Intérêt public, intérêt privé et discrimination
Bibliographic record
Abstract
Nous considérons un service à qualité variable dont chaque usager consomme au plus une unité. Les coûts de production, fixe et variable, ne dépendent pas de la qualité : améliorer, dans certaines limites, la qualité, n’augmente pas les coûts de production. Chaque usager cependant apprécie d’autant plus le service que celui-ci est de meilleure qualité : la propension à payer de l’usager est une fonction linéaire croissante de la qualité du service. Chaque usager est seul à connaître sa propre propension à payer, alors que la distribution des propensions est connue de tous, producteurs et consommateurs. Nous étudions comment et pourquoi, dans ces conditions, une discrimination par les prix et les qualités peut être pratiquée par les producteurs. Nous montrons qu’un monopole recherchant la maximisation de son profit ne pratiquera pas de discrimination; en revanche, dans un large champ de situation, il n’est possible d’atteindre un optimum de Pareto sous contraintes — informationnelle et financière — qu’en discriminant : le gain qu’apporte la discrimination en tant que mécanisme d’autosélection l’emporte sur le gaspillage qu’il y a à produire au même coût une qualité moindre. Nous reformulons enfin notre modèle pour élargir son domaine d’application à des questions telles que la tarification de l’accès à un réseau téléphonique, le marchandage dans un contexte d’achats répétés, etc.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.003 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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; both teacher heads agree on what is shown here.
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".