MétaCan
Menu
Retour à la cohorte
Enregistrement W2276874999 · doi:10.1111/jpet.12393

Trust, ability‐to‐pay, and charitable giving

2019· article· en· W2276874999 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Public Economic Theory · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueExperimental Behavioral Economics Studies
Établissements canadiensToronto Metropolitan UniversityYork University
Organismes subventionnairesnon disponible
Mots-clésDistrustAltruism (biology)Public goodCrowding outEconomicsWillingness to payPleasureMicroeconomicsFoundation (evidence)CrowdingDonationPublic economicsPositive economicsSocial psychologyPsychologyPolitical scienceLawMonetary economics

Résumé

récupéré en direct d'OpenAlex

Abstract In the literature on privately provided public goods, altruism has been motivated by what contributions can accomplish (public goods philanthropy), by the pleasure of giving (warm‐glow philanthropy), or by the desire to personally make a difference (impact philanthropy). Underlying these motives is the idea that individuals trust that their donations reach their goal. We revisit these models but allow for distrust in the institutional structures involved. An important result we derive is that trust considerations determine whether crowding out is less or more than complete, and we thus open up possibilities in terms of the extent of crowding out not currently available. We also model socially motivated philanthropy when income‐heterogeneous donors take trust and ability‐to‐pay into account. With ability‐to‐pay in social motivation, an important result we obtain is that low‐income donors may contribute more than high‐income donors (in both absolute and percentage‐of‐income terms), giving a potential theoretical foundation to the frequently observed “U‐shaped” pattern of giving.

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.

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)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,400
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,026
Tête enseignante GPT0,307
Écart entre enseignants0,281 · 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