MétaCan
Menu
Retour à la cohorte
Enregistrement W4415471968 · doi:10.61173/mcn4sy35

The Role of Communication in Sustaining Cooperation within Commons Dilemmas: A Game-Theoretic Analysis

2025· article· W4415471968 sur OpenAlexaboutno aff
Jinxuan Liu

Notice bibliographique

RevueFinance & Economics · 2025
Typearticle
Langue
DomaineSocial Sciences
ThématiqueEvolutionary Game Theory and Cooperation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCommonsRivalryCommon-pool resourceConsumption (sociology)Resource (disambiguation)Resource management (computing)Information asymmetry

Résumé

récupéré en direct d'OpenAlex

Common-pool resources (CPRs), such as irrigation systems and fisheries, are characterized by rivalry in consumption and costly exclusion. Consequently, over-extraction and free-riding are often individually rational yet collectively destructive. This paper examines how communication can reshape these dynamics in two contrasted cases: Andean irrigation in Peru and the Newfoundland cod fishery. Small repeated-game models demonstrate that organized, open communication, coupled with visible signals and graduated penalties, reduces the benefits of defection or race benefits, increases anticipated penalties for straying, and increases perceived losses from suboptimal effort. The result is a lower threshold for the discount factor required to sustain self-enforcing cooperation. The research combines three mechanisms of failure (information frictions, power asymmetries, weak enforcement) and offers an implementable bundle, signal alignment, asymmetry guards, and rule-plus-talk, with clear roles, routines, and metrics. Consequently, the study provides an exportable institutional design for resource management agencies seeking to foster long-term, self-sustaining cooperation that reduces reliance on continuous and costly external policing.

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)0,003
score de la tête « metaresearch » (Gemma)0,010
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: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,007
Communication savante0,0030,005
Science ouverte0,0010,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,006
Tête enseignante GPT0,248
Écart entre enseignants0,242 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFinance & EconomicsMême sujetEvolutionary Game Theory and CooperationTravaux en français237 207