MétaCan
Menu
Retour à la cohorte
Enregistrement W2765144685 · doi:10.1002/wmh3.246

Understanding Repugnance: Implications for Public Policy

2017· article· en· W2765144685 sur OpenAlexaff
Julio Elías, Nicola Lacetera, Mario Macis

Notice bibliographique

RevueWorld Medical & Health Policy · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueExperimental Behavioral Economics Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesJohns Hopkins University
Mots-clésOpposition (politics)PaymentEconomic shortageProcurementPublic economicsEconomicsLaw and economicsPolitical scienceBusinessLawMarketingFinancePolitics

Résumé

récupéré en direct d'OpenAlex

Understanding the influence of moral repugnance on social decisions is challenging, particularly because in several cases not all of the relevant policy options can be observed. In a series of recent studies, we designed survey experiments to identify individual preferences in morally controversial transactions, with focus on the provision of payments to kidney donors in the United States (Elias, Lacetera, & Macis, 2015a, 2015b, 2016a). We found that providing information on how a price mechanism can help alleviate the organ shortage significantly reduces opposition toward payments for organs. Moreover, we quantified the trade-off that people make between the repugnance and the efficiency of alternative kidney procurement systems. In Elias, Lacetera, Macis, and Salardi (2017), finally, we analyzed how the regulation of controversial activities is related to economic development. This paper summarizes these findings and analyzes their main implications for public policy and market design.

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)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,971
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0060,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,408
Tête enseignante GPT0,548
Écart entre enseignants0,139 · 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'étudeThéorique ou conceptuel
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

Citations8
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Medical & Health PolicyMême sujetExperimental Behavioral Economics StudiesTravaux en français237 207