MétaCan
Menu
Retour à la cohorte
Enregistrement W3158147553 · doi:10.7202/1076257ar

L’EXPLOITATION DE RESSOURCES NATURELLES NON RENOUVELABLES EN ASYMÉTRIE D’INFORMATION

2021· article· fr· W3158147553 sur OpenAlexaffvenue
F. Castonguay, Pierre Lasserre

Notice bibliographique

RevueL Actualité économique · 2021
Typearticle
Languefr
DomaineDecision Sciences
ThématiqueAuction Theory and Applications
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Nous analysons l’exploration et l’extraction d’une ressource naturelle non renouvelable dans un contexte d’asymétrie d’information. Le principal délègue l’exploitation d’une ressource à un agent (une firme) qui possède de l’information privée concernant ses coûts d’exploration; cette firme possédera également de l’information privée concernant ses coûts d’extraction une fois que le stock de réserves sera mis au jour et viendra contraindre l’extraction. Le principal peut seulement s’engager pour la période courante : un menu de contrat subventions-découvertes pour la période d’exploration, un menu de contrat redevances-extraction conditionnel au montant de réserves mis au jour pour la période d’extraction. Comparé avec la situation de premier rang où l’information est symétrique, le contrat optimal en extraction entraîne une hausse des découvertes des réserves mises au jour pour la firme la plus efficace et possiblement d’autres firmes, alors que le contrat optimal en exploration entraîne une réduction du montant mis au jour, particulièrement pour les firmes les moins efficaces en exploration. Nous détaillons les implications de l’asymétrie d’information et les formes que prennent les inefficacités : réserves abandonnées, utilisation excessive de ressources à bas coûts et niveau de sophistication technologique inefficace dans les secteurs d’exploration et d’extraction.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,688
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,003
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,003

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 Opus0,041
Tête enseignante GPT0,320
Écart entre enseignants0,279 · 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'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
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueL Actualité économiqueMême sujetAuction Theory and ApplicationsTravaux en français237 207