Notice bibliographique
Résumé
Abstract Objective: To use meta-analysis techniques to assess the impact of various factors on the extent of cooperation in standard linear public goods experiments using the voluntary contributions mechanism. Data Sources: Potentially relevant experiments were identified through searches of EconLit, the Internet Documents in Economics Access Service (IDEAS), and a survey article. Review Methods: A total of 349 potentially relevant studies were identified. Of these, 27 (representing a total of 711 groups of participants) met the inclusion criteria. Data were abstracted from these studies using a standardized protocol. Results were analyzed using weighted ordinary least squares. Average group efficiency was the dependent variable. Results: The marginal per capita return, communication, constant group composition over the session (“partners”), positive framing, and the use of children as subjects had a positive and significant effect (p < 0.05) on the average level of contribution to the public good. Heterogeneous endowments to subjects, experienced participants, and soliciting subjects’ beliefs regarding other participants’ behaviour prior to the start of the session/period had a negative and significant effect. A number of other factors were not identified as significant. Conclusion: The meta-analysis results parallel several key findings from previous literature reviews. In addition, they offer parameter estimates and an analysis of significance based on the totality of the available research evidence. More consistent reporting of the results of experiments would greatly improve the ability to conduct this type of research.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,108 | 0,211 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,002 |
| Méta-épidémiologie (sens large) | 0,019 | 0,039 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».