MétaCan
Menu
Retour à la cohorte
Enregistrement W2604203227 · doi:10.3389/fnbeh.2017.00068

Testosterone and Cortisol Jointly Predict the Ambiguity Premium in an Ellsberg-Urns Experiment

2017· article· en· W2604203227 sur OpenAlexafffund
Giuseppe Danese, Eugénia Fernandes, Neil V. Watson, Samuele Zilioli

Notice bibliographique

RevueFrontiers in Behavioral Neuroscience · 2017
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueDecision-Making and Behavioral Economics
Établissements canadiensSimon Fraser University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaSimon Fraser UniversityUniversità degli Studi di Trento
Mots-clésAmbiguityTestosterone (patch)EconomicsEconometricsEndocrinologyComputer scienceMedicine

Résumé

récupéré en direct d'OpenAlex

Previous literature has tried to establish whether and how steroid hormones are related to economic risk-taking. In this study, we investigate the relationship between testosterone (T) and cortisol (C) on one side and attitudes toward risk and ambiguity on the other. We asked 78 male undergraduate students to complete several tasks and provide two saliva samples. In the task "Reveal the Bag," participants expressed their beliefs on an ambiguous situation in an incentivized framework. In the task "Ellsberg Bags," we elicited from the participants through an incentive-compatible mechanism the reservation prices for a risky bet and an ambiguous bet. We used the difference between the two prices to calculate each participant's ambiguity premium. We found that participants' salivary T and C levels jointly predicted the ambiguity premium. Participants featuring comparatively lower levels of T and C showed the highest levels of ambiguity aversion. The beliefs expressed by a subset of participants in the "Reveal the Bag" task rationalize (in a revealed preference sense) their choices in the "Ellsberg Bags" task.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,002
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,193
Tête enseignante GPT0,432
Écart entre enseignants0,240 · 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

Citations3
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Behavioral NeuroscienceMême sujetDecision-Making and Behavioral EconomicsTravaux en français237 207