Bibliographic record
Abstract
Une étude expérimentale a été menée afin de tester si l'aversion au risque ou l'aversion à l'ambiguïté peuvent expliquer les décisions prises par les sujets lors d'un jeu d'apprentissage par essais. Nous avons d'abord mesuré la préférence des sujets face au risque et à l'ambiguïté, et avons ensuite utilisé ces mesures pour prédire le comportement des sujets au cours du jeu. Nous avons pu constater que les sujets qui éprouvent de l'aversion à l'ambiguïté décident de payer plus souvent afin de clarifier cette ambiguïté. D'autre part, nous avons constaté que moins les sujets éprouvent de l'aversion au risque, plus leurs gains lors du jeu sont élevés. À la lumière d'une étude sur le terrain ayant eu lieu avec des fermiers travaillant dans une économie en développement, nos résultats confirment l'évidence d'un lien entre l'aversion à l'ambiguïté et les choix technologiques, ainsi que d'un lien entre l'aversion au risque et la rentabilité d'une ferme.
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 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".