MétaCan
Menu
Retour à la cohorte
Enregistrement W7100701470

www.vanderbilt.edu/econ Shared Consumption: A Technological Analysis*

2003· article· en· W7100701470 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSharing Economy and Platforms
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPublic goodPresentation (obstetrics)Foundation (evidence)Private goodPareto principlePoliticsGoods and services
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

*This article is a substantially revised version of the first chapter of my doctoral dissertation [Weymark (1977)]. I am grateful to Myrna Wooders for suggesting that this research is still of interest and for encouraging me to revise it for publication. The first two chapters of my thesis formed the basis of my presentation to the European Science Foundation Workshop on “Local Public Goods, Politics and Multijurisidictional Economies ” held at the Universite ́ Paris 1 (Panthéon-Sorbonne) in July 2002. I have benefitted from comments received from Jean-Marc Bonnisseau, John Conley, and an anonymous referee. I am also grateful to Karl Shell and Bob Inman for their comments on the earlier thesis version of this article and to the Canada Council for supporting my thesis research. Abstract. James Buchanan (Economica, 1966) has argued that Alfred Mar-shall’s theory of jointly-supplied goods can be extended to analyze the allo-cation of impure public goods. This article introduces a way of modelling sharing technologies for jointly-supplied goods that captures the essential features of Buchanan’s proposal. Public and private goods are special cases of shared goods obtained by appropriately specifying the sharing technol-ogy. Necessary conditions for an allocation in a shared goods economy to be Pareto optimal are identified and related to the optimality conditions for public and private goods.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,737
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0250,004

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 GPT0,231
Écart entre enseignants0,189 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations0
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSharing Economy and PlatformsTravaux en français237 207