Information acquisition and funding for public service agencies: imperfect categorizing
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose The purpose of this paper is to explore the impact of information acquisition for the purpose of differentiating agencies operating in different localities on the design of optimal funding. Design/methodology/approach This paper is a theoretical study. The focus is on a situation in which agencies providing public services have perfect private information about their cost conditions before the government sets the formula for funding. Findings The authors show that, using a free signal correlated with costs of operation to differentiate agencies situated in different localities, the government can achieve better welfare for households across regions. However, when there exist non-negligible costs involved in the differentiating process, it may pay to acquire information only if the signal acquired is informative enough, i.e., the correlation between the signal and the agencies’ true cost conditions is strong enough. Social implications This paper is of interest to academics and policy makers. Acquiring information for tagging can be viewed as a preliminary screening process. Different types are then endowed with distinctly different incentives to control the costs of operating their agencies. Specifically, when the observed cost signal and the true cost conditions of agencies are positively correlated, the government should optimally be more aggressive in distorting the high-cost type’s effort decision by giving less incentive for the low-cost type agencies to cut costs than in the no-differentiation case, and vice versa. Originality/value This paper is the first study that explores the impact of information acquisition on the design of optimal funding for public service agencies.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle