MétaCan
Menu
← Retour à la cohorte
Enregistrement W2301490062

The Impact of Foresight in a Transboundary Pollution Game

2015· article· en· W2301490062 sur OpenAlexafffund
Hassan Benchekroun, Guiomar Martín‐Herrán

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2015
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensMcGill University
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaMinisterio de Economía y Competitividad
Mots-clésFutures studiesEconomicsIncentiveWelfareValue (mathematics)DamagesNatural resource economicsDeveloping countryMicroeconomicsEconomic growthMarket economyPolitical scienceComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

We study the impact of foresight in a transboundary pollution game; i.e. the ability of a country to control its emissions taking into account the relationship between current emissions and future levels of pollution and thus on future damages. We show that when all countries are myopic, i.e., choose the 'laisser-faire' policy, their payoffs are smaller than when all countries are farsighted, i.e., non-myopic. However, in the case where one myopic country becomes farsighted we show that the welfare impact of foresight on that country is ambiguous. Foresight may be welfare reducing for the country that acquires it. This is due to the reaction of the other farsighted countries to that country's acquisition of foresight. The country that acquires foresight reduces its emissions while the other farsighted countries extend their emissions. The overall impact on total emissions is ambiguous. Moreover, our results suggest that incentive mechanisms, that involve a very small (possibly zero) present value of transfers, can play an important role in inducing a country to adopt a farsighted behavior and diminishing the number of myopic countries. These incentives would compensate the myopic country for the short-run losses incurred from the acquisition of foresight and can be reimbursed by that country from the gains from foresight that it enjoys in the long run.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0020,004
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,134
Tête enseignante GPT0,347
Écart entre enseignants0,213 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations0
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in Economics→Même sujetClimate Change Policy and Economics→Travaux en français237 207→