MétaCan
Menu
Retour à la cohorte
Enregistrement W1971481249 · doi:10.3200/jece.36.4.332-344

Local Residential Sorting and Public Goods Provision: A Classroom Demonstration

2005· article· en· W1971481249 sur OpenAlexaff
Keith Brouhle, Jay R. Corrigan, Rachel Croson, Martin Farnham, Selhan Garip, Luba Habodaszova, Laurie T. Johnson, Martin Johnson, David Reiley

Notice bibliographique

RevueThe Journal of Economic Education · 2005
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueExperimental Behavioral Economics Studies
Établissements canadiensUniversity of VictoriaUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésTiebout modelSortingPublic goodVotingMicroeconomicsWelfaresortSimple (philosophy)EconomicsPublic economicsComputer sciencePolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

This classroom exercise illustrates the Tiebout (1956) hypothesis that residential sorting across multiple jurisdictions leads to a more efficient allocation of local public goods. The exercise places students with heterogeneous preferences over a public good into a single classroom community. A simple voting mechanism determines the level of public good provision in the community. Next, the classroom is divided in two, and students may choose to move between the two smaller communities, sorting themselves according to their preferences for public goods. The exercise places cost on movement at first, then allows for costless sorting. Students have the opportunity to observe how social welfare rises through successive rounds of the exercise, as sorting becomes more complete. They may also observe how immobile individuals can become worse off because of incomplete sorting when the Tiebout assumptions do not hold perfectly.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,759
Score d'incertitude au seuil0,318

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,037
Tête enseignante GPT0,354
Écart entre enseignants0,318 · 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 tête enseignante, pas un consensus.

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

Citations8
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Economic EducationMême sujetExperimental Behavioral Economics StudiesTravaux en français237 207