MétaCan
Menu
Retour à la cohorte
Enregistrement W2343550067 · doi:10.1287/mnsc.2015.2360

Optimal Time-Inconsistent Beliefs: Misplanning, Procrastination, and Commitment

2016· article· en· W2343550067 sur OpenAlexfundno aff
Markus K. Brunnermeier, Filippos Papakonstantinou, Jonathan A. Parker

Notice bibliographique

RevueManagement Science · 2016
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueDecision-Making and Behavioral Economics
Établissements canadiensnon disponible
Organismes subventionnairesYork UniversityUniversity of CyprusNorthwestern UniversityPurdue UniversityNational Science FoundationYale UniversityPrinceton UniversityAlfred P. Sloan Foundation
Mots-clésProcrastinationIncentiveHeuristicsDynamic inconsistencyOverconfidence effectContext (archaeology)OptimismConsistency (knowledge bases)EconomicsPsychologySocial psychologyTime consistencyPreferenceTemptationMicroeconomicsComputer scienceActuarial science

Résumé

récupéré en direct d'OpenAlex

We develop a structural theory of beliefs and behavior that relaxes the assumption of time consistency in beliefs. Our theory is based on the trade-off between optimism, which raises anticipatory utility, and objectivity, which promotes efficient actions. We present it in the context of allocating work on a project over time, develop testable implications to contrast it with models assuming time-inconsistent preferences, and compare its predictions to existing evidence on behavior and beliefs. Our predictions are that (i) optimal beliefs are optimistic and time inconsistent; (ii) people optimally exhibit the planning fallacy; (iii) incentives for rapid task completion make beliefs more optimistic and worsen work smoothing, whereas incentives for accurate duration prediction make beliefs less optimistic and improve work smoothing; (iv) without a commitment device, beliefs become less optimistic over time; and (v) in the presence of a commitment device, beliefs may become more optimistic over time, and people optimally exhibit preference for commitment. This paper was accepted by Neng Wang, finance.

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)0,004
score de la tête « metaresearch » (Gemma)0,001
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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,978
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,061
Tête enseignante GPT0,361
Écart entre enseignants0,300 · 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'étudeAutre devis
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

Citations30
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement ScienceMême sujetDecision-Making and Behavioral EconomicsTravaux en français237 207