MétaCan
Menu
Retour à la cohorte
Enregistrement W2116221922

INFORMATION TRANSMISSION IN ELIMINATION CONTESTS

2006· preprint· en· W2116221922 sur OpenAlexaff
J. Atsu Amegashie

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2006
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueExperimental Behavioral Economics Studies
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésCONTESTInformation transmissionBenchmark (surveying)MicroeconomicsEconomicsAdversaryComplete informationPolitical scienceComputer scienceComputer securityLaw
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

I consider a two-stage elimination contest with uninformed and informed players. Informed players can signal their type to future uninformed opponents through their efforts in the first stage. Relative to the benchmark case of complete information, I find that an informed player exerts a higher effort in stage 1, if the uninformed future opponent is weaker than him. Conversely, he exerts a lower effort, if the uninformed opponent is stronger than him. This result is consistent with a conjecture in Rosen (AER, 1986). Intuitively, informed players may want to scare future uninformed opponents by exerting higher efforts in earlier rounds. However, trying to scare a stronger player may not be a sensible strategy because he might compete very fiercely. In equilibrium, informed players who are stronger than uninformed players separate from informed players who are weaker than uninformed players. This result differs from Horner and Sahuguet (2003) where stronger informed players pool with weaker informed players.

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)0,002
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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,914
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,043
Tête enseignante GPT0,378
Écart entre enseignants0,335 · 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'étudeAutre devis
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

Citations5
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetExperimental Behavioral Economics StudiesTravaux en français237 207