MétaCan
Menu
Retour à la cohorte
Enregistrement W2917521205 · doi:10.1257/aer.20180568

Paying for Kidneys? A Randomized Survey and Choice Experiment

2019· article· en· W2917521205 sur OpenAlexafffund
Julio Elías, Nicola Lacetera, Mario Macis

Notice bibliographique

RevueAmerican Economic Review · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueOrgan Donation and Transplantation
Établissements canadiensUniversity of Toronto
Organismes subventionnairesUniversity of Toronto MississaugaCarey Business School, Johns Hopkins UniversityEinaudi Institute for Economics and FinanceUniversity of TorontoJohns Hopkins UniversityAlfred P. Sloan Foundation
Mots-clésPaymentEconomicsCompensation (psychology)Polarization (electrochemistry)Actuarial sciencePublic economicsMicroeconomicsPsychologySocial psychologyFinance

Résumé

récupéré en direct d'OpenAlex

We conducted a randomized survey with 2,666 US residents to study preferences for legalizing payments to kidney donors. We found strong polarization, with many participants supporting or opposing payments regardless of potential transplant gains. However, about 18 percent of respondents would switch to favoring payments for sufficiently large increases in transplants. Preferences for compensation have strong moral foundations; participants especially reject direct payments by patients, which they find would violate principles of fairness. We corroborate the interpretation of our findings with a choice experiment of a costly decision to donate money to a foundation that supports donor compensation. (JEL D63, D64, I11)

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)0,052
score de la tête « metaresearch » (Gemma)0,055
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,273

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0520,055
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,004
Communication savante0,0030,003
Science ouverte0,0020,001
Intégrité de la recherche0,0050,004
Charge utile insuffisante (le modèle a refusé de juger)0,0240,002

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 Opus0,021
Tête enseignante GPT0,330
Écart entre enseignants0,309 · 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'étudeEssai non randomisé
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

Citations114
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Economic ReviewMême sujetOrgan Donation and TransplantationTravaux en français237 207