MétaCan
Menu
Retour à la cohorte
Enregistrement W3125701787

Age-Price Profiles for Canadian Painters at Auction

2011· preprint· en· W3125701787 sur OpenAlexafffundabout
Douglas J. Hodgson

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2011
Typepreprint
Langueen
DomaineArts and Humanities
ThématiqueArt History and Market Analysis
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaSwenson College of Science and Engineering, University of Minnesota DuluthUniversity of Ottawa
Mots-clésPaintingFunction (biology)EstimationArtHedonic regressionEconomicsEconometricsArt historyManagement
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

We conduct an empirical analysis of the effect on the auction price of a Canadian painting of the age of the painter at the time of creation of the painting. We consider several hundred artists, active over the entire history of Canadian art, who are pooled in the estimation of a hedonic regression in which a polynomial function in age enters as a regressor along with several other control variables. We then consider the possibility that the age-price relationship has changed over time by: (a) estimating separate age-price functions for three generational groups of artists- those born before 1880, between 1880 and 1920, and after 1920 and thus coming of age in the world of post-war “contemporary art ” ; and (b) estimating a parameterization where the shape of the age-price profile is permitted to change continuously depending on the year of birth of the artist. Our principal result is that artists born more recently tend to “peak ” earlier in their careers than those of previous generations. As pertaining to artists born after 1920, this result is consistent with the findings of Galenson (2000) for modern American painters, but we find that the phenemenon applies over longer periods of art history, and propose an interpretation based on demand-side changes in art markets brought about by economic and urban population growth. 2

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)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,083
Score d'incertitude au seuil0,166

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,063
Tête enseignante GPT0,273
Écart entre enseignants0,209 · 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'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
Publié2011
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetArt History and Market AnalysisTravaux en français237 207