Notice bibliographique
Résumé
Classic models of reputation consider an agent taking costly actions to affect a single, homogeneous audience’s beliefs about his ability, preferences or other characteristic. However, in many economic settings, agents must maintain a reputation with multiple parties with diverse interests. In this paper we study reputation incentives for an agent who faces two audiences with opposed preferences. We ask if the existence of multiple audiences per se changes reputation incentives. Further, should the agent deal with the different audiences commonly or separately? Our analysis yields some new qualitative insights. Specifically, the presences of heterogeneous audiences is more likely to lead the agent towards “pooling” equilibria in which he takes an intermediate compromise action. Instead, dealing with only one audience leads the agent to cater towards that audience’s preferences, giving rise to a “separating” outcome or pooling on some extreme action. We analyze the welfare implications, and show that the agent most prefers that both audiences commonly observe all the actions that he takes. In our setting, reputation acts as an informal contract that enforces desirable behavior through future continuation payoffs. Our analysis highlights that the presence of multiple heterogeneous audiences can, naturally, lead these rewards to be non-monotonic in an agent’s reputation. We show different ways that this non-monotonicity arises. In an infinite horizon setting, it can emerge through endogenous interactions between the audiences, through equilibrium expectations of the agent’s choice of action. It can also arise, perhaps more trivially, through direct payoff interactions.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».