelingen. Het standaardontwerpprobleem wordt geformuleerd als een afweging tussen twee wenselijke eigenschappen: matching-effici\u00ebntie, dat wil zeggen of mensen worden toegewezen aan opties die zij daadwerkelijk prefereren, en strategiebestendigheid, dat wil zeggen of zij enige reden hebben om hun voorkeuren onjuist op te geven. Het klassieke resultaat is dat geen enkel mechanisme aan beide eigenschappen tegelijk kan voldoen. Beleidsmakers moeten daarom kiezen, en elke keuze brengt kosten met zich mee: strategiebestendige mechanismen leiden tot ineffici\u00ebnte toewijzingen met een lange staart aan ongunstige uitkomsten, terwijl effici\u00ebntere mechanismen ruimte bieden voor strategische manipulatie die mogelijk ongelijk verdeeld is over de deelnemers. Dit proefschrift onderzoekt hoe eenzijdige matchingsystemen ge\u00ebvalueerd en ontworpen zouden moeten worden wanneer pogingen om toewijzingen te verbeteren nieuwe prikkels cre\u00ebren tot het strategisch misrapporteren van voorkeuren.\n\nIn Hoofdstuk 2 onderzoeken we strategisch rapporteren binnen het rangminimaliseringsmechanisme, een welvaartgeori\u00ebnteerd alternatief voor Random Serial Dictatorship dat betere rangverdelingen oplevert maar niet strategiebestendig is. We leiden een beste-respons strategie af voor deelnemers die geplaatst willen worden bij hun meest geprefereerde opties, en breiden deze uit tot een eerste-orde heuristische strategie die enkel kennis vereist van welke opties populair zijn als eerste keuze. Aan de hand van zowel synthetische markten als echte voorkeursgegevens uit de Amsterdamse middelbare schoolkeuze, laten we zien dat de strategie eenvoudig toepasbaar is en een duidelijke individuele prikkel cre\u00ebert om voorkeuren onjuist op te geven, waarmee een verdelingskloof zichtbaar wordt tussen wie hiernaar kan handelen en wie niet.\n\nIn Hoofdstuk 3 verbreden we de analyse van manipuleerbare mechanismen naar strategiebestendige mechanismen die ingebed zijn in een bredere institutionele context. We bestuderen de Amsterdamse plaatsingsgarantie, een beleidswijziging bovenop Random Serial Dictatorship die plaatsing belooft aan leerlingen die een voldoende lange voorkeurslijst indienen. We karakteriseren een eenvoudige rapportagestrategie voor leerlingen met minder oprechte voorkeuren dan de vereiste lijstlengte, en tonen via simulatie aan dat naarmate dit gedrag zich verspreidt, het aantal voor de garantie in aanmerking komende leerlingen de extra capaciteit kan overschrijden die het beleid cre\u00ebert, waardoor de garantie onhaalbaar wordt. We gebruiken deze casus om een beloftekloof (promise gap) in publieke algoritmische systemen te benoemen: een mismatch tussen wat een ge\u00efmplementeerd systeem publiekelijk belooft en wat het kan waarmaken zodra deelnemers zich eraan aanpassen.\n\nMet Hoofdstuk 4 verschuift de focus van formele prikkels naar gedragsmatige respons. We voeren een gedragsexperiment uit, ingebed in een enqu\u00eate onder 140 ouders die deelnamen aan het Amsterdamse schoolkeuzeproces van 2025, en modelleren hun beslissingen aan de hand van de Security-Potential\/Aspiration-theorie. We vinden dat transparantie over strategisch risico eerder als afschrikking dan als aanmoediging van manipulatie werkt, en dat ouders waarvan de kinderen op de meer competitieve schoolniveaus zitten juist risico-averser zijn dan strategischer. Deze bevindingen weerspreken gangbare aannames in de schoolkeuzeliteratuur en suggereren dat de afweging tussen effici\u00ebntie en manipuleerbaarheid in de praktijk minder scherp kan zijn dan formele analyses doen vermoeden.\n\nTerwijl de voorgaande hoofdstukken de ontwerpruimte van matchingmechanismen als gegeven beschouwen, stelt Hoofdstuk 5 de vraag of leergebaseerde methoden tussenliggende posities kunnen bereiken die klassieke mechanismen niet kunnen. We formuleren eenzijdige matching als een sequentieel beslissingsprobleem op een bipartiete graaf en trainen twee geleerde policies, een gebaseerd op Generative Flow Networks en een op Deep Q-Networks. Omdat geleerde policies geen analytische strategiebestendigheidsgaranties bieden, ontwikkelen we een raamwerk voor empirische robuustheidsevaluatie, opgebouwd rondom vier misrapportagestrategie\u00ebn en een experiment naar populatiebrede adoptie. We vinden dat effici\u00ebntie onder oprechte rapportage geen betrouwbare indicator is van robuustheid, dat de individuele prikkel tot misrapporteren geen voorspeller is van populatiebrede uitkomsten, en dat geleerde policies stabiel blijven onder populatiebrede strategische adoptie waar klassieke methoden achteruitgaan.\n\nTot slot reflecteert Hoofdstuk 6 op wat dit geheel aan werk impliceert voor AI-onderzoek in civiele contexten. We stellen een raamwerk voor civiel AI-onderzoek voor, georganiseerd langs drie dimensies: tussen wetenschap en samenleving, tussen fundamenteel en toegepast onderzoek, en tussen kwantitatieve en kwalitatieve methoden, met de mens op het snijvlak van alle drie. Gebaseerd op de Amsterdamse schoolkeuzecasus, stellen we dat maatschappelijke betrokkenheid geen secundaire zorg is, maar juist de praktische voorwaarde die interdisciplinair AI-onderzoek mogelijk maakt.\n\nDit proefschrift brengt formele, gedragsmatige en computationele perspectieven samen rondom het probleem van eenzijdige matching. Onze bijdragen tonen aan dat algoritmische toewijzingssystemen tegelijkertijd uitkomsten, prikkels, administratieve lasten en institutioneel vertrouwen vormgeven, en dat een verantwoorde evaluatie van zulke systemen niet kan blijven steken bij de formele eigenschappen van het onderliggende algoritme, maar ook moet onderzoeken hoe deelnemers erop reageren en hoe de ontwerpruimte zelf verbreed kan worden.","summary":"One-sided matching algorithms decide who gets access to scarce public resources, from secondary school seats to social housing to refugee placements. The standard design problem is framed as a trade-off between two desirable properties: matching efficiency, which is whether people are assigned to items they actually prefer, and strategyproofness, which is whether they have any reason to misrepresent their preferences. The classical result is that no mechanism can have both. Policymakers must therefore choose, and either choice comes with a cost: strategyproof mechanisms produce inefficient matches with long tails of unfavorable assignments, while more efficient mechanisms create opportunities for strategic manipulation that may be distributed unequally across participants. This thesis investigates how one-sided matching systems should be evaluated and designed when attempts to improve allocations create new incentives for strategic misreporting of preferences.\n\nIn Chapter 2, we investigate strategic reporting in the rank minimization mechanism, a welfare-oriented alternative to Random Serial Dictatorship that achieves better rank distributions but is not strategyproof. We derive a best-response strategy for participants seeking to be matched to their top preferred items and extend it to a first-order heuristic strategy that requires only knowledge of which items are popular as first choices. Using both synthetic markets and real preference data from secondary school choice in Amsterdam, we show that the strategy is easy to apply and creates a clear individual incentive to misreport, exposing a distributional gap between those who can act on it and those who cannot.\n\nIn Chapter 3, we expand the analysis from manipulable mechanisms to strategyproof mechanisms embedded in broader institutional settings. We study the Amsterdam placement guarantee, a policy modification layered on top of Random Serial Dictatorship that promises placement to students who submit a sufficiently long preference list. We characterize a simple reporting strategy for students with fewer sincere preferences than the required list length, and show through simulation that as this behavior spreads, the number of guarantee-eligible students can exceed the additional capacity the policy creates, rendering the guarantee infeasible. We use this case to articulate a promise gap in public algorithmic systems: a mismatch between what an implemented system publicly assures and what it can sustain once participants adapt to it.\n\nWith Chapter 4, the focus shifts from formal incentives to behavioral response. We conduct a behavioral experiment embedded in a survey of 140 parents participating in Amsterdam\u2019s 2025 school choice process, and model their decisions using Security-Potential\/Aspiration theory. We find that transparency about strategic risk acts as a deterrent rather than an enabler of manipulation, and that parents in the more competitive academic tracks are more risk-averse rather than more strategic. These findings reverse common assumptions in the school choice literature and suggest that the trade-off between efficiency and manipulability may be less sharp in practice than formal analyses imply.\n\nWhile the previous chapters take the design space of matching mechanisms as given, Chapter 5 asks whether learning-based methods can reach intermediate positions that classical mechanisms cannot. We formulate one-sided matching as a sequential decision problem on a bipartite graph and train two learned policies, one based on Generative Flow Networks and one on Deep Q-Networks. Because learned policies admit no analytical strategyproofness guarantees, we develop a framework for empirical robustness evaluation built around four misreporting strategies and a population-level adoption experiment. We find that truthful efficiency is not a reliable indicator of robustness, that individual incentive to misreport does not predict population-level outcomes, and that learned policies remain stable under population-level strategic adoption where classical methods deteriorate.\n\nFinally, Chapter 6 reflects on what this body of work implies for AI research in civic contexts. We propose a framework for civic AI research organized around three dimensions: between science and society, between fundamental and applied work, and between quantitative and qualitative methods, with the human at the intersection of all three. Drawing on the Amsterdam school choice case, we argue that civic engagement is what makes interdisciplinarity practically possible, rather than the other way around.\n\nThis thesis brings formal, behavioral, and computational perspectives to one-sided matching. Our contributions show that algorithmic allocation systems shape outcomes, incentives, administrative burdens, and institutional trust at the same time, and that responsible evaluation of such systems cannot stop at the formal properties of the underlying algorithm but must also examine how participants respond to it and how the design space itself can be widened.","auteur":"Mayesha Tasnim","auteur_slug":"mayesha-tasnim","publicatiedatum":"4 september 2026","taal":"EN","url_flipbook":"https:\/\/ebook.proefschriftmaken.nl\/ebook\/mayeshatasnim?iframe=true","url_download_pdf":"https:\/\/ebook.proefschriftmaken.nl\/download\/7948666a-77b5-43dd-bd56-416b48ca13bd\/highres","url_epub":"","ordernummer":"19388","isbn":"978-94-6534-579-6","doi_nummer":"","naam_universiteit":"Universiteit van Amsterdam","afbeeldingen":17035,"video_url":"","podcast_url":"","naam_student:":"","binnenwerk":"","universiteit":"Universiteit van Amsterdam","cover":"","afwerking":"","cover_afwerking":"","design":""},"_links":{"self":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio\/17033","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio"}],"about":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/types\/us_portfolio"}],"author":[{"embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/users\/8"}],"replies":[{"embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/comments?post=17033"}],"version-history":[{"count":1,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio\/17033\/revisions"}],"predecessor-version":[{"id":17036,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio\/17033\/revisions\/17036"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/media\/17034"}],"wp:attachment":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/media?parent=17033"}],"wp:term":[{"taxonomy":"us_portfolio_category","embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio_category?post=17033"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}