Geographically segmented regulation for telecommunications: lessons from experience
Notice bibliographique
Résumé
Purpose The aim of this paper is to make policy makers and regulators more fully aware of the practical problems and costs involved in implementing geographically segmented regulation. This awareness will be valuable in deciding whether to adopt the approach and, if so, in designing its implementation, i.e. how the scheme's problems will be addressed and costs minimized. Design/methodology/approach Increasingly, incumbent operators and some regulators have argued that regulatory forbearance should be adopted in geographic areas (usually the more densely populated cities) where facility‐based competition is developing. Certainly geographically segmented regulation accords with widespread agreement that regulation should be the minimum necessary. Indeed, a number of countries have implemented the scheme, including Australia, Austria, Canada, Finland, Portugal, Spain, the UK and USA. This paper examines the experience these countries have had in applying geographically segmented regulation. Findings The lessons from experience in applying geographically segmented regulation suggest that the processes used to determine specific relevant markets are, at present, contentious and problematic in principle, and complex and subjective in practice. The problems/costs relating to the implementation of geographic regulation could erode the stability, certainty and predictability so important in a regulatory regime. Moreover, outcomes are uncertain, especially when looking ahead into an NGN environment. Originality/value This is the first paper that examines the actual experience of countries that have implemented geographically segmented regulation.
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 | 0,011 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,012 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».