MétaCan
Menu
Retour à la cohorte
Enregistrement W3123272989

The Efficient Use of Multiple Sources of a Nonrenewable Resource Under Supply Cost Uncertainty

2008· preprint· en· W3123272989 sur OpenAlexaff
Gérard Gaudet, Pierre Lasserre

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2008
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMarket Dynamics and Volatility
Établissements canadiensCenter for Interuniversity Research and Analysis on OrganizationsUniversité du Québec à MontréalUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésNon-renewable resourceMarginal costOrder (exchange)Environmental economicsEconomicsCost efficiencySupply chainNatural resource economicsMicroeconomicsRisk analysis (engineering)BusinessComputer scienceRenewable energyEngineeringFinance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

L'incertitude sur le coût futur d'une ressource non renouvelable telle le pétrole ou le gaz pose la question du choix des sources d'approvisionnement. Dans un monde déterministe, l'utilisation efficace de sources multiples exige que tout marché épuise une source de coût relativement faible avant de passer à une source de coût plus élevé; l'utilisation des sources d'approvisionnement doit se faire strictement par ordre de coût marginal croissant; on ne touchera à aucune source de coût élevé tant qu'existe une source moins coûteuse. Nous montrons que cette règle n'est pas forcément efficace en univers stochastique. Il existe des conditions sous lesquelles il peut être efficace de recourir à une source risquée pour conserver une ressource moins coûteuse non risquée. Une telle stratégie permet de se réserver la possibilité d'utiliser cette dernière au cas où les conditions d'accès à la source risquée se détérioreraient subitement. Il existe également des conditions sous lesquelles il sera efficace d'utiliser une source plus coûteuse mais non risquée alors qu'une source risquée mais meilleur marché est toujours disponible. Dans ce cas, il s'agit d'économiser la source bon marché dans l'éventualité d'une baisse possible de son coût, qui la rendrait encore plus intéressante.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,058
Tête enseignante GPT0,279
Écart entre enseignants0,220 · 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
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetMarket Dynamics and VolatilityTravaux en français237 207