Accounting for Risk and Stability in Technology Adoption
Notice bibliographique
Résumé
The reasons for sluggish adoption of long‐run agricultural systems are not well understood. Researchers have identified risk and uneven cash flows as two likely culprits, yet the literature has done little to investigate their impacts simultaneously. We explore the unique influence of risk, risk preference, stability, and stability preferences on the adoption of long‐run investments. We developed risk‐stability‐segregated expected utility (RSSEU) to disentangle risk from stability and then compute the impacts of risk, stability, and preferences over a range of values found in previous studies. Results clearly demonstrate that adoption decisions are influenced differentially by risk and stability. An unstable income can overwhelm the risk effect or visa versa, depending on a person's preferences for risk and stability. Disentangling risk and stability could be very important if economists are to understand how decisions are made. For example, we found that the impact of risk on individual behavior is very low when the expected income flow is unstable. In this case, policies that smooth expected income over time will be more effective than ones that reduce risk. In contrast, risky technologies with a stable income path are more appropriately addressed with instruments like insurance or facilitating futures markets. Les raisons de la lente adoption des systèmes agricoles à long terme ne sont pas bien comprises. Selon certains chercheurs, le risque et les flux de trésorerie irréguliers sont deux facteurs probables; toutefois peu de travaux se sont penchés sur leur impact simultané. Nous avons exploré l'influence du risque, des préférences pour le risque, de la stabilité et des préférences pour la stabilité sur l'adoption d'investissements à long terme. Nous avons élaboré une espérance d'utilité distincte risque‐stabilité(risk‐stability‐segregated expected utility) pour dégager le risque de la stabilité et pour calculer l'impact du risque, de la stabilité et des préférences à partir d'une série de valeurs tirées d’études antérieures. Les résultats ont clairement montré que les décisions d'adoption sont influencées différemment par le risque et la stabilité. Un revenu instable peut accabler l'effet du risque ou vice versa, selon les préférences d'une personne pour le risque et pour la stabilité. Si les économistes veulent comprendre de quelles façons les décisions sont prises, il serait important de dégager le risque de la stabilité. Par exemple, nous avons observé que l'impact du risque sur le comportement individuel est très faible lorsque les flux de revenus sont instables. Dans ce cas, les politiques qui adoucissent les revenus prévus au fil du temps seront plus efficaces que celles qui diminuent le risque. En revanche, des instruments tels que les assurances et les marchés à termes sont des moyens plus efficaces lorsque les technologies comportent des risques et que les revenus sont stables.
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 | 0,005 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».