MétaCan
Menu
Retour à la cohorte
Enregistrement W4241675747 · doi:10.3138/utlj.60.2.239

REGIONAL COMPETITION LAW AGREEMENTS: AN IMPORTANT STEP FOR ANTITRUST ENFORCEMENT

2010· article· en· W4241675747 sur OpenAlexvenueno aff
Michal S. Gal

Notice bibliographique

RevueUniversity of Toronto Law Journal · 2010
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMerger and Competition Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnforcementExternalityCompetition lawCompetition (biology)BusinessLaw and economicsStructuringLaw enforcementFace (sociological concept)International tradeEconomicsMember statesPareto principleIndustrial organizationPublic economicsLawPolitical scienceEuropean unionMicroeconomicsOperations management

Résumé

récupéré en direct d'OpenAlex

This essay argues that regional competition law agreements on joint enforcement and advocacy (rjcas) hold an important potential to solve many of the enforcement problems that small and developing jurisdictions face and can provide additional benefits that go beyond such solutions. It also argues that the costs involved in such agreements are not prohibitive and that many of these costs can be overcome by structuring appropriate solutions. Accordingly, rjcas have the potential to create Pareto superior solutions to enforcement problems relative to unilateral enforcement. The essay then broadens the analysis to the potential effects of rjcas on non-member states. It is argued that such agreements create much lower negative externalities for non-member states and for international coordination efforts than regional trade agreements. On the contrary, they often create positive externalities for non-member jurisdictions. Accordingly, they offer important potential for strengthening competition law enforcement and should generally be encouraged. In addition, as the article shows, rjcas can further international efforts for coordination and cooperation in competition law.

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)0,010
score de la tête « metaresearch » (Gemma)0,018
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,015
Communication savante0,0100,013
Science ouverte0,0020,005
Intégrité de la recherche0,0100,011
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,020
Tête enseignante GPT0,212
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; 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
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

Citations8
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUniversity of Toronto Law JournalMême sujetMerger and Competition AnalysisTravaux en français237 207