MétaCan
Menu
Retour à la cohorte
Enregistrement W2152506149 · doi:10.1093/jleo/ews019

Time for Blood: The Effect of Paid Leave Legislation on Altruistic Behavior

2012· article· en· W2152506149 sur OpenAlexaff
Nicola Lacetera, Mario Macis

Notice bibliographique

RevueThe Journal of Law Economics and Organization · 2012
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueExperimental Behavioral Economics Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésIncentiveDonationEconomic shortageLegislationBlood donorPrivilege (computing)Context (archaeology)TurnoverBusinessDemographic economicsLegislatureLabour economicsBlood donationsSet (abstract data type)Public economicsPublic relationsPolitical scienceEconomicsMedicineEconomic growthMicroeconomicsLaw

Résumé

récupéré en direct d'OpenAlex

Organizations and public agencies that promote pro-social activities constantly struggle to attract and encourage more contributions. In this article, we study the effects of an explicit reward in the context of blood donation. Specifically, we analyze the effects of a legislative provision that grants a one-day paid leave of absence to blood donors who are employees in Italy, using a unique data set with the complete donation histories of the blood donors in an Italian town. The across-donor variation in employment status, and within-donor changes over time are the sources of variation that we employ to study whether the paid-day-off incentive affects the frequency of their donations. Our analysis indicates that the day-off privilege leads donors who are employees to make, on average, one extra donation per year, which represents an increase of around 40%. We also find that the provision has persistent effects, with donors maintaining higher donation frequencies even when they cease to be eligible for the incentive. We discuss the implications of our findings for policies aimed at reducing the shortages in the supply of blood and, more generally, for organizations that try to motivate voluntary contributors. (JEL: D12, D64, I18)

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)0,006
score de la tête « metaresearch » (Gemma)0,030
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 enseignants0,018
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,030
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0180,001

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 Opus0,016
Tête enseignante GPT0,280
Écart entre enseignants0,264 · 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

Citations47
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Law Economics and OrganizationMême sujetExperimental Behavioral Economics StudiesTravaux en français237 207