Notice bibliographique
Résumé
The ideas underlying game theory have appeared throughout history, in the Bible, the Talmud, the works of Descartes and Sun Tzu, and the writings of Chales Darwin. Modern game theory, however, can be considered as an outgrowth of three seminal works: Augustin Cournot's Research into the Mathematical Principles of the Theory of Wealth in 1838 gives an intuitive explanation of what would eventually be formalized as the Nash equilibrium, as well as provides an evolutionary, or dynamic notion of best-response to the actions of others. Francis Ysidro Edgeworth's Mathematical Psychics demonstrated the notion of competitive equilibria in a two-person (as well as two-type) economy; Emile Borel, in “Algèbre et calcul des probabilités,” Comptes Rendus Académie des Sciences , vol. 184, 1927, provided the first insight into mixed strategies that randomization may support a stable outcome. While many other contributors hold a place in the history of game theory, it is widely accepted that modern analysis began with John von Neumann and Oskar Morgenstern's book, Theory of Games and Economic Behavior . Then building on von Neumann and Morgenstern's results John Nash developed the modern framework for methodological analysis. Depending on the nature of the different approaches, there are different possible applications of game theory. If the information is strictly limited to local information, the non-cooperative game might be the only choice for each individual to play. However, such a game might have a very low-efficiency outcome. To overcome this problem, pricing or referee approaches have been proposed. If the users care about long-term benefits, the repeated game can be employed to enforce cooperation by the threat of future punishment from others.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,027 | 0,007 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».