A study on heterogeneity in a commons dilemma: an experimental framework
Bibliographic record
Abstract
Un dilemme communes est une situation où un groupe d'individus utilisent une ressource et une décision rationnelle pour exploiter cette ressource de manière optimale dans la perspective de ce groupe. Comme résultat, cela peut mener à la surexploitation des ressources ou le sous-investissement dans ce management. Ce problème peut souvent être vu dans un common-pool resource (CPR). Cette situation est décrite par le jeu du CPR, qui a pour objet de décider combien ils veulent pour s'approprier le CPR, ce qui pourrait entrainer en retour un remboursement négatif dépendant de combien ils s'approprient/s'intègrent comme un groupe. Ce papier modifie les standards du jeu du CPR pour représenter la situation où deux groupes d'utilisateurs avec deux différentes fonctions utilitaires sont liés dans l'espace au CPR. Un exemple à cette situation serait l'impact qu'aurait une communauté en amont d'une rivière, à travers la pollution ou l'extraction, sur la communauté située en aval. Cette thèse propose une nouvelle étude expérimentale au jeu du CPR standard qui prend en compte les fonctions hétérogènes de ces deux communautés ainsi que la dimension spatiale de ce problème. L'hétérogénéité peut ou non augmenter l'efficience d'un CPR approprié. Des implications comportementales sont décrites par le nouveau jeu du CPR.
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 | 0.010 | 0.021 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.004 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.012 | 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".