MétaCan
Menu
Retour à la cohorte
Enregistrement W2019065230 · doi:10.2202/1542-0485.1057

Genetically Modified Organisms: Rights To Use Commodity Names and the Lemons Problem

2004· article· en· W2019065230 sur OpenAlexaff
Richard Gray, Charles B. Moss, Andrew Schmitz

Notice bibliographique

RevueJournal of Agricultural & Food Industrial Organization · 2004
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueIntellectual Property and Patents
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésTransaction costProperty rightsSpillover effectPareto principleEconomicsCommodityOpposition (politics)Intellectual propertyNegotiationWelfareBusinessMicroeconomicsPublic economicsIndustrial organizationLawMarket economy

Résumé

récupéré en direct d'OpenAlex

Genetically modified crops have met some consumer opposition domestically and abroad. This opposition has resulted in variety market and policy reactions with a large potential to disrupt trade and to become a focus of international negotiations. In this paper we consider the spillover from adopters to the non-adopters and non-consumers of GM technology. In the absence of any (organizational) transaction costs the assignment of property right to use the name corn will result in Pareto improving decisions with respect to the introduction of GM technology. However, in the presence of transaction costs the ability to use generic crop names such as corn, the adopters of GM technology have the implicit right and will impose costs on participants in the non-GM marketing channel, by creating a lemons problem. This assignment of property rights can result in the commercial introduction of GM despite potential losses in overall social welfare. If the property rights are reassigned such that the innovators are forced to segregate their GM products through labeling laws, this preempts welfare decreasing technology introduction. The relative efficiency of either allocation of property rights depends on the cost savings, rate of adoption, segregation costs, and consumers’ preference for the GM crop in question. This suggests that assignment of property rights may be more effective if done on a case-by-case basis rather than a one size fits all policy.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,582
Score d'incertitude au seuil0,618

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
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 Opus0,082
Tête enseignante GPT0,197
Écart entre enseignants0,115 · 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'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

Citations6
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural & Food Industrial OrganizationMême sujetIntellectual Property and PatentsTravaux en français237 207