Une analyse économique de l’usage de faux prix réguliers en publicité
Bibliographic record
Abstract
Nous considérons dans cet article la publicité trompeuse, et en particulier la publicité portant sur un faux prix régulier lorsqu’un prix d’aubaine est annoncé. Afin de prendre en considération les interactions stratégiques entre les firmes ainsi que la rationalité des consommateurs face à la publicité des entreprises, nous développons un modèle formel de duopole à la Bertrand dans lequel les prix transmettent à l’équilibre de l’information sur la qualité des produits. L’usage d’un faux prix régulier apparaît alors comme la transmission d’une information indirecte, et fausse, sur la qualité du produit. Nous dérivons et caractérisons un équilibre avec prix d’aubaine dans lequel les consommateurs font un usage rationnel de l’information sur les prix (tout en reconnaissant qu’ils peuvent être parfois trompés par une information incorrecte, inexacte ou frauduleuse) afin d’inférer les caractéristiques de qualité des produits. Le modèle possède ainsi les caractéristiques essentielles des marchés de publicité : d’une part les consommateurs sont rationnels et à l’équilibre anticipent de façon rationnelle la qualité des produits qu’ils achètent et d’autre part les entreprises sont engagées dans un jeu stratégique de marché où les produits sont différenciés.
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 | 0.005 | 0.024 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.007 | 0.007 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.017 | 0.002 |
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".