MétaCan
Menu
Retour à la cohorte
Enregistrement W76213128 · doi:10.1287/mnsc.2016.2442

Contract Structure for Joint Production: Risk and Ambiguity Under Compensatory Damages

2016· article· en· W76213128 sur OpenAlexaff
Michael D. Ryall, Rachelle C. Sampson

Notice bibliographique

RevueManagement Science · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLaw, Economics, and Judicial Systems
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAmbiguityDeliverableDamagesProduction (economics)MicroeconomicsEconomicsBusinessComparative staticsDual (grammatical number)Actuarial scienceIndustrial organizationRisk analysis (engineering)Computer scienceLaw

Résumé

récupéré en direct d'OpenAlex

We develop a model in which the parties to a joint production project have a choice of specifying contractual performance in terms of actions or deliverables. Penalties for noncompliance are not specified; rather, they are left to the courts under the legal doctrine of compensatory damages. We analyze three scenarios of increasing uncertainty: full information, where implications of partner actions are known; risk, where implications can be probabilistically quantified; and ambiguity, where implications cannot be so quantified. Under full information, action requirements dominate: they always induce the maximum economic value. This dominance vanishes in the risk scenario. Under ambiguity, deliverables specifications can interact with compensatory damages to create a form of “ambiguity insurance,” where ambiguity aversion is assuaged in a way that increases the aggregate, perceived value of the project. This effect does not arise under contracts specifying action requirements. Thus, deliverables contracts may facilitate highly novel joint projects that would otherwise be foregone as a result of excessive uncertainty. Suggested empirical implications include the choice of contract clause type depending on the level of uncertainty in a joint development project, one application being the level of partner experience with interfirm collaborations. This paper was accepted by Bruno Cassiman, business strategy.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,546
Score d'incertitude au seuil0,409

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
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 Opus0,033
Tête enseignante GPT0,222
Écart entre enseignants0,190 · 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'étudeThéorique ou conceptuel
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

Citations9
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement ScienceMême sujetLaw, Economics, and Judicial SystemsTravaux en français237 207