Normes sociales et productivité dans le processus d’appariement des contrats agricoles*
Bibliographic record
Abstract
Cet article essaie de mettre en évidence le rôle de la compétence dans le processus d’appariement des partenaires sur le marché de la location des terres et l’importance des normes sociales dans l’organisation agraire. La variable compétence est dans la plupart des cas non observable par l’économètre. À partir de l’estimation de la fonction de production des ménages agricoles par la méthode de l’économétrie des données de panel, nous proposons une méthodologie permettant de disposer d’une mesure de cette variable. L’analyse de la covariation des niveaux des compétences des propriétaires avec ceux des locataires sur les parcelles sous contrat montre une complémentarité des deux partenaires quant à leur compétence agricole. Par ailleurs, les tests empiriques montrent que le processus d’appariement n’est pas aléatoire. Ces résultats amènent à conclure que les normes sociales organisent le marché. Ces normes ne sont pas toujours efficaces car elles peuvent exclure du marché certains ménages compétents.
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 | 0.006 | 0.015 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
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".