MétaCan
Menu
Retour à la cohorte
Enregistrement W1498850173 · doi:10.54648/woco2003032

Predatory Pricing in Canada, the United States and Europe: Crouching Tiger or Hidden Dragon

2003· article· en· W1498850173 sur OpenAlexaboutno aff
Brian A. Facey, Roger Ware

Notice bibliographique

RevueWorld Competition · 2003
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMerger and Competition Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTigerGeographyPolitical scienceBusinessInternational tradeFisheryBiologyComputer securityComputer science

Résumé

récupéré en direct d'OpenAlex

In the area of competition law, comparative legal scholarship can provide insights into differences in the laws of nations and can identify gaps that affect the multinational businesses subject to such laws. It also provides opportunities for convergence initiatives, such as those envisioned by the International Competition Network, to work towards filling those gaps. In this article we attempt to contribute to the literature relating to the comparative study of antitrust law through our review and analysis of the predatory pricing laws in Canada, the United States and Europe. We begin with an explanation of the economic theories behind predatory pricing. While the laws of nations are generally limited by borders: the norms of economics are not. Thus, the discipline provides a normative barometer for the analysis of such laws. The topic is timely because Canada has proposed changes to its enforcement policies in the area. Our observation is that predatory pricing has historically been an area of divergence between Canada, the United States and Europe. Our conclusion is that in a time of increased convergence in the area of antitrust, predatory pricing remains an area of divergence, and one that may see further divergence if Canada does in fact change its enforcement policy as it has suggested.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,088
Score d'incertitude au seuil0,639

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0060,011
Études des sciences et des technologies0,0080,009
Communication savante0,0080,003
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,196
Écart entre enseignants0,178 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld CompetitionMême sujetMerger and Competition AnalysisTravaux en français237 207