Club good mechanisms: from free-riders to citizen-shareholders, from impossibility to characterization
Notice bibliographique
Résumé
Consider a community that shares a technology for producing a club good (Buchanan, 1965): any group of agents can “win” for an associated monetary cost. Who should win, and how should production be funded? To address this question, we seek rules (that is, direct mechanisms) where each agent participates voluntarily and is incentivized to report his valuation honestly, and where these reports are used to select winners efficiently without running a deficit. We find that whether or not there are such rules depends on the production technology. If costs are even “somewhat concave,” then there are no such rules: the free-rider problem (Wicksell, 1896; Samuelson, 1954; Green and Laffont, 1979) persists even when agents who do not contribute can be excluded. If costs are symmetric and convex, however, then there are such rules that moreover satisfy no-envy-in-trades (Kolm, 1971; Schmeidler and Vind, 1972). We characterize this class, whose Pareto-worst member is the familiar minimum-price Walrasian rule (Vickrey, 1961; Clarke, 1971; Groves, 1973; Demange, 1982; Leonard, 1983); the other rules do better by treating the agents as equal shareholders in the technology and offering social dividends (Lange, 1936).
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,012 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».