La théorie autrichienne des cycles : une théorie de la récurrence des erreurs collectives d’anticipation
Bibliographic record
Abstract
Cet article présente les développements récents de la théorie autrichienne des cycles. Il se concentre sur les apports théoriques et soutient que désormais la théorie autrichienne des cycles est une théorie plurielle de la récurrence des erreurs collectives d’anticipation. Les économistes autrichiens s’accordent pour penser que la nationalisation de la monnaie est à l’origine de l’excès d’offre de monnaie. Cet excès crée une distorsion de la structure des taux d’intérêt des prêts et induit la phase de récession du cycle. Ils s’entendent aussi sur les raisons de la récurrence des erreurs d’anticipation et sur leur uniformité. La théorie des droits de propriété explique la récurrence des erreurs d’anticipation par la socialisation des risques. La théorie des anticipations explique les erreurs collectives par la centralisation des anticipations autour des décisions de la banque centrale. Elle rend ainsi compte de l’instabilité des systèmes économiques. Les économistes autrichiens sont divisés, en revanche, sur les raisons de cet excès d’offre de monnaie. Il y a ceux qui soutiennent que cet excès d’offre se mesure par rapport à l’épargne monétaire et s’explique par la pratique des réserves fractionnaires (école de la libre circulation). Il y a ceux, au contraire, qui estiment que cet excès doit être mesuré par rapport à la demande de monnaie et expliqué par l’absence de concurrence entre les monnaies (école de la banque libre).
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 | 0.003 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.005 |
| Scholarly communication | 0.004 | 0.006 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 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".