MétaCan
Menu
Retour à la cohorte
Enregistrement W2099087692 · doi:10.22004/ag.econ.273661

Simultaneous Signaling in Elimination Contests

2008· preprint· en· W2099087692 sur OpenAlexaff
Jun Zhang

Notice bibliographique

RevueAgEcon Search (University of Minnesota, USA) · 2008
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueExperimental Behavioral Economics Studies
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésBiddingSignaling gameCONTESTBenchmark (surveying)Private information retrievalIncentiveMicroeconomicsEconomicsValuation (finance)Incentive compatibilityCheap talkMathematical economicsComputer scienceFinance

Résumé

récupéré en direct d'OpenAlex

This paper analyzes the signaling effect of bidding in a two-round elimination contest. Before the final round, bids in the preliminary round are revealed and act as signals of the contestants’ private valuations. Depending on his valuation, a contestant may have an incentive to bluff or sandbag in the preliminary round in order to gain an advantage in the final round. I analyze this signaling effect and characterize the equilibrium in this game. Compared to the benchmark model, in which private valuations are revealed automatically before the final round and thus no signaling of bids takes place, I find that strong contestants bluff and weak contestants sandbag. In a separating equilibrium, bids in the preliminary round fully reveal the contestants’ private valuations. However, this signaling effect makes the equilibrium bidding strategy in the preliminary round steeper for high valuations and flatter for low valuations compared to the benchmark model.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,079
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,066
Tête enseignante GPT0,321
Écart entre enseignants0,255 · 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.

Devis d'étudeQualitatif
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
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgEcon Search (University of Minnesota, USA)Même sujetExperimental Behavioral Economics StudiesTravaux en français237 207