MétaCan
Menu
Retour à la cohorte
Enregistrement W1502955258

Shut Up and Fish: The Role of Communication when Output-Sharing is used to Manage a Common Pool Resource

2009· preprint· en· W1502955258 sur OpenAlexaff
Noel J. Buckley, Stuart Mestelman, Rudolf Müller, Stephan Schott, Jingjing Zhang

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2009
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueExperimental Behavioral Economics Studies
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésTragedy of the commonsOutcome (game theory)Affect (linguistics)Economic rentCommunication in small groupsGroup (periodic table)Resource (disambiguation)Aggregate (composite)Fish <Actinopterygii>Common-pool resourceCommonsGroup behaviorBusinessMicroeconomicsEconomicsSocial psychologyPsychologyComputer scienceBiologyCommunicationEcologyFisheryComputer network
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Schott et al. (2007) have shown that the “tragedy of the commons” can be overcome when individuals share their output equally in groups of optimal size and there is no communication. The assignment of individuals to groups as either strangers or partners does not significantly affect this outcome. In this paper we investigate whether communication changes these results. Communication reduces shirking, increases aggregate effort and reduces aggregate rents, but only when communication groups and output-sharing groups are linked. The effect is stronger for fixed groups (the partners treatment) than for randomly reassigned groups (the strangers treatment). Performance is not distinguishable from the no- communication treatments when communication is permitted but subjects share output within groups different from the groups within which they communicate. Communication also tends to enhance the negative effect of the partnered group assignment on the equality of individual payoffs. We use detailed content analysis to evaluate the impact of various categories of communication messages on behaviour across treatments.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,509
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0020,004
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,075
Tête enseignante GPT0,377
Écart entre enseignants0,302 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetExperimental Behavioral Economics StudiesTravaux en français237 207