MétaCan
Menu
Retour à la cohorte
Enregistrement W2137055157 · doi:10.7202/601412ar

Intérêt public, intérêt privé et discrimination

2009· article· fr· W2137055157 sur OpenAlexvenueno aff
Dominique Henriet, Claude Henry, Patrick Rey, Jean‐Charles Rochet

Notice bibliographique

RevueL Actualité économique · 2009
Typearticle
Languefr
DomaineDecision Sciences
ThématiqueAuction Theory and Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Nous considérons un service à qualité variable dont chaque usager consomme au plus une unité. Les coûts de production, fixe et variable, ne dépendent pas de la qualité : améliorer, dans certaines limites, la qualité, n’augmente pas les coûts de production. Chaque usager cependant apprécie d’autant plus le service que celui-ci est de meilleure qualité : la propension à payer de l’usager est une fonction linéaire croissante de la qualité du service. Chaque usager est seul à connaître sa propre propension à payer, alors que la distribution des propensions est connue de tous, producteurs et consommateurs. Nous étudions comment et pourquoi, dans ces conditions, une discrimination par les prix et les qualités peut être pratiquée par les producteurs. Nous montrons qu’un monopole recherchant la maximisation de son profit ne pratiquera pas de discrimination; en revanche, dans un large champ de situation, il n’est possible d’atteindre un optimum de Pareto sous contraintes — informationnelle et financière — qu’en discriminant : le gain qu’apporte la discrimination en tant que mécanisme d’autosélection l’emporte sur le gaspillage qu’il y a à produire au même coût une qualité moindre. Nous reformulons enfin notre modèle pour élargir son domaine d’application à des questions telles que la tarification de l’accès à un réseau téléphonique, le marchandage dans un contexte d’achats répétés, etc.

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)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,612
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,002
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 savante0,0010,003
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,004

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 Opus0,193
Tête enseignante GPT0,396
Écart entre enseignants0,203 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
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

Citations2
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueL Actualité économiqueMême sujetAuction Theory and ApplicationsTravaux en français237 207