MétaCan
Menu
Retour à la cohorte
Enregistrement W1885334880 · doi:10.1093/jleo/ewu019

Sustaining Group Reputation

2015· article· en· W1885334880 sur OpenAlexaff
Erik O. Kimbrough, Jared Rubin

Notice bibliographique

RevueThe Journal of Law Economics and Organization · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueExperimental Behavioral Economics Studies
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésReputationUnobservableTemptationPunishment (psychology)Group (periodic table)Social psychologyEnforcementMatching (statistics)PsychologyMicroeconomicsEconomicsPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

When individuals trade with strangers, there is a temptation to renege on agreements. If repeated interaction or exogenous enforcement is unavailable, societies often solve this problem via institutions that rely on group, rather than individual, reputation. Groups can employ two mechanisms to uphold reputation that are unavailable to individuals: information sharing and in-group punishment. We design a laboratory experiment to distinguish the roles of these mechanisms when individual reputations are unobservable. Subjects are split into groups and play a trust game with random re-matching, where only the group identity of one’s partner is known. Treatments differ by whether information about group members’ transactions is shared and whether in-group punishment is possible. We find that information sharing encourages path dependence via group reputation: good (bad) behavior results in greater (fewer) gains from exchange in the future. However, the mere threat of in-group punishment is enough to discourage bad behavior. (JEL C9, D02, D7)

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)0,001
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,694
Score d'incertitude au seuil0,201

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,036
Tête enseignante GPT0,296
Écart entre enseignants0,260 · 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'étudeThéorique ou conceptuel
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

Citations18
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Law Economics and OrganizationMême sujetExperimental Behavioral Economics StudiesTravaux en français237 207