Intérêt public, intérêt privé et discrimination
Notice bibliographique
Résumé
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 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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,045 | 0,003 |
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 ».