MétaCan
Menu
Retour à la cohorte
Enregistrement W2268135809 · doi:10.1509/jmr.13.0426

Walking in My Shoes: How Expectations of Role Reversal in Future Negotiations Affect Present Behaviors

2015· article· en· W2268135809 sur OpenAlexaff
Rajesh Bagchi, Nevena T. Koukova, Haresh Gurnani, Mahesh Nagarajan, Shweta Oza

Notice bibliographique

RevueJournal of Marketing Research · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueConflict Management and Negotiation
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésNegotiationAffect (linguistics)Database transactionBusinessDistributive propertyMarketingMicroeconomicsEconomicsPsychologyPolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

The authors focus on repeated distributive negotiations to investigate how expectations of role reversal in future transactions (i.e., a buyer [seller] in one transaction is the seller [buyer] in the next transaction) affect behaviors in the current negotiation. They demonstrate that when negotiators expect a role reversal, they are likely to make more concessions and reach agreement more quickly in the current negotiation. The authors find that this effect is driven by negotiators’ beliefs that they will be able to recover these concessions, because negotiators expect their counterparts to reciprocate in the later transaction when the parties reverse roles. However, when the two negotiations occur in different “accounting” periods (i.e., fiscal periods) or when the negotiating parties do not explicitly communicate their willingness to reverse roles in the future, role-reversal expectations do not affect concession making. Implications arise in both managerial and consumer contexts where the possibility of engaging in future negotiations—as well as reversing roles—exists.

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)0,004
score de la tête « metaresearch » (Gemma)0,035
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 enseignants0,004
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,035
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,079
Tête enseignante GPT0,415
Écart entre enseignants0,336 · 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

Citations13
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Marketing ResearchMême sujetConflict Management and NegotiationTravaux en français237 207