Notice bibliographique
Résumé
This paper analyzes mergers involving several leaders and followers in Stackelberg models, with the merged entity acting as a leader. Adding a follower to a merger increases its profitability or reduces its losses. A merger between one leader and any number of followers is always profitable. When a merger involves two leaders, it requires a sufficiently large proportion of followers to participate in it to be profitable. A merger is less likely to be profitable when the number of participating leaders is intermediate and the number of participating followers is small. All mergers involving leaders and followers are welfare reducing. Overall, Stackelberg leadership partially alleviates the merger paradox. / Ce papier analyse les fusions impliquant plusieurs meneurs et suiveurs dans les modèles de Stackelberg, où la firme fusionnée agit comme un meneur. Ajouter un suiveur à une fusion augmente sa profitabilité ou réduit ses pertes. Toute fusion entre un meneur et n’importe quel nombre de suiveurs est profitable. Lorsque deux meneurs participent à une fusion, il faut qu’un nombre suffisant de suiveurs s’y joignent pour qu’elle soit profitable. Une fusion a moins de chances d’être profitable lorsque le nombre de meneurs qui y participent est intermédiaire et le nombre de suiveurs est petit. Toutes les fusions impliquant des meneurs et des suiveurs réduisent le bien-être. En général, le leadership de Stackelberg allège en partie le paradoxe des fusions.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,007 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 ».