MétaCan
Menu
Retour à la cohorte
Enregistrement W2039594432 · doi:10.1108/raf-12-2013-0141

Groupcentric budget goals, budget-based incentive contracts, and additive group tasks

2015· article· en· W2039594432 sur OpenAlexaff
Jonathan Farrar, Theresa Libby, Linda Thorne

Notice bibliographique

RevueReview of Accounting and Finance · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueExperimental Behavioral Economics Studies
Établissements canadiensYork UniversityUniversity of WaterlooToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésIncentiveTask (project management)Context (archaeology)OriginalityGroup (periodic table)Value (mathematics)Goal orientationPsychologySocial psychologyMicroeconomicsComputer scienceEconomicsManagement

Résumé

récupéré en direct d'OpenAlex

Purpose – The purpose of this paper is to examine the effects of three different types of budget goals (egocentric individual, groupcentric individual and group) on group performance of an additive task, assigned within an individual budget-based incentive contract. While previous research has established that budget-based incentive contracts motivate higher group performance than piece rate contracts for additive group tasks, no studies, which we are aware of, have considered explicitly the type of goal within this context. Design/methodology/approach – We conduct a 3 × 2 experiment in which we manipulate the presence of an individual goal (egocentric, groupcentric and absent) and a group goal (present and absent) on group performance of an additive task. Findings – Group performance is higher for groups assigned groupcentric individual goals than for groups assigned egocentric individual goals, either alone or in combination with a group goal. Practical implications – Egocentric individual goals may reinforce an individualistic orientation, which may work against the potential gains from having group members adopt more of a group focus. Originality/value – This paper considers how groupcentric individual goals may improve group performance. The management accounting literature typically examines just egocentric individual goals.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,879
Score d'incertitude au seuil0,526

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 Opus0,021
Tête enseignante GPT0,306
Écart entre enseignants0,285 · 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'étudeSans objet
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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Accounting and FinanceMême sujetExperimental Behavioral Economics StudiesTravaux en français237 207