MétaCan
Menu
Retour à la cohorte
Enregistrement W1982679242 · doi:10.1017/s0007123414000520

Measuring the Cost of Privacy: A Look at the Distributional Effects of Private Bargaining

2015· article· en· W1982679242 sur OpenAlexaff
Jeffrey Kucik, Krzysztof Pelc

Notice bibliographique

RevueBritish Journal of Political Science · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueWorld Trade Organization Law
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésTransparency (behavior)NegotiationParallelsPlaintiffDisadvantageSettlement (finance)BusinessInternational tradePolitical scienceLawEconomicsLaw and economicsFinancePayment

Résumé

récupéré en direct d'OpenAlex

Transparency is one of the most contested aspects of international organizations. While observers frequently call for greater oversight of policy making, evidence suggests that settlement between states is more likely when negotiations are conducted behind closed doors. The World Trade Organization’s (WTO) legal body provides a useful illustration of these competing perspectives. As in many courts, WTO dispute settlement is designed explicitly to facilitate settlement through private consultations. However, this study argues that the privacy of negotiations creates opportunities for states to strike deals that disadvantage others. Looking at product-level trade flows from all disputes between 1995 and 2011, it finds that private (early) settlements lead to discriminatory trade outcomes – complainant countries gain disproportionately more than the rest of the membership. When the facts of a case are made known through a ruling, these disproportional gains disappear entirely. The article also finds that third-party participation – commonly criticized for making settlement less likely – significantly reduces disparities in post-dispute trade. It then draws parallels to domestic law and concludes with a set of policy prescriptions.

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)0,019
score de la tête « metaresearch » (Gemma)0,095
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: aucune
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,103

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,095
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,005
Études des sciences et des technologies0,0030,014
Communication savante0,0080,015
Science ouverte0,0020,006
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0110,000

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 Opus0,031
Tête enseignante GPT0,291
Écart entre enseignants0,260 · 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

Citations50
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish Journal of Political ScienceMême sujetWorld Trade Organization LawTravaux en français237 207