Setting standards for credible compliance and law enforcement
Notice bibliographique
Résumé
In this paper we examine the setting of optimal legal standards to simultaneously induce parties to invest in care and to motivate law enforcers to detect violators of the law. The strategic interaction between care providers and law enforcers determines the degree of efficiency achieved by the standards. Our principal finding is that some divergence between the marginal benefits and marginal costs of providing care is required to control enforcement costs. Further, the setting of standards may effectively substitute for the setting of fines when penalties for violation are fixed. In particular, maximal fines may be welfare reducing when standards are set optimally. Nous considérons dans cet article la détermination, en information incomplète, de normes légales optimales pour à la fois inciter les citoyens à faire preuve de diligence (prévention) et motiver les agents de la paix à veiller au respect des lois. L'interaction stratégique entre citoyens et agents de la paix détermine l'efficacité des normes choisies. Notre résultat principal est à l'effet qu'un écart entre bénéfices marginaux et coûts marginaux de la diligence est nécessaire afin de réduire les coûts d'application des lois. De plus, les normes peuvent être un substitut aux amendes lorsque les pénalités pour infraction sont fixes. Des amendes maximales peuvent en particulier être contre‐indiquées lorsque les normes sont optimalement déterminées.
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 | 0,026 | 0,103 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,011 |
| Communication savante | 0,010 | 0,011 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,008 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 ».