Notice bibliographique
Résumé
This paper considers the problem of an agent's choice under uncertainty in a new framework. The agent does not know the true probability distribution over the state space but is objectively informed that it belongs to a specified set of probabilities. Maintaining the hypothesis that this agent is a subjective expected utility maximizer, we address the question of how the objective information influences her subjective prior.Three plausible rules are proposed. The first, named state independence, states that the subjective probability should not depend on how the uncertain states are `labeled'. Location-consistency, the second property, assumes that `similar' objective sets of probabilities result in `similar' subjective priors. The third rule is an `update-consistency' rule. Suppose the agent selects some probability p. She is then told that the likelihood assigned by p to some event A is in fact correct; then this should not cause her to revise her choice of p.Another property, alternative to update-consistency, is also proposed. When an agent forms her subjective prior assigning subjective probabilities to events in some ordered sequence, this property requires that the resulting prior be independent of that order. This last property, named order independence, is shown to be equivalent to update-consistency.A class of sets of probabilities is found on which state independence, location-consistency and update consistency (order independence) uniquely determine a selection rule. Some intuition is given regarding why these properties work in this collection of problems.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».