Un modèle mathématique a reproduit les choix du comité de la NCAA pour 37 équipes sur 38.

Chaque mois de mars, un comité tournant de 10 personnes sélectionne 68 des 351 équipes de Division I pour le tournoi de basket-ball masculin de la NCAA, suivi par plus de 80 millions de personnes, puis les classe. La sélection et le classement sont subjectifs et vulnérables aux biais et à l'erreur humaine.

Bruce Reinig et Ira Horowitz ont construit un modèle de programmation mathématique qui sélectionne, classe et répartit les 68 équipes à partir des données de la saison, indépendamment des structures du comité, des résultats du tournoi et des saisons passées. Testé sur les tournois de 2012 à 2016, il a reproduit de manière constante les classements du comité.

Appliqué au tournoi de 2017, l'algorithme a identifié 37 des 38 équipes sélectionnées par le comité ; 24 têtes de série étaient des correspondances exactes, 77,6 % se situaient à une tête de série près et 89,6 % à deux têtes de série près des classements du comité.

Classer les équipes avec les mathématiques afin que le biais du comité ne puisse pas s'infiltrer.

Il transforme un jugement subjectif du comité en un calcul objectif et reproductible.

Parce que le modèle est transparent, les directeurs sportifs peuvent voir comment des changements de calendrier modifieraient leur tête de série.

Il donne au comité un point de départ exempt de biais tout en laissant place à un examen humain.

Lorsqu'un petit groupe prend des décisions de classement à enjeux élevés, un modèle d'optimisation construit à partir des mêmes données expose les biais, accélère le travail et donne à chacun une base de référence défendable.

INFORMS a publié l'étude dans Interfaces et en a rendu le texte intégral librement accessible pendant le tournoi de mars Madness 2018, portant la sélection de brackets assistée par algorithme dans le débat public.