MétaCan
Menu
Retour à la cohorte
Enregistrement W1966766153 · doi:10.1287/mnsc.2013.1807

Crowding Out in the Labor Market: A Prosocial Setting Is Necessary

2013· article· en· W1966766153 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueManagement Science · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueExperimental Behavioral Economics Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésProsocial behaviorEconomicsLabour economicsWageCrowding outCrowdingPiece workMicroeconomicsTask (project management)PsychologySocial psychologyIncentiveMonetary economicsCognitive psychology

Résumé

récupéré en direct d'OpenAlex

Recent studies, mostly from prosocial settings, suggest that monetary rewards may crowd out effort exertion by economic agents. We design a field experiment with data entry workers to investigate the extent of such crowding-out effects in a labor market. Using simple variations in the job description of a task, we induce a natural work setting under the work frame and emphasize social preference under the social frame. We find that crowding out of labor participation critically depends on framing—whereas small monetary rewards reduce the participation rate under the social frame, the participation rate is nondecreasing in the wage rate under the work frame. Moreover, among the workers who participate in the task, those who receive a positive wage perform a considerably higher amount of work than those who are paid zero wage under either frame. Thus, there is weak evidence of crowding out only when the task is explicitly given a prosocial flavor and not under a regular work setting. Furthermore, emphasizing social preference in the labor market in such a way reduces the overall labor supply and seems to have an adverse effect on the quality of work. Data, as supplemental material, are available at http://dx.doi.org/10.1287/mnsc.2013.1807 . This paper was accepted by John List, behavioral economics.

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.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,537
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,000
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 Opus0,026
Tête enseignante GPT0,333
Écart entre enseignants0,307 · 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