Notice bibliographique
Résumé
Ibn Ezra (Sefar ha-Mispar (The Book of the Number, in Hebrew), Verona (German trans: Silberberg M. (1895)). Kauffmann, Frankfurt am Main, 1146), Rabinovitch (Probability and statistical inference in medieval Jewish literature. University of Toronto Press, Toronto, 1973) and O'Neill (Math Soc Sci 2(4):345–371, 1982)proposed a method for solving the "rights arbitration problem" (one of the historical problems of "bankruptcy") for n claimants when the estate E is equal to the largest claim. However, when the greatest claim is for less than the estate, the question of what to do with the difference between E and the largest claim is posed. Alcalde et al.'s (Econ Theory 26(1):103–114, 2005) Generalized Ibn Ezra Value (GiEV), solves the problem in T iterations, of n steps. By using Monte-Carlo experiments, we show that: (i) T grows linearly with the number of claimants, which makes GiEV rapidly impracticable for real applications. (ii) The more E is close to the total claim d, themore T grows: T linearly grows when E exponentially approaches d by a factor 10. Moreover, we proved through theory that GiEV fails to provide a solution in a finite number of iterations for the trivial case E = d, whereas it should obviously find a solution in one iteration. So, even if GiEV is convergent, the sum of claims d appears as an asymptote: the number of iterations tends to infinite when the estate E approaches the claims total d. We conclude that GiEV is inefficient and usable only when: (1) the number of claimants is low, and (2) the estate E is largely lower than the total claims d.
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 | 0,003 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».