MétaCan
Menu
Retour à la cohorte
Enregistrement W2610560257 · doi:10.1016/j.dib.2017.04.049

Buyer and seller data from pay what you want and name your own price laboratory markets

2017· article· en· W2610560257 sur OpenAlexfundno aff
Florentin Krämer, Klaus M. Schmidt, Martin Spann, Lucas Stich

Notice bibliographique

RevueData in Brief · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueExperimental Behavioral Economics Studies
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Society for the History of MedicineDeutsche Forschungsgemeinschaft
Mots-clésPrice discriminationMonopolyValue (mathematics)MicroeconomicsBusinessService (business)MarketingPricing strategiesAsk priceAdvertisingEconomicsComputer scienceFinance

Résumé

récupéré en direct d'OpenAlex

Pay What You Want (PWYW) and Name Your Own Price (NYOP) are customer-driven pricing mechanisms that give customers (some) pricing power and that have been used in service industries with high fixed costs to price discriminate without setting a reference price. This paper describes buyer and seller data in a series of induced-value laboratory experiments that compare PWYW and NYOP in monopoly and competitive situations. Sellers are in a one-shot interaction with buyers. Sellers using customer-driven pricing mechanisms may exogenously or endogenously receive additional promotional benefits, for instance through word-of-mouth effects. The major findings based on the data presented here are reported in the paper "Delegating Pricing Power to Customers: Pay What You Want or Name Your Own Price?" (Krämer et al., 2017) [3].

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,465
Score d'incertitude au seuil0,989

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0010,004
Science ouverte0,0010,003
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,104
Tête enseignante GPT0,376
Écart entre enseignants0,271 · 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.

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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueData in BriefMême sujetExperimental Behavioral Economics StudiesTravaux en français237 207