Law versus Regulation: A Political Economy Model of Instrument Choice in Environmental Policy
Bibliographic record
Abstract
Nous analysons les conditions sous lesquelles les approches légale et réglementaire peuvent être comparées dans le cadre d'un modèle d'économie politique de l'implémentation de la politique environnementale. La première partie de l'article décrit les caractéristiques essentielles des divers instruments à comparer, à savoir un régime de responsabilité légale élargie aux prêteurs et un régime de réglementation incitative, instruments typiquement utilisés aux États-Unis et en Europe. Dans la deuxième partie, un modèle formel d'économie politique est développé. La possibilité d'une capture de l'agence de réglementation est introduite sous forme réduite par la surévaluation de la valeur sociale de la rente informationnelle des entreprises. Nous montrons qu'un régime de réglementation incitative peut être plus ou moins performant en termes de bien-être qu'un régime de responsabilité élargie, stricte et solidaire. Nous analysons en profondeur trois facteurs principaux de cette comparaison, à savoir le différentiel de coût entre les niveaux faible et élevé de la protection environnementale, le coût social des fonds publics et le facteur de surévaluation.
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 | 0.008 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.005 |
| Scholarly communication | 0.007 | 0.008 |
| Open science | 0.003 | 0.003 |
| Research integrity | 0.005 | 0.004 |
| Insufficient payload (model declined to judge) | 0.019 | 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".