MétaCan
Menu
Retour à la cohorte
Enregistrement W3122386848

A MIXED BENTHAM-RAWLS CRITERION FOR INTERGENERATIONAL EQUITY: THEORY AND IMPLICATIONS

2007· preprint· en· W3122386848 sur OpenAlexaff
Francisco Alvarez‐Cuadrado, Ngo Van Long

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2007
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueIncome, Poverty, and Inequality
Établissements canadiensMcGill University
Organismes subventionnairesVictoria University of WellingtonVictoria UniversityUniversity of CanterburyUniversity of Otago
Mots-clésUtilitarianismEconomicsIntergenerational equitySocial welfare functionWelfareMathematical economicsSocial choice theorySocial WelfareEquity (law)Ranking (information retrieval)WelfarismTerm (time)Function (biology)Yield (engineering)MicroeconomicsWelfare economicsComputer scienceLaw
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Ranking development programs using integrals of discounted utilities can yield drastic consequences that offend our sense of justice. New alternative social welfare criteria should be considered. A reaction to discounted utilitarianism is to moderate its effects by adding to the social welfare function a second term that takes seriously the welfare of the generations that live in the far distant future. Chichilnisky proposes a social welfare function that has two desirable properties: (i) non-dictatorship of the present, and (ii) non-dictatorship of the future. However, in many economic models, there exists no optimal path under the Chichilnisky criterion. We introduce a third desideratum: "non-dictatorship of the least advantaged, " and propose a new welfare criterion that is morally compelling. It is a weighted average of two terms: (a) the sum of discounted utilities, and (b) the utility level of the least advantaged generation. We derive necessary conditions to characterize growth paths that satisfy our criterion, and show that in some models with familiar dynamic specifications, an optimal path exists and displays appealing characteristics.

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)0,007
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,018
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,004
Communication savante0,0020,005
Science ouverte0,0020,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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.

Tête enseignante Opus0,127
Tête enseignante GPT0,439
Écart entre enseignants0,312 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetIncome, Poverty, and InequalityTravaux en français237 207