MétaCan
Menu
Retour à la cohorte
Enregistrement W3123962263

Monoculture versus diversity in competition economics

2007· preprint· en· W3123962263 sur OpenAlexfundno aff
Oliver Budzinski

Notice bibliographique

RevueEconstor (Econstor) · 2007
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMerger and Competition Analysis
Établissements canadiensnon disponible
Organismes subventionnairesVolkswagen FoundationYork University
Mots-clésCompetition (biology)EconomicsPositive economicsArgumentation theoryDiversity (politics)Meaning (existential)NormativePluralism (philosophy)Neoclassical economicsPublic economicsEpistemologyPolitical scienceLaw
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Economics rightfully represents the major basis for competition policy. Next to generating knowledge about competition and its welfare effects, the currently popular 'more-economic approach' is charged with a number of additional hopes and expectations, leading to a reduction of the ambiguities of real-world competition policy. While this article highlights the benefits of economics-based competition policy, it takes a cautious stance towards excessive expectations in particular regarding the idea that a monocultural, 'unified' competition theory as an exact, objective, and unerring scientific approach to antitrust makes normative assessment and generalizations superfluous. In a combination of two lines of argumentation, diversity in competition economics is advocated. Firstly, competition economics is empirically characterized by a considerable pluralism of theories and policy paradigms. This includes deviating views on core concepts like the nature of competition, the meaning of efficiency, or the goals of antitrust. Secondly, it is demonstrated that diversity of theories represents no imperfection of the state of science. In contrast, it is theoretically beneficial for future scientific progress. Therefore, no ultimate competition theory can ever be expected. As a consequence, the 'more-economic approach' must be extended in order to embrace diversity. This does not decrease its meaning and importance but instead puts some of the related high hopes into perspective.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,184
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,003

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 Opus0,043
Tête enseignante GPT0,234
Écart entre enseignants0,192 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
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

Citations0
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEconstor (Econstor)Même sujetMerger and Competition AnalysisTravaux en français237 207