MétaCan
Menu
Retour à la cohorte
Enregistrement W1965630026 · doi:10.1111/1911-3838.12022

The Impact of Better-than-Average Bias and Relative Performance Pay on Performance Outcome Satisfaction

2014· article· en· W1965630026 sur OpenAlexaffvenue
Glen Kobussen, Suresh Kalagnanam, Ganesh Vaidyanathan

Notice bibliographique

RevueAccounting Perspectives · 2014
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueDecision-Making and Behavioral Economics
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésPsychologyOperationalizationExpectancy theoryJob satisfactionSocial psychologyHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

Drawing on equity and expectancy theories, we hypothesize that the perception of accountants about their ability to contribute relative to a peer (operationalized as the better-than-average [BTA] bias) negatively influences their satisfaction with the outcomes of the performance evaluation process (operationalized as performance outcome satisfaction [POS]). We hypothesize further that this negative influence is mitigated by the amount of relative performance pay. We test these hypotheses using data collected from a survey of and an experiment involving 164 entry-level accountants. We found that in general our participants rated themselves better than the average audit professional and their immediate work associate; that is, they displayed a BTA bias. Moreover, we found that both the BTA bias and performance pay individually influenced POS; we also found a moderately significant interaction effect. In their entirety, the results indicate that the greater an entry-level accountant believes that she or he is better than average the more likely her or his performance outcome satisfaction will fall.

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,333
Score d'incertitude au seuil0,484

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
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 Opus0,087
Tête enseignante GPT0,384
Écart entre enseignants0,297 · 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'étudeObservationnel
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

Citations6
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAccounting PerspectivesMême sujetDecision-Making and Behavioral EconomicsTravaux en français237 207