Le marché des joueurs de la Ligue nationale de hockey : une approche économique
Bibliographic record
Abstract
Cette recherche décrit et analyse les mécanismes de répartition des joueurs entre les équipes de la LNH. Ces mécanismes sont l’existence de la clause de réserve avec ou sans compensation, le repêchage universel des joueurs amateurs, le repêchage intra-ligue et le ballottage (waiver). Après avoir démontré empiriquement que l’égalité compétitive entre les équipes ne peut être utilisée pour justifier ces pratiques non concurrentielles, cette étude essaie de prouver que les mécanismes actuels d’allocation des joueurs découlent principalement du statut monopsonique de la LNH, cette dernière étant le seul employeur des joueurs de calibre supérieur. L’argumentation employée consiste à démontrer qu’un marché libre allouerait les joueurs de hockey selon leur contribution marginale aux revenus de l’équipe, qu’il serait plus efficace et que les joueurs recevraient leur rente de talent naturel. Dans le système actuel, l’allocation des joueurs entre les équipes s’inspire de leur contribution marginale aux revenus de l’équipe puisque les droits de propriété sont clairement définis. Elle s’accompagne toutefois de nombreux coûts sociaux qui découlent de la dissociation de la rémunération du joueur de son coût d’option (opportunity cost). À ces coûts d’inefficacité s’ajoute aussi le fait que le joueur de hockey doit partager présentement sa rente avec le propriétaire de l’équipe.
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 | 0.004 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.003 | 0.003 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.038 | 0.004 |
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".