MétaCan
Menu
Retour à la cohorte
Enregistrement W4386578390 · doi:10.1093/jeea/jvad036

Past and Future: Backward and Forward Discounting

2023· article· en· W4386578390 sur OpenAlexafffund
Debraj Ray, Nikhil Vellodi, Ruqu Wang

Notice bibliographique

RevueJournal of the European Economic Association · 2023
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueDecision-Making and Behavioral Economics
Établissements canadiensQueen's University
Organismes subventionnairesSimons Institute for the Theory of Computing, University of California BerkeleySocial Sciences and Humanities Research Council of CanadaZhejiang UniversityQueen's UniversityErasmus Universiteit RotterdamAgence Nationale de la RechercheNational Science Foundation
Mots-clésRegretAnticipation (artificial intelligence)Time preferenceEconomicsDiscountingConsumption (sociology)Dynamic inconsistencySet (abstract data type)PreferenceHyperbolic discountingMicroeconomicsPositive economicsComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract We study a model of time preference in which both current consumption and the memory of past consumption enter “experienced utility”—or the felicity—of an individual. An individual derives overall utility from her own felicity and the anticipated felicities of future selves. These postulates permit an agent to anticipate future regret in current decisions, and generate a set of novel testable implications in line with empirical evidence. The model can be applied to disparate phenomena, including present bias, equilibrium savings behavior, anticipation of regret, and career concerns.

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)0,009
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,642
Score d'incertitude au seuil0,532

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,042
Tête enseignante GPT0,319
Écart entre enseignants0,277 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations1
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of the European Economic AssociationMême sujetDecision-Making and Behavioral EconomicsTravaux en français237 207