MétaCan
Menu
Retour à la cohorte
Enregistrement W2077651125 · doi:10.1111/j.1468-2354.2006.00383.x

DO WEALTH DIFFERENCES AFFECT FAIRNESS CONSIDERATIONS?*

2006· article· en· W2077651125 sur OpenAlexaff
Olivier Armantier

Notice bibliographique

RevueInternational Economic Review · 2006
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueExperimental Behavioral Economics Studies
Établissements canadiensUniversité de MontréalCenter for Interuniversity Research and Analysis on Organizations
Organismes subventionnairesnon disponible
Mots-clésAffect (linguistics)OddsUltimatum gameReinforcement learningEconomicsPsychologyMicroeconomicsReinforcementSocial psychologyEstimationComputer scienceLogistic regressionArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The influence of relative wealth on fairness considerations is analyzed in an ultimatum game experiment in which participants receive large and widely unequal initial endowments. Subjects initially demonstrate a concern for fairness. With time however, behavior becomes at odds with both subgame perfection and fairness. Evidence of learning is detected for both proposers and receivers in the estimation of a structural reinforcement learning model. The estimation results suggest that, guided by foregone best responses and an acquired sense of deservingness, rich subjects become more selfish, whereas poor subjects, influenced only by their own experience, learn to tolerate this behavior.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,063
Tête enseignante GPT0,388
Écart entre enseignants0,324 · 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 source (Gemma direct ou Codex distillé), 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

Citations71
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Economic ReviewMême sujetExperimental Behavioral Economics StudiesTravaux en français237 207