L'économie expérimentale pour l'analyse de modifications au système centralisé de vente du quota laitier au Québec
Bibliographic record
Abstract
La présente étude teste de manière expérimentale la capacité d'une modification au système centralisé de vente du quota (SCVQ) à faire diminuer le prix du quota laitier au Québec tout en minimisant les impacts négatifs des changements sur l'efficacité de l'enchère. Cette modification consiste à appliquer deux traitements sur l'enchère de prix uniforme où s'échange le quota. Le premier traitement consiste en une exclusion (de 5 % ou de 15 %) des mises les plus élevées des acheteurs et des vendeurs. Le second traitement est une taxe (de 2 % ou de 10 %) appliquée aux unités que les vendeurs mettent en marché et ne réussissent pas à vendre. Différentes combinaisons de ces deux traitements sont également testées. Les données générées permettent de conclure que le mécanisme d'exclusion des mises les plus élevées permet de faire diminuer le prix du quota, l'exclusion de 15 % étant plus efficace que celle de 5 %. Pour sa part, la taxe seule a peu d'impact sur le prix du quota tandis que la combinaison des deux traitements entraîne une diminution du nombre de transactions et du prix du quota plus marquée que lorsque les traitements de taxe et d'exclusion sont appliqués individuellement. Cela a comme corollaire d'entraîner une perte d'efficacité économique plus importante.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".