MétaCan
Menu
Retour à la cohorte
Enregistrement W3125301193

2004), The Supply of Information by a Concerned Expert

2015· preprint· en· W3125301193 sur OpenAlexaff
Andrew Caplin, John Leahy

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Policies and Impacts
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésSobel operatorPreferenceFunction (biology)Mathematical economicsExpected utility hypothesisEconomicsSubjective expected utilityDecision makerRevealed preferenceMicroeconomicsComputer scienceArtificial intelligenceManagement science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

How much information should a policy maker pass on to an ill-informed citizen? In this paper, we address this classic question of Crawford and Sobel (1982) in a setting in which beliefs impact utility, as in Kreps and Porteus (1978). We show that this question cannot be answered using a utility function with standard revealed preference foundations. To solve the model, we go beyond the classical model in two respects, relying on the psychological expected utility model of Caplin and Leahy (2001) to capture preferences, and the psychological game model of Geanakoplos et al. (1989) to capture strategic interactions. How much information should a policy maker pass on to a currently ill-informed citizen? This question was first posed formally in the classic sender-receiver game of Crawford and Sobel (1982). In that model, the citizen in question had standard expected utility preferences. In this paper, we enrich the question by allowing for a broader class of preferences, in particular preferences over the timing of resolu-tion of uncertainty.1 This amendment allows us to address such questions as whether or not a doctor should reveal the truth to a terminally ill patient who is naively optimistic, and whether or not parents should tell their children the truth

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)0,004
score de la tête « metaresearch » (Gemma)0,021
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,079

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,021
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0040,007
Science ouverte0,0010,001
Intégrité de la recherche0,0070,002
Charge utile insuffisante (le modèle a refusé de juger)0,0240,003

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 Opus0,049
Tête enseignante GPT0,244
Écart entre enseignants0,196 · 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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEconomic Policies and ImpactsTravaux en français237 207