MétaCan
Menu
Retour à la cohorte
Enregistrement W4381985256 · doi:10.3934/jimo.2023056

Pseudomonotone variational inequality in action: Case of the French dairy industrial network dynamics

2023· article· en· W4381985256 sur OpenAlexafffund
Arnaud Dragicevic

Notice bibliographique

RevueJournal of Industrial and Management Optimization · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic theories and models
Établissements canadiensCenter for Interuniversity Research and Analysis on Organizations
Organismes subventionnairesInstitut National de Recherche pour l'Agriculture, l'Alimentation et l'EnvironnementYork UniversityArizona State University
Mots-clésDisequilibriumVariational inequalityUpstream (networking)Operator (biology)Synchronization (alternating current)Computer scienceMathematical optimizationInequalityPath (computing)Fixed pointPoint (geometry)Action (physics)Mathematical economicsEconomicsMathematicsComputer networkPhysics

Résumé

récupéré en direct d'OpenAlex

A pseudomonotone operator serves to study the dynamic network equilibrium of the French dairy industry. Using a modified variational inequality model, which is based on the price variations, we reverse the typical problem formulation and claim that the absence of synchronization between the variations, which also need to be proportionate, is what causes the network disequilibrium. Provided the pseudomonotonicity of the mapping, the solution of the variational inequality problem also happens to be a fixed point. The model outputs show that the economic viability of the upstream agents is in conflict with the overall network equilibrium. The results further suggest that increasing the threshold of resale-below-cost should enlarge the asynchronicity between the upstream and instream price adjustments, which is problematic because the price variations are already asymmetric at the levels of upstream and downstream layers. The best path toward the network equilibrium would go by carrying out a further integration of the upstream layer.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,089
Tête enseignante GPT0,253
Écart entre enseignants0,164 · 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'étudeSimulation ou modélisation
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

Citations4
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Industrial and Management OptimizationMême sujetEconomic theories and modelsTravaux en français237 207