MétaCan
Menu
Retour à la cohorte
Enregistrement W3128873343 · doi:10.2760/139337

The EU Digital Markets Act: A report from a Panel of Economic Experts

2021· article· en· W3128873343 sur OpenAlexaff
Luis Cabral, Justus Haucap, Parker Geoffrey, Georgios Petropoulos, Valletti Tommaso, Van Alstyne Marshall

Notice bibliographique

RevueSSRN Electronic Journal · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueDigital Platforms and Economics
Établissements canadiensQuest University Canada
Organismes subventionnairesnon disponible
Mots-clésTyingGatekeepingCompetition (biology)Order (exchange)BusinessMarket powerEx-antePanel dataIndustrial organizationEconomicsMarketingPublic economicsAdvertisingMicroeconomics

Résumé

récupéré en direct d'OpenAlex

Over the last years, several reports highlighted the market power of very large online platforms that are gatekeeping intermediaries between businesses and consumers, and the difficulty for classic competition policy tools to deal effectively with anti-competitive practices in these platforms. In response to this, the European Commission recently published a proposal for a Digital Markets Act (DMA) to complement existing competition policy tools by means of ex-ante obligations for platforms. This report presents an independent economic opinion on the DMA, from a high-level Panel of Economic Experts, established by the JRC and based on existing economic research and evidence. The Panel endorses the vision encapsulated in the DMA, including the designation of large gatekeeper platforms and a series of ex-ante obligations they should comply with. The Panel points out the challenge of striking a balance between the benefits from network effects of large platforms and the potential negative effects from anti-competitive behaviour and winner-takes-all market forces in online services. While some types of anti-competitive behaviour are well-known from classic competition cases, data-driven multi-sided platforms have found new ways of tying, bundling and self-preferencing that present new challenges. The report explores these behaviours in specific settings, including in online advertising and mobile ecosystems. It discusses ways to use valuable data gathered by platforms for pro-competitive purposes and the wider benefit of society in order to achieve a higher standard of fairness in the distribution of the social value generated by large platforms. Information asymmetry between platforms and regulators remains an issue in the effective implementation of the obligations.

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)0,042
score de la tête « metaresearch » (Gemma)0,046
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,224

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0420,046
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0060,006
Études des sciences et des technologies0,0020,003
Communication savante0,0210,010
Science ouverte0,0050,007
Intégrité de la recherche0,0290,011
Charge utile insuffisante (le modèle a refusé de juger)0,0070,004

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 Opus0,011
Tête enseignante GPT0,194
Écart entre enseignants0,183 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations102
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetDigital Platforms and EconomicsTravaux en français237 207