Learning in Standard-Form Contracts: Theory and Evidence
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Why are some contractual terms revised continuously while others are stubbornly fixed? We offer an account of both change and stickiness in standard-form contracts. We hypothesize that drafters (sellers) are more likely to revise their standard terms when they have an opportunity to learn about the terms’ costs from experience. Consider a warranty. Offering a warranty in an initial period will expose sellers to claims about malfunction by purchasers, allowing sellers to learn whether it is desirable to offer it going forward. When drafters are unable to learn in this manner, either because they fail to experiment or because the term in question is one where there is no increased opportunity to learn from experience, such terms will be revised relatively less frequently. While learning and change occur through various channels, we posit that, all else equal, terms that carry an opportunity to learn from experience will be revised more frequently, whereas terms or term modalities that do not will contribute to stickiness and stagnation. Our results support this hypothesis. Using a large sample of changes in business and consumer standard-form contracts over a period of seven years, we find that sellers are more likely to revise terms that offer an opportunity to learn from experience than those that do not. These findings are further illustrated and supported by interviews with in-house counsel. The results suggest that standard-form contract terms evolve over time as sellers learn experientially about their costs and risks. Our analysis offers new accounts for the use of boilerplate, stickiness, and change and has normative implications for the optimal design of default rules and product features (JEL codes: K12).
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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