MétaCan
Menu
Retour à la cohorte
Enregistrement W2141348754

Will the Working Poor Invest in Human Capital? A Laboratory Experiment

2002· preprint· en· W2141348754 sur OpenAlexaboutno aff
Catherine C. Eckel

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2002
Typepreprint
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinancial Literacy, Pension, Retirement Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIncentiveHuman capitalWelfare economicsEconomicsPolitical scienceHumanitiesBusinessEconomic growthArtMicroeconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper presents the results of a laboratory experiment involving some 250 subjects in the Montreal area. The experiment focused on three main questions : (1) Will the working poor invest in various assets? (2) Are these subjects willing to delay consumption for substantial returns? (3) How do these subjects view risky choices? Answering these questions will help answering the key research question : Given the right incentive, will the working poor save to invest in human capital? To view the report, please click here : http://www.srdc.org/publications/Will-the-Working-Poor-Invest-in-Human-Capital-A-Laboratory-Experiment-details.aspx Ce rapport présente les résultats d'une expérience en laboratoire impliquant environ 250 sujets résidant dans la région de Montréal. L'expérience tente de répondre à trois questions : 1) Les travailleurs à faible revenu investissent-ils dans des actifs diversifiés?; 2) Les sujets sont-ils prêts à reporter leur consommation dans le futur en échange de rendements financiers substantiels?; 3) Comment ces sujets perçoivent-ils les choix risqués? Les réponses à ces questions vont permettre d'éclairer le sujet principal de cette recherche menée par le SRDC, à savoir : Si on leur procure les bonnes incitations, les travailleurs à faible revenu auront-ils tendance à épargner pour investir dans du capital humain? Pour visionner l'intégralité du rapport cliquez ici : http://www.srdc.org/

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,701
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,037
Tête enseignante GPT0,285
Écart entre enseignants0,248 · 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.

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

Citations9
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetFinancial Literacy, Pension, Retirement AnalysisTravaux en français237 207