Collaborating to manage performance trade‐offs: How fire departments preserve life and save property
Notice bibliographique
Résumé
Research Summary We examine how formal collaboration allows organizations to resolve performance trade‐offs that cannot be resolved informally. The theory is tested on U.S. fire departments, which pursue goals that sometimes conflict: reducing casualties and saving property. By relying on intrinsic motivation, informal collaboration reduces casualties and saves some property above what departments can achieve alone. Formal contracts are needed to achieve additional performance improvements on the goal of saving property. Contracts improve performance above what is accomplished informally by compelling collaboration even under casualty risk. Prior studies of collaboration that do not account for ex ante informality or performance trade‐offs may misstate the impact of collaboration on organization performance. Management Summary Like many organizations, U.S. fire departments pursue multiple goals that sometimes conflict. For fire departments, these goals are reducing casualties and saving property. Goal conflict arises when firefighter lives are put at risk to save property. To improve performance on both goals, fire departments often collaborate with neighboring departments in nearby jurisdictions. In this paper, we examine how performance on both goals improves when departments collaborate informally through handshake agreements. However, performance in saving property—the goal that is less intrinsically motivating for firefighters—improves even more when the collaborating departments implement a formal contract. At the same time, casualties increase slightly. This is because a contract creates an obligation for an assisting department to save property even under a risk to firefighters' lives. The analysis shows how formal contracts are implemented to resolve trade‐offs that cannot be resolved informally. We conclude that the performance improvements associated with collaboration may be quite different than the improvements that follow the implementation of formal contracts. This is because contracts may deal only with marginal trade‐offs between the goals of the collaborators.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».